1 L’inclusion financière par la téléphonie mobile que l’on appelle parfois mobile-banking (m-banking) a connu une expansion remarquable dans les pays en développement ces dernières années. Depuis le succès du M-Pesa au Kenya [3] la plus célèbre plateforme de transfert d’argent par téléphonie mobile, l’utilisation du téléphone portable pour accroître l’accès aux services financiers a occupé une place incontournable dans les stratégies nationales et internationales d’inclusion financière au Sud. En complément des services bancaires classiques disponibles pour une frange très limitée de la population et des services de microfinance destinés à une partie considérable des populations défavorisées, le m-banking constitue une innovation technique majeure pour l’élargissement de l’accès aux services financiers (Lin, 2011 ; Assadi et Cudi, 2011). L’importance des travaux menés par la Banque mondiale ces dernières années sur cette thématique en constitue la preuve matérielle. Cet engouement pour le m-banking s’explique notamment par l’ampleur du phénomène d’exclusion financière au niveau mondial, mais surtout dans les pays du Sud. Selon la Banque mondiale, plus de la moitié de la population des jeunes au niveau mondial n’a pas accès aux services financiers formels, et ce, en dépit des efforts considérables faits pour accroître la portée des banques, des assurances et des institutions de microfinance (Demirgüç-Kunt et al., 2015 ; World Bank, 2014). Le phénomène est encore plus aigu en Afrique subsaharienne (Guérineau et Jacolin, 2014) où en moyenne moins de 40 % de la population a accès aux services financiers (Demirgüç-Kunt et Klapper, 2012). Au même moment, plus de 80 % de la population en Afrique subsaharienne dispose d’un téléphone portable, ce qui explique l’engouement des autorités publiques et des partenaires au développement confortés naturellement par le success story du M-Pesa.

2 L’offre de services financiers par téléphone portable constitue une nouvelle étape dans la fourniture de services financiers aux pauvres. Après le microcrédit et la microfinance, la fourniture de services financiers aux pauvres repose aujourd’hui sur le paradigme de la finance inclusive. Celle-ci se fonde sur la complémentarité des différents dispositifs d’inclusion financière dont le plus récent est le mobile-banking. Ce dernier est défini différemment selon les contextes et les auteurs, certains l’utilisant dans un sens large (Fall, Ky et Birba, 2015 ; Shaikh et Karjaluoto, 2015 ; Anderson, 2010 ; Porteous, 2007), d’autres, dans un sens strict. Au sens strict il désigne l’offre de services financiers formels à travers le téléphone portable. Au sens large, le dispositif peut intégrer les services de paiement (m-payment), de transferts (m-transferts), les services de banque par internet (i-banking) et autres services rendus par le téléphone portable (Lin, 2011, 252). Le concept de banque électronique ou digitale est de plus en plus utilisé pour désigner à la fois la banque par internet et le mobile-banking. Nous adoptons dans cet article la définition de Porteous (2007) qui considère le m-banking comme l’offre de services bancaires classiques comme l’épargne et le crédit, mais aussi de services de paiement et de transfert par un support de téléphonie mobile.

3 Récemment, une littérature foisonnante s’est développée sur cette innovation (Alalwan et al., 2017 ; Afshan et Sharif, 2016 ; Malaquias et Hwang, 2016 ; Fall et al., 2015 ; Shaikh et Karjaluoto, 2015 ; Hanafizadeh et al., 2014 ; Mishra et Bisht, 2013), mais les travaux concernent très peu l’Afrique de l’Ouest et n’ont pas accordé assez d’importance au rôle que jouent les facteurs socio-économiques (Fall et al., 2015). Les facteurs technologiques d’adoption du mobile-banking ont été largement étudiés (voir Shaikh et Karjaluoto, 2015 2010 ; Mishra et Bisht, 2013 ; Lin, 2011 ; Schierz et al., 2010 ; Lee et Chung, 2009). Toutefois, il importe de noter qu’au-delà des facteurs purement techniques, les caractéristiques socio-économiques comme le genre, le niveau de ressources, le type d’activité économique mené, le niveau d’étude, etc., sont autant de facteurs importants dans la dynamique d’adoption du m-banking (Laukkanen, 2016 ; Fall et al., 2015 ; Mbiti et Weil, 2015 ; Riquelme et Rios, 2010 ; Laforet et Li, 2005). Au Sénégal, l’expansion du m-banking a été spectaculaire depuis les expériences récentes de Orange Money et Yobantel, les deux premières plates-formes de m-banking du pays. Un des leviers phares du développement de cette innovation réside dans la forte pénétration de la téléphonie mobile. En 2009, le Sénégal avait un taux de couverture [4] de 55 %, ce qui dépassait la moyenne africaine estimée à 37,5 %, et correspondait au double des pays les moins avancés, dont la moyenne était estimée à 25 %. Selon l’Autorité de régulation des télécommunications et des postes (ARTP), le taux de couverture s’élevait à 107,52 % (avec 16 403 402) en septembre 2018. Deux modèles de m-banking existent au Sénégal. Le premier est le modèle opérateur téléphonique mis en place par Orange, principal opérateur de téléphonie mobile dans ce pays. Le second est le modèle institution financière mis en place par la BICIS, l’une des plus grandes banques du Sénégal. L’émergence et le développement remarquable du mobile-banking soulèvent des interrogations sur les caractéristiques des usagers. Une question fondamentale est de savoir quels sont les principaux déterminants de l’adoption de cet outil ? Traiter cette question permet non seulement d’apporter des réponses-clés sur les caractéristiques de la demande de services digitaux, mais également de mieux guider les politiques économiques en matière d’inclusion financière par la téléphonie mobile. Cependant, cette question a été largement ignorée dans la littérature (Fall et al., 2015), notamment au Sénégal, en dépit de l’ampleur de l’exclusion financière dans ce pays et de ses implications au plan socio-économique (Bryson et Atwal, 2013).

4 L’objet de cet article est de mettre en évidence les facteurs socio-économiques qui expliquent l’adoption du m-banking à partir de données collectées sur les ménages dans la banlieue de Dakar. Nous utilisons les données de la première phase de l’enquête “Adoption et impact du m-banking dans les ménages à faible revenu : une étude expérimentale dans la banlieue dakaroise au Sénégal”, réalisée en 2012 par une équipe du Consortium pour la recherche économique et sociale (CRES) [5]. Nous utilisons une analyse descriptive et un modèle logistique afin de mettre en évidence les déterminants de l’adoption du m-banking. Les résultats montrent que le sexe, le niveau d’étude, le fait d’avoir un emploi, le fait de savoir lire et écrire, ainsi que le fait d’être bancarisé influencent positivement la probabilité d’adoption du m-banking. En revanche, le fait d’être encore à l’école et le revenu par tête ont une influence négative.

5 Cet article est l’un des rares travaux sur l’analyse de l’adoption du m-banking au Sénégal. Il renforce les travaux existants sur les facteurs socio-économiques qui influencent l’adoption du m-banking dans le contexte particulier de ce pays et de l’Afrique de l’Ouest de façon plus globale. En dehors de Fall et al. (2015) et Bryson et Atwal (2013) [6], concernant la banque par internet, aucune recherche, à notre connaissance, n’a été conduite sur ce sujet au Sénégal. Aussi, contrairement à la littérature dominante qui s’inscrit dans une approche de marketing digital, l’analyse faite ici s’inscrit dans une approche de développement, et notamment de l’inclusion financière.

6 L’article est organisée de la manière suivante : dans un premier temps, nous faisons une revue de la littérature sur les déterminants de l’adoption du m-banking (partie 1) ; ensuite, nous exposons la méthodologie utilisée (partie 2), puis nous déclinons le profil des utilisateurs du m-banking ; enfin, nous présentons les résultats du modèle logistique et les effets marginaux calculés (partie 4).

1. LES DÉTERMINANTS DE L’ADOPTION DU M-BANKING : UNE REVUE DE LA LITTÉRATURE

7 Une abondante littérature empirique a été conduite ces dernières années sur le thème du mobile-banking (Choudrie et al., 2018 ; Koksal, 2016 ; Singh et Srivastava, 2018 ; Shareef et al., 2018 ; Malaquias et al., 2018 ; Chiu et al., 2017 ; Afshan et Sharif, 2016 ; Malaquias et Hwang, 2016 ; Laukkanen, 2016 ; Fall et al. 2015 ; Shaikh et Karjaluoto, 2015 ; Hanafizadeh et al., 2014,…). Pour l’essentiel, ces travaux ont porté davantage sur l’analyse des facteurs techniques d’adoption et sur la perception des individus, et beaucoup moins sur les facteurs socio-économiques.

8 Comme en témoigne la bibliographie, ce champ de recherche est principalement dominé par les travaux en marketing bancaire. D’ailleurs, très peu de travaux sur le mobile-banking ont été publiés dans des revues d’économie du développement. Il convient de souligner que les travaux sur l’adoption du mobile-banking ont été assez peu menés dans une perspective d’inclusion financière et de lutte contre la pauvreté. Aussi, une large partie de ces travaux a été menée dans le contexte asiatique, est-européen et au Kenya [7]. Cette littérature a donc pris deux directions principales (Fall et al., 2015).

9 La première, qui est la plus significative, réside dans l’analyse des déterminants technologiques de l’adoption. Les travaux qui s’inscrivent dans cette direction ont porté leur attention sur l’analyse des caractéristiques de l’offre dans la dynamique d’acceptation du m-banking. L’idée centrale dans ces travaux est de mettre en évidence l’impact des caractéristiques intrinsèques de la technologie sur le fait ou l’intention de l’individu d’adopter le m-banking ou sur sa perception du service. Ces travaux s’inscrivent dans une dimension davantage marketing et se sont beaucoup appuyés sur le cadre théorique de la diffusion de l’innovation de Rogers (1995) et de la théorie de l’acceptation technologique de Davis (1989). Shaikh et Karjaluoto (2015) fournissent une revue très détaillée de la littérature sur cette question. Une méta-analyse récente réalisée sur l’adoption du m-banking fait ressortir 57 travaux portant essentiellement sur le rôle déterminant des facteurs techniques, dont aucune ne concerne l’Afrique de l’Ouest (Baptista et Oliveira, 2016). Cette littérature a mis souvent en évidence la qualité du système, la qualité de l’information et la qualité de l’interface du système (Lee, Hsieh et Hsu, 2011) comme déterminants clés de l’adoption. Il ressort de même que la facilité d’utilisation de la technologie est un déterminant clé de l’acceptation et de l’utilisation (Hanafizadeh et al., 2014 ; Oliveira et al., 2014 ; Nasri et Charfeddine, 2012 ; Lin, 2011). Les travaux ont par ailleurs mis en évidence l’importance de la sécurité, de la confiance et du coût d’utilisation dans le choix des individus (Hanafizadeh et al., 2014 ; Nasri et Charfeddine, 2012 ; Lin, 2011). L’adoption dépend aussi de la perception que les individus se font du risque. Brown et al. (2003), avec le modèle de diffusion de l’innovation de Rogers (1995), ont trouvé que la perception du risque ainsi que les besoins en services financiers sont les principaux facteurs explicatifs de l’acceptation du m-banking en Afrique du Sud. Lorsque cette littérature se focalise sur la demande, c’est essentiellement pour analyser la perception des individus sur cette innovation et le rôle que peuvent jouer les facteurs culturels et sociaux dans les différences de perception et d’attitude à l’égard du m-banking (Alalwan et al., 2017 ; Frimpong et al., 2017 ; Makanyeza, 2017 ; Sampaio et al., 2017 ; Chawla et Joshi, 2017 ; Bryson et al., 2015 ; Sohail et Al-Jabri, 2014 ; Bryson et Atwal, 2013 ; Al-Jabri et Sohail, 2012 ; Chian-Son, 2012 ; Crabbe et al., 2009).

10 La seconde direction prise par la littérature empirique concerne l’analyse des déterminants socio-économiques des individus dans leur choix du m-banking. Les travaux de cette littérature ont tenté, en général, à travers des modèles logit et probit, de mettre en évidence l’impact des caractéristiques de l’individu, de sa famille et de son environnement social et physique sur sa capacité et sa volonté à adopter le m-banking. Les travaux de cette vague sont à ce jour très limités. Fall et al. (2015) ont récemment fait une étude sur les déterminants de l’adoption du m-banking dans la banlieue dakaroise (Sénégal), à travers un modèle logit séquentiel. Ces derniers s’intéressent davantage au processus d’acceptation, ce qui n’est pas le cas dans la présente étude où l’analyse est axée simplement sur les déterminants de la détention d’un compte m-banking. Zins et Weill (2016), en étudiant globalement les déterminants de l’inclusion financière, ont analysé les facteurs explicatifs de l’adoption du mobile-banking en Afrique. Ils trouvent que le mobile-banking est conduit par les mêmes déterminants que la banque traditionnelle, dans la mesure où tous les individus avaient les mêmes liens avec les deux formes de services bancaires. Leurs résultats montrent que le genre, le revenu et le niveau d’éducation sont des déterminants-clés des services financiers mobiles. Laukkanen (2016) a étudié récemment le rôle des facteurs démographiques dans l’acceptation du mobile et de l’Internet banking [8], à travers un modèle logit sur un échantillon large de 1 736 consommateurs. Il trouve que le genre et l’âge sont des prédicateurs très significatifs de la décision d’adoption. De même, l’étude menée par Laforet et Li (2005) sur la Chine révèle que les hommes sont plus utilisateurs du m-banking que les femmes. Cette étude montre que les utilisateurs ne sont pas forcément des personnes jeunes et bien instruites. Laforet et Li (2005) trouvent aussi que le manque de compréhension des avantages offerts par le m-banking, ainsi que la culture chinoise, constituent des barrières majeures à l’acceptation. Riquelme et Rios (2010) se sont intéressés au rôle modérateur joué par le genre dans la décision d’adoption du m-banking à Singapour. Sur un échantillon de plus de 600 utilisateurs de banque électronique, ils tentent de mettre en évidence les facteurs explicatifs de l’acceptation du m-banking. Ils trouvent que les normes sociales sont importantes dans l’adoption du m-banking, et que leur influence est plus importante chez les femmes que chez les hommes. Bankole et al. (2011) ont analysé les facteurs qui déterminent l’adoption du m-banking au Nigéria, à travers un échantillon de 231 individus. Leurs résultats montrent que la culture est le facteur le plus explicatif dans ce contexte. Kazi et Mannan (2013) ont étudié les facteurs qui encouragent ou découragent l’usage du m-banking au Pakistan. Ils mettent en évidence le rôle majeur que joue la culture dans l’intention d’utilisation des individus.

11 Sur la base de cette littérature (Zins et Weill, 2016 ; Laukkanen, 2016 ; Fall et al., 2015 ; Riquelme et Rios, 2010, etc.), nous formulons quelques hypothèses sur la relation entre l’adoption du m-banking et les caractéristiques socio-économiques de l’individu.

12 Notre première hypothèse est que la probabilité d’adoption du m-banking est plus importante chez les hommes que chez les femmes. La supériorité des hommes est un résultat courant dans la littérature sur l’adoption technologique et c’est le cas dans les travaux actuels sur le m-banking (voir Zins et Weill, 2016 ; Laukkanen, 2016 ; Riquelme et Rios, 2010).

13 Notre deuxième hypothèse est que l’adoption du m-banking est plus importante chez les individus instruits et qui disposent d’un certain niveau d’éducation. L’utilisation du mobile banking nécessitant de savoir lire et écrire, nous estimons que l’acceptation de cette innovation est plus facile chez les individus instruits que chez les non instruits.

14 Notre troisième hypothèse est que l’adoption du m-banking est plus importante chez les individus qui ont un emploi et qui disposent d’un certain niveau de revenu. Dans le contexte ouest-africain, le m-banking est davantage utilisé pour le paiement des factures (eau, électricité, etc.) et pour le transfert d’argent. Ces types d’usage sont le fait d’individus qui disposent de revenus et qui ont des responsabilités au sein des ménages.

15 Nous formulons une quatrième hypothèse sur le lien entre l’adoption du m-banking et la bancarisation. Compte tenu de la nouveauté du m-banking au Sénégal, nous faisons l’hypothèse que son acceptation est plus importante chez les individus déjà bancarisés. En effet, ces derniers disposent d’une meilleure connaissance des services financiers, ce qui peut les placer plus facilement en situation de confiance face à ce genre d’innovation. Aussi, ces individus connaissent mieux l’utilité du m-banking que les individus non bancarisés.

2. Méthodologie de l’étude et données utilisées

2.1 Méthodologie de l’étude

16 On considère un individu i qui dispose d’un revenu R qu’il doit dépenser à la consommation d’un ensemble de biens et services. Ces derniers sont regroupés en deux groupes : les biens composites(x) de prix unitaire p_x et les services de m-banking (m) de prix unitaire p_m. L’utilité de ce consommateur est donnée par la fonction U_i qu’il doit maximiser sous contrainte de son revenu R_i. On fait l’hypothèse que la fonction d’utilité U_i est une fonction linéaire de x et de m et peut donc s’écrire sous la forme U_i = U(x_i,m_i,) = U_x(x_i) + U_m(m_i)_. Deux situations possibles se présentent après maximisation de sa fonction d’utilité :

17

• Le consommateur choisit un panier de biens contenant le m-banking et des biens composites. Autrement dit, il décide d’intégrer le m-banking dans son choix de consommation. Dans ce cas-ci, sa fonction d’utilité s’écrit U_i = U(x_i,m_i,) = U_x(x_i)+ U_m(m_i) avec U_x>0 et U_m>0.
• Le consommateur choisit un panier de biens ne contenant que des biens composites. Autrement dit, il décide de ne pas intégrer le m-banking dans son choix de consommation. Dans ce cas-ci son utilité s’écrit U_i = U(x_i,m_i,) = U_x(x_i).

18 Par rapport à ces deux situations, on voit que l’individu est plus disposé à utiliser le m-banking lorsque l’utilité générée par celui-ci (U_m) dépasse un certain seuilα . L’utilité U_m susceptible d’être produite par l’utilisation du m-banking pour le consommateur est perçue ici comme une variable latente, inobservable qui est fonction des caractéristiques individuelles du consommateur et de celles de son ménage, d’où la relation suivante : U (m_i ) = X_i β + μ_i . Cette utilité est fortement corrélée à la décision de l’individu à utiliser le m-banking. De ce fait, modéliser le comportement d’adoption du m-banking d’un individu revient à modéliser la probabilité que l’utilité qu’il en tire dépasse un certain seuil, connaissant les caractéristiques personnelles et l’environnement socio-économique de l’individu. L’expression de cette probabilité d’adoption du m-banking est ainsi formulée :

P (M = 1) = P (U (m) > α) = P (X β + μ > α) = P (μ > α − X β) = F (α − X β)
i i ii i i ij
(1)

M_i {10l^'Siinndoinvidu i dispose d^'un compte orange money

19 F étant la fonction de répartition de la loi suivie par la variable aléatoire μ_i qui correspond à la fonction logistique, dans notre cas dont la spécification est .

20 Le terme β désigne le vecteur des coefficients des différentes variables expliquant la consommation de services de m-banking,_Xi les caractéristiques de l’individu et celles de son ménage ; le terme μ_i représente l’erreur aléatoire dont est entachée la relation supposée entre le niveau d’utilité et les variables explicatives retenues.

21 Pour mettre en évidence les facteurs explicatifs, nous avons utilisé une approche descriptive en plus du modèle économétrique logistique. Dans l’analyse descriptive, nous avons tenté de mettre en évidence le profil des utilisateurs du m-banking et avons fait le croisement entre caractéristiques des individus et taux d’adoption du m-banking.

22 Dans un premier temps, nous faisons ce croisement pour l’ensemble des individus de la base, ce qui nous permet de voir, non seulement le taux d’adoption global du m-banking au sein de la population enquêtée, mais aussi d’identifier les caractéristiques pour lesquelles l’acceptation est faible ou forte. Ensuite, nous isolons les individus qui disposent d’un compte m-banking afin de mieux voir les caractéristiques dominantes des individus qui utilisent l’innovation. Dans l’analyse économétrique, nous régressons certaines caractéristiques socio-économiques des individus sur la probabilité d’adoption du m-banking. Nous calculons, par ailleurs, les effets marginaux, par rapport à la probabilité d’acceptation du m-banking.

2.2 Données et variables de l’étude

23 Les données utilisées dans cette étude sont celles de la première phase du projet de recherche intitulé “Adoption et impact de l’utilisation du mobile-banking sur le bien être des ménages et les performances des très petites entreprises : une approche expérimentale dans la banlieue de Dakar au Sénégal”, un projet d’expérimentation sur le m-banking exécuté par un groupe de chercheurs du CRES en 2012. Ce projet de recherche avait pour objet l’impact de l’utilisation du m-banking sur les conditions de vie des ménages et sur les performances des petites et moyennes entreprises. Globalement, cette enquête consistait à tirer un échantillon principal de 900 ménages répartis en deux sous-échantillons : un échantillon expérimental et un échantillon de contrôle. Dans chaque ménage, plusieurs personnes sont enquêtées. Des informations sur les caractéristiques socio-économiques ont été collectées avant et après le traitement, donnant lieu à deux bases de données sur le m-banking. La base de données que nous utilisons ici porte sur 8 078 individus. Elle renseigne sur les caractéristiques socio-économiques des individus enquêtés et sur leur rapport avec le m-banking.

24 L’ensemble des variables utilisées pour l’analyse descriptive et le modèle logistique est consigné dans le tableau 1. Le choix définitif des variables du modèle logistique est conforté par le test de comparaison fait sur les vecteurs de variables explicatives. Ce test est un test de Hotelling [9] qui permet de savoir si le groupe de ceux qui adoptent le m-banking est semblable, ou non, au groupe des non-adoptants. La statistique de Fisher affichée par ce test est élevée (F(15,4125) = 97743 ou Prob > F(15,4125) = 0.0000), ce qui permet de rejeter sans ambiguïté l’hypothèse nulle d’égalité des vecteurs des moyenne des deux groupes, conduisant ainsi à discriminer les deux groupes avec le vecteur de variables. Ce test confirme donc la pertinence du bloc de variables explicatives retenues pour la modélisation des déterminants de l’adoption du m-banking.

Tableau 1

Statistiques descriptives des variables utilisées dans le modèle

Variables	Modalités	Effectifs	Possession d'un compte m-banking (N=166)	Résultat du test d’Hotelling (en %)
			(en %)	Possède un compte m-banking	Ne possède pas un compte m-banking
Avoir un Emploi	Non	3 065	1,6
	Oui	2 656	4,1	68,35	42,30
Savoir lire et écrire	Non	2 700	1,2
	Oui	3 936	3,4	80,58	54,72

Niveau d'étude	Aucun	1 783	1,3	27,34	29,41
	Primaire	2 331	1,8	42,45	30,68
	Secondaire	2 085	3,6	12,23	4,45
	Supérieur	264	6,4	3,60	4,35
	Autre	259	2,3	3,60	4,35
Est à l'école	Non	4 622	3,0
	Oui	2 167	1,1	12,95	24,44
Statut matrimonial	Marié	2 520	3,3
	Célibataire	4 637	1,6	41,73	55,37
	Veuf (ve)	244	1,6	2,16	3,77
	Divorcé(e)	176	2,8	3,60	2,60
Possession d’un compte en microfinance	Non	5 174	2,3
	Oui	616	6,6	28,78	9,37
Participation à une tontine	Non	5 178	2,4
	Oui	517	4,7	17,27	9,32
Possession d'un compte bancaire	Non	5 469	2,1
	Oui	431	8,6	21,58	5,97
Sexe	Féminin	3 985	1,7
	Masculin	4 231	2,3	61,15	49,28
Tranche d'âge	16-25ans	1 874	1,7	44,85	26,11
	26-35ans	1 423	4,9	19,12	17,14
	36-45ans	882	3,4	12,50	10,87
	46-55ans	588	3,2	4,41	7,63
	56-65ans	411	2,2	1,47	3,09
	66-75ans	168	1,8	44,85	26,11

Statistiques descriptives des variables utilisées dans le modèle

3. L’analyse descriptive du profil des utilisateurs du m-banking

25 Le tableau 2 présente les caractéristiques des détenteurs d’un compte m-banking, donc celles du groupe ayant adopté l’innovation. Pour l’essentiel, ces individus ont un emploi (69 %), ils savent lire et écrire (81 %) et ils ne fréquentent plus l’école (85 %). La proportion d’élèves ou d’étudiants qui utilisent ce service est faible (15 %). On note une forte exclusion financière des individus qui utilisent le m-banking : 71,9 % d’entre eux ne disposent pas d’un compte dans la microfinance, qui est pourtant le secteur de prédilection des populations à faible revenu. Les usagers des services m-banking sont majoritairement des hommes (59,4 %). La majorité d’entre eux (45,7 %) a atteint le niveau secondaire. On voit que l’instruction n’est pas une condition sine qua non à l’usage du m-banking : une proportion non négligeable des détenteurs de compte m-banking (14 %) n’a aucun niveau scolaire.

Tableau 2

Caractéristiques des détenteurs d’un compte m-banking (2012, en %)

Sexe
Masculin	59,4
Féminin	40,6
Niveau d'étude
Aucun niveau	14,0
Primaire	26,2
Moyen et Secondaire	45,7
Supérieur	10,4
Autre	3,7
Situation matrimoniale
Polygame	12, 6
Marié monogame	35,8
Célibataire	44,2
Veuf (ve) ou Divorcé(e)	7,4
Emploi
Oui	68,8
Non	31,2
Savoir lire et écrire
Oui	80,6
Non	19,4
Fréquente l'école actuellement
Oui	14,8
Non	85,2
Dispose d'un compte dans une institution de microfinance (IMF)
Oui	28,1
Non	71,9
Participation à une tontine
Oui	16,4
Non	83,6
Total (N=166)	100,0

Caractéristiques des détenteurs d’un compte m-banking (2012, en %)

26 L’analyse des statistiques descriptives du tableau 1 nous permet d’affiner l’analyse sur le profil des détenteurs du m-banking. Contrairement au tableau 2 qui porte uniquement sur la population ayant adopté le m-banking, les statistiques descriptives du tableau 1 concernent l’ensemble des individus de l’échantillon. Il donne l’information sur le taux d’adoption dans chaque catégorie d’individu. Sur l’ensemble de la population, il ressort que le taux d’adoption du m-banking est extrêmement faible. Il ressort également que l’adoption du m-banking est plus importante chez les individus qui savent lire et écrire et chez les individus qui ont un emploi. Le taux de possession du m-banking est de 3,4 % dans la population sachant lire et écrire contre seulement 1,2 % dans la population ne sachant ni lire ni écrire. Le taux de possession est de 4,1 % dans la population avec un emploi, contre 1,6 % dans celle sans emploi. Le taux de possession augmente avec le niveau d’étude. Il est de 6,4 % dans la population ayant atteint le niveau d’étude supérieur, contre 3,6 % dans celle ayant un niveau d’étude secondaire, 1,8 % pour le niveau primaire et 1,3 % pour les non-instruits. Ceci vient conforter l’idée que l’adoption du m-banking est plus importante avec le niveau d’instruction, bien que l’on puisse y avoir accès sans instruction. La population qui utilise le m-banking est essentiellement une population qui n’est plus en études. Le taux de possession du m-banking est de 1,1 % chez la population étant à l’école, contre 3 % chez celle n’étant plus à l’école. Ceci est plutôt cohérent, quand on sait que la population en étude est constituée généralement de jeunes, qui ne sont pas encore sur le marché du travail. Il s’agit d’une population qui n’a pas de charges familiales et qui ne s’occupe pas du paiement des factures de scolarité, d’eau et d’électricité, etc. Intuitivement, ces résultats semblent indiquer que le m-banking est utilisé davantage par des individus actifs et pour des raisons économiques. Toutefois, cette simple analyse descriptive ne permet pas d’attester cela. Une régression économétrique nous permettra de dire si cela est avéré, ce que nous réaliserons plus loin. Cette idée semble se confirmer dans les statistiques sur le croisement entre la possession et le statut matrimonial. Le taux de possession est de 3,3 % chez les mariés, contre 1,6 % chez les célibataires, 1,6 % chez les veufs (ves) et 2,8 % chez les divorcés. Selon le sexe, le taux de possession est plus important chez les hommes (2,3 % contre 1,7 %). Selon l’âge, ce taux de possession est plus important dans la tranche des 26-35 ans : 4,9 %, contre 3,4 % chez les 36-45 ans et 3,2 % chez les 46-55 ans.

27 Le taux de possession du m-banking est plus élevé dans la population bancarisée, à savoir les personnes qui sont clientes de la banque, de la microfinance ou de la finance informelle (tontine). Le taux de possession est de 6,6 % dans la population cliente de la microfinance, contre 2,3 % dans la population n’étant pas cliente [10]. Le taux de possession est de 8,6 % pour les individus disposant d’un compte bancaire, 2,1 % pour ceux qui n’en disposent pas. Un résultat similaire apparaît dans le domaine de la finance informelle. Le taux de possession du m-banking est de 4,7 % pour ceux qui participent à une tontine et de 2,4 % pour ceux qui ne participent pas.

28 Lorsqu’on s’intéresse uniquement à la population disposant d’un compte m-banking (tableau 2), on dispose d’une meilleure vue sur le rapport entre exclus et non exclus en termes de taux d’adoption du m-banking. Dans cette population on note que la détention d’un compte m-banking est supérieur chez les personnes inclues en banque comme en microfinance. Ces statistiques semblent montrer que le m-banking est plus adopté chez les exclus du système financier formel (banque et microfinance). Elles indiquent que le m-banking n’est pas encore mobilisé comme un instrument de relation bancaire. Toutefois, il faut plus qu’une analyse statistique pour le confirmer. Ces résultats peuvent aussi s’expliquer par le fait que cette innovation est encore récente et que les personnes n’ont pas encore suffisamment confiance dans ce dispositif pour l’utiliser comme un support bancaire à part entière. À noter que ce résultat descriptif ne nous dit rien sur l’impact de l’inclusion financière sur l’adoption du m-banking. Seule une analyse économétrique est capable de dire si le fait d’avoir accès à la banque ou à la microfinance est propice, ou non, à l’adoption de cette innovation.

4. Les résultats du modèle logistique

29 Les résultats de la régression logistique (tableau 3) montrent que la probabilité d’adoption du m-banking est influencée par certaines caractéristiques de l’individu comme le sexe, le niveau d’instruction, le fait qu’il sache lire et écrire dans une langue quelconque, son appartenance à un réseau bancaire (banque, microfinance, tontine), sa situation d’emploi, le niveau de revenu de son ménage d’appartenance. Ces résultats seront analysés à l’aune des travaux sur l’adoption technologique, en particulier le mobile-banking, et des travaux sur l’inclusion financière. Dans l’analyse du mobile banking, il y a à la fois la dimension « adoption technologique », puisqu’il s’agit avant tout d’une technologie bancaire et la dimension « inclusion financière », l’adoption du mobile-banking est en soi un acte d’inclusion financière. Nous nous efforcerons de tenir compte de ces deux dimensions dans l’interprétation des résultats.

30 Le modèle logit montre que la probabilité d’adoption du m-banking augmente bien avec les individus de sexe masculin. Ce résultat va dans le sens de la littérature (Riquelme et Rios, 2010 ; Laforet et Li, 2005). Il s’agit d’un résultat standard qui traduit la fracture numérique qui existe structurellement entre les hommes et les femmes dans les pays en développement (voir Novo-Corti et al., 2014). Les résultats montrent que l’influence du sexe sur la probabilité d’adoption du m-banking est significative au seuil de 5 % et les effets marginaux sont significatifs au seuil de 10 % en faveur de la variable « homme ». Comme le montrent Riquelme et Rios (2010), ce résultat peut s’expliquer par le fait que les femmes sont plus contraintes que les hommes par certaines normes sociales. Novo-Corti et al. (2014) montrent, par exemple, que les femmes sont contraintes par l’emploi, l’éducation et le revenu. Ce résultat est en phase avec ceux de Zins et Weill (2016) qui trouvent que le fait d’être femme diminue la probabilité d’adoption du m-banking de 1,7 %. Joshua et Koshy (2011) concluent à une plus faible utilisation de services bancaires électroniques chez les femmes. Au-delà de l’aspect lié au mobile-banking en tant qu’innovation, ce résultat peut-être le reflet du gap qui existe entre hommes et femmes en matière d’accès aux services financiers. Les femmes sont en effet plus contraintes que les hommes en matière d’inclusion financière, selon le rapport de la Banque mondiale sur l’inclusion financière (World Bank, 2014). Demirgüç-Kunt et Klapper (2013) ont mis en évidence une inégalité d’accès aux services financiers entre hommes et femmes, même après un contrôle des revenus et du niveau d’éducation. D’un point de vue politique économique, ce résultat indique qu’il faut prendre des dispositions particulières pour que les femmes ne soient pas en reste dans l’inclusion par le mobile-banking. Ceci est d’autant plus nécessaire qu’il est prouvé que le manque d’accès aux services financiers limite la capacité des femmes à s’émanciper économiquement (Hallward-Driemeier et Hasan, 2012).

31 Il ressort de nos résultats que le fait de savoir lire et écrire influence positivement la probabilité d’adoption du m-banking et cette influence est significative au seuil de 5 %. Le calcul des effets marginaux montre que le fait pour un individu de passer d’une situation de « ne sait pas lire et écrire » à une situation « sait lire et écrire » augmente significativement sa probabilité d’adoption du m-banking. Le fait d’atteindre le niveau d’étude supérieur joue le même effet sur la probabilité d’adoption du m-banking, sauf que les effets marginaux ne sont pas significatifs. Le résultat sur ces deux variables montre que l’instruction est un facteur important pour l’adoption du m-banking. Fall et al. (2015) trouvent que le fait de savoir lire et écrire et le nombre d’années d’étude sont positivement associés à la possession d’un compte m-banking. L’analyse des déterminants de l’utilisation du m-banking faite par Zins et Weill (2016) aboutit au même résultat. Ces derniers trouvent que les individus avec un niveau d’éducation supérieur ont une probabilité plus grande de disposer d’un compte m-banking, avec une probabilité plus élevée pour le niveau supérieur. Avec la base de données de la Banque mondiale sur l’inclusion financière (2012 World Bank Global Findex Database), Allen et al. (2016) ont trouvé que la probabilité d’être inclus financièrement est plus importante chez les plus instruits. Le même résultat est obtenu par Fungacova et Weill (2015) dans une étude sur la Chine. Zins et Weill (2016) trouvent un résultat similaire lorsqu’ils analysent de façon globale l’inclusion financière

32 Ces différents résultats obtenus sur le sexe, le niveau d’instruction, au-delà du domaine spécifique du m-banking, convergent avec les analyses habituelles sur l’adoption des technologies d’information et de communication (TIC) (Polat, 2012 ; Verdegem et Verhoest, 2009). Polat (2012), par exemple, montre que l’exclusion des TIC apparaît chez les individus qui sont âgés, handicapés, féminins ou qui résident en zone rurale. Verdegem et Verhoest (2011) trouvent que l’existence de non-utilisateurs (non users) de TIC est davantage liée à des problèmes d’accès et au manque de connaissances suffisantes pour leurs usages. Les hommes, ayant généralement un niveau d’instruction plus élevé que les femmes, se trouvent naturellement plus aptes à utiliser des innovations technologiques comme le m-banking, même si celui-ci ne nécessite pas un grand niveau d’étude. En termes d’inclusion financière, il convient de noter que la littérature a souvent mis en évidence la supériorité des hommes et des individus ayant reçu une éducation scolaire. Zins et Weill (2016) ont montré que l’inclusion financière en Afrique est plus importante chez les hommes et les individus les plus instruits. Dans les travaux de Allen et al. (2016) et Fungacova et Weill (2015), l’accès aux services financiers formels est plus important chez les hommes et les individus qui ont reçu une éducation scolaire.

Tableau 3

Modèle logistique des déterminants de l’adoption du M-banking

VARIABLES	Coefficients	effets marginaux
Homme	0.30**	0.01*
	(0.21)	(0.00)
Age	0.00	0.00
	(0.01)	(0.00)
Situation matrimoniale
Célibataire	0.04	0.00
	(0.26)	(0.01)
Veuf (ve)	- 0.02	- 0.00
	(0.63)	(0.01)
Divorcé(e)	0.22	0.01
	(0.49)	(0.01)
Possession d’un compte bancaire	0.71***	0.02**
	(0.26)	(0.01)
Possession d’un compte dans une IMF	0.84***	0.03***
	(0.22)	(0.01)
Participer à une tontine	0.57**	0.02*
	(0.27)	(0.01)
Savoir lire et écrire dans une langue quelconque	0.73**	0.02**
	(0.35)	(0.01)
Le plus haut niveau d’étude
Primaire	0.12	0.00
	(0.39)	(0.01)
Secondaire	0.30	0.01
	(0.43)	(0.01)
Supérieur	0.89*	0.03
	(0.51)	(0.02)
Autre	- 0.19	- 0.00
	(0.58)	(0.01)
Fréquenter actuellement l’école	- 0.49*	- 0.01*
	(0.33)	(0.01)
A un emploi	0.45*	0.01*
	(0.23)	(0.01)
Revenu par tête	- 0.00***	- 0.00***
	(0.00)	(0.00)
Taille du ménage	- 0.02	- 0.00
	(0.02)	(0.00)
Est chef de ménage	- 0.22	- 0.00
	(0.26)	(0.00)
Constant	- 4.25***
	(0.51)
Observations	4141	4141

Modèle logistique des déterminants de l’adoption du M-banking

t statistics * p<0.10, ** p<0.05, *** p<0.01

33 Le fait d’être bancarisé, c’est-à-dire d’être client d’une banque ou d’une institution de microfinance augmente la probabilité d’adoption du m-banking. Les résultats montrent que l’influence de l’appartenance à un réseau bancaire ou à une IMF sur la probabilité d’adoption du m-banking est très significative (au seuil de 1 %). Les effets marginaux montrent que la probabilité d’adopter le m-banking augmente significativement avec le fait de disposer d’un compte en microfinance (1 %), et de manière moins significative avec le fait de disposer d’un compte en banque (5 %). Ce résultat va dans le sens de Mbiti et Weil (2015) qui ont trouvé que le m-banking est un service complémentaire des services bancaires classiques. Ici on voit que les individus qui utilisent le m-banking sont des personnes bancarisées, ce qui implique qu’ils utilisent conjointement ce service aux services bancaires. En effet, beaucoup d’individus bancarisés utilisent le m-banking dans une logique de complémentarité. Ils font usage de ce service notamment pour pouvoir effectuer des paiements de factures d’eau, d’électricité et pour pouvoir profiter des promotions téléphoniques annexées au m-banking (Orange-Money ou Yobantel). Il est donc vrai que le m-banking n’est pas forcément un service qui concurrence directement les services bancaires traditionnels. Le fait d’appartenir à une tontine augmente la probabilité d’adoption du m-banking et cette influence est très significative (au seuil de 5 %). Les effets marginaux sont significatifs au seuil de 10 %, moins que pour la banque et la microfinance. Au regard de ce résultat, nous préconisons une plus grande intégration du m-banking dans les banques et surtout les institutions de microfinance qui opèrent davantage avec les faibles revenus. Le mobile-banking, comme les autres TIC, peut en effet permettre aux IMF d’accroître leur portée et d’améliorer leurs performances sociales (voir Fall et Birba, 2015 et Bryson et Atwal, 2013). En termes de fourniture de services financiers, le mobile-banking peut aider les IMF à toucher plus facilement et de façon moins coûteuse les clients [11]. Et dans un contexte où la réduction du coût de fourniture de services financiers est une préoccupation centrale en microfinance (Fall, 2018 ; Fall, Akim et Wassongma, 2018), l’usage de la téléphonie mobile pour servir les pauvres rencontre naturellement un écho favorable.

34 Le fait d’avoir un emploi influence positivement la probabilité d’adoption, et cette influence est significative au seuil de 10 %. Les effets marginaux montrent que le fait d’avoir un emploi augmente la probabilité d’adoption du m-banking et cet effet est significatif au seuil de 10% [12]. Le fait de fréquenter l’école a une influence négative sur la probabilité d’adoption du m-banking et cette influence est significative au seuil de 10 %. Les effets marginaux montrent que le fait de fréquenter encore l’école diminue la probabilité d’adoption du m-banking, avec une significativité de 10 %. De même le revenu par tête du ménage exerce le même effet. La probabilité d’adoption du m-banking diminue avec le niveau de revenu par tête du ménage et cette influence est significative au seuil de 1 %. Aussi, les effets marginaux montrent que la probabilité d’adoption diminue significativement (au seuil de 1 %) avec l’augmentation du revenu par tête du ménage.

Conclusion

35 L’objet de cette contribution était de mettre en évidence les facteurs socio-économiques qui déterminent l’adoption du m-banking chez les populations à faible revenu. Avec un échantillon de 4 141 individus, nous avons estimé un modèle logistique et calculé les effets marginaux.

36 Il ressort de cette étude que l’adoption du m-banking varie en fonction des caractéristiques socio-économiques de l’individu et de celui de son ménage. Le fait que l’adoption soit plus importante chez les hommes est un résultat standard qui reflète les inégalités de genre dans l’accès aux TIC. Ce résultat est la conséquence du faible taux de scolarisation des femmes comparé aux hommes.

37 Un autre résultat de l’étude vient corroborer ce fait. En effet, l’adoption est plus importante chez les individus qui savent lire et écrire, ce qui explique naturellement le décalage entre les hommes et les femmes. C’est un résultat standard en termes d’inclusion financière. Les femmes ont généralement un accès plus faible aux services financiers par rapport aux hommes. Il semble important en matière de diffusion technologique de veiller à ce que les inégalités existantes entre hommes et femmes ne soient pas aggravées par l’accès inégal à cette nouvelle technologie.

38 L’accès aux nouvelles technologies est généralement influencé par la situation socio-économique de départ des individus. Ceux qui savent lire et écrire ont plus de chance de pouvoir utiliser une nouvelle technologie, ce qui pourrait creuser les inégalités déjà existantes. Parer à cela nécessite d’agir de sorte que les catégories les moins avantagées aient un accès plus grand. Dans le domaine du m-banking, l’idée serait de faire en sorte que les femmes y aient un accès plus grand.

39 Un autre résultat de l’étude est que l’adoption du m-banking est plus grande dans la population ayant un emploi que dans celle sans emploi. Et compte tenu de l’importance de l’auto-entrepreneuriat chez ce type de population, ceci serait probablement la preuve que cette innovation est davantage utilisée dans la petite entreprise. Il y a plusieurs avantages à détenir une telle innovation pour un micro-entrepreneur, en particulier la possibilité de gagner du temps dans la réalisation de certaines transactions, comme le paiement de factures, le paiement de certains fournisseurs, etc. On note ces mêmes avantages pour un chef de ménage.

40 Les résultats montrent également que la bancarisation est favorable à l’adoption du m-banking. Au regard de ce résultat, nous préconisons une promotion de l’éducation financière, pour une utilisation plus importante du m-banking par les individus. L’éducation financière, en favorisant une meilleure compréhension des services financiers et de leur utilité, peut induire une plus grande utilisation du m-banking comme canal d’accès aux services financiers basiques.

41 Un des résultats phares de cette étude est le gap entre hommes et femmes en matière d’accès au m-banking. Au regard de ce résultat, nous préconisons aux autorités politiques de prendre des dispositions supplémentaires pour que les femmes adoptent davantage ce canal pour l’accès aux services financiers. De telles mesures devront passer par une meilleure connaissance des facteurs d’adoption du m-banking chez la femme. La promotion d’une recherche systématique sur l’adoption du mobile-banking chez les femmes pourrait fournir des informations pertinentes pour la promotion de leur inclusion financière via ce canal.