niveaux comparatifs de la production, des revenus et … · revenus et des prix dans les pays...

Banque africaine de développement

Niveaux comparatifs de la production, des revenus et des prix dans les pays africains

Points saillants des résultats du cycle 2005 du Programme de comparaison internationale pour l’Afrique

Avril 2008

III


Ce document a été préparé par la Division du développe-ment des capacités en statistique du Département de la statistique du Groupe de la Banque africaine de dévelop-pement. Les dénominations utilisées dans cette publica-tion n’impliquent de la part du Groupe de la BAD aucun jugement concernant le statut juridique d’un pays ou d’un territoire ni aucune approbation ou acceptation de ses frontières. Quoique tous les efforts aient été déployés pour présenter des informations fiables, la Banque africaine de développement n’assume aucune responsabilité quant aux conséquences pouvant découler de leur utilisation.

Division du développement des capacités en statistiqueDépartement de la statistiqueComplexe de l’Économiste en chefBanque africaine de développementAgence temporaire de relocalisation (ATR)BP 323, 1002 Tunis, BelvédèreTunis, Tunisie

Téléphone : (216) 71 10 36 54Fax : (216) 71 10 37 43

Courrier électronique : [email protected] web : http://www.afdb.org

Copyright © 2008 Banque africaine de développement

Conception et productionPhoenix Design Aid / www.phoenixdesignaid.dk

Points saillants des résultats du cycle 2005 du Programme de comparaison internationale pour l’AfriqueBanque africaine de développement

Avril 2008

Niveaux comparatifs de la production, des revenus et des prix dans les pays africains


2



RemerciementsCette publication a été préparée par une équipe dirigée par Michel Mouyelo-

Katoula. L’équipe de base comprenait Abdoulaye Adam, Luc Mbong Mbong,

Adalbert Nshimyumuremyi, Koffi Marc Kouakou, Mathieu Biokou Djayeola,

Besa Muwele, Stephen Bahemuka et Marianne Kurzweil.

Les données relatives aux pays ont été validées par les 48 pays africains par-

ticipants sous la supervision de l’équipe chargée de la statistique de la BAD.

Yuri Dikhanov de la Banque Mondiale, dont la contribution sur les méthodes

d’agrégation a été également précieuse, a dirigé l’examen initial et multilatéral

des données de départ et la production des résultats. Le Bureau de la coordi-

nation mondiale du PCI, dirigé par Frederic Vogel, a contribué au traitement de

l’ensemble des questions de méthodologie.

Le programme a également bénéficié du concours de quatre organisations

sous-régionales : l’Observatoire Economique et Statistique d’Afrique Sub-

saharienne (AFRISTAT), Marché commun de l’Afrique de l’Est et de l’Afrique

Australe (COMESA), la Communauté de développement de l’Afrique aus-

trale (SADC), a Communauté Economique des Etats de l’Afrique de l’Ouest

(CEDEAO). Les équipes de coordination du PCI-Afrique de ces organisations

étaient dirigées par Martin Balepa pour AFRISTAT, Themba Munalula pour le

COMESA, Ackim Jere pour la SADC et Joseph Ilboudo pour la CEDEAO.

Des représentants de pays africains, des partenaires privés et des membres

de la société civile ont fourni des données et des commentaires utiles pendant

ce projet. Plusieurs institutions sont aussi intervenues à différentes étapes

du projet : le Bureau des statistiques nationales du Royaume-Uni, le Départe-

ment pour le développement international du Royaume-Uni (DFID), le Fonds

fiduciaire japonais, la Fondation pour le renforcement des capacités en Afri-

que, l’Institut national de la statistique et des études économiques (INSEE) de

France, le Fonds fiduciaire indien, et la direction du Bureau de la coordination

mondiale du PCI à la Banque mondiale.

L’équipe du Département de la statistique de la BAD chargée de la microédi-

tion était dirigée par Louis Koua Kouakou.


Le projet a également bénéficié du précieux concours du personnel des insti-

tuts nationaux de la statistique des 48 pays africains participants.

Cette publication a été préparée sous la direction de Charles Leyeka Lufumpa,

Directeur du Département de la statistique de la BAD, et sous la supervision

générale de Louis Kasekende, l’Économiste en chef de la BAD.


PréfaceCe rapport présente les points saillants des résultats issus d’enquêtes men-

suelles détaillées sur les prix et d’une compilation de données sur les dé-

penses du produit intérieur brut (PIB) effectuées dans 48 pays africains au

cours des deux dernières années dans le cadre du Programme international

de comparaison pour l’Afrique (PCI-Afrique) géré par la BAD. Un rapport plus

détaillé qui fournira des informations sur les approches méthodologiques uti-

lisées pour générer les résultats sera publié ultérieurement.

Le PCI est un programme mondial auquel participent environ 150 pays à tra-

vers le monde, dont 48 pays africains. A l’aide des parités de pouvoir d’achat,

le programme vise à fournir une base crédible pouvant permettre des compa-

raisons entre les pays en s’appuyant sur le PIB et les agrégats économiques

connexes. Il permet de comparer la valeur réelle de la production au niveau

de chaque pays à partir d’un référentiel uniformisé, sans distorsions liées aux

prix et aux taux de change. La BAD est chargée de gérer le PCI-Afrique, qui

est la composante africaine du programme mondial. C’est la première fois au

cours des 40 ans d’existence du PCI qu’une institution africaine a assumé le

premier rôle dans la mise en œuvre des activités du PCI dans la région. Outre

l’élaboration des estimations du PCI pour l’Afrique, la Banque souhaitait égale-

ment développer les capacités statistiques des pays participants, notamment

en améliorant les compétences des statisticiens locaux.

Pour être couronné de succès, le programme nécessitait un effort collectif

substantiel. Au nom de la BAD, je voudrais remercier les personnes qui ont

contribué au franc succès de ce cycle du PCI-Afrique. Les instituts nationaux

de la statistique ont consenti des efforts remarquables, souvent dans des

conditions très difficiles, pour préparer les données nécessaires pour ce tra-

vail. Sans leur ferme engagement, ce projet n’aurait guère pu se concrétiser.

En raison du nombre et de la diversité des pays africains, ce travail a été coor-

donné par quatre organisations sous-régionales sous la direction technique

du personnel du Département de la statistique de la BAD. J’ai été ravi par le

résultat obtenu, ainsi que par la grande coopération et l’esprit d’engagement

manifestés par toutes les personnes qui ont participé au programme.


Je voudrais féliciter tous ceux qui ont participé à cette œuvre de belle facture

et recommander cette publication à tous les clients de la BAD.

Louis Kasekende

Économiste en chef

Groupe de la Banque africaine de développement


Abréviations et acronymesACBF : Fondation africaine pour le renforcement des capacitésAFRISTAT : Observatoire Economique et Statistique d’Afrique SubsaharienneATR : Agence Temporaire de RelocalisationBAD : Banque Africaine de DéveloppementCEDEAO : Communauté économique des Etats de l’Afrique de l’OuestCEI : Communauté des Etats indépendantsCEMAC : Communauté Economique et Monétaire d’Afrique CentraleCOMESA : Marché commun de l’Afrique de l’Est et de l’Afrique AustraleCPD : Country Product DummyDCFE : Dépenses de consommation finale effectivesDCFM : Dépense de consommation finale des ménagesDFID : Département pour le développement international DSP : Description structurée des produitsEKS : Elteto-Köves-SzulcFBCF : Formation brute de capital fixeFMI : Fonds monétaire internationalGEKS : Elteto-Köves-Szulc généralisé GK : Geary-KhamisIDH : Indice du développement humainINP : Indice de niveau des prixINSEE : Institut National de la Statistique et des Etudes EconomiquesIPC : Indice des prix à la consommation ITF : Fonds fiduciaire indien NORAD : Agence norvégien pour le développement de la coopération OCDE : Organisation de coopération et de développement économique OMS : Organisation mondiale de la santéONG : Organisation non gouvernementale ONS : Office national pour la statistique ONU : Organisation des nations unies PCI : Programme de Comparaison InternationalePIB : Produit intérieur brut PNUD : Programme des Nations Unies pour le Développement PPA : Parité de pouvoir d’achat SADC : Communauté de développement de l’Afrique australe SCN : Système de comptabilité nationale UEMOA : Union économique et monétaire ouest africaine UNESCO : Organisation des Nations Unies pour l’éducation, la science et la

cultureUNICEF : Fonds des Nations Unies pour l’enfance US$ : Dollar des Etats-UnisWDI : Indicateur du développement dans le monde


Table des matières1. Introduction 10

2. Que sont les parités de pouvoir d’achat ? 14

3. Pourquoi recourir aux parités de pouvoir d’achat plutôt qu’aux taux de change ? 16

4. Utilisations des parités de pouvoir d’achat 19

5. Limites de l’utilisation des parités de pouvoir d’achat 21

6. Méthode de calcul 24

7. Points saillants des résultats 26

A. Quelles sont les économies les plus importantes ou les plus petites ? 26

B. Quels sont les plus riches ou les plus pauvres ? 28

C. Quels sont les pays ayant les niveaux de vie les plus élevés ou les plus bas ? 31

D. Quelles sont les économies les plus chères ou les moins chères ? 32

E. Quels pays dépensent plus ou moins en matière d’investissement ? 33

8. Conclusion et recommandations 36

Annexes

Annexe I Comparaison entre les résultats du PCI 2005

à l’échelle mondiale et le WDI 2005 39

Annexe II PIB réel et PIB nominal 46

Annexe III PIB réel et PIB nominal par habitant 48

Annexe IV Indice DCFE réel et nominal par habitant et INP 49

Annexe V Indice de la FBCF réelle et nominale par habitant 50

Liste des graphiques

Graphique 1 Répartition du PIB en Afrique 27

Graphique 2 Pays les plus riches et pays les plus pauvres en Afrique 29

Graphique 3 Pays africains ayant les niveaux de vie les plus

bas ou les plus élevés 30

Graphique 4 Pays les plus chers ou les moins chers en Afrique 32

Graphique 5 Pays africains ayant les dépenses d’investissement

par habitant les plus élevées ou les moins élevées 33


Graphique 6 Pays africains ayant les niveaux de prix des

investissements les plus élevés ou les plus faibles 34

Graphique 7 Répartition de la formation brute de capital fixe réelle en Afrique 35

10


1. Introduction1.1 Le Projet de comparaison internationale des Nations unies a été lancé

en 1968 dans le but de mener des comparaisons à l’échelle mondiale. Des

comparaisons ont été effectuées tous les cinq ans depuis 1970. Au départ,

dix pays étaient concernés, dont un pays africain. En 1993, le programme tou-

chait 118 pays, dont 22 pays africains. Des modifications substantielles ont

été apportées au programme suite à une importante évaluation du cycle de

comparaisons de 1993. Quant au cycle de 2005 en cours du Programme de

comparaison internationale (PCI), il compte 150 pays participants, ce qui est

sans précédent pour le PCI.

1.2 Des changements importants ont été apportés à l’étendue du programme,

et les nouveaux dispositifs de gouvernance ont permis de surmonter certai-

nes des limites des cycles précédents. Dans l’ensemble, la coordination du PCI

a été possible grâce au concours d’un Conseil exécutif mondial composé de

représentants des principales parties prenantes, au nombre desquelles figu-

rent des organisations internationales, des institutions régionales et des insti-

tuts nationaux de la statistique. La Banque africaine de développement (BAD)

et deux éminents statisticiens africains représentent la région Afrique au sein

du Conseil. Le Conseil était chargé de fixer les buts et objectifs, ainsi que le

11


cadre stratégique du PCI à l’échelle mondiale, en tenant compte des besoins

des institutions régionales et des pays en matière de statistique.

1.3 Un secrétariat installé dans les locaux de la Banque Mondiale était chargé

de la gestion courante du programme mondial et de rendre compte au Conseil.

Un groupe consultatif technique indépendant, composé d’éminents spécialis-

tes et statisticiens de renommée mondiale, a défini les orientations générales

sur les questions d’ordre technique et veillé à l’emploi d’une méthodologie

appropriée.

1.4 Des institutions régionales étaient chargées de concevoir, mettre en œu-

vre et gérer les programmes régionaux, notamment en définissant les orien-

tations techniques et en coordonnant les activités dans les pays participants.

Le Groupe de la Banque africaine de développement (BAD) avait en charge la

gestion du programme de la région Afrique. Les institutions régionales étaient

les suivantes :

Afrique : Banque africaine de développement (48 pays participants) ;•

Asie : Banque asiatique de développement (23 pays participants) ;•

Communauté des États indépendants (CEI) : Service fédéral de la statis-•

tique de Russie et la Commission de la statistique de la CEI (10 pays par-

ticipants) ;

Pays de l’Union européenne et de l’OCDE : Eurostat et OCDE (45 pays par-•

ticipants) ;

Amérique latine et Caraïbe : Commission économique des Nations unies •

pour l’Amérique latine et la Caraïbe et Statistics Canada (10 pays partici-

pants) ;

Asie occidentale et le Moyen Orient : Commission économique et sociale •

des Nations unies pour l’Asie occidentale (11 pays participants).

12


1.5 Le PCI-Afrique a été lancé en 2002 par la BAD. En tant que coordonnateur, la

BAD a bénéficié du concours de quatre organisations sous-régionales (AFRIS-

TAT, COMESA, CEDEAO et SADC) qui ont aidé à la supervision des activités

administratives ainsi qu’à la coordination de certaines activités de terrain au

niveau sous-régional. Le Bureau des statistiques nationales du Royaume-Uni

et l’INSEE (Institut national de la statistique et des études économiques) de

France ont fourni une assistance technique selon les besoins et en fonction

des impératifs techniques de la BAD. La BAD a apporté de profondes modifica-

tions au programme afin de permettre une plus grande participation des pays

africains. Par conséquent, presque tous les pays africains (48 au total) ont par-

ticipé aux travaux de comparaison du PCI et, ensemble, représentent le groupe

régional le plus important, soit un tiers des pays participant à la comparai-

son au niveau mondial. Contrairement à d’autres programmes menés dans

d’autres régions du monde, le programme pour l’Afrique sert de cadre pour

l’amélioration des systèmes statistiques nationaux des pays africains partici-

pants. Il s’agit d’un effort élargi de renforcement des capacités impliquant des

partenariats tant au niveau africain qu’au niveau international.

1.6 La région Afrique est une des régions les plus diverses au monde. La tâ-

che déjà complexe qui consiste à exécuter un projet à grande échelle tel que

le PCI-Afrique, qui couvre 48 économies, a été compliquée davantage par la

dispersion géographique des pays et par les grandes variations existant au

niveau de la taille, de la structure et du niveau de vie. L’énorme variété des

types de biens et services produits et consommés dans différentes parties de

la région a posé quelques difficultés à la BAD pendant le processus d’élabo-

ration d’une liste commune de produits dont les prix devaient être collectés

dans l’ensemble de la région. Ces difficultés ont été aggravées par le fait que

plusieurs pays de la région se trouvent encore à un stade peu avancé en ma-

tière de développement statistique.

1.7 Les disparités entre les pays participants sur le plan de la superficie, de la

géographie, et des capacités statistiques constituaient un défi considérable à

une comparaison économique viable. La plupart des problèmes ont été large-

ment surmontés grâce aux mécanismes qui ont été mis en place à différentes

étapes de la mise en œuvre du programme. Tous les pays participants ont

coopéré étroitement sous la supervision technique de la BAD afin de générer

Highlights of the Results of the 2005 Round of the International Comparison Program for Africa

13


des prix et des données de comptabilité nationale qui sont aujourd’hui plus

comparables et qui répondent aux critères internationaux. En conséquence,

les estimations des parités de pouvoir d’achat (PPA) dans ce cycle sont beau-

coup plus rigoureuses que les précédentes estimations, un fait qui s’explique

par l’utilisation d’une méthodologie améliorée, à laquelle s’ajoute l’améliora-

tion des procédures de collecte, d’apurement et de traitement des données.

1.8 Les points saillants présentés dans ce rapport offrent une vue générale

des principaux résultats du cycle 2005 du PCI-Afrique qui figureront dans le

rapport principal à paraître en juin 2008.

Highlights of the Results of the 2005 Round of the International Comparison Program for Africa

14


2. Que sont les parités de pouvoir d’achat ?

2.1 Une parité de pouvoir d’achat est une forme de taux de change qui prend

en compte les différences de niveaux de prix entre les pays. Une PPA peut

être perçue comme un taux auquel il faudrait échanger la monnaie d’un pays

donné afin de pouvoir acheter la même quantité de biens et services dans un

autre pays. Une PPA entre deux pays A et B est, par conséquent, le rapport

entre le nombre d’unités monétaires du pays A nécessaires pour acheter dans

le pays A une quantité donnée de biens et services et le nombre d’unités mo-

nétaires du pays B permettant d’acheter la même quantité de biens et services

dans le pays B. Les PPA peuvent s’exprimer dans la monnaie de l’un ou l’autre

pays.

2.2 Utiliser les PPA permet la comparaison entre les valeurs réelles des biens

et services produits dans différentes économies, ajustées au moyen d’un en-

semble commun de prix moyens internationaux (ou régionaux). Les PPA peu-

vent donc être perçues comme les ratios de prix moyens dans les pays parti-

cipants. Ce procédé permet de supprimer les distorsions provoquées par les

15


différences de niveaux de prix et de taux de change du marché observées

entre les pays pour des biens et services similaires.

2.3 Les PPA générées pour un pays peuvent être utilisées pour faciliter la com-

paraison réelle de différents agrégats économiques d’un pays à un autre ou

entre des régions à l’intérieur d’un même pays. La section 4 fournit un aperçu

de quelques-unes des principales utilisations des PPA.

16


3. Pourquoi recourir aux parités de pouvoir d’achat plutôt qu’aux taux de change ?3.1 Le recours aux taux de change du marché observés pour convertir des

agrégats en unités monétaires locales peut se révéler trompeur car les taux de

change ne reflètent pas les niveaux de prix relatifs à l’échelle nationale et sont

biaisés par nature pour plusieurs raisons : i) ils ne mesurent pas les écarts

de niveaux de prix entre les biens dans les différents pays ; ii) dans certains

pays, ils sont fixés par des décrets et ne reflètent pas nécessairement la véri-

table valeur de la monnaie ; iii) ils sont sujets à des fluctuations du fait de la

spéculation monétaire et des mouvements de capitaux à court terme ; iv) ils

n’indiquent pas les différences de niveaux de prix dans les différents secteurs

de l’économie ; et v) parfois les fluctuations peuvent brutalement entraîner

des variations arbitraires de la richesse des pays, comme cela a été le cas

dans la zone euro suite à l’affaiblissement du dollar ces dernières années. En

17


ce sens, les PPA offrent une mesure beaucoup plus comparative des agrégats

économiques entre les pays à un moment déterminé.

3.2 Le développement humain comporte plusieurs aspects et est mesuré au

moyen de différents facteurs, qui peuvent toucher aux revenus par habitant,

à la croissance économique, à la santé, à l’éducation, au progrès social, à la

mondialisation ou à la réduction de la pauvreté ou à une combinaison de

ces facteurs. Dans chaque cas, le fait de disposer de mesures statistiques de

grande qualité et comparables au plan international est indispensable pour

opérer des comparaisons fiables entre pays, suivre le progrès et aider à la

prise de décisions basées sur des données probantes. Comparer les données

économiques et sociales (telles que les statistiques sur la pauvreté) est une

tâche complexe car les agrégats économiques sont d’ordinaire exprimés en

monnaie nationale. Le recours aux taux de change est une méthode couram-

ment utilisée pour convertir les données économiques d’une monnaie natio-

nale vers une monnaie utilisée comme unité de compte à l’exemple du dollar

des États-Unis.

3.3 Cette approche simpliste ne convient pas, cependant, pour les comparai-

sons du revenu réel ou de la production et pour les comparaisons de la pro-

ductivité et des niveaux de vie. Utiliser les taux de change pour convertir les

agrégats en unités monétaires nationales peut être trompeur car les taux de

change ne reflètent pas les niveaux de prix relatifs au niveau national et sont

influencés par des facteurs étrangers tels que les flux financiers. Les taux

de change sont souvent sujets à d’importantes fluctuations à court terme de

nature spéculative qui peuvent se traduire à tort par des variations corres-

pondantes des niveaux de vie relatifs. En évaluant les niveaux de vie relatifs, il

est nécessaire de comparer les volumes de biens et services (évaluation des

agrégats en valeur réelle ou à prix constants) effectivement disponibles aux

résidents des différents pays dans leurs propres pays, en tenant compte des

niveaux de prix relatifs de chacun des pays.

3.4 Les PPA prennent directement en compte les différences de niveaux de

prix relatifs entre les pays. A titre d’exemple, les produits vendus dans les pays

à faible revenu coûtent normalement moins cher que ceux vendus dans les

pays à haut revenu en grande partie parce que les services coûtent géné-

18


ralement moins cher dans les pays à faible revenu. De nombreux services

sont produits et consommés à l’intérieur d’un pays et ne peuvent être expor-

tés ou importés directement (par exemple, coupes de cheveux, nettoyage à

sec). Le prix appliqué à ces services est essentiellement fonction des salaires

payés à ceux qui fournissent le service. Ainsi, dans les pays à faible revenu,

les prix payés pour ces services sont moins élevés car les salaires sont bas,

et vice-versa pour les pays à haut revenu. Ces services n’affectent pas le taux

de change d’un pays, mais ils ont un impact prononcé sur les PPA, qui sont

obtenus en comparant directement les prix payés pour ces services dans dif-

férents pays. Recourir aux PPA plutôt qu’aux taux de change pour convertir

des valeurs dans une monnaie commune a généralement pour effet de réduire

(proportionnellement) l’écart observé entre les pays à haut revenu et les pays

à faible revenu.

19


4. Utilisations des parités de pouvoir d’achat

4.1 Au fur et à mesure qu’apparaissent les avantages des PPA et des données

déflatées à l’aide des PPA, l’éventail et les catégories d’utilisateurs s’élargis-

sent. Les organisations internationales, les universités, les analystes économi-

ques, les entreprises du secteur privé, et les décideurs politiques ont recours

aux données ajustées avec les PPA pour analyser les niveaux d’activité éco-

nomique, de productivité, de revenu, d’investissement, et d’inégalité dans la

répartition des revenus entre les pays et pour compiler des statistiques sur la

pauvreté au niveau régional et mondial.

4.2 Les données du PCI permettent d’analyser les caractéristiques structu-

relles de l’économie en se servant des prix internationaux. Par exemple, les

structures économiques et de prix des pays à différents stades de développe-

ment pourraient être examinées par rapport à un pays comparable. Un pays

pourrait prendre également des mesures en vue d’améliorer sa compétitivité à

partir d’une analyse de sa structure de prix par rapport aux niveaux de prix à

l’échelle régionale. Une telle analyse pourrait révéler la nécessité d’améliorer

les infrastructures de transport et de stockage, les méthodes de conditionne-

20


ment et de commercialisation afin de réduire les coûts de transaction et attirer

ainsi des investissements.

4.3 Les sociétés multinationales ont de plus en plus recours aux données du

PCI pour suivre et évaluer les évolutions des taux de change car leurs déci-

sions d’investissement sont basées sur les valeurs réelles du rendement de

leurs investissements. Les données du PCI servent également à évaluer les

coûts comparatifs des investissements entre les pays, notamment les coûts

unitaires de la main-d’œuvre et des matières premières et à déterminer la via-

bilité des projets, la taille du marché, et l’affectation des ressources. L’évalua-

tion du potentiel de croissance par secteur d’activité et des risques que cela

suppose pour les investissements d’un pays à l’autre est une autre utilisation

importante des données du PCI dans le secteur privé. Certaines entreprises

spécialisées ont également recours aux données du PCI pour déterminer les

indemnités de coût de la vie ajustées avec les PPA entre les pays de façon

mensuelle pour satisfaire les besoins des sociétés multinationales, des gran-

des organisations non gouvernementales, et des agences internationales de

développement.

4.4 Au plan international, les PPA sont utilisées, entre autres, pour établir le

seuil international de pauvreté (Banque mondiale), construire l’Indice de dé-

veloppement humain (Programme des Nations Unies pour le développement),

comparer les dépenses de santé par habitant (Organisation mondiale de la

santé), évaluer les dépenses par habitant consacrées à l’éducation (UNESCO),

suivre l’évolution du bien-être des enfants (UNICEF), comparer les tailles re-

latives des économies et estimer les moyennes pondérées des taux de crois-

sance régionaux (Fonds monétaire international et BAD), et ajuster les salaires

et les indemnités d’expatriation afin de compenser les différentiels de niveaux

de vie (bailleurs de fonds). La communauté internationale utilise le seuil de

pauvreté international d’un dollar par jour mesuré en PPA pour suivre les pro-

grès accomplis vers la réduction du nombre de personnes en situation de

pauvreté absolue.

21


5. Limites de l’utilisation des parités de pouvoir d’achat

5.1 Si les PPA offrent une méthode plus rigoureuse pour la comparaison dans

l’espace de différents agrégats économiques dans un pays ou une région et

entre pays ou régions, , il faut faire preuve de prudence en utilisant les PPA

pour tirer des conclusions sur les taux de change appropriés pour un pays

donné. En premier lieu, les PPA ne donnent pas nécessairement une indication

sur ce que « devrait être » le taux de change. Ce serait le cas seulement si

les PPA ne couvraient que les biens marchands. Les PPA générées pendant

l’exercice du PCI couvrent toutefois non seulement les produits marchands,

mais aussi les produits non marchands tels que le logement et les services

personnels et les services publics. Les taux de change sont déterminés par la

demande totale d’une monnaie particulière, et le financement du commerce

extérieur n’est qu’une composante de cette demande. Par conséquent, les PPA

ne doivent pas servir à déterminer le taux de change « correct » d’un pays.

Celui-ci est déterminé de manière plus appropriée par les marchés monétaires

internationaux.

22


5.2 Deuxièmement, les PPA sont des estimations statistiques et, par consé-

quent, sujettes à des erreurs d’estimation et d’échantillonnage. On peut en dire

de même des statistiques de comptabilité nationale qui sont utilisées comme

coefficients de pondération pour générer des PPA aux niveaux des positions

élémentaires. Lorsque les PPA et les comptes nationaux sont associés pour

obtenir le PIB total ou le PIB par habitant (exprimé en PPA), les indicateurs

du PIB réel ou par habitant qui en résulte ne doivent pas nécessairement être

utilisés pour établir des classements rigides entre les pays, en particulier dans

les situations où les différences entre les pays sont relativement faibles. L’expli-

cation à cela est que la fiabilité des PPA et des mesures de volume dépendent

dans une large mesure du niveau de détail. A un niveau plus agrégé, on s’at-

tend à des PPA plus fiables. Par exemple, les PPA pour les produits alimentaires

et les boissons non alcoolisées seraient plus fiables que les PPA se rapportant

uniquement aux produits alimentaires, et les PPA pour le pain et les céréales

seraient plus fiables que les PPA pour le riz pris isolément. Ceci a été un fac-

teur important dans la détermination du niveau optimal de désagrégation des

données présenté dans la présente publication.

5.3 Dans le même ordre d’idée, la prudence doit être de mise lors de la com-

paraison des économies selon leurs PIB ou en utilisant des indicateurs par

habitant. Comme des erreurs peuvent survenir dans le calcul du PIB et de la

population totale ainsi que dans l’estimation des PPA, il ne faut guère attacher

d’importance aux petits écarts. Il faut aussi être prudent en opérant des com-

paraisons entre les niveaux de prix ou les dépenses par habitant lorsque les

niveaux d’agrégation sont faibles car, dans ce cas, de petites erreurs peuvent

entraîner de grands écarts.

5.4 Enfin, les séries chronologiques de différentes estimations du PIB réel de

référence (exprimées en PPA) ne sont pas directement comparables dans le

temps. Le PIB réel fournit une vue synoptique des niveaux relatifs du PIB réel

entre les pays participants pour une année de référence donnée. Lorsque des

estimations de PPA de référence relatives à différentes années sont placées

l’une à côté de l’autre, les points ainsi obtenus peuvent ne représenter qu’une

une image séquentielle des niveaux relatifs du PIB réel au fil des années. Cette

série chronologique apparente du PIB réel est en fait similaire à une série

chronologique des prix courants présentant l’effet combiné des variations des

23


niveaux de prix relatifs et des variations des niveaux du PIB réel relatifs. Cha-

que année, les indices se situent à un niveau de prix uniforme, mais le niveau

de prix uniforme varie d’une année de référence à une autre1.

1 Banque asiatique de développement, Purchasing Power Parities and Real Expenditure Highlights, Décembre 2007.

24


6. Méthode de calcul6.1 La participation au PCI-Afrique nécessitait de disposer essentiellement de

deux types de données. En premier lieu, chaque pays participant devait fournir

des estimations de son PIB suivant le cadre décrit dans le Système de compta-

bilité nationale de 1993 (SCN93) selon l’approche axée sur les dépenses.

6.2 Deuxièmement, pour que les données d’un pays puissent être utilisées

dans le cadre du PCI-Afrique, la BAD a exigé qu’elles aient été collectées

conformément à l’approche axée sur les dépenses, tandis que ses composan-

tes seraient réparties entre 155 positions élémentaires. À cet égard, plusieurs

nomenclatures semblables à celles utilisées dans le SCN93 étaient nécessai-

res. Pour les besoins du PCI, les nomenclatures les plus importantes sont cel-

les relatives aux dépenses. En particulier, la nomenclature des fonctions de la

consommation individuelle fournit une structure permettant la désagrégation

des dépenses de consommation individuelles effectuées par les ménages en

110 positions élémentaires.

6.3 De la même manière, la nomenclature des fonctions du gouvernement four-

nit un cadre pour décomposer les dépenses du gouvernement en dépenses

25


individuelles ou collectives. L’autre grande composante du PIB, la formation

brute de capital fixe (FBCF), est classée par catégorie de biens ayant fait l’objet

de dépenses, tels que la construction et les bien d’équipement.

6.4 Dans plusieurs pays participants, les comptes nationaux ont été compilés

suivant l’approche axée sur la production, ce qui suppose que les estimations

de dépenses nécessaires pour les besoins du PCI n’étaient pas disponibles.

Dans pareils cas, les valeurs des positions élémentaires ont été estimées en

s’appuyant sur d’autres sources de données (les enquêtes auprès des ména-

ges, les équilibres ressources-emplois ou les flux de matières premières).

6.5 Il a été demandé aux pays participants de fournir des taux de change

moyens annuels et des données sur la population résidente en milieu de pé-

riode pour l’année de référence. Les prix requis pour l’exercice étaient des

prix annuels nationaux effectivement payés par les consommateurs. Les pays

n’ont pas eu à estimer les prix des stocks, des objets de valeur, des exporta-

tions ou des importations.

6.6 Trois niveaux d’agrégation ont été nécessaires pour l’obtention des PPA

relatives aux 48 pays participant au PCI-Afrique :

1. calculer pour chaque produit ou service la moyenne des observations in-

dividuelles de prix afin de déterminer un prix moyen annuel national pour

chaque produit ou service dans chaque économie ;

2. calculer les PPA par position élémentaire ; et

3. calculer les PPA du PIB et de ses principaux agrégats dans les 48 écono-

mies de la région pour lesquelles des estimations du PIB étaient disponi-

bles.

26


7. Points saillants des résultats

7.1 Cette section fournit un aperçu général des principaux résultats de l’exer-

cice de collecte de données effectué dans le cadre du PCI-Afrique pendant

la période de 2005 à 2007. Elle fournit des renseignements sur la taille et les

classements relatifs des économies africaines, une comparaison entre les ni-

veaux de vie à travers les pays, les niveaux de prix relatifs observés dans les

pays, ainsi que les niveaux comparatifs des dépenses d’investissement.

A. Quelles sont les économies les plus importantes ou les plus petites ?

7.2 Le produit intérieur brut (PIB) est la mesure la plus couramment utilisée

pour estimer la taille de l’économie d’un pays. Le PIB d’un pays peut être consi-

déré comme la somme des produits des prix de biens et services consom-

més sur une année et de leurs quantités respectives. Le PCI-Afrique1 offre la

1 Ces résultats présentent des écarts entre les estimations antérieures du PIB et le PIB par habitant publiés dans les Indicateurs du développement dans le monde (WDI) de la Banque mondiale et les résultats du cycle en cours du PCI-Afrique. Pour de plus amples explications prière se référer à l’Annexe I.

27


possibilité de comparer la taille d’économies hétérogènes sur la base de leur

pouvoir d’achat et de classer les contributions des pays à la production de la

région.

7.3 L’annexe II présente les valeurs du PIB des pays africains en termes de

PPA et de taux de change sur la base des résultats du cycle en cours du PCI-

Afrique . Les chiffres révèlent que le PIB de l’Afrique mesuré en PPA, est plus

de deux fois plus élevé que son PIB mesuré en termes de taux de change du

marché. Cela s’explique par le fait que les taux de change ont souvent tendan-

ce à sous-estimer le pouvoir d’achat des monnaies des économies avancées,

en particulier pour les biens et services marchands.

7.4 Le graphique 1 fournit des informations synthétiques sur la répartition

du PIB de l’Afrique en termes de parités de pouvoir d’achat et en utilisant les

taux de change officiels. L’utilisation de l’une ou l’autre de ces mesures révèle

que les cinq pays classés en tête : Afrique du Sud (22%), Egypte (20%), Nigéria

(14%), Maroc (6%) et Soudan (4%) représentent près de deux tiers de la pro-

duction totale de l’Afrique2. Trois d’entre eux (Egypte, Nigéria et Soudan) sont

des pays producteurs de pétrole et l’un d’eux, en l’occurrence le Nigeria, est le

2 L’Algérie aurait probablement figuré parmi ces 5 pays, mais elle n’a pas participé au présent cycle du PCI-Afrique.

Graphique 1: Répartition du PIB en Afrique

Pourcentage du PIB de l’Afrique (%)

Pays En PPA Aux taux de change du marché

Afrique du Sud 22,35 28,84

Egypte 19,88 11,78

Nigéria 13,91 13,52

Maroc 6,03 7,03

Soudan 4,48 4,19

Tunisie 3,64 3,46

Angola 3,00 3,61

Kenya 2,70 2,23

Ethiopie 2,39 1,32

Tanzanie 2,02 1,51

Reste des pays africains 19,60 22,51

28


pays le plus peuplé de l’Afrique. Trente-trois pays africains, représentant cha-

cun moins de 1 % de la production de la région, totalisent moins de 15 % du

PIB total de la région. Toutefois, il apparait quelques changements dynamiques

dans la taille et les parts relatives de ces cinq premières économies africaines

lorsqu’on utilise les PPA ou les taux de change du marché pour mesurer la

production.

7.5 En particulier, la taille et la part de l’économie égyptienne augmentent consi-

dérablement lorsqu’on utilise les PPA. L’économie égyptienne qui est évaluée à

moins de la moitié de la taille de l’économie sud-africaine en utilisant les taux

de change du marché, voit sa taille plus que tripler lorsqu’elle est mesurée en

utilisant les PPA. La part de l’Egypte dans le PIB global de la région est d’environ

20 % lorsqu’on utilise les PPA, contre 12 % quand on utilise les taux de change

du marché. Mesurer la taille de l’économie égyptienne en dollars E.U. aux taux

de change du marché sous-estime par conséquent son importance et sa taille

relative. Par ailleurs, la part de l’Afrique du Sud dans le PIB de la région tombe

de 29 à 22 % quand sa production est convertie aux PPA plutôt qu’aux taux de

change du marché. Ces fluctuations traduisent les niveaux de prix relativement

bas et relativement élevé en Egypte et en Afrique du Sud respectivement.

B. Quels sont les plus riches ou les plus pauvres ?

7.6 Le PIB réel par habitant est l’étalon habituellement utilisé pour distinguer

les pays riches et les pays pauvres. Déflater le PIB par la population supprime

la distorsion créée par la taille de la population et permet de comparer les ni-

veaux de vie entre les pays. Le PIB réel par habitant mesure le flux des biens et

services dont disposent les pays pour contribuer au bien-être économique de

leurs populations. Le graphique 2 illustre la répartition du revenu par habitant

en parité de pouvoir d’achat et en valeur nominale (dollars E.U.) par pays.

7.7 Mesurées selon le PIB réel par habitant, les cinq économies les plus riches

sont le Gabon (12 742 dollars E.U.), le Botswana (12 057 dollars E.U.), la Guinée

équatoriale (11 999 dollars E.U.), l’Ile Maurice (10 155 dollars E.U.) et l’Afrique

du Sud (8 477 dollars E.U.). Quatre de ces cinq pays ont une population réduite

(entre 1 et 1,7 million d’habitants) et leur part en valeur réelle dans la production

régionale varie de 0,68 à 1,2 %. Le PIB réel moyen par habitant de la région est

29


de 2 223 dollars E.U. en PPA. Trente-quatre économies ont un PIB réel par ha-

bitant de moins de 2 500 dollars E.U., la moitié d’entre elles ont un PIB réel par

habitant de moins de 1 400 dollars E.U., et un quart des pays de la région ont

un PIB réel par habitant de moins de 800 dollars E.U. Comme l’illustre le graphi-

que 2, cette dernière catégorie comprend les 5 pays les plus pauvres : l’Ethiopie

(591 dollars E.U.), la Guinée-Bissau (569 dollars E.U.), le Zimbabwe (538 dollars

E.U.), le Libéria (383 dollars E.U.) et la République démocratique du Congo (264

dollars E.U.).

7.8 D’autre part, les estimations du PIB ajustées en utilisant des PPA révèlent

une diminution de la richesse de certains pays. Les changements les plus

importants dans le classement ont été observés pour la République centrafri-

caine et les Comores. La République centrafricaine est classée 35ème économie

la plus riche lorsqu’on a recours au taux de change du marché, mais rétro-

grade au 41è rang lorsque les parités de pouvoir d’achat sont utilisées pour la

conversion (voir Annexe III). Les Comores chutent de la 25ème à la 29ème place.

Botsw

ana

Gabon

0

2000

4000

6000

8000

10000

12000

14000

Guinée

équat

.

Mau

rice

Afrique

du Sud

Moy

enne A

frique

Ethio

pie

Guinée

-Biss

au

Zim

babwe

Libér

ia

R.D. C

ongo

Graphique 2 : Pays les plus riches et pays les plus pauvres en Afrique (PIB réel par habitant en dollars E.U.)

Note : Pour des indications détaillées sur les pays, prière se référer à l’annexe III.

30


D’autre part, l’on constate que certaines économies sont plus riches lorsque le

PIB réel par habitant est utilisé plutôt que le PIB converti aux taux de change

du marché. À titre d’exemple, l’Egypte passe de la 13ème à la 7ème place, la Mau-

ritanie de la 24ème à la 19ème, le Tchad de la 22ème à la 18ème place et la Gambie

du 43ème au 39ème rang.

7.9 L’Egypte enregistre la plus forte progression au niveau du classement

lorsqu’on utilise le PIB ajusté par les PPA plutôt que le PIB basé sur les taux

de change du marché. En effet, (comme expliqué plus haut à la section 7.4),

bien que l’Egypte soit un pays à revenu intermédiaire, il est le pays le moins

cher dans l’échantillon choisi car ayant un indice de niveau de prix le plus bas,

quasiment au même niveau que l’Ethiopie qui est beaucoup plus pauvre. L’écart

dans le classement de l’Egypte illustre dans quelle mesure les PPA sont perçues

comme une mesure plus adaptée du coût relatif de la vie, plutôt que le taux de

change du marché.

Afrique

du Sud

Mau

rice

450

400

350

300

250

200

150

100

50

0

500

Tunisi

e

Egypte

Gabon

Moy

enne A

frique

Niger

Guinée

-Biss

au

Zim

babwe

Libér

ia

R.D. C

ongo

Graphique 3 : Les pays ayant les niveaux de vie les plus bas ou les plus élevés (Indice de la DCFE réelle par habitant : Afrique =100)

Note : Pour des indications détaillées sur les pays, prière se référer à l’annexe IV.

31


C) Quels sont les pays ayant les niveaux de vie les plus élevés ou les plus bas ?

7.10 Si la gamme complète de biens et services entrant dans la composition

du PIB sert à mesurer le développement économique général des pays, pour

comparer les niveaux de vie dans différents pays, nous devons utiliser les

PPA sur la base de ce que les ménages consomment effectivement. Ainsi, on

obtient une mesure plus appropriée du bien-être économique de la population

en comparant les dépenses de consommation finale effectives par habitant

(DCFE). Le graphique 3 montre la DCFE réelle par habitant à la moyenne ré-

gionale fixée à 100.

7.11 Même si le groupe de pays qui étaient en tête de la liste en considérant

le PIB réel par habitant continue d’occuper les premiers rangs du classement

lorsque la comparaison se fonde sur la DCFE réelle par habitant, les rangs chan-

gent. Le Gabon, le Botswana, la Guinée équatoriale chutent chacun de quatre

ou cinq rangs, passant respectivement de la première, deuxième et troisième

places à la cinquième, septième et huitième places. L’Ile Maurice, l’Afrique du

Sud, la Tunisie et l’Egypte progressent chacun de trois places, passant de la

quatrième, cinquième, sixième et septième places à la première, deuxième, troi-

sième et quatrième places, respectivement.

7.12 Lorsqu’on utilise les dépenses réelles des ménages par habitant plutôt que

le PIB réel par habitant, la régression la plus importante dans le classement des

pays est observée pour l’Angola qui passe de la 12e à la 35e place ; la République

du Congo qui chute de la 10e à la 23e place ; et le Tchad qui tombe de la 18e à la

25e place. Ces pays ont la proportion la plus faible des dépenses de consomma-

tion réelles des ménages par rapport au PIB (19 % pour l’Angola, 25 % pour la

République du Congo, et 46 % pour le Tchad). Ces pays étant des pays produc-

teurs de pétrole, les proportions réduites dans les dépenses de consommation

sont une indication de la place dominante qu’occupent les ressources pétroliè-

res dans leurs économies. Les pays producteurs de pétrole3 ont plus de pouvoir

d’achat et cela ressort dans leurs dépenses par habitant.

3 Les pays producteurs de pétrole dans la région sont : l’Angola, le Cameroun, le Congo, la Côte d’Ivoire, le Gabon, la Guinée équatoriale, la Mauritanie, le Nigéria, l’Egypte, la République du Con-go, la République démocratique du Congo, le Soudan, le Tchad et la Tunisie. Il faut noter que l’Algérie et la Libye, deux grands producteurs de pétrole d’Afrique, ne figurent pas parmi les pays participants au PCI. Cependant, la Lybie a participé à certaines activités de développement de capacité entreprises par la BAD.

32


7.13 Concernant les autres pays, leur classement selon les dépenses réelles

des ménages par habitant plutôt que selon le PIB réel par habitant fait progres-

ser le Lesotho de la 23è à la 13è place, le Togo de la 35è à la 26è place et Sao

Tomé & Principe de la 22è à la 15è place.

D. Quelles sont les économies les plus chères ou les moins chères ?

7.14 Les indices de niveaux de prix (INP) sont exprimés comme le ratio des PPA

d’un pays par rapport au taux de change de sa monnaie en relation avec le dol-

lar E.U. Ces indices fournissent une comparaison des niveaux généraux des prix

dans les pays par rapport à la moyenne de l’Afrique. Un INP de plus de 1 signifie

que les prix sont plus élevés que la moyenne de la région, et un INP inférieur à 1

signifie que les prix sont relativement plus bas que la moyenne de la région. Par

conséquent, les INP permettent d’identifier quels sont les pays les plus chers et

les moins chers, comme cela est présenté au graphique 4.

0

0,5

1,0

1,5

2,0

2,5

3,0

3,5

Cap V

ert

Zim

babwe

Namib

ie

Afrique

du Sud

Comor

es

Moy

enne A

frique

Mad

agas

car

Burundi

Gambie

Egypte

Ethio

pie

Graphique 4 : Pays les plus chers ou les moins chers (INP) en Afrique (Indices de niveaux de prix : Afrique = 1,0)

Note : Pour des indications détaillées sur les pays, prière se référer à l’annexe II.

33


7.15 Tandis qu’en moyenne, les INP sont plus élevés dans les pays riches que

dans les pays pauvres, il existe néanmoins des exceptions notables. Le Zimba-

bwe a l’INP le plus élevé suivi par le Cap-Vert, la Namibie et l’Afrique du Sud.

L’Ethiopie, l’Egypte, la Gambie et le Burundi enregistrent les INP les plus bas. Le

fait que le Zimbabwe ait l’INP le plus élevé est la conséquence de la situation

d’hyperinflation qui prévaut dans le pays. En effet, les prix au Zimbabwe équiva-

lent à peu près au double de ceux du deuxième pays le plus cher de la région.

E. Quels pays dépensent plus ou moins en matière d’investissement ?

7.16 La formation brute de capital fixe (FBCF) mesure les dépenses d’investisse-

ment d’un pays et comprend essentiellement les achats de machines et de biens

d’équipement et les services de construction. La formation brute de capital fixe

0

100

200

300

400

500

600

700

800

Botsw

ana

Gabon

Guinée

équat

.

Mau

rice

Afrique

du Sud

Moy

enne A

frique

Gambie

Sierra

Leo

ne

Côte

d'Ivoi

re

R.D. C

ongo

Rép. C

entra

frica

ine

Graphique 5 : Pays ayant les dépenses d’investissement par habitant les plus élevées ou les moins élevées (Indice de FBCF réelle par habitant : Afrique = 100)

Note : Pour des indications détaillées sur les pays, prière se référer à l’annexe V.

34


représente en moyenne près de 22 % du PIB régional. Le graphique 5 fournit les

dépenses d’investissement réelles relatives par habitant pour les pays ayant les

niveaux les plus bas ou les plus élevés.

7.17 Le même groupe de pays qui se situent en tête de la liste si l’on considère

le PIB réel par habitant continue de dominer les premières places du classement

lorsque la comparaison est basée sur la formation brute de capital fixe réelle

par habitant. Ces pays sont le Gabon, le Botswana, la Guinée équatoriale, l’Ile

Maurice et l’Afrique du Sud. Au niveau de la formation brute de capital fixe, les

INP fournissent une mesure des écarts des prix des investissements entre les

pays. D’une part, la Côte d’Ivoire et la République du Congo sont presque deux

fois plus chères que la moyenne de la région. D’autre part, le Malawi a l’INP le

plus bas (0,46) pour l’investissement, représentant ainsi la destination des in-

vestissements la moins chère sur le continent (voir graphique 6).

0

0,20

0,40

0,60

0,80

1,00

1,20

1,40

1,60

1,80

2,00

Congo

Côte

d'Ivoi

re

Guinée

équat

.

Leso

tho

Zim

babwe

Afrique

Burundi

R.D. C

ongo

Egypte

Ethio

pie

Mala

wi

Graphique 6 : Pays ayant les niveaux de prix les plus élevés oules plus bas pour l’investissement (INP) (Indice pour l’Afrique =1,00)

Note : Pour des indications détaillées sur les pays, prière se référer à l’annexe V.

35


7.18 L’Afrique du Sud enregistre le pourcentage le plus élevée de formation

de capital fixe par habitant dans la région, indépendamment du fait qu’elle

est mesurée au taux de change du marché (25,8 %) ou selon les PPA (22,4 %)

(voir graphique 7). Il faut noter cependant que la proportion est plus réduite

lorsqu’on a recours à la mesure basée sur les PPA. Il y a très peu de change-

ments dans la taille de la formation de capital fixe par habitant lorsqu’elle est

mesurée au taux de change du marché ou avec les PPA. Cependant un nombre

limité de pays présentent des variations significatives qui entraînent une évo-

lution dans le classement (voir Annexe V). Par exemple, l’Egypte qui arrive en

troisième position lorsqu’on utilise la mesure basée sur le taux de change monte

à la deuxième place et fait passer ainsi le Maroc à la troisième place. À l’autre

extrémité, la Côte d’Ivoire chute de 9 places, tandis que la Guinée équatoriale et

la République du Congo reculent chacun de 8 places, quand les tailles de leur

formation de capital fixe sont mesurées en parités de pouvoir d’achat. Comme

indiqué plus haut, cela s’explique par le niveau élevé des coûts des investisse-

ments dans ces pays.

Rest of Africa

Angola

Nigeria

Morocco

Egypt, Arab Rep.

South Africa

Graphique 7 : Afrique : Répartition de la formation brute réelle de capital fixe en Afrique

Note: Pour des indications détaillées sur les pays, prière se référer à l’annexe V. Le total des pourcentages peut ne pas donner 100 du fait des arrondis

Autres pays africains 37

Angola 5

Nigeria 8

Maroc 10

Afrique du Sud 22

Egypte 16

36


8. Conclusion et recommandations

8.1 Les activités du PCI-Afrique 2005 représentent une étape importante

comme c’était la première fois qu’une institution africaine, en l’occurrence la

BAD, coordonnait le programme d’un bout à l’autre. C’était aussi la première

fois que presque tous les pays du continent africain étaient inclus dans la

comparaison. L’implication des organisations sous-régionales et du Bureau

de la coordination mondiale du programme dans la gestion quotidienne des

activités administratives et techniques du programme ont permis d’utiliser des

méthodologies solides et des procédures méthodiques de collecte de don-

nées. En conséquence, les estimations fournissent une base solide pour des

comparaisons significatives entre les pays.

8.2 Les résultats générés par ce cycle du PCI-Afrique ont débouché sur la

mise à disposition de données de meilleure qualité permettant d’évaluer les

positions relatives des économies dans la région. Les PIB par pays peuvent

désormais être comparés en utilisant les PPA qui fournissent une perspec-

37


tive plus cohérente de comparaisons que par le passé où les taux de change

étaient utilisés pour convertir des valeurs exprimées dans les monnaies loca-

les vers une monnaie commune. En outre, le PCI-Afrique a offert une occasion

de renforcer les compétences des ressources humaines dans la région.

8.3 Parmi les résultats du PCI, figure son apport indispensable aux processus de

gestion des politiques et de prise de décision aux plans national et international.

En dehors du fait qu’ils sont utiles pour faciliter la comparaison du PIB et des

agrégats connexes entre les pays, les résultats servent aussi à comparer les in-

cidences de la pauvreté au niveau régional et à l’analyse comparative de la pau-

vreté entre les pays. Ils peuvent également contribuer utilement aux décisions

de différents agents économiques en matière d’investissement et d’emploi.

8.4 Au regard de l’importance des données du PCI pour la gestion des politi-

ques de développement, il importe que la Banque et les pays africains pour-

suivent les activités du PCI au-delà du cycle en cours. En particulier, il serait

nécessaire que les pays intègrent entièrement les activités du PCI dans leurs

activités courantes, en dégageant à cet effet les ressources nécessaires. Il est

heureux de noter que certains pays ont engagé des ressources pour les activi-

tés du PCI et que les responsables des instituts nationaux de la statistique ont

pris l’engagement, dans la Déclaration d’Accra de décembre 2007 d’intégrer les

activités essentielles du PCI-Afrique dans leurs activités statistiques ordinaires.

8.5 La plupart des pays participants au PCI-Afrique ont également collecté des

données en 2006 et en 2007. Les résultats qui seront générés au moyen de

ces données seront publiés en 2009. Avant le prochain cycle du PCI-Afrique

prévu en 2011, il est envisagé que la BAD mette à profit la synergie créée entre

les activités de collecte de données du PCI-Afrique et celles de l’Indice des

prix à la consommation dans les pays participants pour publier les résultats

du PCI-Afrique pour les années 2008 à 2010. En outre, la BAD mets en place

des projets destinés à élargir l’étendue de ses initiatives de renforcement des

capacités statistiques en partenariat avec toutes les parties prenantes clés et

conformément aux principes adoptés dans le Cadre stratégique régional de

référence (CSRR) pour le renforcement des capacités statistiques en Afrique et

aux Stratégies nationales de développement de la statistique (SNDS) qui défi-

nissent clairement les priorités des pays en matière de mesure des résultats.

38


Annexes

39


Annexe I : Comparaison entre les résultats du PCI 2005 à l’échelle mondiale et le WDI 2005

Cette annexe explique pourquoi les nouvelles PPA diffèrent des précédentes

estimations pour 2005 qui reposaient sur des extrapolations effectuées à par-

tir des précédentes enquêtes de référence, publiés par la Banque Mondiale

dans les Indicateurs du développement dans le monde (WDI). La présente

section représente un extrait du rapport de la Banque mondiale sur les ré-

sultats du PCI à l’échelle mondiale et se concentre sur les aspects pertinents

pour les pays africains.

Les précédentes séries de PPA pour les pays africains sont basées sur l’an-

née de référence 1993 où 22 économies africaines ont participé à la collecte

des prix du PCI. Afin d’obtenir les résultats pour 2005, les PPA produites en

1993 ont été extrapolées jusqu’en 2005, en se servant toujours du PIB comme

déflateurs. Dans le cas où un pays n’a pas participé au cycle 1993 du PCI («

économies autres que celles de référence »), les estimations ont été calcu-

lées au moyen d’un modèle de régression basé sur les informations obtenues

auprès des pays participants (« économies de référence »). Ces estimations

extrapolées sont désignées par le terme « estimations du WDI 2005 » car ils

apparaissent dans le WDI 2007 et dans la base de données du WDI.

Une fois les estimations obtenues pour l’année de référence, les PPA et les

estimations correspondantes du PIB par habitant ajustées avec les PPA tant

pour les économies de référence que pour les autres non utilisées comme

référence sont rétropolées et extrapolées en vue de créer des séries chro-

nologiques. Pour les PPA, on a utilisé les taux d’inflation local (mesuré par le

déflateur du PIB) par rapport aux États-Unis, tandis que le PIB réel et le PIB

réel par habitant sont extrapolés en utilisant les taux de croissance découlant

des données nationales à prix constants.

Notons que lorsque les PPA sont extrapolées en utilisant les taux d’inflation

dans une économie par rapport au pays de base, elles ne concorderont pas

nécessairement avec les estimations obtenues pour une nouvelle année de

référence. Cela est dû à plusieurs facteurs :

40


Le traitement des questions délicates telles que le logement, les servic-•

es non marchands, etc. peut être différent d’un cycle du PCI à l’autre. En

général, nous pouvons supposer que de meilleures méthodes sont intro-

duites à chaque cycle successif. Par exemple, des ajustements ont été ap-

portés aux salaires en fonction de la productivité dans l’administration

publique au niveau de certains pays.

L’extrapolation est effectuée au niveau macro ou au niveau du PIB plutôt •

qu’au niveau de chaque produit ou d’une position élémentaire. Elle se

fonde sur l’hypothèse que chaque économie a une structure économique

semblable à celle du pays dont la monnaie constitue l’unité de compte et

que les économies des deux pays évoluent dans un mouvement similaire.

Les paniers de produits choisis lors des cycles successifs du PCI peu-•

vent être différents et les paniers du PCI seront également différents des

paniers nationaux utilisés dans le calcul des taux d’inflation au niveau

national.

L’ampleur des erreurs d’échantillonnage et d’autres types d’erreurs dans •

les deux enquêtes peut être différente.

Différentes méthodes d’agrégation ont peut-être été utilisées.•

Le nombre d’économies participant aux cycles du PCI est différent. Par ex-•

emple, la comparaison de 1993 menée en Afrique touchait 22 économies.

La comparaison 2005 pour l’Afrique a rajouté 26 autres économies, dont

l’Afrique du Sud. Les PPA sont les résultats d’un processus d’estimation

multilatéral qui sous-entend que les relations entre deux quelconques

économies sont affectées par des parités indirectes avec toutes les autres

économies de la région.

Des méthodes ad hoc ont été utilisées dans le PCI 1993 pour relier l’Afrique •

et l’OCDE, tandis que l’on a rencontré des problèmes similaires en utilisant

le Japon pour relier l’Asie-Pacifique et l’OCDE.

La SCN93 a servi de base pour les dépenses et coefficients de pondérations •

de 2005 tandis que la SCN68 a servi de base pour le cycle précédent.

41


Même si les méthodologies générales et les procédures d’agrégation étaient

les mêmes dans les deux enquêtes, les valeurs extrapolées ne seront pas

nécessairement égales aux valeurs de la nouvelle année de référence. Cela

s’explique par le fait que les enquêtes du PCI se coordonnent avec les estima-

tions de l’année en cours de sorte les estimations de référence successives

reflètent les variations non seulement des quantités, mais aussi des prix d’une

année à l’autre. L’extrapolation d’une valeur pour une année de référence vers

une autre au moyen des taux d’inflation relatifs ne refléteront que les varia-

tions de quantité et ne rendront compte d’aucune variation dans la compo-

sition de la quantité, qui pourraient résulter de variations des prix relatifs et

de l’interaction entre l’offre et la demande de produits complémentaires et de

substitution.

Pour les économies réalisant d’importants volumes d’échanges avec l’exté-

rieur, les extrapolations sont plus problématiques en raison des variations des

termes de l’échange. Par exemple, si la quantité physique des exportations

d’une économie reste la même, tandis qu’au contraire le prix diminue, les ex-

portations extrapolées seront inchangées, mais la production mesurée en prix

courants sera réduite. Il se produira un effet similaire si les prix des importa-

tions augmentent, en l’occurrence le PIB extrapolé dépassera le PIB mesuré

pour l’année considéré. Le contraire se produira en cas d’augmentations des

prix des exportations et de baisses des prix des importations, toutes choses

étant égales par ailleurs.

Les résultats présentés dans cette publication sont basés sur les données

effectivement collectées et soumises par les pays participants à la BAD. Ces

données diffèrent bien entendu de celles du WDI. Le graphique A1 fournit un

récapitulatif par pays des données tirées du nouveau référentiel comparées

aux estimations à partir de données antérieures. Le renvoi en bas de page

indique un pays hors économies de référence qui n’est pas inclus dans la

comparaison de 1993, dont les estimations ont été calculées au moyen du mo-

dèle de régression décrit ci-dessus. Le graphique montre le PIB et le PIB par

habitant en PPP et en dollars E.U. tirés du PCI 2005 et du WDI 2005. Les deux

dernières colonnes présentent le PIB en dollars E.U. tel qu’utilisé dans le PCI

comparé à la base de données du WDI.

42


Comme l’illustre le graphique A1, les résultats du PCI en cours révèlent que le

réalignement des PPA provoque une réduction des estimations de PIB de six

des plus grandes économies africaines, les réductions les plus importantes

étant enregistrées pour l’Éthiopie (-45%), le Maroc (-23 %) et l’Afrique du Sud

(-24 %). D’autre part, le réalignement des PPA a entraîné des augmentations si-

gnificatives pour cinq des dix principales économies, qui vont de 60 % pour le

Nigeria, 32 % pour la Tanzanie, 48 % pour l’Angola, 13 % pour le Kenya à 10 %

pour l’Égypte. En particulier, suite aux réalignements des PPA, les économies

égyptienne et nigériane qui affichaient auparavant 60 et 30 % respectivement

du PIB de l’Afrique du Sud sont désormais estimées à environ 90 et 60 % de la

production de l’Afrique du Sud.

43


44


Gra

phi

que

A1

: Com

par

aiso

n en

tre

les

résu

ltat

s m

ond

iaux

du

PCI 2

005

et le

s W

DI 2

005

PIB

par

hab

., P

PAP

IB p

ar h

ab.,

$E

.U.

PIB

, PPA

(M

illi

ard

)P

IB, $

E.U

. (M

illi

ard

)

PC

I '0

5W

DI

'05

Dif

f.P

CI

'05

WD

I '0

5D

iff.

PC

I '0

5W

DI

'05

Dif

f.P

CI

'05

WD

I '0

5D

iff.

An

gola

a 3

533

2 33

551

%1

945

2 05

8-5

%55

,037

,248

%30

,332

,8-8

%

Bén

in1

390

1 13

023

% 5

79 5

0814

%10

,59,

510

%4,

44,

32%

Bo

tsw

ana

12 0

5712

154

-1%

5 71

25

918

-3%

20,5

21,5

-4%

9,7

10,4

-7%

Bu

rkin

a Fa

soa

1 14

01

249

-9%

433

431

0%14

,616

,5-1

2%5,

55,

7-3

%

Bu

run

di

a 4

10 6

99-4

1% 1

30 1

0523

%3,

15,

3-4

1%1,

00,

823

%

Cam

ero

un

1 99

52

300

-13%

950

1 03

4-8

%35

,037

,5-7

%16

,616

,9-1

%

Cap

Ver

ta

2 83

15

831

-51%

2 21

51

972

12%

1,4

3,0

-54%

1,1

1,0

6%

Cen

traf

riq

ue,

Rép

.a

675

1 22

4-4

5% 3

38 3

390%

2,7

4,9

-45%

1,4

1,4

-1%

Tch

ad

a 1

749

1 52

415

% 6

90 6

0414

%14

,914

,90%

5,9

5,9

0%

Co

mo

res

a 1

063

1 99

3-4

7% 6

11 6

45-5

%0,

61,

2-4

6%0,

40,

4-4

%

Co

ngo

, RD

Ca

264

716

-63%

120

123

-3%

15,7

41,2

-62%

7,1

7,1

0%

Co

ngo

3 62

11

257

188%

1 84

51

493

24%

12,0

5,0

139%

6,1

6,0

3%

Cô

te d

'Ivo

ire

1 57

51

616

-3%

858

884

-3%

30,1

29,3

2%16

,416

,12%

Dji

bo

uti

a 1

964

2 16

0-9

% 9

36 8

945%

1,5

1,7

-14%

0,7

0,7

-1%

Eg

yp

te5

049

4 32

117

%1

412

1 25

912

%35

3,4

319,

910

%98

,893

,26%

Gu

inée

Eq

uat

ori

ale

a 11

999

17 2

94-3

1%6

538

14 9

36-5

6%12

,28,

740

%6,

67,

5-1

2%

Eth

iop

iea

591

1 08

4-4

6% 1

54 1

59-4

%42

,577

,3-4

5%11

,111

,4-3

%

Gab

on

12 7

426

585

94%

6 19

06

262

-1%

17,8

9,1

96%

8,7

8,7

0%

Gam

bie

a 7

261

921

-62%

192

304

-37%

1,1

2,9

-64%

0,3

0,5

-39%

Gh

ana

a 1

225

2 48

0-5

1% 5

02 4

854%

26,1

54,8

-52%

10,7

10,7

0%

Gu

inée

946

2 35

0-6

0% 3

17 3

70-1

4%8,

821

,2-5

9%2,

93,

3-1

2%

Gu

inée

Bis

sau

a

569

827

-31%

234

190

23%

0,8

1,3

-42%

0,3

0,3

3%

Ken

ya1

359

1 24

010

% 5

31 5

60-5

%47

,942

,513

%18

,719

,2-2

%

Leso

tho

a 1

415

3 38

4-5

8% 7

77 8

12-4

%2,

66,

1-5

7%1,

41,

50%

Lib

éria

383

.. 1

88 1

6117

%1,

20,

60,

515

%

Mad

agas

car

988

924

7% 3

20 2

7118

%16

,817

,2-2

%5,

55,

08%

Mal

awi

691

669

3% 2

30 1

6143

%8,

68,

6-1

%2,

92,

138

%

45


Mal

i1

027

1 03

4-1

% 4

68 3

9219

%12

,114

,0-1

4%5,

55,

33%

Mau

rita

nie

a 1

691

2 23

4-2

4% 6

31 6

054%

4,8

6,9

-30%

1,8

1,9

-3%

Mau

rice

10 1

5512

720

-20%

5 05

34

964

2%12

,615

,8-2

0%6,

36,

22%

Mar

oc

3 54

74

608

-23%

1 95

21

713

14%

107,

113

8,9

-23%

59,0

51,6

14%

Mo

zam

biq

ue

a 7

431

226

-39%

347

345

1%14

,424

,3-4

1%6,

76,

8-1

%

Nam

ibie

a 4

547

7 63

4-4

0%3

049

3 04

50%

9,3

15,5

-40%

6,2

6,2

1%

Nig

era

613

786

-22%

264

243

8%7,

711

,0-2

9%3,

33,

4-2

%

Nig

éria

1 89

21

095

73%

868

686

26%

247,

315

4,8

60%

113,

597

,017

%

Rw

and

a 8

131

206

-33%

271

237

14%

7,2

10,9

-34%

2,4

2,1

11%

Sao

To

mé

& P

rin

cip

e1

460

.. 7

69 7

197%

0,2

..0,

10,

12%

Sén

égal

1 67

61

780

-6%

800

707

13%

18,1

20,8

-13%

8,7

8,2

5%

Sie

rra

Leo

ne

790

806

-2%

293

220

33%

4,0

4,5

-10%

1,5

1,2

23%

Afr

iqu

e d

u S

ud

a 8

477

11 1

87-2

4%5

162

5 16

20%

397,

552

4,5

-24%

242,

024

2,0

0%

So

ud

an2

249

2 08

38%

994

770

29%

79,6

75,5

5%35

,227

,926

%

Sw

azila

nd

4 38

44

868

-10%

2 27

02

310

-2%

4,9

5,5

-10%

2,6

2,6

-2%

Tan

zan

ie1

018

707

44%

360

327

10%

35,9

27,2

32%

12,7

12,6

1%

Togo

888

1 48

3-4

0% 4

05 3

4318

%4,

69,

1-4

9%2,

12,

10%

Tu

nis

ie6

461

8 37

5-2

3%2

896

2 85

91%

64,8

84,0

-23%

29,0

28,7

1%

Ou

gan

da

a 9

911

454

-32%

345

295

17%

26,3

41,9

-37%

9,1

8,5

7%

Zam

bie

1 17

51

023

15%

636

623

2%13

,411

,913

%7,

37,

30%

Zim

bab

we

538

2 06

5-7

4% 7

96 2

6320

3%6,

226

,9-7

7%9,

23,

416

8%

a) L

es e

stim

atio

ns

par

pay

s d

u W

DI 2

005

étai

ent

bas

ées

sur

des

est

imat

ion

s d

e ré

gre

ssio

n p

ou

r la

pér

iod

e d

e 19

93 à

199

6 ex

trap

olé

es à

200

5.S

OU

RC

ES

: R

ésu

ltat

s fi

nau

x d

u P

CI 2

005,

bas

e d

e d

on

née

s d

u W

DI (

sep

tem

bre

200

7)Le

s es

tim

atio

ns

de

2005

pro

vie

nn

ent

effe

ctiv

emen

t d

es d

on

née

s d

’en

qu

êtes

so

lides

du

PC

I, ta

nd

is q

ue

les

pré

céd

ente

s ét

aien

t b

asée

s su

r u

n e

xerc

ice

d’e

xtra

po

lati

on

de

do

nn

ées

ob

solè

tes

et li

mit

ées

sur

la P

PA. L

es p

rod

uct

ion

s ré

elle

s d

es é

con

om

ies

de

la r

égio

n n

’on

t p

as v

arié

. Ce

qu

i a v

arié

, c’e

st la

man

ière

d

on

t n

ou

s le

s m

esu

ron

s.

46


Ann

exe

II P

IB r

éel e

t PI

B n

omin

al

Rea

l GD

P N

omin

al G

DP

Rea

l GD

P N

omin

al G

DP

PLI

Sha

re

(Afr

ica=

100)

Ran

kS

hare

(A

fric

a=10

0)R

ank

in B

illio

n U

S $

in B

illio

n U

S $

Ind

exR

ank

Afr

iqu

e d

u S

ud

22,

35

128

,84

139

7,46

242,

011,

354

Eg

yp

te 1

9,88

2

11,7

83

353,

4198

,83

0,58

47

Nig

éria

13,

91

313

,52

224

7,28

113,

461,

0124

Mar

oc

6,0

3 4

7,03

410

7,14

58,9

61,

227

So

ud

an 4

,48

54,

195

79,5

935

,18

0,98

29

Tu

nis

ie 3

,64

63,

467

64,7

929

,04

0,99

28

An

gola

37

3,61

654

,97

30,2

71,

226

Ken

ya 2

,70

82,

238

47,9

318

,73

0,86

35

Eth

iop

ie 2

,39

91,

3212

42,5

511

,07

0,58

48

Tan

zan

ie 2

,02

101,

5111

35,9

412

,70

0,78

39

Cam

ero

un

1,9

7 11

1,98

934

,98

16,6

51,

0521

Cô

te d

'Ivo

ire

1,6

9 12

1,95

1030

,07

16,3

91,

219

Ou

gan

da

1,4

8 13

1,09

1526

,25

9,14

0,77

40

Gh

ana

1,4

7 14

1,28

1326

,14

10,7

20,

9133

Bo

tsw

ana

1,1

5 15

1,16

1420

,50

9,71

1,05

22

Sén

égal

1,0

2 16

1,03

1718

,13

8,65

1,06

19

Gab

on

1,0

0 17

1,03

1617

,84

8,67

1,07

18

Mad

agas

car

0,9

5 18

0,65

2816

,84

5,45

0,72

44

Co

ngo

, RD

C 0

,89

190,

8519

15,7

47,

121,

0027

Tch

ad

0,8

4 20

0,70

2514

,89

5,87

0,87

34

Bu

rkin

a Fa

so 0

,82

210,

6626

14,5

95,

540,

8436

Mo

zam

biq

ue

0,8

1 22

0,80

2014

,42

6,75

1,03

23

Zam

bie

0,7

6 23

0,87

1813

,44

7,27

1,20

11

Mau

rice

0,7

1 24

0,75

2212

,63

6,28

1,10

16

Gu

inée

Eq

uat

ori

ale

0,6

8 25

0,79

2112

,18

6,64

1,21

10

Mal

i 0

,68

260,

6527

12,0

55,

491,

0126

47


Co

ngo

0,6

8 27

0,73

2412

,03

6,13

1,13

14

Bén

in 0

,59

280,

5229

10,4

74,

360,

9231

Nam

ibie

0,5

2 29

0,74

239,

296,

231,

483

Gu

inée

0,4

9 30

0,35

318,

782,

940,

7441

Mal

awi

0,4

8 31

0,34

328,

572,

850,

7443

Nig

er 0

,44

320,

4030

7,74

3,33

0,95

30

Rw

and

a 0

,40

330,

2834

7,15

2,39

0,74

42

Zim

bab

we

0,3

5 34

…..

6,20

…..

3,27

1

Sw

azila

nd

0,2

8 35

0,30

334,

942,

561,

1513

Mau

rita

nie

0,2

7 36

0,21

364,

811,

790,

8337

Togo

0,2

6 37

0,25

354,

632,

111,

0125

Sie

rra

Leo

ne

0,2

3 38

0,18

374,

031,

490,

8238

Cen

traf

riq

ue,

Rép

. 0

,15

390,

1639

2,70

1,35

1,11

15

Leso

tho

0,1

5 40

0,17

382,

641,

451,

218

Dji

bo

uti

0,0

8 41

0,08

411,

470,

701,

0520

Cap

Ver

t 0

,08

420,

1340

1,35

1,06

1,73

2

Lib

éria

0,0

7 43

0,07

421,

230,

611,

0917

Gam

bie

0,0

6 44

0,03

451,

060,

280,

5946

Gu

inée

Bis

sau

0

,04

450,

0444

0,75

0,31

0,91

32

Co

mo

res

0,0

4 46

0,04

430,

650,

371,

275

Sao

To

mé

& P

rin

cip

e 0

,01

470,

0146

0,22

0,11

1,16

12

Bu

run

di

…

…..

…..

…..

0,70

45

Rég

ion

Afr

ique

100

,00

10

0,00

1835

589

,00

839

156,

001,

00

48


Annexe III PIB réel et PIB nominal par habitant

PIB réel par hab. PIB nominal par hab.

$ E.U. Ordre $ E.U. OrdreGabon 12 742 1 6 190 2

Botswana 12 057 2 5 712 3

Guinée Equatoriale 11 999 3 6 538 1

Maurice 10 155 4 5 053 5

Afrique du Sud 8 477 5 5 162 4

Tunisie 6 461 6 2 896 7

Egypte 5 049 7 1 412 13

Namibie 4 547 8 3 049 6

Swaziland 4 384 9 2 270 8

Congo 3 621 10 1 845 12

Maroc 3 547 11 1 952 10

Angola 3 533 12 1 945 11

Cap Vert 2 831 13 2 215 9

Soudan 2 249 14 994 14

Cameroun 1 995 15 950 15

Djibouti 1 964 16 936 16

Nigéria 1 892 17 868 17

Tchad 1 749 18 690 22

Mauritanie 1 691 19 631 24

Sénégal 1 676 20 800 19

Côte d'Ivoire 1 575 21 858 18

Sao Tomé & Principe 1 460 22 769 21

Lesotho 1 415 23 777 20

Bénin 1 390 24 579 26

Kenya 1 359 25 531 27

Ghana 1 225 26 502 28

Zambie 1 175 27 636 23

Burkina Faso 1 140 28 433 30

Comores 1 063 29 611 25

Mali 1 027 30 468 29

Tanzanie 1 018 31 360 32

Ouganda 991 32 345 34

Madagascar 988 33 320 36

Guinée 946 34 317 37

Togo 888 35 405 31

Rwanda 813 36 271 39

Sierra Leone 790 37 293 38

Mozambique 743 38 347 33

Gambie 726 39 192 43

Malawi 691 40 230 42

Centrafrique, Rép. 675 41 338 35

Niger 613 42 264 40

Ethiopie 591 43 154 45

Guinée Bissau 569 44 234 41

Zimbabwe 538 45 …

Libéria 383 46 188 44

Congo, RDC 264 47 120 46

Burundi … …

Moyenne Afrique 2 223 1 016

49


Annexe IV Indice DCFE réel et nominal par habitant et INP

DCFE réelles/hab. DCFE nominales/hab. INP

Indice Ordre Indice Ordre Indice OrdreMaurice 488 1 527 1 1,07 18

Afrique du Sud 377 2 516 2 1,36 7

Tunisie 280 3 283 4 1,01 23

Egypte 254 4 151 11 0,59 47

Gabon 214 5 314 3 1,46 6

Swaziland 203 6 221 9 1,08 16

Botswana 200 7 256 8 1,27 9

Guinée Equatoriale 186 8 275 5 1,47 5

Namibie 175 9 265 7 1,50 4

Cap Vert 166 10 269 6 1,61 2

Maroc 144 11 176 10 1,22 10

Soudan 120 12 111 13 0,92 32

Lesotho 115 13 115 12 1,00 24

Cameroun 97 14 99 15 1,01 22

Sao Tomé & Principe 95 15 103 14 1,08 17

Sénégal 86 16 90 16 1,03 21

Nigéria 81 17 87 17 1,06 19

Djibouti 78 18 86 19 1,09 15

Kenya 77 19 64 26 0,82 39

Mauritanie 77 20 66 23 0,85 37

Côte d'Ivoire 76 21 86 18 1,13 14

Bénin 68 22 65 25 0,94 29

Congo 66 23 80 20 1,21 11

Ghana 62 24 56 29 0,90 34

Tchad 60 25 58 27 0,96 28

Togo 59 26 57 28 0,96 27

Comores 58 27 79 21 1,35 8

Zambie 57 28 66 24 1,13 13

Burkina Faso 54 29 45 31 0,83 38

Ouganda 52 30 40 35 0,75 42

Tanzanie 52 31 41 33 0,78 40

Madagascar 49 32 34 37 0,68 45

Mali 49 33 49 30 0,99 25

Sierra Leone 47 34 40 34 0,86 36

Angola 46 35 73 22 1,59 3

Guinée 42 36 31 38 0,73 44

Centrafrique, Rép. 41 37 43 32 1,05 20

Rwanda 40 38 30 39 0,76 41

Gambie 39 39 26 43 0,66 46

Mozambique 39 40 35 36 0,90 33

Malawi 33 41 29 40 0,87 35

Ethiopie 31 42 18 44 0,58 48

Niger 30 43 28 41 0,92 31

Guinée Bissau 28 44 27 42 0,97 26

Zimbabwe 28 45 … 3,57 1

Libéria 17 46 16 45 0,93 30

Congo, RDC 10 47 12 46 1,20 12

Burundi … … 0,73 43

Moyenne Afrique 100 100 1,00

50


Ann

exe

V In

dic

e d

e la

FB

CF

réel

le e

t no

min

ale

par

hab

itan

t

FB

CF

réel

le/h

ab.

FBC

F no

min

ale/

hab.

FBC

F ré

elle

FBC

F no

min

ale

INP

Ind

ice

Ord

reIn

dic

eO

rdre

Part

pay

s (A

friq

ue=

100)

Ord

rePa

rt p

ays

(Afr

ique

=10

0)O

rdre

Ind

ice

Ord

re

Gab

on

745

173

12

1,23

151,

2415

0,97

26

Bo

tsw

ana

712

258

13

1,43

131,

1918

0,80

42

Gu

inée

Eq

uat

ori

ale

672

31

092

10,

8121

1,34

131,

603

Mau

rice

507

455

84

0,75

250,

8423

1,08

20

Afr

iqu

e d

u S

ud

404

545

55

22,4

31

25,8

01

1,11

19

Tu

nis

ie38

26

332

94,

546

4,03

70,

8634

Cap

Ver

t33

07

379

70,

1937

0,22

371,

1318

Nam

ibie

322

838

66

0,78

220,

9520

1,18

12

An

gola

292

934

18

5,39

56,

435

1,15

15

Mar

oc

282

1028

710

10,1

03

10,4

82

1,00

24

Sw

azila

nd

226

1127

411

0,30

350,

3733

1,19

11

Mau

rita

nie

224

1219

512

0,76

230,

6728

0,85

35

Eg

yp

te17

113

123

1516

,37

210

,38

30,

7146

Leso

tho

9714

141

140,

2136

0,32

351,

434

Sén

égal

9515

9217

1,21

161,

2117

0,96

27

Co

ngo

9116

178

130,

3634

0,72

261,

922

Gh

ana

8917

8120

2,25

82,

109

0,90

30

So

ud

an89

1810

616

3,73

74,

536

1,17

14

Dji

bo

uti

8619

7821

0,08

400,

0741

0,89

31

Cam

ero

un

7120

8619

1,47

121,

8310

1,20

10

Zam

bie

7021

8918

0,95

181,

2316

1,25

9

Bén

in69

2258

230,

6128

0,53

300,

8338

Tch

ad

6623

7222

0,66

260,

7425

1,08

21

Nig

éria

5424

5424

8,37

48,

454

0,97

25

Gu

inée

5425

4527

0,59

290,

5131

0,82

40

Bu

rkin

a Fa

so49

2644

280,

7524

0,69

270,

8932

51


Ken

ya49

2751

252,

0410

2,17

81,

0322

Tan

zan

ie48

2841

292,

0111

1,74

110,

8337

Mad

agas

car

4329

4031

0,87

190,

8124

0,90

29

Mal

awi

4330

2037

0,63

270,

3036

0,46

48

Ou

gan

da

4231

4030

1,31

141,

2914

0,95

28

Rw

and

a38

3232

350,

4033

0,34

340,

8239

Mo

zam

biq

ue

3733

5126

0,84

201,

1819

1,35

6

Mal

i32

3437

330,

4531

0,53

291,

1317

Togo

3035

3534

0,18

380,

2238

1,13

16

Nig

er28

3628

360,

4232

0,44

321,

0123

Eth

iop

ie24

3716

422,

079

1,45

120,

6747

Gu

inée

Bis

sau

23

3819

390,

0443

0,03

430,

8141

Gam

bie

2339

2038

0,04

420,

0442

0,88

33

Sie

rra

Leo

ne

2340

1840

0,14

390,

1139

0,78

43

Cô

te d

'Ivo

ire

2041

4032

0,46

300,

9221

1,92

1

Co

ngo

, RD

C17

4212

431,

1917

0,89

220,

7245

Cen

traf

riq

ue,

Rép

.12

4317

410,

0641

0,08

401,

357

Zim

bab

we

……

……

1,39

5

Sao

To

mé

& P

rin

cip

e…

……

…1,

298

Lib

éria

……

……

1,17

13

Co

mo

res

……

……

0,85

36

Bu

run

di

……

……

0,75

44

Moy

enne

Afr

ique

100

100

100,

0010

0,00

1,00

55


I

Division du développement des capacités en statistiquesDépartement de la statistique

Complexe de l’Économiste en chefBanque africaine de développement

Agence temporaire de relocalisation (ATR)BP 323, 1002 Tunis, Belvédère

Tunis, Tunisie

Téléphone : (216) 71 10 36 54Fax : (216) 71 10 37 43

Courrier électronique : [email protected] web : http://www.afdb.org

Copyright © 2008 Banque africaine de développement

niveaux comparatifs de la production, des revenus et … · revenus et des prix dans les pays...

Documents