Les allégements fiscaux freinent la perte d’emplois dans les périphéries

Les inégalités régionales au sein des pays développés ont passablement attiré l’attention ces dernières années. Le Fonds monétaire international (FMI) a ainsi observé que les écarts en termes de performance économique sont souvent aussi marqués entre les régions d’un même pays qu’entre les pays eux-mêmes[1]. Lorsque ces inégalités persistent, les régions économiquement faibles peuvent avoir l’impression d’être laissées pour compte. Le clivage peut en outre provoquer un sentiment d’insatisfaction et affaiblir la cohésion sociale. Soucieux de répondre à ce mécontentement et de réduire le clivage entre villes et campagnes, de nombreux pays développés mènent une politique régionale décidée. Le Fonds européen de développement régional constitue un bon exemple.

Pour sa part, la Suisse promeut depuis des années et de façon systématique les régions structurellement faibles. Dans le cadre de sa politique régionale, la Confédération s’emploie à favoriser l’emploi dans ces régions au moyen d’incitations fiscales. Elle peut notamment accorder des allégements d’impôt sur les bénéfices des entreprises lorsque certaines conditions sont réunies : leur activité doit avoir lieu dans l’industrie ou dans des services proches de la production, être basée dans des régions structurellement faibles et y créer des emplois.

Une efficacité contestée

Mener une recherche empirique sur l’impact de ces allégements fiscaux n’est pas chose facile. Les communes qui bénéficient de ces mesures sont en effet foncièrement différentes des autres, puisque cet instrument est par définition réservé aux régions structurellement faibles qui sont, en moyenne, confrontées à une situation plus difficile sur le marché du travail. Une simple comparaison de l’évolution de l’emploi dans les communes bénéficiaires et non bénéficiaires sous-estimerait donc l’impact des mesures.

Toute analyse d’impact est confrontée au même problème : l’absence de groupe témoin idéal. Une solution possible est la randomisation, c’est-à-dire la distribution aléatoire des sujets de l’étude entre un groupe expérimental et un groupe témoin. La randomisation est généralement considérée comme l’étalon-or pour l’évaluation des effets de causalité, car l’attribution aléatoire à l’un des deux groupes évite que ceux-ci présentent des différences systématiques, la seule distinction étant l’intervention subie par l’un d’eux. Toute différence dégagée par l’étude peut ainsi être attribuée à l’intervention.

Une discontinuité dans la promotion régionale

Les études randomisées sont toutefois souvent problématiques ou irréalisables. Il est ainsi incontestable que l’attribution d’allégements fiscaux par tirage au sort soulèverait un tollé. Il a pour cette raison fallu mettre au point d’autres méthodes adaptées aux analyses de causalité réalisées dans un cadre non expérimental. L’analyse de régression sur discontinuité constitue l’une de ces méthodes. Elle remonte, dans sa forme primitive, aux années 1960[2].

Cette méthode est appropriée lorsqu’il y a une discontinuité lors de l’affectation au groupe expérimental ou au groupe témoin. Les notes obtenues aux examens d’admission, utilisées ultérieurement pour mesurer l’effet des études sur les salaires, en sont un exemple typique. Supposons que les résultats obtenus à un examen de ce genre s’échelonnent de 0 à 100 points et qu’il faille 60 points pour être admis. Dans ce cas également, la comparaison pure et simple des étudiants admis et des étudiants recalés biaiserait l’effet des études sur les salaires, car il existe une corrélation positive entre les notes et les études, tout comme entre les notes et le salaire perçu plus tard, dans la mesure où les notes dépendent de facultés comme l’intelligence et l’application. Or, une « cassure » apparaît autour du seuil des 60 points, c’est-à-dire une discontinuité dans la probabilité d’entamer des études que l’on n’observe pas dans l’intelligence et l’application. Si nous ne retenons pour l’analyse que les candidats légèrement en dessous et en dessus de ce seuil, nous pouvons supposer que ces personnes se distinguent principalement par leur réussite ou leur échec à l’examen et, dès lors, uniquement par la réalisation des études qui suivent l’épreuve d’admission.

Quelles sont les régions structurellement faibles ?

Depuis la réforme de la politique régionale de 2008, une discontinuité semblable à celle de l’exemple ci-dessus s’observe dans les allégements fiscaux accordés aux régions structurellement faibles. Il avait alors été estimé que les critères permettant de déterminer l’éligibilité des régions devaient être redéfinis, car ils n’étaient pas assez précis. Le Secrétariat d’État à l’économie (Seco) avait ainsi chargé le département de la recherche de Credit Suisse de mettre au point une méthode permettant de mesurer la faiblesse économique structurelle. Cette nouvelle méthode se fondait sur un indice synthétique de développement régional calculé sur la base de divers indicateurs économiques objectifs pour classer les 106 petits bassins d’emploi définis par l’Office fédéral de la statistique (« régions MS », pour « mobilité spatiale »). Ces indicateurs sont notamment l’évolution démographique et économique, le niveau de revenus et le chômage.

Quelles sont donc les régions structurellement faibles qui peuvent utiliser l’instrument des allégements fiscaux ? Prenant comme base la distribution normale standard de l’indice synthétique de développement régional, la Confédération a décidé que les régions figurant parmi les 30 % inférieurs auraient droit aux mesures d’encouragement (voir illustration 1). Ces régions hébergent quelque 10 % de la population suisse.

Ill. 1. Répartition des régions suisses selon la faiblesse structurelle

Source : Credit Suisse Economic Research, représentation de l’auteur / La Vie économique

Comparer des régions similaires

Comparer la région la plus faible – le Schanfigg (GR) – à la plus forte – celle de March, sur la rive sud du haut lac de Zurich – serait naturellement inutile pour analyser l’impact des allégements fiscaux, ces deux régions se différenciant systématiquement pour chacune des caractéristiques possibles. En revanche, les régions situées de part et d’autre du seuil de 30 % ne se distinguent guère les unes des autres. Ainsi, la région de Sierre (VS) présente pratiquement le même degré de faiblesse structurelle que les Tre Valli au Tessin ou la Haute-Argovie dans le canton de Berne. Or, ces deux dernières ont droit aux allégements fiscaux prévus par la politique régionale, contrairement à Sierre (voir illustration 2). Étant donné que l’éligibilité dépend de l’indice de faiblesse structurelle – un critère objectif –, les régions n’ont nullement la possibilité de manipuler cette variable.

Ill. 2. Régions suisses selon la faiblesse structurelle et l’éligibilité

Source : Credit Suisse Economic Research, représentation de l’auteur / La Vie économique

Cette discontinuité dans l’accès à l’instrument des allégements fiscaux entre les régions très proches du seuil permet de réaliser une analyse de l’effet de causalité. Pour mesurer l’évolution de l’économie régionale, les auteurs de l’étude ont observé la variation de l’emploi dans le secteur secondaire de 2008 à 2016 en se limitant à mesurer l’impact de l’adoption de l’instrument en soi, et non l’effet des allégements fiscaux effectivement accordés. Cet effet dit « de l’intention de traiter » est pertinent pour l’évaluation des politiques régionales, dans lesquelles la participation des communes n’est pas obligatoire. Cette liberté de participation fait en effet partie intégrante du régime fiscal mis en place par la politique régionale suisse.

Un impact positif sur le marché du travail

L’analyse montre que l’instrument a des effets positifs probants sur le marché du travail dans les communes concernées. L’importance de l’impact varie légèrement selon la modélisation, mais correspond en moyenne à une trentaine d’emplois. Autrement dit, bien que le nombre d’emplois dans l’industrie ait diminué entre 2008 et 2016, ce recul a été moins important d’une trentaine d’emplois dans les communes situées juste au-dessus du seuil par rapport à celles situées juste au-dessous.

À première vue, un impact moyen de 30 emplois semble plutôt modeste, mais en termes de pourcentage, il est tout à fait significatif par rapport au nombre total de personnes occupées dans les communes en question. En outre, ce résultat est indépendant des allégements fiscaux réellement accordés par les communes situées au-dessus du seuil, de sorte que l’impact des allégements fiscaux effectivement accordés est indubitablement supérieur à l’effet de l’introduction de l’instrument. Il est toutefois impossible d’estimer avec précision cet effet direct, du fait du nombre relativement faible d’allégements effectifs.

1. Cet article se base sur l’étude de Kurer (2020). []
2. Thistlethwaite et Campbell (1960). []