Mesure ou mirage? Le secteur informel revisité

Max GALLIEN; Max Gallien

doi:10.16995/ilrf.23797

Les articles paraissant dans la Revue internationale du Travail n’engagent que leurs auteurs, de même que les désignations territoriales qui y sont utilisées, et leur publication ne signifie pas que l’OIT souscrit aux opinions qui y sont exprimées.

Titre original: «Measurement and Mirage: The Informal Sector Revisited» (International Labour Review, vol. 165 n^o 2). Traduit par Isabelle Croix. Également disponible en espagnol (Revista Internacional del Trabajo, vol. 145, n^o 2).

1. Introduction

Les causes et conséquences de l’ampleur du secteur informel dans les pays à faible revenu ont fait couler beaucoup d’encre ces dernières années dans les champs de la recherche et de l’action publique. On a en particulier vu apparaître une abondante littérature macrocomparative dans laquelle les auteurs régressent la taille du secteur informel sur un ensemble de variables et formulent des recommandations en matière de politique économique et sociale (Williams, 2015; La Porta et Shleifer, 2008). Cette vague de recherches a pu s’appuyer sur le nombre croissant d’indicateurs permettant d’évaluer le poids de ce secteur à l’échelle d’un pays. Ces outils de mesure ont contribué à faire émerger un domaine d’étude par ailleurs caractérisé par sa diversité disciplinaire et méthodologique et à nourrir le débat en cours sur les politiques à mener. En 2017, la «proportion de l’emploi informel dans les secteurs non agricoles» a fait son entrée parmi les indicateurs de suivi des objectifs de développement durable (ODD), érigeant la réduction de la taille du secteur informel au rang d’objectif de politique publique officiel¹. En 2021 et 2022, ces indicateurs ont été exploités dans deux ouvrages importants sur les conséquences de l’informalité pour le développement, l’un publié par le Fonds monétaire international (FMI) (Deléchat et Medina, 2021), l’autre par la Banque mondiale (Ohnsorge et Yu, 2022). Ces évolutions ont donné le sentiment que le secteur informel était devenu un objet d’étude bien conceptualisé, bien délimité et bien opérationnalisé, à partir duquel il était possible de définir des objectifs de politique publique précis et de formuler des recommandations claires. Dans cet article, nous avançons que ce sentiment s’apparente à un mirage et que la façon dont le secteur informel a été mesuré au cours des deux premières décennies du XXI^e siècle a contribué à masquer et à entretenir une vision erronée de la nature de ce secteur et des causes et conséquences de son existence.

Les articles consacrés aux écueils auxquels se heurte la définition du secteur informel sont aussi anciens que le concept d’informalité lui-même et sont emblématiques de ce champ de la recherche. Le concept d’informalité est né des efforts déployés pour tenter de décrire l’économie des pays à faible revenu et de définir des indicateurs, les concepts et hypothèses existants n’étant pas adaptés. Différents groupes, mus par des intérêts divers, s’en sont saisis, si bien que l’accent est mis sur des aspects qui varient en fonction des chercheurs et des organisations (Benanav, 2019; Peattie, 1987). Alors que les premiers travaux abordaient l’informalité sous l’angle de ses liens avec la productivité ou les modes de production, beaucoup d’études contemporaines la définissent à partir du statut des acteurs concernés – enregistrement ou non auprès des administrations publiques – ou en dressant des listes d’activités exercées (vente de rue, vente ambulante) ou de caractéristiques communes (petite taille, non-assujettissement à l’impôt). En toute logique, ces définitions ne se superposent pas toujours parfaitement.

Dans cet article, plutôt que de nous appesantir sur cette hétérogénéité, nous cherchons à comprendre comment et à quel effet ces outils de mesure se sont multipliés malgré ces faiblesses conceptuelles. Nous décrivons l’histoire et l’utilisation des estimations directes et indirectes des économies informelles, et montrons en premier lieu que ces deux méthodes ont abouti à ce que les décisions conceptuelles sur ce que recouvre l’informalité soient transférées et prises «en aval», au niveau de la spécification des modèles statistiques et de l’opérationnalisation. En conséquence, les différences entre les mesures couramment utilisées ne s’expliquent pas tant par les difficultés fort compréhensibles inhérentes à l’évaluation de l’informalité que par le fait que ces outils mesurent des choses fondamentalement différentes. Les employer sans discernement pour les besoins de l’action publique et de la recherche a conduit à masquer ces différences. À cela s’ajoute souvent une certaine opacité sur ce qui est réellement mesuré.

En deuxième lieu, nous soutenons que cette situation confuse a également des conséquences tangibles «en amont», c’est-à-dire sur notre compréhension des causes et conséquences de l’informalité et sur les recommandations qui en découlent. Au mieux, nous nous trouvons face à un consensus apparent qui fait l’impasse sur l’existence de vices de conception. Au pire, la production de données sur l’informalité et beaucoup des travaux de recherche récents sont trompeurs, parce qu’ils ne font que viser à valider les préjugés et a priori sur lesquels ils reposent. Cependant, les conclusions concernant les prétendues causes et conséquences des secteurs informels ont une traduction très concrète dans les politiques menées dans divers domaines, notamment ceux de la protection sociale, de la réglementation du marché du travail, de la fiscalité, de la lutte contre la pauvreté et de la croissance. En effet, bon nombre des arguments les plus souvent invoqués à l’appui de ces réformes sont sensibles aux outils de mesure du secteur informel.

À titre d’exemple, le débat sur le coût des politiques de protection sociale accorde une place centrale à la question de savoir si ces politiques «augmentent l’informalité» – et il fait largement appel à des indicateurs globaux de l’activité informelle (Calligaro et Cetrangolo, 2023). De même, ces dernières années, la stratégie consistant à favoriser un enregistrement massif auprès des administrations fiscales et à taxer l’argent mobile, expressément motivée par l’idée que des secteurs informels vastes échappent à l’impôt, a suscité un véritable engouement parmi les décideurs publics des pays à faible revenu (Moore, 2023). Or, comme nous le montrons ici, cette idée dépend elle aussi grandement de la conception de l’informalité elle-même. Elle peut être vraie par hypothèse (c’est le cas dans beaucoup de modèles indirects), potentiellement vraie ou largement fausse (elle l’est dans bon nombre d’exemples d’opérationnalisation d’estimations directes). Pour autant, rares sont les auteurs de travaux de recherche et de rapports qui testent la sensibilité de leurs constatations aux problèmes de mesure. Les enjeux sont pourtant évidents: les discussions sur les causes et conséquences de l’informalité servent de base à la formulation de recommandations sur la nature des systèmes de protection sociale à mettre en place et sur les domaines d’action à privilégier par les administrations fiscales. Il existe en parallèle des débats sur les mécanismes qui favorisent la formalisation, sur les transferts monétaires directs et sur l’urbanisme. Toutes ces discussions sont influencées par de puissants préjugés idéologiques – et, comme nous le soulignons ici, par des outils de mesure qui risquent de les perpétuer vraisemblablement. Bien que nous nous intéressions surtout aux indicateurs relatifs au secteur informel, nous présentons également une étude de cas plus vaste sur les interactions entre des outils de mesure complexes et les intérêts qui sous-tendent les discours sur les politiques.

Nous commençons par un rapide tour d’horizon des origines de l’informalité, puis nous nous intéressons plus particulièrement à deux types d’instruments de mesure: les statistiques directes recueillies, compilées et standardisées par l’OIT, et les mesures indirectes issues de modèles à indicateurs et causes multiples (multiple-indicators, multiple-causes – MIMIC). Ces deux familles d’instruments représentent les outils les plus utilisés actuellement pour mesurer le secteur informel. Nous montrons qu’elles reposent sur deux conceptions de l’informalité aussi anciennes que la notion elle-même, dont l’une s’appuie sur une liste de caractéristiques assez générales et l’autre sur la relation des entreprises avec l’État. Ces dernières décennies, elles ont évolué en suivant des trajectoires contraires. Les statistiques directes permettent désormais une opérationnalisation de plus en plus précise qui fournit des estimations fiables, mais dépend fortement de facteurs nationaux et doit donc être contextualisée pour qu’une analyse comparative soit possible. À l’inverse, l’opérationnalisation des mesures indirectes est de plus en plus opaque et favorise ainsi des raisonnements circulaires, dont l’issue est déterminée à l’avance par une position idéologique.

Comme l’article porte sur l’origine des données qui ont influencé jusqu’à présent le discours sur le secteur informel, il est rétrospectif. En d’autres termes, il ne propose ou ne préconise pas une définition particulière du secteur informel. Toutefois, les conclusions, synthétisées dans la dernière partie, sont très critiques vis-à-vis des méthodes indirectes les plus utilisées et vont en grande partie dans le même sens que les recommandations contenues dans la résolution concernant les statistiques de l’économie informelle adoptée par la vingt et unième Conférence internationale des statisticiens du travail (CIST) en 2023. Malgré la difficulté de l’exercice, il y a une utilité pratique à continuer de réaliser des mesures du secteur informel – en particulier de ses relations avec l’État. Toutefois, pour pouvoir utiliser ces estimations afin d’effectuer des analyses comparatives et de formuler des recommandations à l’intention des responsables de l’action publique, il faut faire preuve de transparence concernant les institutions nationales avec lesquelles les entreprises interagissent. Par ailleurs, les approches qui reposent sur un critère d’enregistrement doivent être mises en œuvre de manière à permettre la réalisation des principaux objectifs du débat sur l’évolution des entreprises informelles – améliorer l’accès à la protection sociale, accroître la productivité et promouvoir le travail décent.

Cet article porte sur le secteur informel au sens strict. Même si ce terme est parfois utilisé de façon interchangeable avec celui d’«économie informelle», les deux vocables désignent des réalités sensiblement différentes: le concept d’économie informelle est plus large, englobant également le travail «au noir» dans les entreprises formelles, les salaires et heures de travail non déclarés des salariés qui occupent un emploi formel et les activités non rémunérées accomplies en dehors de l’emploi, par exemple la production des ménages pour leur usage propre. La mesure de l’économie informelle et de l’emploi informel fait elle aussi l’objet de débats, et les outils de mesure utilisés dans les deux cas sont similaires à ceux décrits ici. Toutefois, la réflexion sur l’emploi informel couvre des aspects supplémentaires – par exemple la nature du contrat de travail et la protection sociale – qui dépassent quelque peu le périmètre de notre étude. La situation est compliquée par le fait que certains des travaux consacrés aux modèles indirects utilisent ces termes, tout comme l’expression «économie de l’ombre», de façon interchangeable. La réflexion sur les problèmes posés par les mesures indirectes pourrait être appliquée à un domaine plus vaste.

2. La question des caractéristiques définitoires

Les études sur le secteur informel ont ceci de particulier que le terme est apparu dans un premier temps, avant que les auteurs ne s’attachent à en préciser progressivement la définition pendant les décennies suivantes. Son entrée dans le vocabulaire remonte aux travaux de deux anthropologues, à savoir ceux de Boeke (1953) sur l’Indonésie, poursuivis par Lewis (1954), puis Harris et Todaro (1970); et ceux de Hart (1973) sur le Ghana, qui ont d’abord été présentés en 1971, puis repris dans un rapport publié par l’OIT l’année suivante (pour la version française, OIT, 1975). Ces deux anthropologues ont en commun de proposer, plutôt qu’une définition, une description du secteur, reposant souvent sur une liste de professions – les premières études ont surtout cherché à décrire les traits communs aux opérateurs informels (facilité d’entrée, propriété familiale de l’entreprise, petite taille), sans pour autant les considérer comme définitoires.

Durant les années qui ont suivi, le concept s’est imposé rapidement, répondant à une volonté de trouver une terminologie qui décrive à la fois les marchés du travail de beaucoup de pays à faible revenu et leur décalage par rapport aux conceptions de l’emploi et du chômage qui dominaient dans les discours sur le développement. C’est ainsi que, malgré ses ambiguïtés définitoires, le secteur informel a quasi instantanément été associé à un projet de mesure.

Comme l’a relaté Benanav (2019), l’adoption du concept et sa mesure sont indissociables des travaux de l’OIT, qui, en particulier par l’intermédiaire de la CIST, a continuellement codifié, opérationnalisé et précisé sa définition du secteur informel. Les débats qui avaient lieu dans l’enceinte de l’OIT dans les années 1980 et 1990 prévoyaient déjà bon nombre des difficultés rencontrées pour définir et mesurer l’informalité. Alors que la mesure exigeait une opérationnalisation claire, chacun des divers attributs couramment associés à l’informalité pouvait conduire à un résultat radicalement différent. Si ces deux décennies ont également vu émerger l’idée que l’enregistrement des entreprises auprès des autorités de l’État pouvait constituer un élément de la définition, ce critère était lui aussi imparfait, parce qu’il existait de multiples formes d’enregistrement, et que les petites entreprises pouvaient accéder à divers niveaux de reconnaissance officielle (OIT, 1992; Benanav, 2019, p. 123). Parallèlement, le périmètre du secteur informel a été élargi: alors qu’il couvrait à l’origine principalement les travailleurs exerçant pour leur propre compte sans salariés, il a été étendu aux «microentreprises» d’employeurs informels comptant plusieurs employés. Comme le souligne Benanav (2019, p. 124), l’hétérogénéité est ainsi devenue une dimension du secteur informel, qui a fini par englober à la fois des activités de subsistance et des activités plus lucratives tournées vers la croissance. Cette disparité explique bon nombre des écueils actuellement rencontrés pour décrire le secteur et définir sa place dans le discours sur le développement en général, et elle est en partie à l’origine de ce qu’il est habituel de nommer les «quatre écoles» de pensée existant dans le domaine de l’informalité (Chen, 2012).

Par la suite, les études et les résolutions de la CIST ont introduit une distinction entre le secteur et l’emploi informel, dont le périmètre, plus large, englobait aussi les activités exercées au sein des ménages et le travail «au noir» dans le secteur formel. Parallèlement, les définitions et descriptions du secteur informel privilégiant le critère de l’enregistrement et des rapports avec l’État ont gagné du terrain, ce qui pourrait être dû aux difficultés rencontrées pour opérationnaliser les caractéristiques relatives au fonctionnement interne des activités informelles, ainsi qu’à une perte d’intérêt pour les concepts de travail excédentaire et de productivité qui sous-tendaient les définitions plus larges. Surtout, cette évolution a coïncidé avec un enthousiasme pour diverses approches qui, même si elles étaient hétérogènes, avaient en commun de mettre l’accent sur l’enregistrement: la reconnaissance de droits de propriété (de Soto, 1989) et des moyens de subsistance ainsi que des organisations représentatives des travailleurs informels (WIEGO, 2020), de même que la formalisation des entreprises, qui a suscité un intérêt croissant des décideurs dans tous les domaines de l’action publique (Gallien et Boogaard, 2023). Malgré des différences fondamentales, ces approches reposent toutes sur l’idée que le statut formel suppose une relation avec l’État; elles envisagent donc l’informalité sous l’angle des diverses formes d’enregistrement.

Même si un vaste pan de la recherche consacrée à l’informalité repose sur les conceptions de la CIST, deux autres tendances méritent d’être citées. La première est l’émergence de concepts qui sont en réalité utilisés comme des substituts du terme «secteur informel», avec lequel ils sont parfois employés de manière interchangeable, mais pour lesquels il n’existe ni définition ni indicateurs communs. «L’économie de l’ingéniosité, l’économie de l’improvisation et de l’autonomie, l’économie de la débrouille» (Neuwirth, 2011, pp. 17 et 18) en sont des exemples, et les analogies de plus en plus fréquentes avec l’économie des plateformes et, surtout, «l’économie de l’ombre» vont dans le même sens (Schneider, 2004). La deuxième tendance est incarnée par des chercheurs qui demeurent sceptiques à l’égard des descriptions du secteur informel reposant sur une distinction binaire et qui conçoivent de plus en plus souvent l’informalité comme une réalité déclinée sur un «spectre» (Guha-Khasnobis, Kanbur et Ostrom, 2006) ou préconisent une méthode basée sur le calcul d’un indice (Holland et Hummel, 2022). L’un des principaux obstacles sur lesquels butent ces approches est leur incompatibilité avec un débat sur les politiques publiques qui s’appuie de façon croissante sur des indicateurs calculés sous la forme de pourcentage au niveau des pays.

3. Mesurer le secteur informel

La mesure de l’informalité étant un exercice particulièrement ardu, elle fait logiquement appel à des méthodes variées, depuis les enquêtes auprès de la population active et des ménages jusqu’à l’analyse de la demande de monnaie ou de la consommation d’électricité, en passant (assez paradoxalement) par des sondages interrogeant des dirigeants d’entreprises formelles sur la taille du secteur informel (La Porta et Shleifer, 2008). Deux méthodes s’imposent cependant progressivement. La première repose sur des mesures directes – réalisées sur la base des données compilées par l’OIT à partir d’enquêtes auprès des entreprises ou des ménages ou d’enquêtes mixtes (OIT, 2019a). La deuxième regroupe diverses estimations, toutes issues de modèles MIMIC, donc d’une modélisation indirecte. Ces deux méthodes ne sont en principe pas directement comparables, l’une évaluant la taille du secteur informel en proportion de la population active, tandis que l’autre la mesure en pourcentage du produit intérieur brut (PIB). L’une comme l’autre ont contribué à accroître la quantité de données comparables entre pays sur le secteur informel, favorisant la réalisation d’études sur les causes et conséquences de l’informalité. Elles ont également en commun d’avoir fait l’objet de nombreuses discussions méthodologiques ces dernières années (OIT, 2019b; Breusch, 2016; Kirchgässner, 2017; Feige, 2016). Dans cet article, nous avons pour but non pas de les soumettre à un examen approfondi, mais d’essayer de déterminer comment et à quel effet elles traitent les ambiguïtés de la conceptualisation et de la définition de l’informalité.

Nous avançons que, étant donné ces ambiguïtés, ces deux approches ont, de fait, transféré les décisions sur la nature du secteur informel «en aval», en ce sens que ces décisions sont prises dans les spécifications techniques des modèles. De plus, ce processus semble mal compris de bon nombre de chercheurs et de décideurs publics, qui utilisent souvent les mesures de façon à la fois opaque et imprécise, obtenant des indicateurs qui n’ont que l’apparence de la comparabilité et mesurant ou comparant souvent des choses qui ne sont pas comparables, ce qui aboutit à des constatations erronées et à des recommandations biaisées.

3.1. Mesures directes

Pour obtenir des indicateurs du secteur informel se prêtant à des analyses comparatives, il faut d’abord établir une définition adaptée à diverses données d’enquête et instituts statistiques nationaux, quel que soit le contexte. Depuis le départ, l’OIT et la CIST sont au cœur des efforts déployés, tant sur le plan de l’opérationnalisation que sur ceux de la compilation et de l’analyse des données. L’OIT est ainsi devenue une ressource incontournable pour la mesure directe de la taille du secteur informel.

S’appuyant sur une communauté d’apprentissage et de pratique, l’OIT a adopté une approche itérative – affinée par les résolutions de la CIST –, et compile désormais des données recueillies dans un grand nombre de pays – ce nombre a dépassé 100 en 2018 (OIT, 2019a). Le rapport Femmes et hommes dans l’économie informelle: un panorama statistique (ci-après Un panorama statistique) avait pour principal objet de mesurer l’emploi informel plutôt que le secteur informel, mais il contient des données sur l’un et sur l’autre. Même s’il souligne que la qualité des données est tributaire des enquêtes réalisées par les bureaux nationaux de la statistique et précise que les pays jouissent d’un «certain degré de flexibilité» (ibid., p. 6), il vise expressément à permettre des comparaisons internationales.

Une description complète de la mesure du secteur informel par l’OIT outrepasserait le champ de cet article et a déjà été réalisée (ibid. et OIT, 2013; Benanav, 2019; Hussmanns, 2005), mais nous nous attarderons plus longuement sur deux ressources: Un panorama statistique et la résolution adoptée en 2023 par la CIST.

3.1.1. Un panorama statistique

Un panorama statistique est, à ce jour, le rapport qui fournit le tableau le plus complet de la taille et de la composition du secteur informel à partir d’indicateurs directs mesurés au niveau national². Il est souvent cité et sert de base à d’autres études statistiques (Bonnet, Vanek et Chen, 2019), demeurant, depuis sa publication, la principale référence utilisée dans les travaux académiques et pratiques sur le secteur informel. C’est pourquoi il est intéressant de l’examiner de plus près, même si l’OIT a depuis lors actualisé la façon dont elle définit et opérationnalise le concept de secteur informel.

Un panorama statistique offre aussi une bonne illustration des difficultés rencontrées pour définir et opérationnaliser l’informalité du fait que plusieurs conceptions sont en concurrence. Les données sur lesquelles il repose ont été recueillies à partir de la définition du secteur informel arrêtée par la 15^e CIST. Or, les années précédant la 15^e CIST ont été le reflet du clivage évoqué plus haut et ont donc vu s’affronter deux thèses: celle prônant une définition de l’informalité sous l’angle des caractéristiques de l’entreprise et celle l’envisageant en fonction de la situation de celle-ci vis-à-vis du cadre juridique et administratif en vigueur. Il en a finalement résulté une définition hybride, comme le relate l’OIT dans son manuel statistique de 2013: «La 15^e CIST n’a pas réussi à se mettre d’accord sur le choix d’une de ces deux approches. La définition de la 15^e CIST les a donc incorporées toutes les deux» (OIT, 2013, p. 21)³.

La définition générale n’évoquait pas l’enregistrement et était axée sur des caractéristiques communes plutôt que définitoires:

Le secteur informel peut être décrit, d’une façon générale, comme un ensemble d’unités produisant des biens ou des services en vue principalement de créer des emplois et des revenus pour les personnes concernées. Ces unités, ayant un faible niveau d’organisation, opèrent à petite échelle et de manière spécifique, avec peu ou pas de division entre le travail et le capital en tant que facteurs de production. Les relations d’emploi – lorsqu’elles existent – sont surtout fondées sur l’emploi occasionnel, les liens de parenté ou les relations personnelles et sociales plutôt que sur des accords contractuels comportant des garanties en bonne et due forme (OIT, 1993, p. 61).

La définition opérationnelle citait en revanche bel et bien l’enregistrement, qui était l’un des deux critères proposés pour déterminer si une unité économique pouvait être classée parmi les entreprises informelles; le deuxième critère était l’effectif, ce qui traduisait sans doute une vision de l’informalité fondée sur les «modes de production». La marge d’interprétation de chaque critère était assez large. L’enregistrement pouvait renvoyer à «l’inscription prévue par la réglementation industrielle ou commerciale, les lois fiscales ou de sécurité sociale, la réglementation des groupes professionnels, ou par des textes semblables, des lois ou des règlements établis par les instances législatives nationales» (OIT, 1993, p. 63). Pour ce qui est de l’effectif, sa limite supérieure pouvait «varier selon les pays et les branches d’activité économique. Elle [pouvait] être déterminée sur la base des conditions de taille minimum formulées dans les législations pertinentes, lorsqu’elles [existaient], ou en termes de normes empiriquement déterminées» (ibid.). Autrement dit, la définition résolvait les tensions entre les différentes conceptions du secteur informel en les transférant «vers aval», c’est-à-dire vers l’étape de l’opérationnalisation, et en présentant les deux approches comme deux options possibles.

Un panorama statistique précise ce cadre opérationnel, établissant une hiérarchie entre le critère de l’enregistrement et celui de la taille de l’entreprise. L’enregistrement est le critère à privilégier, à savoir qu’il est le principal indicateur à retenir dans les pays où des données sont disponibles, l’effectif n’intervenant qu’en dernier ressort, en l’absence de données sur l’enregistrement. Alors qu’un seuil clair est défini concernant la taille (5 employés ou moins), aucune précision n’est fournie s’agissant du type d’enregistrement à prendre en compte. Le rapport indique que «ce critère concerne l’enregistrement de l’unité économique auprès des organismes de sécurité sociale et des autorités fiscales chargées de recouvrer l’impôt sur les ventes ou le revenu et doit être examiné au niveau national» (OIT, 2019a, p. 8), ce qui englobe un très large éventail de types d’enregistrement.

Peut-être plus paradoxalement, la publication ne distingue pas les statistiques en fonction du critère appliqué pour les obtenir. Elle précise simplement qu’elles se répartissent de manière quasi égale entre les deux méthodes, indiquant que la «méthode alternative» a été utilisée dans 48 pour cent des pays étudiés (ibid., p. 81). Dès lors, pour la moitié des pays qui ont fourni des données, la taille du secteur informel qui est indiquée dépend du nombre d’entreprises non enregistrées, tandis que pour l’autre moitié elle correspond au nombre d’entreprises employant moins de 6 personnes. On ne sait cependant pas quelle méthode a été utilisée dans tel ou tel pays.

En d’autres termes, le débat ancien entre les deux conceptions (celle reposant sur l’enregistrement et celle fondée sur les caractéristiques des entreprises) est tranché par l’existence ou non de données. Il y a à cela une raison technique, justifiée par le manque de données. La publication Un panorama statistique a notamment le mérite de reconnaître et de gérer les limites des enquêtes. Toutefois, du fait du manque de clarté concernant l’approche retenue pour chaque pays, le problème technique se double d’une faiblesse conceptuelle, puisque le choix entre deux visions de l’informalité se fait en fonction de la disponibilité des données.

3.1.2. L’informalité à Accra

Ces approches diffèrent non seulement sur le plan conceptuel, mais aussi du point de vue empirique. L’opposition entre la stratégie reposant sur un critère d’enregistrement et celle fondée sur la taille en est une illustration évidente. Comme le révèlent les analyses de l’OIT, la taille est un indicateur très imparfait de la situation d’une unité économique en matière d’enregistrement, et inversement. À titre d’exemple, d’après une enquête auprès des ménages conduite en 2018 en Argentine, la plupart des entreprises employant de 5 à 49 salariés n’étaient pas enregistrées. Parallèlement, au Rwanda, une enquête sur la population active administrée la même année révèle que moins de 50 pour cent des entreprises, toutes tailles confondues, n’étaient pas enregistrées, mais que plus de 30 pour cent de celles comptant 5 employés ou moins l’étaient (OIT, 2019b).

Ce décalage se confirme lorsque l’on s’intéresse au type d’enregistrement. Pour l’illustrer, nous nous appuyons sur des données d’enquête recueillies auprès d’un échantillon représentatif de 2 700 entreprises informelles de l’agglomération d’Accra, au Ghana, dans le cadre d’un projet mené à bien conjointement par le Centre international pour la fiscalité et le développement (CIFD), l’organisation Femmes dans l’emploi informel: globalisation et organisation (WIEGO) et l’institut statistique ghanéen (Institute of Statistical, Social and Economic Research – ISSER)⁴. Ces 2 700 entreprises ont été considérées comme informelles sur la base d’un indicateur de l’enregistrement utilisé par l’institut statistique ghanéen. Elles le seraient également d’après toutes les définitions de l’informalité adoptées par l’OIT depuis la 15^e CIST, étant donné qu’elles ne sont pas enregistrées auprès du Registrar General, l’organisme national qui tient le registre des entreprises privées. La plupart d’entre elles sont de petite taille – plus de 80 pour cent sont des travailleurs exerçant pour leur propre compte sans salariés, et la grande majorité de celles qui emploient du personnel comptent moins de 5 employés. À noter toutefois que, de manière générale, les petites entreprises représentent une forte proportion du tissu économique ghanéen (Teal, 2023).

Ces données nous permettent de simuler la variation de la taille et de la composition du secteur informel d’Accra dans l’hypothèse où un autre critère que celui de l’enregistrement auprès du Registrar General serait utilisé pour déterminer le statut de l’entreprise. Par exemple, 8,8 pour cent des entreprises de l’échantillon indiquent être enregistrées auprès de l’administration fiscale ghanéenne, et 22,5 pour cent déclarent verser régulièrement des impôts à cette administration. La taille du secteur informel d’Accra serait donc très différente si elle était appréciée d’après l’enregistrement auprès de l’administration fiscale plutôt qu’auprès du Registrar General. Parmi les formes d’enregistrement admises par la 15^e CIST figurait l’immatriculation auprès des organismes de sécurité sociale; de ce point de vue, 62 pour cent des entreprises de l’échantillon étaient immatriculées auprès du régime d’assurance-maladie (National Health Insurance Scheme – NHIS) créé en 2003, ce qui signifie que, si cet indicateur était retenu, la taille du secteur informel d’Accra diminuerait considérablement.

Qui plus est, même s’il est généralement reconnu que la mesure doit reposer sur l’enregistrement au niveau national, s’intéresser à l’échelon local révèle qu’il en résulte une image trompeuse du secteur informel d’Accra: 40,4 pour cent des entreprises informelles déclarent en effet être enregistrées auprès de la municipalité d’Accra (Accra Metropolitan Assembly – AMA), et 59 pour cent lui versent une forme quelconque d’impôt. Se focaliser sur l’échelon national conduit donc à grandement sous-estimer le pourcentage d’entreprises enregistrées, tous niveaux confondus.

Changer d’indicateur de l’enregistrement modifie, outre la taille, les caractéristiques du secteur informel. Si l’indicateur retenu est l’inscription auprès du Registrar General, le revenu mensuel brut médian des entreprises informelles d’Accra s’établit à 900 cedis (ce qui représentait environ 150 dollars É.-U. à la date à laquelle les données ont été recueillies). En revanche, en se fiant aux registres de l’administration fiscale nationale, ce revenu médian s’établit à 868 cedis, soit un montant inférieur même si l’écart n’est pas énorme. Le pourcentage d’entreprises informelles titulaires d’un compte bancaire diminue lui aussi, tout comme la proportion d’entreprises employant des salariés. Lorsque l’indicateur retenu est l’immatriculation auprès du NHIS, la répartition entre hommes et femmes change, les femmes étant plus susceptibles d’être immatriculées.

Cet exemple met également en lumière une évolution des stratégies des pouvoirs publics et l’apparition de nouvelles formes d’enregistrement et d’interactions entre citoyens, entreprises et État. Quelque 78 pour cent des travailleurs informels d’Accra indiquent être titulaires de la Ghana Card, une carte d’identité nationale. En 2021, l’administration fiscale a annoncé que le numéro d’identification nationale figurant sur cette carte allait remplacer le numéro d’identification auprès de plusieurs organismes (administration fiscale, organisme de sécurité sociale et d’assurance nationale – Social Security and National Insurance Trust – et NHIS). En vertu de cette réforme, le nombre d’entreprises qualifiées de formelles sur la base de l’enregistrement auprès de l’un quelconque de ces organismes augmenterait soudain sensiblement, sans que la réalité économique des personnes concernées n’évolue réellement. Nous reviendrons sur cet aspect dans la dernière partie.

Cette parenthèse empirique montre que la multiplicité des formes d’enregistrement demeure un obstacle important lorsque l’on veut comparer le secteur informel de différents pays. Le choix de la forme retenue a une incidence à la fois sur la taille et sur les caractéristiques du secteur, par conséquent sur la base de comparaison. Elle révèle aussi que, étant donné l’apparition de nouveaux types d’enregistrement et l’évolution de la nature du travail et des relations avec l’État, l’hypothèse selon laquelle ces différentes modalités se chevaucheraient plus ou moins n’est pas nécessairement juste. Comme nous l’avançons dans la partie suivante, cette réalité a été au cœur des derniers travaux de la CIST sur cette question.

3.1.3. La CIST 2023

L’OIT a fait évoluer sa conceptualisation de l’informalité depuis la publication, en 2018 (2019 pour la version française), d’Un panorama statistique, notamment à cause de certains des problèmes qui viennent d’être évoqués. La résolution de la 21^e CIST, adoptée en 2023, introduit divers ajustements, dont l’inclusion de l’agriculture dans le secteur informel et l’augmentation de la proportion de biens qui doivent être destinés au marché pour que l’unité économique qui les produit puisse être considérée comme une entreprise informelle. Toutefois, les aspects les plus pertinents pour cet article concernent l’enregistrement.

Le nouveau cadre opérationnel officialise sa primauté, jusqu’alors implicite, précisant que la taille de l’entreprise ne fait plus partie des critères principaux (OIT, 2024, p. 11). La résolution décrit en outre plus précisément le type d’enregistrement à prendre en compte:

L’enregistrement doit faire référence dans le pays donné à un registre ou à plusieurs registres utilisés pour donner accès à des prestations, comme des déductions fiscales, obtenir une identité juridique séparée pour l’entreprise, accéder à une assurance sociale statutaire (si cela implique que l’unité économique a un statut formel), et qui impliquent des obligations comme celle de payer des taxes professionnelles et tenir des comptes. Le ou les registres sont généralement nationaux, mais pourraient aussi être locaux s’ils sont établis et contrôlés au niveau national, mais administrés au niveau local (OIT, 2023b, paragraphe 33).

Elle précise que:

Dans les pays où l’enregistrement des entreprises n’implique pas nécessairement des obligations ni un accès à des prestations, il pourrait être nécessaire de combiner différents registres, par exemple le registre des entreprises et le registre fiscal, pour s’assurer que le statut formel de l’unité économique s’accompagne bien de certaines dispositions formelles (OIT, 2023b, paragraphe 34).

Ce changement résout le principal problème que posait Un panorama statistique – l’application du critère de la taille en l’absence de données relatives à l’enregistrement et le manque de transparence quant à l’indicateur utilisé – et fournit un point de départ intéressant pour examiner la question qui revêt désormais le plus d’importance pour définir les contours du secteur informel: celle du type d’enregistrement à prendre en compte. En mettant l’accent sur les obligations et prestations et en reconnaissant qu’elles ne relèvent pas nécessairement du même niveau d’enregistrement, la résolution apporte une solution pour les situations dans lesquelles l’existence d’un type d’enregistrement élémentaire (par exemple scénario dans lequel le numéro d’identification nationale est également utilisé comme numéro d’identification fiscale) ferait basculer dans le secteur formel un grand nombre d’opérateurs informels, alors même que leurs relations avec les structures de l’État seraient quasiment inchangées. Sur ce point, il existe également une cohérence théorique avec le débat plus large sur la question de savoir quelles interactions avec l’État sont les plus pertinentes dans le cas des petites entreprises.

La collecte de données constituera l’épreuve de vérité. Il faut espérer que, dans les années à venir, il sera possible de disposer de données relatives à l’enregistrement et à la comptabilité dans les pays où il n’en existe jusqu’à présent pas, notamment grâce à la conduite d’enquêtes auprès des travailleurs dépendants, l’objectif étant d’améliorer les statistiques reposant sur le nouveau cadre opérationnel. Il restera cependant à résoudre le problème de la transparence – à l’évidence, l’enregistrement occupant une place centrale dans la nouvelle approche, une analyse détaillée du type d’enregistrement retenu s’imposera. Un débat émergera vraisemblablement au sujet de la place des formes d’enregistrement qui n’exigent pas de démarche active. Ces dernières années, par exemple, beaucoup d’administrations fiscales ont déployé des campagnes d’envergure ou utilisé des données détenues par des tiers pour attribuer des numéros d’identification fiscale. Or, des études montrent que, dans leur grande majorité, les entreprises «enregistrées» dans ce cadre ne déposent en réalité pas de déclaration fiscale et ne paient pas d’impôts (Mascagni et al., 2022; Gallien et al., 2023), ce qui signifie que, même si l’enregistrement devrait a priori faire naître des obligations, rien ne prouve que ces obligations aient une réalité tangible. Ce raisonnement vaut bien sûr également pour les prestations. Nous reviendrons sur ce point dans la dernière partie.

3.2. Mesures indirectes

Comme les mesures directes reposent sur des enquêtes administrées par les instituts statistiques nationaux, elles ne permettent généralement pas d’obtenir les données de panel pays-année utiles à la réalisation d’analyses économétriques macrocomparatives. Les mesures indirectes, en revanche, fournissent ce type de données, d’où l’énorme engouement qu’elles suscitent depuis quelques années. Les travaux réalisés par Friedrich Schneider et ses coauteurs à partir de modèles MIMIC et, plus récemment, par Elgin (2021) au moyen de variantes de ces modèles⁵ sont particulièrement influents dans ce domaine. Les analyses mobilisant cette méthode, qui sont peu coûteuses et exploitent des données publiques, ont donné lieu à une pléthore de publications, souvent axées sur les «causes et conséquences» de l’informalité»⁶. Ces dernières années, elles ont occupé une place prépondérante dans les ouvrages publiés par la Banque mondiale et le FMI (Deléchat et Medina, 2021; Ohnsorge et Yu, 2022).

Les modèles MIMIC, issus d’une méthodologie utilisée pour la première fois par Frey et Weck-Hannemann (1983), traitent la taille du secteur informel comme une variable latente non observée. Un modèle théorique postule l’existence d’une relation causale entre des causes qui évoluent dans le temps et des indicateurs. Ces variables sont généralement des données publiques, disponibles annuellement et pour tous les pays. Les spécifications utilisées dans la littérature sont extrêmement diverses, mais on retrouve généralement parmi les variables causales le poids de la fiscalité et le civisme fiscal, la liberté des entreprises et autres indicateurs de la rigidité de la réglementation, et parmi les indicateurs la variation de l’emploi et du PIB. À noter que ces modèles estiment en principe la taille du secteur informel en pourcentage du PIB plutôt qu’en part de la population active.

Le plus grand recours aux modèles MIMIC pour estimer la taille du secteur informel a donné lieu à diverses critiques méthodologiques. Outre qu’ils sont souvent jugés fondamentalement inadaptés à l’étude des économies informelles, ces modèles ont aussi été sévèrement critiqués en raison d’un manque de rigueur scientifique dans leur application⁷. Ici, plutôt que de présenter un tour d’horizon complet de ces critiques, nous montrons comment ces modèles se situent par rapport aux conceptions du secteur informel.

Deux critiques méritent cependant un peu plus d’attention. La première concerne la nécessité de faire appel à une procédure d’étalonnage. Comme le modèle MIMIC fournit un indice et non la taille totale du secteur informel, il est nécessaire de comparer le résultat à une estimation de référence de cette taille, issue d’une autre méthode. Parce qu’il calibre le «niveau» des données, cet indicateur de référence a un impact considérable sur les résultats obtenus. De ce point de vue, ces dernières années, ces modèles ont en quelque sorte pris l’allure d’un château de cartes, des modèles de plus en plus complexes venant s’empiler sur les fondations constituées par les versions précédentes. Ainsi, pour son modèle d’équilibre général dynamique, Elgin (2021) choisit comme référence le résultat d’un modèle MIMIC existant, élaboré par Friedrich Schneider (Elgin, 2021). Les modèles de Schneider nécessitent eux aussi une procédure d’étalonnage, généralement par rapport à des estimations émanant d’un modèle de demande de monnaie. Ceux-ci exigent également une valeur de référence, la méthode consistant en général à définir une année de référence durant laquelle l’informalité est inexistante ou quasi inexistante – hypothèse pour le moins étonnante étant donné tout ce que l’on sait de l’histoire de l’informalité (Kirchgässner, 2017, p. 6; Medina et Schneider, 2021, p. 24). La validité empirique de cette construction est de plus en plus faible, tandis que les hypothèses doivent être de plus en plus fortes, et s’appuyer sur une année de référence au cours de laquelle l’informalité est supposée nulle constitue une fondation bien fragile pour édifier ce château de carte – un détracteur de ces modèles compare les estimations à des «accidents numériques sans lien avec les données» (Breusch, 2005, p. 387).

3.2.1. Opérationnalisation sans définition

La deuxième critique adressée à la modélisation MIMIC – la plus intéressante compte tenu de l’objet de notre article – concerne l’incidence des mesures indirectes sur la définition du secteur informel. Paradoxalement, les questions de définition sont globalement moins abordées dans la littérature sur les méthodes indirectes que dans celle sur les mesures directes. Beaucoup de chercheurs décrivent directement les données et ne fournissent pas de définition, en donnent plusieurs ou se contentent d’indiquer que définir l’informalité est une tâche «difficile» (Elgin, 2021, p. 7). Schneider donne certes des définitions dans ses travaux les plus récents mais, dans ses premières études, il soulignait que, «de manière générale, il est très compliqué sinon impossible de donner une définition précise» (Schneider et Enste, 2000, p. 79; Feige, 2016). Dans ces travaux, des termes différents – comme «secteur informel», «économie informelle» et «économie de l’ombre» – sont utilisés de façon incohérente et, de fait, interchangeable, alors même qu’ils ne sont pas considérés comme équivalents dans la recherche qui utilise des mesures directes.

Derrière cette ambiguïté conceptuelle, les estimations indirectes reposent sur une définition opérationnelle, introduite «en aval». Alors que les travaux qui exploitent des mesures directes indiquent quelles entreprises sont considérées comme informelles, dans les modèles MIMIC ce sont des variables causales et indicateurs théoriques qui remplissent cette fonction. Ils décrivent les aspects de l’économie utilisés pour quantifier l’informalité, autrement dit ce qui la caractérise. Peut-être est-ce la raison du manque de rigueur constaté dans ces travaux en ce qui concerne les définitions – qui remonte en réalité aux toutes premières études sur le secteur informel reposant non pas sur une définition, mais sur une liste de caractéristiques. Le modèle MIMIC offre donc une autre solution méthodologique envisageable pour pallier l’absence de définition harmonisée du secteur informel. Alors que les statistiques de l’OIT étaient auparavant obtenues à partir d’une définition hybride, le recours à une modélisation MIMIC revient en quelque sorte à opérationnaliser l’absence de définition. Méthodologiquement, l’approche est analogue à celles qui définissent l’informalité d’après une liste de caractéristiques, et c’est précisément là que se situe le problème.

La faiblesse des méthodes qui s’appuient sur une modélisation réside peut-être dans l’importance que revêtent les spécifications. Les estimations dépendent du choix des variables causales et des indicateurs. Initialement mis au point dans le domaine de la psychométrie, les modèles MIMIC sont conçus pour un contexte dans lequel les causes et indicateurs d’un phénomène inobservable directement sont bien connus. Or, on peut douter que les économies informelles représentent un tel contexte – comme le relèvent leurs défenseurs, les modèles MIMIC sont confirmatoires plutôt qu’exploratoires. La spécification de ce qui doit être confirmé, en particulier la sélection des indicateurs, doit donc être particulièrement solide.

De plus, et il s’agit d’un point important, il n’existe pas de consensus quant au choix des variables causales. Ce choix est souvent «quelque peu arbitraire» (Elgin, 2021, p. 24), et les variables sélectionnées diffèrent sensiblement en termes de nombre et de niveau. De même, certains des indicateurs choisis ont été vivement critiqués – ainsi, dans son guide méthodologique, Williams (2023) qualifie certains des indicateurs et des causes couramment choisis de «hautement discutables», contestant en particulier l’utilisation de taux d’imposition (ibid., p. 59). Même si certains articles citent expressément les causes figurant dans le modèle, beaucoup d’autres, en particulier ceux qui s’appuient sur des estimations existantes, elles-mêmes obtenues à partir de modèles MIMIC, sont particulièrement peu transparents concernant les variables incluses, les raisons pour lesquelles elles ont été sélectionnées et la manière dont elles ont été mesurées. Des pans entiers de la littérature ne fournissent pas suffisamment d’informations pour que les analyses puissent être reproduites (Feige, 2016), et il n’est quasiment jamais précisé que les causes ne procèdent pas d’un consensus théorique sur la nature du secteur informel et les raisons de son existence, étant donné que ce consensus n’existe pas. Les causes sont donc entièrement arbitraires ou résultent d’une conception de l’informalité qui elle repose sur des bases théoriques. Nous y reviendrons ultérieurement.

Un autre des points faibles de cette approche est méthodologique. Mesurer l’informalité sur la base de «causes» présumées limite les possibilités d’application des résultats obtenus. Cette méthode a deux conséquences. Premièrement, dans les modèles MIMIC, un poids causal relatif est certes attribué aux diverses causes prédéfinies, mais il ne faut pas le confondre avec une explication causale effective de l’informalité. À titre d’exemple, un modèle indique que les «principaux déterminants de l’informalité» sont l’impôt sur le revenu des personnes physiques (13,8 pour cent), les impôts indirects (14,1 pour cent), le civisme fiscal (14,5 pour cent), le chômage (14,7 per cent), l’activité indépendante (14,5 pour cent), la croissance du PIB (14,3 pour cent) et la liberté des entreprises (4,3 pour cent) (Elgin, 2021, p. 37). Cependant, la prudence est de mise, car ces proportions dépendent des causes sélectionnées pour construire le modèle et ne doivent pas être interprétées comme le signe d’une relation causale entre ces facteurs et le secteur informel dans la réalité. Malheureusement, cette consigne de prudence n’est pas toujours suivie.

Deuxièmement, l’inclusion de causes théoriques empêche de faire appel à des modèles utilisant ces estimations pour tester l’impact des causes en question sur l’informalité. Supposons que les cotisations de sécurité sociale ou le civisme fiscal fassent partie des variables causales utilisées pour construire une estimation de l’informalité. En pareil cas, le résultat obtenu ne pourrait pas être exploité pour déterminer si les cotisations ou le civisme fiscal sont des facteurs explicatifs de l’informalité. Bien que cette limite ait été reconnue sans ambiguïté par les concepteurs de ces modèles, il est fréquent qu’elle ne soit pas prise en compte (Kirchgässner, 2017).

Malgré leur popularité, les approches indirectes faisant appel aux modèles MIMIC n’ont pas permis de surmonter l’absence de définition claire du secteur informel ou de consensus conceptuel à cet égard. En réalité, elles dissimulent la vision de l’informalité retenue – parmi les nombreuses conceptions possibles – en transférant les décisions théoriques et conceptuelles «vers l’aval». Ces décisions sont en effet prises au stade de la spécification, ce qui signifie qu’elles sont moins visibles alors qu’elles ont le même impact. Comme nous l’avançons dans la partie suivante, peut-être est-ce en réalité l’une des raisons pour lesquelles elles sont encore prisées malgré leurs défauts méthodologiques.

3.2.2. Mesures, politique et impôts

La recherche sur le secteur informel a toujours réservé une large place aux causes et conséquences de l’informalité, et cette tendance s’est accentuée en raison de l’augmentation du volume de statistiques disponibles, notamment d’estimations obtenues par des méthodes indirectes. Les ouvrages publiés en 2021 et 2022 par le FMI et la Banque mondiale s’appuient en grande partie expressément sur des études inédites et sur les estimations indirectes décrites plus haut pour formuler des recommandations pour l’action publique. Pour louable qu’elle puisse être, la démarche qui consiste à s’appuyer sur des données probantes pour préconiser des politiques visant l’informalité illustre aussi les dangers et les conséquences de l’utilisation de données quantitatives si la clarté conceptuelle n’est pas assurée. En particulier, le fait que les modèles indirects reposent sur des hypothèses théoriques fortes expose les travaux de recherche et recommandations qui en sont issus à un risque de biais de confirmation, parce que le modèle est construit à partir d’hypothèses antérieures et que les estimations qui en résultent sont ensuite, à tort, interprétées de manière causale. Ces méthodes entretiennent une confusion entre les caractéristiques définitoires et les caractéristiques communes de l’informalité, de même qu’entre ses causes et ses conséquences, ce qui fausse les débats sur les politiques à mener.

Les ouvrages du FMI (Deléchat et Medina, 2021) et de la Banque mondiale (Ohnsorge et Yu, 2022) sont édifiants à cet égard. L’un et l’autre soulignent qu’il existe de multiples définitions du secteur informel, sans pour autant insister sur leur importance pour les analyses et leurs résultats et sur leur impact. Ils recommandent d’utiliser plusieurs méthodes de mesure, reconnaissant que les écarts entre les estimations obtenues proviennent de différences méthodologiques⁸. Ils admettent l’existence de divergences quant à la manière dont l’informalité est mesurée, mais ne font pas état de désaccords quant à l’objet qui est mesuré.

Alors que des modèles MIMIC sont utilisés dans les deux cas, les auteurs n’évoquent quasiment pas la manière dont la spécification a été choisie, pas plus que les implications de ces choix. De fait, les hypothèses qu’ils retiennent laissent penser qu’ils ont épousé la théorie volontariste, qui fait de l’informalité le résultat d’une décision prise par les opérateurs économiques afin d’échapper à une réglementation contraignante. Les variables incluses dans le modèle présenté dans l’ouvrage du FMI sont notamment la pression fiscale, le poids de la réglementation et le taux de chômage (censés accroître l’informalité), de même que des indices de liberté économique et de liberté des entreprises (supposément associés à un recul de l’informalité). Celles introduites dans le modèle de la Banque mondiale sont la taille de l’administration, la part des taxes directes, un indice de pression fiscale et un indice de liberté des entreprises (l’un et l’autre conçus par The Heritage Foundation), le taux de chômage et un indicateur de l’efficacité de l’administration.

Or, ces listes de causes supposées ne sont pas incontestées et, contrairement à ce qui ressort des deux ouvrages, ne sont pas le fruit d’une conception unanime de l’informalité. C’est pourquoi ces modèles produisent en réalité un indice qui établit un lien entre les variations du poids de la réglementation et celles de l’emploi et du PIB au fil du temps. Cette approche serait moins problématique si les auteurs la présentaient clairement comme un choix méthodologique ou formulaient des mises en garde concernant l’utilisation et l’interprétation des données obtenues, en particulier concernant l’existence de relations causales entre le poids de la réglementation et l’informalité. Or, ils le font rarement.

Cette pratique n’a rien d’inhabituel, et il en existe des exemples dans l’ensemble de la littérature sur les liens entre fiscalité et informalité. Ainsi, l’article publié en 2014 par Besley et Persson dans la revue Journal of Economic Perspectives sous le titre «Why Do Developing Countries Tax So Little?», qui est peut-être l’étude la plus souvent citée à ce jour dans les travaux sur la fiscalité et le développement, présente un graphique de dispersion mettant en rapport la taille de l’économie informelle et la part de l’impôt sur le revenu dans les recettes fiscales. Les auteurs examinent cette corrélation et parviennent à la conclusion qu’une «progression du secteur formel explique en grande partie la hausse de la fiscalité qui accompagne le développement» (2014, p. 110). En revanche, ils n’indiquent pas comment l’estimation de l’informalité qu’ils utilisent a été obtenue – se bornant à citer un document de travail non publié de Friedrich Schneider, en date de 2002. Or, ce document lui-même ne fournit pas de détails sur les variables incluses dans le modèle MIMIC, Schneider se contentant de citer, parmi les variables d’entrée, «la pression fiscale directe et indirecte» et d’en justifier la présence par le fait «qu’une hausse de la pression fiscale incite fortement à travailler dans l’économie de l’ombre» (Schneider, 2002, p. 41). Dans un contexte de manque de transparence sur les spécifications des modèles, il existe une boucle de rétroaction entre des hypothèses préconçues, les estimations et l’interprétation des corrélations.

Ce manque de clarté se retrouve dans l’ouvrage de la Banque mondiale. Même si les auteurs veillent à ne pas être affirmatifs quant à la causalité, ils allèguent l’existence d’innombrables associations, mettant en lumière des corrélations. L’expression «associé à» revient à 179 reprises dans le document. Même si elle n’est pas à proprement parler inadaptée, elle doit être utilisée avec la plus grande prudence dès lors que l’une des principales estimations a été obtenue en associant l’informalité à une série de variables dont la relation avec l’informalité est contestée. Notre but n’est pas de traquer le moindre défaut de ces publications: nous voulons simplement montrer que la méthode employée crée en réalité une relation circulaire entre hypothèses, constatations et recommandations, d’où le risque d’introduire un biais de confirmation et de perpétuer des croyances courantes sur l’informalité, qui ont un fondement idéologique et ne sont pas validées empiriquement.

Ce risque est expressément cité dans les critiques visant les modèles MIMIC depuis des décennies. En 2016, Breusch a fait observer que «la complexité et la description insuffisante de la procédure d’estimation laissent le lecteur dans l’ignorance du fait que ces résultats ont été manipulés pour cadrer avec des convictions préexistantes». De même, Feige (2016, p. 22) souligne que l’utilisateur de modèles MIMIC trouve des «résultats conformes à ceux qu’il attendait déjà en sélectionnant des indicateurs et des coefficients de normalisation différents d’une étude à l’autre». Dix ans plus tard, en plus d’être encore à l’œuvre, cette dynamique s’est étendue aux débats sur les politiques à mener.

La fiscalité en fournit une bonne illustration. Les publications du FMI et de la Banque mondiale partent du principe, défendu par la théorie volontariste, que l’informalité est associée à des recettes fiscales plus faibles et s’explique en partie par la pression fiscale; cet argument est répété dans l’analyse. Toutefois, au-delà des macromodèles, cette thèse n’est ni vraie par définition ni incontestée empiriquement. Même s’il peut exister des corrélations entre certains indicateurs fiscaux et l’informalité au niveau macro, de nombreux travaux conduits ces dernières années révèlent que beaucoup d’entreprises informelles versent en réalité divers impôts, taxes et redevances aux administrations locales et nationales (Carroll, 2011; Anyidoho et al., 2025). Parallèlement, on dispose de relativement peu d’éléments de niveau micro pour tester l’hypothèse selon laquelle le coût associé à l’enregistrement d’une entreprise, en particulier le niveau de la pression fiscale, jouerait un rôle décisif dans le maintien dans l’informalité, la recherche laissant plutôt penser que des dynamiques extrêmement complexes, propres au contexte et au secteur d’activité, sont à l’œuvre (Williams, 2023, p. 35; Ulyssea, 2020). Le lien entre fiscalité et informalité est un sujet sur lequel les recherches sont toujours en cours et n’ont pour l’heure pas abouti à un consensus réel. Pourtant, l’idée qu’un secteur informel de grande taille va de pair avec des recettes fiscales faibles est considérée comme une évidence dans le discours sur «les causes et les conséquences de l’informalité». Qui plus est, elle a grandement et directement contribué à l’enthousiasme pour les politiques misant sur l’enregistrement fiscal des entreprises, qui se sont pourtant révélées en grande partie inefficaces, tant du point de vue des recettes fiscales produites que de l’équité (Gallien et al., 2023; Moore, 2023; Gallien et Boogaard, 2023; Rogan, 2019).

Ces illustrations laissent entrevoir les conséquences que peut avoir l’utilisation généralisée de modèles indirects pour évaluer l’informalité alors qu’il n’existe pas de réelle convergence sur la manière de conceptualiser le secteur informel. En plus de créer de la confusion concernant l’objet étudié, cette pratique donne de plus en plus d’importance aux associations et corrélations entre informalité et caractéristiques macroéconomiques sur la base d’estimations qui ne sont pas décrites de manière transparente et qui proviennent elles-mêmes dans une large mesure de ces associations. De ce fait, les chercheurs et les artisans des politiques publiques risquent de confondre causes et conséquences, ainsi qu’associations fréquentes et caractéristiques définitoires, créant ainsi une boucle de rétroaction avec les préjugés existant au sujet de l’informalité. Étant donné que certaines dynamiques importantes sont encore imparfaitement comprises en raison de l’évolution que connaît le secteur informel, et compte tenu des enjeux sur le plan des politiques, cette situation peut conduire à perpétuer des politiques mal avisées, qui servent elles-mêmes de référence aux estimations et qui reposent de moins en moins sur des éléments de preuve indépendants.

4. Implications: privilégier l’enregistrement

Dans les parties précédentes, nous avons montré que, même si de nouvelles mesures ont servi de base à une littérature abondante et ont fait naître le sentiment d’une accumulation itérative de connaissances, la conceptualisation du secteur informel demeure très hétérogène. Les questions au sujet de la nature de l’informalité n’ont pas disparu, mais elles ont été transférées «vers l’aval», dans les spécifications. Parallèlement, les implications de ces spécifications ne sont pas décrites clairement. Au-delà des débats très techniques sur les mesures directes, ce manque de transparence a notamment entraîné un grand flou et une grande confusion sur ce qu’est réellement le secteur informel. Le plus grave est peut-être que cette ambiguïté et la façon dont les mesures indirectes ont été utilisées ont pu créer des boucles de rétroaction entre hypothèses et constatations et être à l’origine d’analyses erronées des causes et conséquences de l’informalité. Pour ce qui est du chemin à emprunter, quelques enseignements se dégagent de la démonstration présentée ici.

Premièrement, comme souligné plus haut, les estimations, directes comme indirectes, pêchent notamment par leur manque de transparence. Dans les études qui reposent sur des statistiques directes, par exemple dans les futures éditions d’Un panorama statistique appliquant la résolution de la CIST 2023, il faudra indiquer précisément le critère utilisé pour classer les entreprises dans le secteur formel ou informel et préciser le type d’enregistrement retenu dans chaque pays. S’agissant des mesures indirectes, les articles exploitant des données produites par des modèles MIMIC devraient indiquer les spécifications complètes des modèles, dont l’étalon retenu, et comporter une réflexion sur les conséquences de ces spécifications pour l’analyse. La transparence est certes nécessaire au niveau de la production de données, mais dans ce domaine les problèmes les plus préoccupants concernent les études qui s’appuient sur des estimations existantes et surtout les rapports élaborés sur cette base à l’intention des responsables de l’action publique. La mobilisation concurrente de multiples mesures ne constitue pas une panacée: souvent présentée comme un gage de rigueur, elle risque en réalité d’engendrer un flou sur ce qui est mesuré.

Deuxièmement, ce qui est actuellement présenté comme «l’état de l’art» comparatif et quantitatif des causes et conséquences de l’informalité doit être accueilli avec la plus grande prudence, en particulier s’agissant des études fondées sur des méthodes indirectes. Le risque qu’une grande partie des idées perçues comme des évidences souffrent en réalité d’un défaut méthodologique, soient mal comprises ou perpétuées par des boucles de rétroaction devrait conduire à revoir l’ensemble des hypothèses et relations les plus courantes. Selon toute vraisemblance, tant que des données d’enquête appliquant le nouveau cadre opérationnel défini par la CIST n’ont pas été collectées, il n’existe pas de données sur la taille du secteur informel pouvant être considérées comme suffisamment fiables pour réaliser une analyse comparative entre pays sans indication plus précise du mode de collecte et d’analyse. Dans les années à venir, les chercheurs devront donc s’atteler à réexaminer, à la lumière de nouvelles données, les hypothèses jusqu’à présent tenues pour acquises. Dans l’intervalle, la prudence est de rigueur lorsqu’il s’agit de formuler des recommandations.

Troisièmement, la solution la plus évidente pour résoudre une partie des problèmes décrits dans cet article serait de parvenir à un vrai consensus sur une définition opérationnelle. Cette voie s’impose d’autant plus que l’exploitation faite des mesures indirectes dans les débats académiques et les discussions sur les politiques plaide en faveur de l’utilisation de mesures directes, lesquelles exigent impérativement des définitions claires. Cet article n’a pas pour objet de défendre une conception ou une définition particulière, mais les problématiques abordées ont des conséquences quant au processus à suivre, à la fonction d’une telle définition et au contexte dans lequel elle s’inscrit.

Tout d’abord, l’établissement d’une définition demeure amplement justifié. Face aux difficultés auxquelles se heurte l’opérationnalisation, l’idée d’abandonner purement et simplement le terme «secteur informel» a émergé dès son apparition ou presque (Peattie, 1987). Or, même s’il pose des problèmes bien réels, il est désormais entré dans le vocabulaire des politiques publiques et constitue une référence commune dans les échanges et pour la mobilisation de divers acteurs, universitaires et militants. Il vaut donc assurément mieux le clarifier qu’y renoncer.

Ensuite, pour réellement permettre la production de mesures, le terme doit avoir des contours clairs, lesquels ne sont pas nécessairement binaires, mais doivent être explicites. L’argument selon lequel beaucoup de caractéristiques intéressantes de l’informalité – la vulnérabilité économique par exemple – se déclinent sur un spectre ou existent aussi dans le secteur formel est pertinent: la mise en évidence de différents niveaux de risque et de protection à l’intérieur du secteur informel et en dehors est un apport important de la littérature consacrée à cette thématique et doit servir de point de départ à la formulation des politiques. Toutefois, cette réalité n’est en rien incompatible avec l’adoption d’une définition claire.

Il faut également que la définition soit transparente et explicite quant à la manière dont elle conceptualise le secteur informel. Le choix des critères définitoires doit être retransféré «vers l’amont», c’est-à-dire depuis les spécifications méthodologiques vers les définitions.

Il est également important d’établir un processus garantissant que les définitions évoluent en fonction de l’enrichissement des connaissances sur l’informalité et des mutations que le secteur informel lui-même connaît sous l’effet des changements technologiques et de l’intervention de l’État.

Enfin, ces définitions doivent être pratiques et réalistes d’un point de vue institutionnel. La mesure est un exercice concret et logistique – les nouvelles méthodes doivent reposer sur la littérature et les outils de mesure existants.

À l’évidence, la nouvelle définition adoptée par la CIST pourrait remplir tous les critères de cette liste et pourrait même être la seule à satisfaire aux deux derniers. Elle offre la possibilité de produire des statistiques transnationales plus comparables et plus transparentes que toutes celles qui sont actuellement utilisées. Qui plus est, elle officialise une tendance de fait en faveur d’une conceptualisation fondée sur un critère d’enregistrement. Conformément aux arguments développés dans cet article, il serait bon que cette primauté accordée à l’enregistrement soit explicite – pour qu’il ait une place plus centrale dans le discours sur les mesures issues de la définition et sur les enseignements qui peuvent ou non en être déduits. Il importe notamment de souligner que la définition permet effectivement d’obtenir des informations sur l’enregistrement au niveau national, sans pour autant que des conclusions puissent en être tirées concernant l’échelon infranational. De même, la conclusion à laquelle elle aboutit à propos de l’enregistrement auprès de l’administration fiscale ne dit rien sur le paiement ou non d’impôts.

Surtout, cette définition officialise une évolution du débat sur le périmètre du secteur informel, la question du type d’enregistrement à prendre en compte étant maintenant centrale. La définition adoptée par la CIST 2023 a ouvert la voie, en citant à la fois les obligations et les prestations. Son application dans différents pays conduira vraisemblablement à nourrir encore la réflexion. La principale conséquence de cette évolution est peut-être que la conception du secteur informel implique de plus en plus de mesurer des aspects concernant l’État – les politiques qu’il applique en matière d’enregistrement et les moyens dont il dispose. Il y a de fortes chances pour que cette dimension dépende de façon croissante des caractéristiques et ambitions du système de protection sociale et de l’administration fiscale au niveau national. Cette dynamique est positive, à condition toutefois qu’elle s’accompagne d’une rupture avec l’idée communément répandue selon laquelle l’État doit d’abord lutter contre l’informalité.

Par ailleurs, la définition devrait aussi mettre en garde contre la stratégie qui consiste à faire de la réduction de la taille du secteur informel un objectif de politique publique in abstracto. Lors du choix des objectifs à l’aune desquels l’efficacité des politiques sera évaluée, il faudrait envisager l’efficacité des politiques elles-mêmes. Cette approche est particulièrement importante à l’heure où les types d’enregistrement et d’interactions de l’État avec les opérateurs économiques se multiplient – on peut penser à cet égard aux nouvelles formes d’identité numérique, aux enregistrements simplifiés, aux nouveaux régimes de protection sociale et programmes de transfert monétaire nécessitant une immatriculation, parmi lesquels certains ont connu un essor en raison des difficultés particulières rencontrées par les travailleurs informels pendant la pandémie de COVID-19 (Chen et al., 2022; Meagher, 2022). Si la définition repose davantage sur l’enregistrement, évaluer ou justifier ces politiques en invoquant la «réduction de l’informalité» engendre là aussi un processus circulaire.

Au contraire, réfléchir aux formes d’enregistrement qui confèrent à une entreprise un statut formel est une occasion de recentrer le débat sur les raisons pour lesquelles il est pertinent que les politiques publiques encouragent la formalisation. Comme la conception du secteur informel et la mesure de sa taille évoluent dans un sens qui donne plus de poids aux relations avec l’État et moins à la situation économique des opérateurs, celle-ci doit être prise en compte à la fois dans le choix et dans l’évaluation des relations avec l’État considérées. Cette démarche suppose elle aussi de reconnaître qu’un statut formel ne suffit pas toujours à remédier à la vulnérabilité économique, laquelle existe souvent dans le secteur formel comme dans le secteur informel, et que la meilleure approche pour conceptualiser les interventions en faveur de la formalisation consiste à tenir compte de la situation économique globale et des moyens de subsistance des opérateurs informels; à cela s’ajoute que l’activité informelle exercée au sein du secteur formel constitue elle aussi un défi de taille. C’est précisément là que réside la force des décennies de travaux de recherche et de sensibilisation consacrés au secteur informel et à la transition vers le secteur formel – en particulier des travaux qualitatifs, ethnographiques et participatifs qui ne sont pas toujours pris en compte dans les débats qui reposent principalement sur des estimations comparatives réalisées au niveau des pays.

Notes

Résolution A/RES/71/313 adoptée par l’Assemblée générale des Nations Unies le 6 juillet 2017. ⮭
Une nouvelle édition, présentant des données à jour sur un très large éventail d’indicateurs et des ventilations par région, a été publiée en 2023 (OIT, 2023a). Elle ne contient cependant pas des statistiques par pays aussi complètes que l’édition 2019, qui demeure une ressource incontournable. ⮭
Voir également Hussmanns (2001 et 2005). ⮭
Pour de plus amples informations, voir Anyidoho et al. (2025). ⮭
Nous ne présentons pas les modèles d’équilibre général dynamique ici, mais certains des aspects abordés s’appliquent aussi à eux, tandis que d’autres sont plus complexes. Malgré des fondations microéconomiques plus solides, ils restent vulnérables aux hypothèses contenues dans ces fondations. ⮭
Voir Feige (2016, pp. 25 et 26) pour une liste des principales variables analysées à l’aide de cette méthode. ⮭
Pour une synthèse de ces critiques, voir Kirchgässner (2017), Breusch (2016) et Feige (2016). ⮭
Les différents chapitres des deux rapports ont été écrits par des auteurs différents, mais rien n’est dit sur les relations entre les conceptions de l’informalité décrites dans ces chapitres. ⮭

Remerciements

Nous remercions Niken Wulan et Josedomingo Pimentel Cavalié qui nous ont aidé dans nos recherches, Mike Rogan, Vanessa van den Boogaard, Michael Frosch et Rodrigo Negrete pour leurs commentaires précieux sur de précédentes versions de cet article (dont le document de travail n^o 599 de l’Institute of Development Studies), ainsi que trois évaluateurs anonymes et l’équipe éditoriale de la Revue pour leurs observations et corrections. Notre gratitude va également aux organisateurs de la table ronde intitulée «Toward a coherent understanding of the crisis in the world of work: Centring social reproduction and informality in the pandemic age», qui a eu lieu lors de la réunion annuelle de 2023 de la Development Studies Association, ainsi qu’aux personnes qui ont participé à cette table ronde. Nous exprimons également notre reconnaissance au Centre international pour la fiscalité et le développement pour le financement de cette recherche, qui a également bénéficié d’un financement du gouvernement du Royaume-Uni via UK International Development (subvention n^o 300211-101), de la Gates Foundation (subvention n^o PP1197757) et de l’agence norvégienne de la coopération pour le développement (Norwegian Agency for Development Cooperation) (subvention n^o QZA-17/0153). Les constatations et conclusions présentées ici sont celles de l’auteur et ne reflètent pas nécessairement les positions des financeurs.

Conflits d’intérêts

Les auteurs n’ont pas d’intérêts concurrents à déclarer.

Références

Anyidoho, Nana Akua, Max Gallien, Michael Rogan et Vanessa van den Boogaard. 2025. «The Taxed Informal Economy: Fiscal Burdens and Inequality in Accra», World Development, 187 (mars): article n^o 106879. http://doi.org/10.1016/j.worlddev.2024.106879.

Benanav, Aaron. 2019. «The Origins of Informality: The ILO at the Limit of the Concept of Unemployment», Journal of Global History, 14 (1): 107-125. http://doi.org/10.1017/S1740022818000372.

Besley, Timothy, et Torsten Persson. 2014. «Why Do Developing Countries Tax So Little?», Journal of Economic Perspectives, 28 (4): 99-120. http://doi.org/10.1257/jep.28.4.99.

Boeke, Julius Herman. 1953. Economics and Economic Policy of Dual Societies, as Exemplified by Indonesia. New York: Institute of Pacific Relations.

Bonnet, Florence, Joann Vanek et Martha Chen. 2019. «Women and Men in the Informal Economy: A Statistical Brief». Manchester: Femmes dans l’emploi informel: globalisation et organisation (WIEGO).

Breusch, Trevor. 2005. «The Canadian Underground Economy: An Examination of Giles and Tedds», Canadian Tax Journal, 53 (2): 367-391.

Breusch, Trevor. 2016. «Estimating the Underground Economy Using MIMIC Models», Journal of Tax Administration, 2 (1), Special Issue: The Shadow Economy: 41-72.

Calligaro, Florencia, et Oscar Cetrangolo. 2023. «Financer la protection sociale universelle: l’importance des cotisations sociales et leur incidence sur le marché du travail», document de travail n^o 47. Manchester: Femmes dans l’emploi informel: Globalisation et Organisation.

Carroll, Erica. 2011. «Taxing Ghana’s Informal Sector: The Experience of Women», Christian Aid Occasional Paper No. 7. Londres: Christian Aid.

Chen, Martha Alter. 2012. «The Informal Economy: Definitions, Theories and Policies», WIEGO Working Paper No. 1. Manchester: Femmes dans l’Emploi informel: globalisation et organisation.

Chen, Martha Alter, Erofili Grapsa, Ghida Ismail, Michael Rogan, Marcela Valdivia, Laura Alfers, Jenna Harvey, Ana Carolina Ogando, Sarah Orleans Reed et Sally Roever. 2022. «COVID-19 et travail informel: les enseignements d’une étude sur la situation dans onze grandes villes», Revue internationale du Travail, 161 (1): 35-66. http://doi.org/10.1111/ilrf.12230.

Deléchat, Corinne C., et Leandro Medina. 2021. The Global Informal Workforce: Priorities for Inclusive Growth. Extrait en français sous le titre «Le travail informel dans le monde: priorités pour une croissance inclusive». Washington: Fonds monétaire international.

de Soto, Hernando. 1989. The Other Path: The Economic Answer to Terrorism. New York: Basic Books.

Elgin, Ceyhun. 2021. The Informal Economy: Measures, Causes, and Consequences, première édition. Abingdon: Routledge.

Feige, Edgar L. 2016. «Reflections on the Meaning and Measurement of Unobserved Economies: What Do We Really Know about the “Shadow Economy”?», Journal of Tax Administration, 2 (1): 5-40.

Frey, Bruno S., et Hannelore Weck-Hannemann. 1983. «Estimating the Shadow Economy: A “Naive” Approach», Oxford Economic Papers, 35 (1): 23-44. http://doi.org/10.1093/oxfordjournals.oep.a041582.

Gallien, Max, et Vanessa van den Boogaard. 2023. «Formalization and Its Discontents: Conceptual Fallacies and Ways Forward», Development and Change, 54 (3): 490-513. http://doi.org/10.1111/dech.12768.

Gallien, Max, Giulia Mascagni, Mick Moore, Giovanni Occhiali, Wilson Prichard, Fabrizio Santoro, Celeste Scarpini et Vanessa van den Boogaardet. 2023. «Pourquoi les campagnes d’enregistrement fiscal de masse ne fonctionnent-elles pas?», bulletin politique n^o 2. Brighton: Institute of Development Studies.

Guha-Khasnobis, Basudeb, Ravi Kanbur et Elinor Ostrom (dir.). 2006. «Beyond Formality and Informality», dans Linking the Formal and Informal Economy: Concepts and Policies, publ. sous la dir. de Basudeb Guha-Khasnobis, Ravi Kanbur et Elinor Ostrom, 1-18. Oxford: Oxford University Press.

Harris, John R., et Michael P. Todaro. 1970. «Migration, Unemployment and Development: A Two-Sector Analysis», The American Economic Review, 60 (1): 126-142.

Hart, Keith. 1973. «Informal Income Opportunities and Urban Employment in Ghana», The Journal of Modern African Studies, 11 (1): 61-89. http://doi.org/10.1017/S0022278X00008089.

Holland, Alisha C., et Calla Hummel. 2022. «Informalities: An Index Approach to Informal Work and Its Consequences», Latin American Politics and Society, 64 (2): 1-20. http://doi.org/10.1017/lap.2022.3.

Hussmanns, Ralf. 2001. «Informal Sector and Informal Employment: Elements of a Conceptual Framework», communication présentée lors de l’atelier OIT/WIEGO sur les statistiques de l’emploi informel en Amérique latine, 16-18 octobre 2001.

Hussmanns, Ralf. 2005. «Measuring the Informal Economy: From Employment in the Informal Sector to Informal Employment», ILO Working Paper No. 53. Genève: BIT.

Kirchgässner, Gebhard. 2017. «On Estimating the Size of the Shadow Economy», German Economic Review, 18 (1): 99-111. http://doi.org/10.1111/geer.12094.

La Porta, Rafael, et Andrei Shleifer. 2008. «The Unofficial Economy and Economic Development», NBER Working Paper No. 14520. Cambridge (États-Unis): National Bureau of Economic Research.

Lewis, W. Arthur. 1954. «Economic Development with Unlimited Supplies of Labour», The Manchester School, 22 (2): 139-191. http://doi.org/10.1111/j.1467-9957.1954.tb00021.x.

Mascagni, Giulia, Fabrizio Santoro, Denis Mukama, John Karangwa et Napthal Hakizimana. 2022. «Active Ghosts: Nil-Filing in Rwanda», World Development, 152 (avril): article n^o 105806. http://doi.org/10.1016/j.worlddev.2021.105806.

Meagher, Kate. 2022. «Crisis Narratives and the African Paradox: African Informal Economies, COVID-19 and the Decolonization of Social Policy», Development and Change, 53 (6): 1200-1229. http://doi.org/10.1111/dech.12737.

Medina, Leandro, et Friedrich Schneider. 2021. «The Evolution of Shadow Economies through the 21st Century», dans The Global Informal Workforce: Priorities for Inclusive Growth, publ. sous la dir. de Corinne C. Deléchat et Leandro Medina, 11-70. Washington: Fonds monétaire international. [Un extrait en français est disponible sous le titre «Le travail informel dans le monde: priorités pour une croissance inclusive»].

Moore, Mick. 2023. «Tax Obsessions: Taxpayer Registration and the “Informal Sector” in Sub-Saharan Africa», Development Policy Review, 41 (1): article n^o e12649. http://doi.org/10.1111/dpr.12649.

Neuwirth, Robert. 2011. Stealth of Nations: The Global Rise of the Informal Economy. New York: Pantheon books.

Ohnsorge, Franziska, et Shu Yu (dir.). 2022. The Long Shadow of Informality: Challenges and Policies. Washington: Groupe de la Banque mondiale.

OIT. 1975. Emploi, revenus et égalité: stratégie pour accroître l’emploi productif au Kenya. Genève: BIT.

OIT. 1992. Meeting of Experts on Labour Statistics, Geneva, 28 January–6 February 1992. Genève: BIT.

OIT. 1993. Rapport de la quinzième Conférence internationale des statisticiens du travail, Genève, 19-28 janvier 1993. Genève: BIT.

OIT. 2013. Mesurer l’informalité: manuel statistique sur le secteur informel et l’emploi informel. Genève: BIT.

OIT. 2019a. Femmes et hommes dans l’économie informelle: un panorama statistique, troisième édition. Genève: BIT.

OIT. 2019b. «Issues to be Addressed in the Revision of the Standards for Statistics on Informality», Working Group for the Revision of the Standards for Statistics on Informality. Genève: BIT.

OIT. 2023a. Women and Men in the Informal Economy: A Statistical Update. Genève: BIT.

OIT. 2023b. Résolution concernant les statistiques de l’économie informelle, 21^e Conférence internationale des statisticiens du travail. Genève: BIT.

OIT. 2024. «Note on the Implementation of Statistical Standards from the 19th, 20th and 21st ICLS through Household Surveys», ILO Statistics Department. Genève: BIT.

Peattie, Lisa. 1987. «An Idea in Good Currency and How it Grew: The Informal Sector», World Development, 15 (7): 851-860. http://doi.org/10.1016/0305-750X(87)90038-6.

Rogan, Michael. 2019. «Tax Justice and the Informal Economy: A Review of the Debates», WIEGO Working Paper No. 41. Manchester: Femmes dans l’emploi informel: globalisation et organisation.

Schneider, Friedrich. 2002. «The Size and Development of the Shadow Economies of 22 Transition and 21 OECD Countries», IZA Discussion Paper No. 514. Bonn: Institute for the Study of Labor.

Schneider, Friedrich. 2004. «The Size of the Shadow Economies of 145 Countries All Over the World: First Results over the Period 1999 to 2003», IZA Discussion Paper No. 1431. Bonn: Institute for the Study of Labor.

Schneider, Friedrich. et Dominik H. Enste. 2000. «Shadow Economies: Size, Causes, and Consequences», Journal of Economic Literature, 38 (1): 77-114. http://doi.org/10.1257/jel.38.1.77.

Teal, Francis. 2023. «Firm Size, Employment and Value Added in African Manufacturing Firms: Why Ghana Needs Its 1%», Journal of African Economies, 32 (2): 118-136. http://doi.org/10.1093/jae/ejab015.

Ulyssea, Gabriel. 2020. «Informality: Causes and Consequences for Development», Annual Review of Economics, 12 (1): 525-546. http://doi.org/10.1146/annurev-economics-082119-121914.

WIEGO (Femmes dans l’emploi informel: globalisation et organisation). 2020. «Rethinking Formalization», WIEGO Blog. https://www.wiego.org/rethinking-formalization.

Williams, Colin C. 2015. «Une typologie des économies selon les dimensions de l’emploi dans l’économie informelle», Revue internationale du Travail, 154 (3): 365-386. http://doi.org/10.1111/j.1564-9121.2015.00257.x.

Williams, Colin C. 2023. A Modern Guide to the Informal Economy. Cheltenham: Edward Elgar Publishing Limited.