📈 economics

Delegated Monitoring in Public-Private Sector Credit Programs: Underinvestment, Overinvestment, and the Design of Subsidized Lending

Cet article développe un modèle de conception de mécanismes démontrant que la surveillance déléguée dans les programmes de crédit public-privé peut générer des distorsions de sous-investissement ou de surinvestissement selon la courbure de la surveillance et l'intensité du subside, un cadre théorique validé par une analyse descriptive des données de l'SBA SBIC et des simulations calibrées.

Auteurs originaux : G. Charles-Cadogan

Publié 2026-08-05

📖 8 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : G. Charles-Cadogan

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le Grand Jeu du Crédit : Quand les bonnes intentions tournent mal

Imaginez un monde où obtenir un prêt revient à essayer d'acheter un billet pour un club privé et exclusif. Le club est dirigé par un videur strict (la banque) qui est terrifié à l'idée de laisser entrer des fauteurs de troubles qui ne paieront jamais leurs frais d'entrée. Comme le videur ne peut pas lire dans les pensées, il écarte souvent des gens honnêtes et travailleurs juste par précaution. C'est un problème classique en économie appelé rationnement du crédit : lorsque les bons emprunteurs ne peuvent pas obtenir d'argent parce que le prêteur est trop effrayé par les mauvais.

Pour corriger cela, les gouvernements interviennent souvent. Ils disent : « Ne vous inquiétez pas, je vais vous aider à trouver les bonnes personnes ! » Ils créent des programmes spéciaux où ils donnent de l'argent à des investisseurs privés (comme des capital-risqueurs) pour prêter aux petites entreprises. Le gouvernement espère que ces investisseurs privés agiront comme des moniteurs délégués — des détectives super dotés capables de distinguer un diamant d'un morceau de verre. Le gouvernement fournit un filet de sécurité (des subventions) pour rendre les investisseurs assez courageux pour prêter. Mais voici le rebondissement : et si les investisseurs privés, essayant de satisfaire le gouvernement et de réaliser un profit, commençaient accidentellement à mal jouer au jeu ? Ils pourraient soit ignorer les personnes qu'ils étaient censés aider, soit donner trop d'argent aux mauvaises personnes. Cet article explore précisément comment cela se produit.

La grande découverte de l'article : L'épée à double tranchant des subventions

Cet article, écrit par G. Charles-Cadogan, plonge dans la réalité complexe de ces partenariats public-privé. Il pose une question simple mais délicate : Lorsque le gouvernement paie des investisseurs privés pour prêter de l'argent aux petites entreprises, cela aide-t-il réellement, ou cela crée-t-il de nouveaux problèmes ?

L'auteur construit un modèle mathématique pour simuler ce scénario, traitant le gouvernement comme un « Principal » (le patron) et les investisseurs privés comme des « Agents » (les travailleurs). Le but est de voir comment les agents se comportent lorsqu'ils doivent filtrer les candidats, décider qui reçoit un prêt et surveiller pour s'assurer qu'ils remboursent.

L'article conclut que le système est un peu paradoxal. Il peut échouer de deux manières opposées, selon la façon dont les règles sont établies :

Le piège de la sous-investissement (Trop peu d'aide) :
Imaginez que les investisseurs privés essaient d'être super prudents. Comme ils ne peuvent pas parfaitement distinguer qui est un « bon » emprunteur et qui est un « mauvais » emprunteur, ils ont peur. Pour éviter de perdre de l'argent, ils pourraient augmenter le « taux d'intérêt » (le coût de l'emprunt) ou simplement dire « non » à tous ceux qui semblent même légèrement risqués.
- Le résultat : Les personnes mêmes que le gouvernement voulait aider — les petites entreprises en difficulté mais honnêtes — se retrouvent exclues. Les investisseurs décident que le risque n'en vaut pas la peine, et l'argent reste sur l'étagère. C'est ce qu'on appelle le sous-investissement. C'est comme un videur qui, de peur de laisser entrer un fauteur de troubles, refuse de laisser entrer tout le quartier, y compris les bons enfants.
Le piège de l'surinvestissement (Trop d'aide) :
Maintenant, imaginez que le gouvernement tente de corriger le premier problème en accordant une énorme subvention (de l'argent gratuit) aux investisseurs pour prêter à des entreprises risquées. Les investisseurs, voyant cet argent gratuit, pourraient devenir trop enthousiastes. Ils commencent à prêter à des entreprises à haut risque qu'ils ne toucheraient normalement pas parce que le gouvernement couvre leurs pertes.
- Le résultat : Les entreprises risquées reçoivent beaucoup plus d'argent qu'elles ne le devraient, et les investisseurs cessent de vérifier si les entreprises vont réellement bien. C'est ce qu'on appelle l'surinvestissement. C'est comme donner une carte de crédit illimitée à un adolescent parce que « c'est pour ses études », pour qu'il finisse par acheter un jet-ski et ne jamais rembourser. L'article suggère que si les subventions sont trop fortes, elles réduisent la motivation des investisseurs à être prudents, entraînant une vague de mauvais prêts.

La recette secrète : Courbure et Classification

L'article soutient que le choix entre ces deux désastres dépend de deux éléments principaux :

La « Courbure » des coûts de surveillance : À quel point devient-il difficile de surveiller un emprunteur à mesure qu'il devient plus risqué ? S'il devient vraiment coûteux de surveiller une entreprise risquée, les investisseurs cesseront de leur prêter (Sous-investissement). Si le coût n'augmente pas assez vite, ils pourraient prêter trop (Surinvestissement).
L'intensité de la subvention : Combien d'argent gratuit le gouvernement donne-t-il ? Un peu aide, mais trop rend les investisseurs moins diligents.

L'auteur examine également ce qui se passe au fil du temps. Imaginez qu'un prêt n'est pas seulement un gros chèque, mais une série de paiements. Si une entreprise réussit bien la première année, l'investisseur pourrait lui donner plus d'argent plus tard. Si elle se porte mal, l'investisseur arrête le flux. L'article utilise un modèle séquentiel (un jeu étape par étape) pour montrer que la meilleure façon d'éviter les erreurs est de mettre à jour ses croyances constamment. Si un propriétaire d'entreprise possède un trait spécifique (comme un excellent score de crédit ou un plan d'affaires solide) qui aide l'investisseur à deviner correctement s'il réussira, l'investisseur devrait dépenser plus d'argent pour vérifier ce trait spécifique. Si un trait est coûteux à vérifier mais n'aide pas beaucoup, il devrait l'ignorer.

Ce que disent les données (Et ce qu'elles ne disent pas)

L'article ne se contente pas de rester dans une salle de classe de mathématiques ; il tente de voir si cela correspond au monde réel. L'auteur examine les données de la Small Business Administration (SBAC) aux États-Unis de 2018 à 2025.

Les indices du monde réel : Les données montrent que l'argent de la SBAC n'est pas réparti uniformément à travers le pays. En 2025, les cinq premiers États ont reçu 42,8 % de l'ensemble des financements. La distribution est très concentrée, avec un coefficient de Gini de 0,61 (un nombre qui mesure l'inégalité ; 0 est l'égalité parfaite, 1 est l'inégalité totale). Cela suggère que les investisseurs privés choisissent effectivement où placer l'argent, évitant probablement les endroits où il est difficile de trouver de bonnes affaires ou difficile de surveiller les emprunteurs.
La simulation : Puisque les données publiques ne montrent pas les détails de chaque demande de prêt (qui a postulé, quel était leur score de risque, ou exactement comment l'investisseur les a surveillés), l'auteur n'a pas pu prouver la théorie avec une « preuve irréfutable ». Au lieu de cela, il a construit une simulation informatique avec 60 000 fausses demandes de prêt réparties sur 36 États et 12 ans.
Les résultats de la simulation : Lorsque l'ordinateur a fait tourner le modèle, il a réussi à recréer les schémas prédits par la théorie. Il a montré que lorsque la surveillance est difficile, les prêts sont rationnés. Lorsque les subventions sont élevées, les entreprises risquées reçoivent trop d'argent. Cela suggère que la théorie est « empiriquement recouvrable » — ce qui signifie que si nous avions des données parfaites, nous verrions probablement ces schémas exacts dans la vie réelle.

L'essentiel

L'article conclut que les bonnes intentions ne suffisent pas. Ce n'est pas parce que le gouvernement veut aider les petites entreprises que le système fonctionnera. Si les règles ne sont pas conçues parfaitement, le système peut soit affamer les bonnes entreprises de liquidités, soit nourrir les mauvaises jusqu'à ce qu'elles éclatent.

Le point clé est que la conception compte. Les gouvernements doivent réfléchir soigneusement à la manière dont ils subventionnent et à la manière dont ils financent la surveillance. Ils doivent s'assurer que les investisseurs privés ont toujours une raison d'être prudents. L'article suggère que la meilleure façon d'y parvenir est de concentrer les ressources de surveillance sur les détails spécifiques qui aident réellement à prédire le succès, plutôt que de perdre du temps sur des choses qui n'ont pas d'importance.

En bref, l'article nous avertit que dans le jeu complexe du prêt public-privé, on ne peut pas simplement jeter de l'argent sur le problème. Il faut comprendre les règles du jeu, sinon on risque de se retrouver avec un club soit vide, soit rempli de gens qui ne paieront jamais leurs cotisations.

Résumé Technique : Surveillance Déléguée dans les Programmes de Crédit Public-Privé

Énoncé du Problème
Cet article traite du problème de contractualisation inhérent aux partenariats public-privé (PPP) conçus pour élargir l'accès au crédit pour les petites entreprises. Tandis que le secteur public vise à assouplir le rationnement du crédit et à soutenir des entreprises socialement valorisantes, il délègue le filtrage, l'allocation et la surveillance des prêts subventionnés à des intermédiaires de capital-investissement ou de capital-risque. La tension centrale réside dans le désalignement des incitations : le secteur public cherche à maximiser le surplus social, tandis que les moniteurs délégués conservent des incitations privées liées au risque, à l'effort et au filtrage. L'article examine si une intention publique bienveillante peut être mise en œuvre efficacement lorsque l'information est asymétrique, que la surveillance est coûteuse et que les subventions modifient le profil risque-rendement tant pour les emprunteurs que pour les intermédiaires.

Méthodologie
L'article utilise un cadre de conception de mécanismes pour modéliser l'interaction entre un principal public neutre face au risque et des moniteurs délégués (capital-risqueurs/gestionnaires de portefeuille) de nature averse au risque.

Modèle Statique (Sections 2–4) :
- Configuration : Les entreprises possèdent des informations privées concernant leur type ( $\theta$ ), qui détermine leur productivité et leur risque. Le moniteur délégué observe des signaux bruités et alloue les tailles de prêts ( $x$ ) et les transferts ( $y$ ).
- Contraintes : Le modèle incorpore des contraintes de Rationalité Individuelle (IR) et de Compatibilité des Incitations (IC). Il distingue l'information symétrique (Premier Bien) de l'information asymétrique (Second Bien).
- Structure des Coûts : Les coûts de surveillance sont modélisés comme une fonction convexe du portefeuille de prêts. La courbure de cette fonction de coût est critique ; elle détermine l'écart réalisable entre les prêts offerts aux entreprises à haut risque et celles à bas risque.
- Concepts d'Équilibre : L'analyse dérive des équilibres de séparation et de semi-séparation. Elle utilise une « condition de participation-composition » pour déterminer quand un programme est socialement bénéfique (c'est-à-dire quand la masse d'entreprises à faible risque compense les coûts induits par la participation des entreprises à haut risque).
Extension Séquentielle (Section 5) :
- Le modèle est étendu à un cadre dynamique en deux périodes impliquant le scoring de crédit et la mise à jour bayésienne.
- À $t=0$ , les entreprises sont classées selon des caractéristiques observables ( $c$ ). À $t=1$ , des signaux de performance (ex: ventes, profits) sont révélés, permettant au prêteur de mettre à jour les probabilités a posteriori du type d'entreprise.
- La perte de bien-être due à la mauvaise classification est analysée en fonction des probabilités d'erreur et du coût marginal de la surveillance de caractéristiques spécifiques de l'emprunteur.
Composante Empirique (Section 6) :
- En raison de l'indisponibilité de données granulaires au niveau de l'emprunteur, l'article fournit des preuves descriptives état-année utilisant les rapports SBA SBIC (2018–2025) pour valider les modèles d'allocation.
- Une simulation calibrée est construite pour démontrer que les statiques comparatives du modèle sont empiriquement récupérables si les données granulaires (demande, surveillance et niveaux de performance) étaient disponibles.

Principales Contributions
L'article apporte trois contributions majeures à la littérature sur le rationnement du crédit, la surveillance déléguée et les finances publiques :

Intégration du Rationnement et de la Délégation : Il relie la théorie classique du rationnement du crédit (Stiglitz & Weiss, 1981) à la surveillance déléguée dans les PPP, montrant comment les subventions publiques interagissent avec les incitations privées au filtrage.
Mécanisme de Double Distorsion : Il démontre que la même structure d'intermédiation déléguée peut générer à la fois des distorsions de sous-investissement de type Stiglitz–Weiss et de surinvestissement de type De Meza–Webb.
- Le sous-investissement survient lorsque le filtrage imparfait et le tri par taux d'intérêt excluent des entreprises éligibles.
- Le surinvestissement survient lorsque les subventions affaiblissent la surveillance et les incitations au remboursement, provoquant l'obtention d'un crédit excessif par les entreprises à haut risque.
- La distorsion opérante est déterminée par la courbure des coûts de surveillance et l'intensité de la subvention.
Optimisation Séquentielle du Bien-être : Il étend le mécanisme statique à un contrat séquentiel, montrant que la perte de bien-être due à la mauvaise classification est minimisée lorsque les ressources de surveillance sont allouées selon l'effet marginal des caractéristiques de l'emprunteur sur la classification du risque a posteriori.

Résultats Clés

Tri par Taux d'Intérêt et Sous-investissement : En présence d'asymétrie d'information, les moniteurs délégués maximisent l'espérance de surplus en proposant des contrats qui trient les entreprises par risque. Si le filtrage est imparfait, le tri par taux d'intérêt peut exclure les entreprises cibles, menant au sous-investissement.
Surinvestissement via les Subventions : Si le gouvernement fournit des subventions pour « égaliser les chances » pour les entreprises à haut risque, cela peut induire un problème de surinvestissement. Les entreprises à haut risque deviennent privément attractives pour les capital-risqueurs même lorsque l'allocation est socialement inefficace, car les subventions masquent le risque réel.
Écart de Prêt Réalisable : Le modèle prédit que l'écart réalisable entre les contrats de prêt pour les entreprises à haut risque et à bas risque se réduit à mesure que le risque attendu augmente. C'est une conséquence géométrique de l'opération sur un calendrier de coûts de surveillance plus abrupt ; une intensité de surveillance plus élevée contracte la gamme de prêts viables.
Règle de Surveillance Optimale : Dans l'extension séquentielle, l'article dérive une condition pour minimiser la perte de bien-être : le coût marginal de la vérification d'une caractéristique de l'emprunteur doit être pondéré par l'effet marginal de cette caractéristique sur la probabilité a posteriori de mauvaise classification. Les caractéristiques qui n'améliorent pas significativement la classification ne devraient pas faire l'objet d'une surveillance intense.
Motifs Empiriques : L'analyse descriptive des données SBIC révèle une concentration géographique substantielle de l'allocation de capital (ex: les cinq premiers États ont reçu 42,8 % du financement en FY2025). Ce motif est cohérent avec l'allocation déléguée, où les intermédiaires déploient le capital en fonction du flux d'opportunités (deal flow) et de la technologie de surveillance plutôt qu'en proportion de la population.

Signification et Revendications
L'article affirme que l'intention publique bienveillante n'implique pas en soi un mécanisme d'accès au crédit efficace. L'efficacité des PPP dépend de manière critique de la conception du contrat de délégation et de la gestion des coûts d'agence.

Implications de Conception : Une conception efficace des PPP nécessite une attention explicite aux coûts d'agence des moniteurs délégués, aux règles de subvention fondées sur le risque et à la technologie d'audit. Les programmes ne doivent pas être évalués uniquement par le volume de prêts ou le nombre d'entreprises atteintes, mais par leur capacité à induire des prêts supplémentaires aux entreprises cibles sans affaiblir les incitations au filtrage et au remboursement.
Modestie des Revendications Empiriques : L'auteur précise explicitement que la composante empirique sert de validation de conception plutôt que de test causal. Les données agrégées soutiennent les modèles d'allocation de l'article (concentration géographique, écarts d'allocation) mais ne peuvent identifier les mécanismes spécifiques de tri des emprunteurs ou de perte de bien-être sans données granulaires au niveau de l'entreprise. La simulation sert de « garde-fou » pour montrer que les prédictions plus fines du modèle sont théoriquement récupérables dans des données actuellement indisponibles.
Portée : L'article se concentre sur la faisabilité et les statiques comparatives du mécanisme sous certaines conditions de régularité (single-crossing, concavité, coûts d'agence convexes). Il ne prétend pas caractériser chaque équilibre bayésien parfait d'un jeu dynamique non restreint, ni modéliser l'économie politique du choix des subventions.

En résumé, l'article fournit un cadre théorique expliquant pourquoi les programmes de crédit public-privé peuvent échouer à atteindre leurs cibles prévues en raison de l'interaction entre le filtrage imparfait, le tri par taux d'intérêt et le risque moral induit par les subventions, tout en proposant une règle normative pour optimiser les ressources de surveillance dans les environnements de prêt séquentiels.