Les banques de microfinance à Madagascar

Télécharger le fichier pdf d’un mémoire de fin d’études

État de l’art

Afin de bien cerner les tenants et aboutissants de cette étude, des précisions seront apportées en ce qui concerne (i) la microfinance à Madagascar, (ii) les banques et la microfinance, (iii) la fidélisation, (iv) la filière rizicole malgache et (v) l’application des outils qui seront utilisés dans l’étude.

La microfinance à Madagascar

Les Institutions de Microfinance (IMF) ne sont apparues dans le paysage financier malgache qu’à partir de 1990 et la création de SIPEM à Antananarivo, AECA/CIDR à Marovoay et EAM à Antsiranana (Natao, 2004). Toutefois, la Bankin’ny Tantsaha Mpamokatra (BTM), actuelle BOA – Madagascar, a assuré une fonction similaire à la microfinance auprès de la population rurale depuis 1976. Le nombre de clients est passé de 629 302 à 1 229 785 entre 2009 et 2014 (CNFI, 2015) conformément aux prévisions de croissance estimée annuellement à 22 % jusqu’en 2017 (CNFI, 2012). Le secteur connait ainsi une forte croissance.

Evolution de la Stratégie Nationale de la Microfinance à Madagascar

Madagascar dispose depuis 2004 d’une Stratégie Nationale pour la Microfinance (SNM). La première stratégie (2004 – 2009) visait trois (3) objectifs : (1) l’harmonisation et la sécurisation du secteur de la microfinance par le biais de l’amélioration du cadre économique, légal et règlementaire, (2) la diversification et la pérennisation des produits et services financiers notamment dans les zones non couvertes par les IMF et (3) la mise en place d’un cadre institutionnel pour structurer et coordonner efficacement le secteur. Ces objectifs ont été repris dans la Stratégie Nationale de la Microfinance 2008 – 2012 (MFB, 2007). La Stratégie Nationale de la Finance Inclusive (SNFI), actuellement en cours d’exécution, vise des objectifs différents en incluant davantage le secteur financier classique. Au nombre de quatre (4), ces objectifs sont les suivants : (1) une structuration de la demande en produits et services financiers, (2) le développement d’une offre pérenne et professionnelle en fonction des besoins de la population, (3) la promotion de la finance inclusive ainsi qu’une meilleure coordination des actions entreprises et (4) l’amélioration du cadre juridique et de la supervision du secteur pour atténuer les contraintes liées à mise en place de la finance inclusive (CNFI, 2012).

La microfinance rurale à Madagascar

À Madagascar, le manque utilisation d’intrants agricoles est la principale raison de la faible productivité d’une exploitation agricole. Son impact est plus marqué que le bas niveau d’instruction ou les défaillances du système de sécurisation foncière (Randrianarisoa & Minten, 2001). La microfinance est alors utilisée principalement pour pallier cette faiblesse. Ainsi, une étude réalisée auprès du réseau de Caisses d’Epargne et de Crédit Agricole Mutuels (CECAM) en 2006 a démontré la popularité des crédits à la production et du Grenier Commun Villageois (CGV). Ces deux types de crédit représentent ainsi respectivement 44 % et 29 % des crédits contractés durant l’étude (Wampfler et al., 2006).

L’impact des IMFs à Madagascar

Selon une étude d’Andriananjavelo (2015) réalisée auprès des usagers d’une IMF du District d’Ambohidratrimo, les impacts de la microfinance malgache en monde rural sont principalement positifs, mais s’expriment de façons multiples selon les types de ménage. Ces impacts sont cependant surtout ressentis par ceux ayant bénéficié de crédits importants en vue d’un investissement dans un moyen de production. Toutefois, ces changements sont fortement sujets à des influences externes et internes aux ménages et varient donc avec le temps. Cet impact positif a également été enregistré lors d’une étude menée par Rakotoarison (2013) auprès les clients de la Société d’Investissement pour la Promotion des Entreprises à Madagascar (SIPEM), les clients devenant de moins en moins vulnérables financièrement dans le temps. Toutefois, les populations les plus pauvres ne bénéficient pas réellement des services de l’IMF étudiée (Rakotoarison, 2013). Enfin, une étude publiée par le Centre de Recherches, d’Etudes et d’Appui à l’Analyse Economique à Madagascar (CREAM) en 2014 a également démontré ces impacts positifs de la microfinance sur le chiffre d’affaire des exploitations rurales. Pourtant, l’étude pointe du doigt l’inefficacité du système à faire monter les investissements (Voninirina, 2014).

L’efficacité des IMFs malgaches

Une étude, effectuée à l’échelle nationale en 2014, a mis en avant l’efficacité socio-financière des IMFs. Ainsi, l’efficacité économique et l’utilisation des inputs par les IMFs malgaches resteraient à améliorer. Malgré cela, une bonne efficacité technique a été constatée. Les petites IMFs sont ainsi particulièrement peu performantes et nécessitent une aide pour pouvoir suivre la concurrence des IMFs de grande taille (Randriamanana, 2014).

La nécessité d’un système adapté au monde rural

Système basé sur l’épargne, le concept Village Savings and Loan (VSL) permet à des villageois de s’associer pour rassembler leurs épargnes et les mettre à crédits pour les membres ayant besoin d’un emprunt en dehors de toute structure formelle (Raterajaona, 2014). Ce système permettrait ainsi de former les adhérents aux rudiments du système financier afin de les inciter ultérieurement à approcher une IMF formelle. Une étude faite en 2014 sur une population de la Commune rurale d’Ambohimanambola, ciblée par un projet d’instauration du système VSL, a mis en exergue la nécessité d’adapter la solution aux réalités locales pour pérenniser ces petites associations. Ainsi, malgré les améliorations constatées sur le mode de vie des adhérents, plus de la moitié des associations ont été dissoutes après la conclusion du projet (Raterajaona, 2014). Ces conclusions rejoignent celles d’une étude réalisée dans le Lac Aloatra en 2004 au sujet des Greniers Communs Villageois (GCV). Pour pérenniser ce système, elle préconisait non seulement la sensibilisation de la population aux crédits, mais également le conseil et l’appui aux ménages voulant souscrire à ces crédits ( Raveloson, 2004).

Les banques et la microfinance

Le secteur bancaire est souvent présenté comme étranger au monde de la microfinance. Pourtant, il en fait partie intégrante, ne serait-ce que par les prêts que les banques accordent aux IMFs (Andrianasolo, 2008). Que ce soit de manière directe ou indirecte, la finance classique participe ainsi activement à la microfinance.

Sur la viabilité des banques dans la microfinance

La microfinance peut être un secteur d’activité prospère pour une banque (Bell et al., 2002). C’est toutefois un milieu très contraignant pour une banque du fait de l’existence d’emprunteurs à risque dépourvus de garanties suffisantes, de coûts administratifs élevés ou encore d’un manque de personnel qualifié (Jaraiseh, 2013). Cependant, les banques possèdent des atouts face aux IMFs. Ainsi, une banque dispose des ressources financières et des infrastructures nécessaires pour atteindre un large public (Valenzuela, 2001 ; Jaraiseh, 2013 ; Rhyne & Christen, 2005). Le principal facteur de la réussite en microfinance d’une banque reste l’engagement et la réelle volonté de ses dirigeants de percer sur le marché (Wenner & Campos, 1998). S’il n’existe pas de généralité, la création d’une filiale est la solution qui montre le plus de succès, car elle confère une plus grande flexibilité, indispensable aux agents de la microfinance (Valenzuela, 2001 ; Westley, 2006).

Les banques de microfinance à Madagascar

Si le secteur bancaire malgache a amorcé une ouverture vers les ménages modestes en abaissant les seuils minimums pour la tenue d’un compte épargne et en accordant des crédits à petite échelle (Andrianasolo, 2008), seules trois (3) banques commerciales sont présentes sur le marché de la microfinance : ACCES Banque Madagascar, MicroCred Madagascar et BOA – Madagascar. ACCES Banque et MicroCred concentrent leurs activités dans la microfinance, principalement urbaine. Cependant, les deux banques commencent à développer des formules à destination du monde rural. La BOA quant à elle tient des opérations sous toutes les formes du downscaling. En premier lieu, la banque est le premier emprunteur des professionnels du secteur. Ensuite, elle possède des parts dans le capital de MicroCred Madagascar. Enfin, elle possède une direction interne spécialement dédiée à la microfinance, la Direction de la Microfinance et de la Mésofinance (DMM). Des initiatives sont mises en œuvre par d’autres banques pour toucher les populations écartées par le système bancaire classique, sans pour autant s’inscrire dans le cadre de la microfinance. Ainsi, la BNI a créé un Pôle Agricole dédié à une clientèle rurale. Toutefois, les conditions strictes requises par la banque et la non adéquation des statuts6 imposés par la banque aux réalités rurales malgaches ont entamé le décollage du projet (Randriamanandray, 2006).

Historique de la Bank Of Africa – Madagascar

La Bank Of Africa (BOA) – Madagascar est une banque primaire qui fait partie du groupe BOA dont l’actionnaire principal est la Banque Marocaine du Commerce Extérieur (BMCE). Originellement appelée Bankin’ny Tantsaha Mpamokatra (BTM), elle a été créée en 1976 sous l’impulsion de l’Etat malgache dans le but de combler les carences en services financiers formels pour le secteur primaire, les autres banques d’Etat étant tournées vers les autres secteurs de l’économie : la Bankin’Ny Indostria (BNI) pour le secteur secondaire et la Banky Fampandrosoana ny Varotra (BFV) pour le secteur tertiaire. De ce fait, la BOA/BTM est restée pendant longtemps la seule institution financière à proposer des services à une cible rurale (Natao, 2004). La BTM a été privatisée en 1998, moment où elle entre dans le groupe BOA et prend son nom actuel. L’Etat malgache garde une participation à hauteur de 9,37 % au capital de la BOA – Madagascar. Il est à noter que l’Agence Française du Développement (AFD) détient également des parts dans la banque à hauteur de 4,40 % au travers de sa filiale Société de PROmotion et de PARticipation pour la COopération économique (PROPARCO) (BOA – Madagascar, 2014).
1.2.2.4 Les produits microfinanciers de la BOA pour le secteur agricole Les activités de microfinance de la BOA sont assurées par la Direction de la Microfinance et de la Mésofinance (DMM). La branche mésofinance s’occupe de la microfinance urbaine. Tandis que la branche microfinance prend en charge les producteurs ruraux. Historiquement, la filière rizicole est le secteur le plus important dans les activités de la DMM. Toutefois, les producteurs de cultures de rente font également partie de la clientèle. Dernièrement, la direction a également accordé des prêts dans les secteurs de l’élevage porcin et avicole. Les types de microcrédits accordés par la DMM sont le Crédit Agricole à Court Terme (CACT) de faisance-valoir, le Crédit de Stockage (CS) et le Crédit d’Investissement (CI). Le taux d’intérêt est fixé à 20 % sur tous les types de crédits. Cependant, ce taux peut varier en fonction du taux directeur de la Banque Centrale de Madagascar (BCM).

Le Crédit Agricole à Court Terme

Le Crédit Agricole à Court Terme (CACT) est utilisé par l’emprunteur pour financer les dépenses nécessaires à la mise en culture. Ce crédit de trois (3) à douze (12) mois est remboursable à échéance unique à la récolte.

Le Crédit de Stockage

Le Crédit de Stockage (CS) est utilisé pour pouvoir stocker une partie de la production au moment des récoltes en prévision d’une appréciation des cours en période de soudure. Ce CS peut être accordé à titre individuel (le crédit de stockage individuel ou CSI) ou collectif (le Grenier Communautaire Villageois ou GCV). Le CS de trois (3) à six (6) mois est remboursable à échéance après déstockage de la marchandise.

Le Crédit d’Investissement

Le Crédit d’Investissement (CI) est un crédit à moyen terme destiné au financement de l’acquisition, de la construction ou de l’aménagement d’un moyen de production. L’emprunt est d’une durée de trois (3) à cinq (5) ans remboursable avec le cash-flow dégagé par l’exploitation.

La fidélisation dans la littérature scientifique

La fidélisation de la clientèle est un thème assez discuté dans la littérature scientifique.
Toutefois, il n’en est pas de même pour la fidélisation des clients de la microfinance.

L’importance de la fidélisation pour une entreprise

Selon une recherche de 1994 effectuée par l’American Management Association, trouver un nouveau client nécessite cinq (5) fois plus de ressources que de retenir un client existant (Kotler, 1994 ; Pitta, 1998). Et cette relation serait d’autant plus importante dans le secteur des services (Lo et al., 2010). De ce fait, les entreprises ont pris conscience de l’importance du développement d’une relation de proximité forte avec les anciens et nouveaux consommateurs. Au lieu d’attirer de nouveaux clients, elles préfèrent de plus en plus concentrer leurs opérations dans une stratégie de rétention de la clientèle en vue de la mise en place d’une relation à long terme avec leurs clients existants.

La fidélisation en microfinance

En microfinance, la fidélisation de la clientèle non seulement améliore l’efficience, mais augmente également la productivité. Comme les anciens emprunteurs ont un bon historique de remboursement, ils nécessitent un investissement en temps moindre comparé à de nouveaux clients ( Brafu-Insaidoo & Ahiak, 2011). Ainsi, les agents ayant à leur charge un grand nombre de clients réguliers peuvent se charger d’un plus grand nombre de clients. De plus, un client loyal est moins susceptible d’être un emprunteur à risque en supposant que l’institution de microfinance puisse ajuster ses services aux spécificités et demandes de chaque client ( Brafu-Insaidoo & Ahiak, 2011).

La filière rizicole à Madagascar

Madagascar a pendant longtemps exporté en grande quantité du riz, avec un pic des exportations durant les années 1920 où le riz représentait 16 % des exportations totales du pays (Feugeas, 1972). Le riz tient toujours une grande place dans l’économie malgache actuelle.

Généralités sur la filière riz

Le riz a une importance prépondérante dans l’économie malgache et primordiale dans le cas de l’économie rurale. Car si en 2012, 63,10 % des ménages malgaches avaient comme principale activité économique l’agriculture, 41,90 % de leur revenu est en moyenne issus de la vente du riz soit 143 000 MGA. L’autoconsommation reste cependant le principal débouché pour la riziculture équivalant à 519 000 MGA en valeur monétaire (INSTAT, 2013).
Le marché malgache du riz est pourtant paradoxal. Le prix à la consommation dans les centres urbains est ainsi significativement plus élevé que les cours internationaux alors que le prix à la production est bien en dessous de leurs équivalents à l’étranger (Dabat et al., 2005). Cette situation paradoxale est d’autant plus exacerbée par la pression saisonnière pendant la période de soudure. En effet, l’amplitude des mouvements de prix est alors trois fois plus importante en milieu rural (INSTAT, 2000).
La zone du Lac Alaotra est la plus grande région rizicole de Madagascar depuis les années 1950 (Le Bourdiec, 1977) et elle représente toujours 20 % des volumes des ventes de riz dans toute l’île. L’Alaotra-Mangoro fait partie des régions dont le revenu agricole est le plus élevé, principalement dû à la filière rizicole (INSTAT, 2013).

Les problèmes de la filière riz

Le marché rizicole national est divisé en plusieurs niveaux. Au niveau sous régional, le marché est caractérisé par une bonne intégration. Le marché rizicole national est quant à lui très peu intégré. Cependant, plusieurs facteurs limitant la compétitivité de la filière existent. L’insécurité, l’enclavement et l’inexistence d’infrastructure de télécommunication sont notamment en cause (Moser et al., 2008). Cette non-intégration du marché rizicole nationale aboutit au paradoxe évoqué précédemment (Dabat et al., 2005). Cette situation paradoxale peut être expliquée par le fait que tous les producteurs rizicoles sont contraints de vendre leur production à la récolte où les prix sont extrêmement bas. Cependant, ces producteurs n’arrivent pas à satisfaire leurs propres besoins en riz sur l’ensemble de l’année. Ils se retrouvent donc victimes quand les cours du riz augmentent. Cette situation se produit malgré l’existence de Régions très compétitives comme la Région Alaotra-Mangoro ( Hirsch, 2000).

Analyse RFM, clustering et régression multinomiale logit

Le clustering et la régression multinomiale logit sont largement présents dans les publications scientifiques. L’analyse RFM, quant à elle, reste peu étudiée.

L’analyse RFM dans la littérature scientifique

L’exploitation des données est une technique privilégiée pour évaluer la loyauté d’une clientèle (Simret & Tibebe , 2013). Comme dit précédemment, le modèle RFM est une des méthodes d’Analyse de la valeur du client les plus utilisées (Cheng, 2009). Il a pour avantage d’extraire les caractéristiques des clients en usant d’un nombre réduit de critères (en l’occurrence 3) comme attributs de classes, permettant ainsi de diminuer la complexité de ce type d’analyse. En ce qui concerne le comportement de consommation, le modèle RFM a également été recommandé comme étant une méthode bien connue pour mesurer l’importance de la relation clientèle (Daams et al., 2008). Rejoignant ce qu’avait dit Kotler et Pitta, de nombreuses entreprises utilisent l’analyse RFM afin de valoriser leurs bases de données pour identifier les clients les plus qui dépensent le plus d’argent et créent le plus de valeurs pour l’entreprise. De plus, le RFM serait une bonne méthode de segmentation de la clientèle (Newell, 1997).
Le partitionnement pour l’élaboration d’un modèle prédictif La représentation des données plus concise permise par le clustering améliore la précision de la prédiction d’un modèle linéaire sur la plupart des bases de données (Shubhendu et al., 2011). Ceci est principalement dû à une exploitation plus efficace de la structure des données et la compression permise par le partitionnement (Shubhendu et al., 2011).
Le partitionnement peut aussi être interprété comme une concession en termes de qualité des données, par le recours au regroupement, contre en diminution de la complexité associée originellement au traitement de ces données (Shubhendu et al., 2011).
K-moyennes, ou k-means en anglais, est une méthode de partitionnement assez répandue et connue précédemment comme étant la « méthode de Forgy » (Forgy, 1965). Elle a depuis été utilisée dans des domaines comme l’exploitation des données, l’analyse statistique des données ou encore le monde de l’entreprise, notamment le marketing et la segmentation de marché. L’algorithme k-means pour le partitionnement ou la classification est basé sur la valeur de la moyenne des objets dans une classe/partition/cluster. Le terme k-means ou k-moyenne peut ainsi désigner un algorithme qui assigne chaque élément d’un ensemble à la classe ayant le centre le plus proche de sa valeur (MacQueen, 1967).

Régression et prédiction des habitudes de consommation

La régression logistique est un outil de plus en plus populaire pour modéliser la probabilité d’une variable dépendante discrète. Cette approche à la reconnaissance de forme7 ou à l’exploitation des données est particulièrement adaptée à l’analyse statistique appliquée au comportement des consommateurs (Karp, 1999). De plus, la régression multinomiale est une méthode efficace pour la prédiction des risques commerciaux (Bayaga, 2010).
Même si assez peu de recherches ont été faites concernant la prédiction par l’intermédiaire de l’exploitation de données8 relatives à la fidélité de la clientèle en microfinance, un certain nombre de recherches a porté sur l’analyse des profils des clients et la gestion de la relation clientèle en relation avec les emprunteurs à risques, la prédiction des défauts de payement, et la gestion des risques dans le secteur financier, tant national qu’international (Simret & Tibebe , 2013). En employant l’arbre de décision, ces chercheurs ont conclu que les outils et techniques (surtout de classification) utilisés pour l’exploitation des données étaient applicables aux données de la microfinance et des institutions financières en vue de générer des modèles prédictifs d’un niveau de précision acceptable.

Matériels et méthodes

La pertinence de l’étude menée repose sur l’adéquation des matériels et méthodes utilisés. Cette partie porte sur (i) les matériels et (ii) les méthodes qui ont été adoptés.

Matériels

Le terme « matériel » est ici utilisé à la fois dans sa dimension linguistique et celle physique. De ce fait, cette partie de l’ouvrage présente non seulement sur les outils utilisés dans le cadre de l’étude, mais également de la zone couverte par celle-ci.

Justification de l’étude

Cette partie met en exergue de la pertinence de l’étude. Ainsi, les choix du thème et des outils sont justifiés.

Justification du choix du thème

Comme le montre l’état de l’art, l’étude du financement rural malgache s’intéresse essentiellement aux impacts sociaux de la microfinance. La viabilité économique du système est peu étudiée, alors même que la microfinance rurale malgache vit encore largement sur les aides des bailleurs internationaux. La présente étude s’est ainsi intéressée à cette face peu traitée de la microfinance malgache pour tenter d’apporter des solutions pratiques aux IMFs en matière de fidélisation de la clientèle afin de garantir leur indépendance financière, seul garant de l’atteinte de leurs objectifs sociaux.
Ensuite, les populations étudiées lors de ces études sont le plus souvent constituées de petits exploitants ruraux. En général, ces derniers sont priorisés non seulement dans les projets de développement financés par les bailleurs internationaux, mais également dans la politique agricole de l’État malgache. Pourtant, un réel développement économique et une pérennisation du secteur de la microfinance ne peuvent se faire qu’en prenant en compte tous les types d’exploitations (Bhutt & Tang, 2001). La montée récente de la finance inclusive tente ainsi de changer la donne. On ne parle ainsi plus de la Stratégie Nationale de la Microfinance, mais de la Stratégie Nationale de la Finance Inclusive depuis 2012. Les grandes exploitations clientes des banques sont ainsi désormais prises en compte par le même organisme que les petites, à savoir la Commission Nationale de la Finance Inclusive (CNFI), et ne se retrouvent plus seulement dans les données de l’Association Professionnelle des Banques (APB). La présente étude vient ainsi suivre cette tendance en étudiant la clientèle supposée riche d’une banque.

Justification de l’utilisation du modèle RFM

L’objectif de la présente étude est d’élaborer un modèle prédictif des habitudes d’un client sur la base de ses caractéristiques socio-économiques. Les clients seront ainsi tout d’abord notés en fonction de leurs habitudes d’achat (consommation de crédits) puis classés par l’intermédiaire de leurs attributs RFM. Le recours à la méthode RFM permet d’assurer l’objectivité de la prévision des habitudes d’un client, car elle ne fait pas entrer en jeu des critères socio-économiques et n’interfèrera donc pas avec les variables indépendantes socio-économiques utilisées dans la deuxième partie.
Justification du choix de la régression multinomiale logit Comme la deuxième partie de l’étude se consacre à la prédiction des résultats des classements de la première partie et que la variable dépendante sera donc nominale, la régression multinomiale logit semble la plus appropriée. Comme la valeur d’un score RFM n’est pas fonction de la grandeur des chiffres qui le composent et que les catégories qui peuvent être tirées d’une analyse RFM sont toutes importantes du point de vue managérial, la variable dépendante issue de cette analyse entre ainsi dans la définition d’une variable catégorielle nominale. La régression multinomiale logit prime ainsi sur la régression ordinale logit qui nécessite des catégories pouvant être classées selon un ordre de grandeur. La régression multinomiale probit présente des erreurs de calculs sur certains modèles par rapport au modèle logit (Park, 2003).
Les autres techniques d’analyse multivariée nécessitent la normalité et la continuité des données, impliquant les variables dépendantes et/ou indépendantes. Cette technique serait ainsi la plus appropriée pour donner les résultats les plus fiables, sans tenir compte d’un quelconque prérequis (Bayaga, 2010).

Table des matières

Introduction
1 Concepts et état de l’art
1.1 Concepts
1.1.1 Concepts en microfinance
1.1.1.1 Microfinance
1.1.1.2 Microfinance commerciale
1.1.1.3 Le downscaling
1.1.2 La fidélité de la clientèle
1.1.3 Analyse Recency, Frequency et Monetary value
1.1.3.1 Les fondements du RFM
a. Le management de la relation clientèle
b. La valeur d’un client au cours de sa vie
c. Analyse de la valeur du client
1.1.3.2 Les composantes de l’analyse RFM
a. Récence (R)
b. Fréquence (F)
c. Valeur monétaire (M)
1.1.3.3 Le fonctionnement de l’analyse RFM
1.1.4 Le partitionnement
1.1.5 La régression multinomiale logit
1.1.5.1 Caractéristiques de la régression multinomiale logit
1.1.5.2 Les présuppositions à vérifier pour un modèle multinomiale logit
1.2 État de l’art
1.2.1 La microfinance à Madagascar
1.2.1.1 Evolution de la Stratégie Nationale de la Microfinance à Madagascar
1.2.1.2 La microfinance rurale à Madagascar
1.2.1.3 L’impact des IMFs à Madagascar
1.2.1.4 L’efficacité des IMFs malgaches
1.2.1.5 La nécessité d’un système adapté au monde rural
1.2.2 Les banques et la microfinance
1.2.2.1 Sur la viabilité des banques dans la microfinance
1.2.2.2 Les banques de microfinance à Madagascar
1.2.2.3 Historique de la Bank Of Africa – Madagascar
1.2.2.4 Les produits microfinanciers de la BOA pour le secteur agricole
a. Le Crédit Agricole à Court Terme
b. Le Crédit de Stockage
c. Le Crédit d’Investissement
1.2.3 La fidélisation dans la littérature scientifique
1.2.3.1 L’importance de la fidélisation pour une entreprise
1.2.3.2 La fidélisation en microfinance
1.2.4 La filière rizicole à Madagascar
1.2.4.1 Généralités sur la filière riz
1.2.4.2 Les problèmes de la filière riz
1.2.5 Analyse RFM, clustering et régression multinomiale logit
1.2.5.1 L’analyse RFM dans la littérature scientifique
1.2.5.2 Le partitionnement pour l’élaboration d’un modèle prédictif
1.2.5.3 Régression et prédiction des habitudes de consommation
2 Matériels et méthodes
2.1 Matériels
2.1.1 Justification de l’étude
2.1.1.1 Justification du choix du thème
2.1.1.2 Justification de l’utilisation du modèle RFM
2.1.1.3 Justification du choix de la régression multinomiale logit
2.1.2 Présentation de la zone d’étude
2.1.3 Outils utilisés
2.2 Méthodologie
2.2.1 Démarche commune à la vérification des hypothèses
2.2.1.1 Revue de littérature
2.2.1.2 Collecte de données
a. Enquêtes auprès des personnes ressources
b. Les données de l’étude
– La base de données des demandes de crédits
– La population étudiée
c. Traitement des données
2.2.2 Démarches de vérification de chacune des hypothèses
a. La rentrée des données pour les critères RFM
b. Attribution de score pour chaque critère
c. Partitionnement des clients en fonction de leur score RFM
– TwoStep
– k-means
a. Les variables du modèle
– La variable dépendante
– Les variables indépendantes
b. Vérification des pré-requis pour une régression multinomiale logit
– L’absence de multicolinéarité
– L’absence de cas isolés ou de points fortement influents
c. Détermination d’un modèle prédictif
– Sélection des variables
– Sélection du modèle
– Evaluation du modèle
2.2.3 Limites de l’étude
2.2.4 Chronogramme des activités
3 Résultats
3.1 Segmentation de la clientèle
3.1.1 La classification TwoStep de la clientèle de la DMM selon le score RFM
3.1.1.1 Les scores moyens selon les classes identifiées par la classification TwoStep
3.1.1.2 Distribution des effectifs selon les classes
3.1.1.3 Une grande disparité au sein de classes
3.1.2 Les classes issues de la classification k-means
3.1.2.1 Caractéristiques de chaque classe
3.1.2.2 La distribution des effectifs selon les classes
3.2 Mise en place d’un modèle prédictif des classes
3.2.1 Vérification des suppositions
3.2.1.1 La multicolinéarité entre les variables indépendantes
3.2.1.2 Vérification de l’inexistence de cas isolés
3.2.2 Modélisation de la classification
3.2.2.1 La sélection des variables du modèle
3.2.2.2 Le choix du modèle
3.2.2.3 La validation du modèle
a. Le test global de la relation
b. La force de la relation régression multinomiale logit
c. Le pouvoir prédictif du modèle
4 Discussions et recommandations
4.1 Discussions
4.1.1 Sur les résultats de l’analyse RFM
4.1.1.1 Une clientèle aisée constante
4.1.1.2 Un taux de défection élevé
a. Les problèmes en agence
b. Les problèmes liés à la politique de la banque
c. La satisfaction de la clientèle
4.1.2 Sur les résultats de la modélisation
4.1.2.1 Interprétation des tendances
a. Sur la multicolinéarité des variables
b. Sur les cas isolés
c. Sur les caractéristiques des différentes Classes
d. Sur les variables retenues pour le modèle final
– Sur la variable agence de dépôt du dossier de demande de crédit
– Sur la variable type d’accès aux matériels
– Sur la variable charges
4.1.2.2 Sur le modèle sélectionné
a. Sur le choix du modèle
b. La non-adaptation du modèle
– Les VIF des variables du modèle
– La valeur du BIC du modèle
4.2 Recommandations
4.2.1 Recommandations à l’égard des clients actuels
4.2.1.1 Adaptation des offres en fonction de la classification du client
4.2.1.2 Le recours à des techniques promotionnelles spécifiques pour chaque classe
a. Relance de la clientèle poussée et ciblée
b. Relance et taux modulaires en simultanée
4.2.2 Recommandations à l’égard des futurs clients
4.2.2.1 Une rétention à améliorer pour les clients modestes
4.2.2.2 Améliorer le recouvrement
a. Système de bonus
b. Système de malus
4.2.3 Recommandations sur la politique globale de la banque
4.2.3.1 Simplification du système procédurale de la BOA
4.2.3.2 Mise en place d’une base de données centralisée
4.2.4 Sur l’amélioration du modèle
4.2.4.1 Elimination des cas isolés
4.2.4.2 Modification de la notation RFM
Conclusion
Bibliographie et webographie
Annexes

Télécharger le rapport complet