Les banques des pays en développement refusent souvent de prêter aux pauvres, car elles n’ont pas de crédit, ou à des taux prohibitifs, ce qui permet à de nombreuses personnes de ne jamais sortir du cercle vicieux de la pauvreté.
Natalia Rigol est candidate au doctorat en économie au MIT avec une pensée novatrice. Est-il possible, se demande-t-elle, d'utiliser les informations de la communauté pour créer une notation de crédit informelle afin d'aider les banques ou les institutions de microfinance à décider à qui prêter de l'argent? Rigol a lancé un projet pilote en Inde cet été, et elle lance actuellement une étude beaucoup plus vaste portant sur quelque 1 500 propriétaires de petites entreprises situées dans des communautés pauvres en Inde.
Parlez-nous un peu de votre parcours et comment vous êtes inspiré pour devenir économiste?
Je suis originaire de Cuba. J'ai donc vécu à Cuba jusqu'à l'âge de 9 ans et commencé mes études là-bas. À l'âge de 9 ans, j'ai déménagé en Russie et y ai vécu pendant deux ans, puis en République tchèque pendant deux ans. Je suis arrivé aux États-Unis à l'âge de 13 ans et j'ai fait mon collège au lycée en Floride. Je suis allé faire mes études de premier cycle à Harvard et mon doctorat au MIT, où je suis depuis cinq ans. Lorsque j'étais étudiant, j'ai commencé à travailler avec un mentor - l'économiste Rohini Pande - à Harvard. C’est elle qui m’a intéressée à la microfinance et à la problématique hommes-femmes, qui sont les domaines sur lesquels je me concentre actuellement.
A quoi ça ressemble de travailler en Inde?
Les problèmes de pauvreté en Inde sont extrêmement frappants. L'Inde est un endroit formidable [pour faire de la recherche] car c'est un endroit où se dirigent beaucoup de pays. Les gens pensent que la Chine est un pays exemplaire, mais l'Inde ressemble beaucoup plus à ce à quoi les pays pauvres vont ressembler, en termes de très grande inégalité de revenus. C'est un endroit où vous pouvez réfléchir aux problèmes de pauvreté et apprendre réellement.
Parlez-nous de votre projet actuel.
Un gros problème qui existe dans le financement des pauvres est que, avec les pauvres, vous n’avez pas beaucoup d’informations à leur sujet. Si vous pensez à la finance dans les pays développés, aux États-Unis, vous pouvez vous adresser à American Express et American Express disposera d'informations fiables sur Natalia Rigol - à quoi son épargne ressemble-t-elle, son pointage de crédit. Une entreprise qui va faire un prêt à Natalia Rigol dispose de nombreuses informations. Mais dans les pays en développement, rien de tel. En Inde, ils ne reçoivent que maintenant les numéros de sécurité sociale des personnes. Une banque n'a pas beaucoup d'informations sur les pauvres. Si une banque ne dispose pas d'informations sur les pauvres, un moyen d'obtenir un prêt consiste à constituer une garantie. Mais bien sûr, les pauvres n’ont pas cela. Il est très difficile pour les banques de faire la différence entre Natalia et Emily. Nous nous ressemblons. En fin de compte, la banque décide d’imposer des taux d’intérêt élevés, car elle prend un risque. La question qui m'intéresse est la suivante: existe-t-il un outil que nous pouvons développer pour aider les banques à différencier Natalia et Emily?
Comment cela pourrait-il fonctionner?
J'ai pensé à utiliser les informations disponibles dans les communautés. Surtout dans un pays comme l'Inde, les gens vivent dans les réseaux sociaux. Ce n'est pas comme aux États-Unis où vous vivez dans une maison et ne connaissez peut-être pas vos voisins. Le projet tente de comprendre si les gens ont des informations les uns sur les autres qu'un établissement de crédit jugerait utiles pour faire la différence entre Natalia et Emily. Je vais dans une communauté et demande aux gens de me parler de Natalia et Emily et de différentes informations sur Natalia et Emily - des questions sur, par exemple, l’éthique du travail, l’intelligence, le sens des affaires. Qui va être le plus productif? Qui va développer son entreprise le plus? Il semble que les communautés sachent qui est très capable.
Comment fonctionne le processus de collecte d'informations?
Nous menons d’abord une interview en privé pour chaque ménage de leur domicile. Ici, nous recueillons une tonne d'informations sur le ménage, les affaires et les capacités personnelles d'une personne. Nous utiliserons certaines de ces données pour vérifier si les membres de la communauté se connaissent bien les uns les autres, car ils sont effectués avant que quiconque ne sache quoi que ce soit sur le fait qu'ils vont classer leurs pairs. Nous invitons ensuite des groupes de cinq membres [amis et voisins] dans une salle où ils dirigent notre "jeu de classement". En fonction de la randomisation, ils les mènent en présence d'autres personnes ou seuls, et on leur dit si leurs informations seront utilisées pour allouer des subventions ou non et si elles recevront des incitatifs ou non. À la fin de ce jeu, nous organisons une loterie pour sélectionner les gagnants des subventions. Nous menons ensuite des entretiens de suivi pour mesurer les changements de la richesse des entreprises et des ménages et utilisons ces données pour valider si les membres de la communauté pouvaient prédire la croissance des activités.
Les membres de la communauté remplissent le sondage de Rigol. (Natalia Rigol) Quelles questions posez-vous?
Lors du premier entretien, nous demandons des informations sur les activités de travail de tous les membres du ménage, des informations très détaillées sur toutes les entreprises du ménage, des questions psychométriques avec les propriétaires d'entreprise et de nombreuses questions sur la richesse, la santé et le bien-être général.
Comment vous assurez-vous que les gens vous disent la vérité sur leurs amis et leurs voisins?
Si vous vous rendez dans une communauté et posez des questions, et que les gens savent que les informations vont être utilisées pour allouer des subventions relativement importantes, il est possible qu'ils mentent. Nous avons beaucoup de données pilotes qui suggèrent que les gens mentent s'ils sont incités à mentir. Je veux savoir comment amener les gens à nous dire la vérité.
La manière la plus efficace de le faire est d’octroyer aux gens des incitations financières pour obtenir leurs réponses. Nous offrons un incitatif plus élevé pour dire la vérité. Nous utilisons une règle de paiement par les pairs, le sérum Bayesian Truth, développé par Drazen Prelec ici au MIT. Selon la règle, nous demandons aux gens quelles sont leurs croyances de premier ordre - de classer les personnes par ordre de profits les plus élevés - et leurs convictions de deuxième ordre - combien de personnes dans la communauté diraient qu'Emily serait classée comme la plus haute? Combien diraient-ils qu'elle serait classée au deuxième rang, et ainsi de suite? Nous payons les gens en fonction de leurs convictions de premier et de second ordre. Il est facile de payer pour des croyances de second ordre: nous voyons combien de personnes, à leur avis, classeraient Emily au premier rang, puis combien de personnes ont-elles effectivement classé Emily au premier rang. Payer pour des convictions de premier ordre est la partie difficile. La règle fonctionne en payant des montants plus élevés aux personnes qui donnent des réponses "étonnamment communes", ce qui signifie que la croyance de premier ordre est plus répandue dans la population que ne le prévoyaient les croyances de deuxième ordre. Prelec a prouvé que cette règle de paiement incitatif est véridique: il est préférable que les gens disent la vérité sur ce qu'ils savent plutôt que de mentir. Il existe également des expériences de laboratoire avec des étudiants qui confirment les propriétés de cette règle.
Combien coûtent les subventions? Et comment ce type de subvention ou de microcrédit peut-il aider les membres d'une communauté pauvre?
Les subventions sont de 100 $, ce qui est vraiment une somme énorme pour cette population. Cela représente environ 30% du capital d'un propriétaire d'entreprise. D'autres études montrent que les microentrepreneurs sont vraiment productifs. Vous leur donnez 100 dollars et leurs profits augmentent de 50% deux ou trois ans plus tard et continuent d’être plus élevés. En termes d'impacts: la consommation des personnes augmente, leur santé s'améliore. Avec 100 dollars, votre mari peut avoir n'importe quelle opération et retourner au travail, tandis que l'absence de ces 100 dollars signifie que vous êtes littéralement dans une pauvreté abjecte.
Quels sont vos projets pour l'avenir de ce projet?
Nous faisons une enquête de base et nous le ferons en décembre ou en janvier. Ensuite, nous allouerons des subventions de manière aléatoire pour déterminer si les communautés ont été en mesure de prédire les résultats ou non. Nous allons probablement suivre les gens pendant un à deux ans pour voir l'évolution de leurs entreprises et des revenus de leur ménage, et voir comment les informations sur la communauté le prédisent. Nous travaillons avec une institution de microfinance très intéressée par ce projet. La prochaine étape, si cela fonctionne, serait de voir comment ils pourraient l'intégrer dans leurs opérations.
