Evaluation comparative du coût de l’endettement des PPP

Professeur Roger StrangeKing’s College London

De quoi traite ce cours ? Cours fondé sur l’Article de Frederic Blanc-Brude & Roger

Strange paru dans l’édition Automne 2007 du Journal of Applied Corporate Finance.

Les PPP représentent une méthode de plus en plus prisée pour financer d’importants projets d’infrastructures publiques.

Une grande majorité de PPP voient le jour grâce à une méthode appelée project finance (financement du projet), qui peut se définir comme suit : ‘collecte de fonds en vue de financer un projet indivisible d’investissement de capitaux à grande échelle, dont les flux de trésorerie constituent la [principale ou] l’unique source permettant de répondre aux obligations financières et de fournir des rendements aux investisseurs’.

De quoi traite ce cours ?• Préoccupations autour du coût de financement des PPP, qui est

généralement supérieur au coût du financement public. Le coût de l’endettement représente en règle générale la principale composante du coût de financement des PPP, dans la mesure où les accords de financement de projets reposent généralement sur un fort endettement (souvent compris entre 70 et 100%).

• L’Etat est l’ultime garant de l’aboutissement du projet, et la plupart des prêteurs reçoivent, que ce soit de manière implicite ou explicite, des garanties de remboursement. On ne recense que de faibles taux de défaillance de paiement de la dette qui finance un projet.

• Mais pourquoi le coût d’endettement est-il si élevé alors que le taux de défaillance est si faible ? (Pourquoi les prêts aux PPP ‘coûtent’ 120 points de base ?)

De quoi traite ce cours ?

• Certains critiques suggèrent que les prêteurs captent des ‘revenus’ immérités alors que les contribuables n’en ont pas pour ‘leur argent’.

• Question : comment se détermine l’endettement des PPP ?

Détermination financière de l’endettement des PPP

• Les PPP impliquent un transfert de risques (p.ex. de construction, d’exploitation, de demande) traditionnellement supportés par l’Etat ou l’autorité locale responsable vis-à-vis de la société du projet.

• Les accords de financement de projets reposent généralement sur un important endettement :– Les titulaires de la dette exercent un contrôle considérable et partagent

une part de responsabilité significative dans le bon fonctionnement du projet.

– Les titulaires de la dette du projet supportent la plupart des coûts dus à des imprévus ainsi qu’au comportement éventuellement opportuniste des clients du projet.

• S’attendre à ce que les prêteurs aient recours à la structure contractuelle du projet pour gérer les risques imprévus (p.ex. utiliser des contrats clé en main à prix déterminé pour gérer les risques de construction)

Détermination financière de l’endettement des PPP

• Toutefois les prêteurs doivent ‘chiffrer’ tout risque susceptible d’affecter les revenus du projet et donc la capacité du projet à honorer sa dette, et ne pouvant pas être explicitement couvert par l’intermédiaire de contrats.

• En d’autres termes, les facteurs de risque non gérés doivent influencer la prime de risque supportée sur la dette du PPP.

• Un de ces facteur de risque consiste à pouvoir prévoir les flux de trésorerie à long terme (p.ex. risques liés aux revenus).

• Question : les prêteurs chiffrent-ils les risques liés aux prêts aux PPP et, auquel cas, quels facteurs ont une incidence sur la prime de risque ?

Les données• Deux bases de données qui se recoupent :

– Le premier ensemble de données est issu d’une base multi-pays propre au secteur des projets autoroutiers européens (routes européennes)

– Le second ensemble provient d’une étude multisectorielle portant sur les projets PFI (initiative de financement privé) au Royaume-Uni (UK PFI)

• Plusieurs ‘tranches’ (prêts individuels) liées à chaque projet– Incluent uniquement les prêts à taux variable– Incluent uniquement les tranches pour lesquelles l’écart de taux était connu

pendant la durée desdites tranches– Chaque tranche se présente sous forme d’observation unique dans les

échantillons de données.• Les deux échantillons de données portent sur des PPP conclus sur une

période de 12 ans, de 1994 à 2005– 125 observations dans l’échantillon sur les routes européennes– 177 observations dans l’échantillon sur les PFI anglais

Caractéristiques de l’échantillon sur les routes européennes

Pays Nombre de PPP Ecart créditeur moyen (pb)

Pays-Bas 3 55,00

Norvège 3 82,60

Royaume-Uni 34 117,76

Espagne 39 104,24

France 2 112,50

Hongrie 7 91,29

Allemagne 2 124,80

Portugal 26 132,25

Grèce 3 138,33

Irlande 6 115,83

Total 125 113,15

Caractéristiques de l’échantillon sur les PFI anglais

Secteur Nombre de PPP Ecart créditeur moyen (pb)

Pont 5 82,75

Défense 19 94,16

Education 37 94,87

Hôpital 48 100,66

Prison 5 107,59

Police 16 140,82

Bâtiments publics 3 192,50

Route 29 122,89

Chemin de fer urbain 15 127,19

Total 177 109,52

La variable dépendante • Aux termes de l’analyse de régression des moindres

carrés, la variable dépendante est représentée par la prime de risque – mesurée par l’écart de tranche pondéré (points de base) sur le taux d’intérêt sans risque (Libor ou Euribor).

• L’écart ne constitue pas la meilleure mesure de la prime de risque étant donné que les prêts comportent également des commissions d’engagement et de participation :– Les données relatives aux commissions n’étaient pas disponibles

pour toutes les tranches.– D’après les données disponibles, les commissions d’engagement

comme de participation sont corrélées de manière significative et positive aux écarts.

La variable dépendante• Les prêts de financement des projets présentent souvent des

structures de détermination financière par étapes qui reflètent les différents niveaux de risques de revenus associés aux différents types de projets (Figure 1 sur la version papier) :– Les écarts de taux sur les projets routiers décroissent généralement après

la période initiale de construction (lorsque le projet risque d’être retardé ou de dépasser le budget), puis augmentent ensuite dans la mesure où la plupart des projets sont exposés à un certain de risque de marché.

– Les écarts de taux sur les projets de chemins de fer urbains augmentent pendant la première période d’exploitation lorsqu’ils font l’objet d’une importante concurrence, puis diminuent une fois la réputation de la ligne ferroviaire établie.

– Les écarts de taux sur les projets gouvernementaux (p.ex. écoles, hôpitaux) décroissent généralement à mesure que le prêt arrive à échéance, traduisant ainsi le fait que le principal risque de revenu associé à ce type de projets réside dans la délivrance de performance et non dans des paiements unitaires.

Les variables indépendantes

• Les variables contrôlées– Taille de la tranche (effet négatif attendu sur

l’écart de taux)– Maturité de la tranche (effet positif)– Taille du syndicat bancaire (effet positif / négatif)– Taux sans risque (effet positif)– Niveau d’endettement du projet (effet positif)

Les variables indépendantes• Types d’instruments de financement– Financement mezzanine (effet positif)– Crédit temporaire à court terme (effet négatif)– Refinancement (effet négatif)

• Incidences macroéconomiques du pays hôte– Variables nationales fictives [échantillon sur les routes

européennes]– Variables sectorielles fictives [échantillon sur les PFI

anglais]– Risque d’inflation (effet positif)– Développement du marché des PPP (effet négatif)

Les variables indépendantes• Risque de construction

– Dépenses en capital sur le projet (effet positif)– Variables fictives relatives aux ponts [échantillon sur les routes

européennes]– Variables fictives relatives aux tunnels [échantillon sur les routes

européennes]• Risque associé aux revenus

– Variables fictives relatives aux ‘péages réels’ (effet positif)– Variables fictives relatives aux ‘péages virtuels’ (effet positif)– Taux de croissance escompté du trafic [échantillon sur les

routes européennes] (effet négatif)– Volonté de payer des services de transport [échantillon sur les

routes européennes] (effet négatif)

Commentaires sur les résultats de l’analyse de régression

• La méthode des moindres carrés est préférée à la méthode d’estimation. Ni le test de White, ni le test de Cook-Weisberg, ne démontre la présence d’hétéroscédasticité.

• Les deux modèles évalués présentent un coefficient de détermination (R2) avec des valeurs élevées et donc un excellent pouvoir explicatif :– 86% avec l’échantillon sur les routes européennes– 85% avec l’échantillon sur les PFI anglais

• Contribution décevante des variables contrôlées :– La maturité a un effet positif modeste mais significatif sur les écarts de

taux dans les deux échantillons.– Les quatre autres variables sont insignifiantes d’un point de vue

statistique et entrent souvent en conflit.

Commentaires sur les résultats de l’analyse de régression

• L’introduction de variables fictives dans les types d’instrument de financement contribue de manière significative au pouvoir explicatif du modèle :– Le recours à la dette mezzanine a permis d’augmenter les

écarts de près de 250 pb dans les deux échantillons.– Le recours au crédit temporaire à court terme a permis de

réduire les écarts moyens de 28 à 38 pb.– Le refinancement s’est révélé beaucoup moins onéreux

dans les deux échantillons : 50 pb dans l’échantillon sur les routes européennes et 20 pb dans l’échantillon sur les PFI anglais

Commentaires sur les résultats de l’analyse de régression

• Les effets des variables macroéconomiques du pays hôte ont été mitigés :– L’introduction de variables nationales fictives n’a pas contribué de

manière significative au pouvoir explicatif du modèle associé aux routes européennes.

– L’introduction de variables sectorielles fictives n’a pas contribué de manière significative au pouvoir explicatif du modèle associé aux PFI anglais.

– La perception du risque d’inflation n’a pas été pertinente probablement à cause des charges unitaires qui tendent à être indexées sur l’inflation et des futurs coûts d’entretien qui sont généralement répercutés de manière contractuelle.

– Le développement du marché des PPP n’a pas eu l’effet négatif escompté sur la prime de risque, du moins dans l’échantillon sur les PFI anglais, dans lequel des centaines de projets PPP sont financés.

Commentaires sur les résultats de l’analyse de régression

• Les variables relatives au risque de construction ont abouti sur les résultats escomptés :– La taille du projet (mesurée en termes de CAPEX) a eu un

effet positif significatif sur la prime de risque dans les deux modèles.

– Les variables fictives relatives aux ponts et aux tunnels n’ont pas été pertinentes d’un point de vue statistique dans l’échantillon sur les routes européennes. De tels projets impliquent de forts risques de construction par rapport aux autres projets routiers, mais ces risques s’avèrent être gérés de manière contractuelle.

Commentaires sur les résultats de l’analyse de régression

• L’introduction des quatre variables relatives au risque de revenu a très fortement contribué au pouvoir explicatif des deux modèles :– La variable dite du ‘péage virtuel’ a été positive et pertinente d’un point de

vue statistique dans les deux modèles, ce qui vient confirmer que les écarts de taux étaient particulièrement élevés lorsque les revenus étaient recouvrés de cette manière plutôt que par l’intermédiaire de moyens de paiement en fonction de la disponibilité.

– La variable dite des ‘péages réels’ s’est également révélée positive et statistiquement pertinente dans les deux modèles, et les magnitudes des deux coefficients ont été supérieures à celles correspondant aux variables dites des ‘péages virtuels’. Ceci reflète le fait que les ‘péages réels’ constituent la forme la moins risquée pour collecter les revenus, et ce risque se traduit par une prime de risque plus élevée.

– Le ‘taux de croissance escompté du trafic’ a un effet particulièrement négatif sur la prime de risque. Plus les taux escomptés sont élevés, plus le risque perçu sera faible.

– ‘L’indice du prix du transport’ est positif, mais peu pertinent d’un point de vue statistique.

Conclusion• Les accords de financement de projets reposent

généralement sur un fort endettement :– Les titulaires des dettes (banques) exercent un

contrôle considérable et partagent une part de responsabilité significative dans le bon fonctionnement du projet.

– Les titulaires de la dette du projet supportent la plupart des coûts dus à des imprévus ainsi qu’au comportement éventuellement opportuniste des clients du projet.

Conclusion• Toutefois, les banques représentent des investisseurs

‘spéciaux’ dans la mesure où, contrairement aux investisseurs en actions, elles adoptent une approche beaucoup plus proactive à l’instar des gestionnaires de risques. Ou bien, les banques sont incitées à s’engager dans des stratégies actives de minimisation des risques.– Les banques auront recours à la structure contractuelle du projet pour

minimiser le risque de crédit, le cas échéant.– les facteurs de risque non gérés (p.ex. risque associé aux revenus)

auront une incidence sur les primes de risque.• L’importance des primes de risque s’avère être un facteur

compatible avec notre perception de la taille des risques pris.– Différents types de péage.– Différents instruments de financement.

Conclusion

• Le coût de l’endettement des PPP est supérieur au coût du financement public dans la mesure où (a) les banques s’engagent dans la détermination financière du risque, et (b) elles exercent un rôle de supervision et obtiennent ainsi certaines des informations attribuées.

• Le financement d’un projet est une forme très développée et personnalisée de gouvernance d’entreprise et de gestion des risques.

• Question : les bénéfices des PPP compensent-ils les coûts élevés ?