Thèse Protection Sociale à l'Échelle Globale Élaborer des Politiques Publiques Efficaces Légitimes et Inclusives H/F

Doctorat.Gouv.Fr

Établissement : Université de Bordeaux École doctorale : Entreprise Économie Société Laboratoire de recherche : BSE - Bordeaux sciences économiques Direction de la thèse : Quentin STOEFFLER ORCID 0000000304240047 Début de la thèse : 2026-09-01 Date limite de candidature : 2026-05-31T23:59:59 Les programmes de protection sociale, tels que les transferts monétaires et les interventions dites « multifacettes », sont devenus au cours des vingt dernières années l'un des piliers des politiques de lutte contre la pauvreté. Cependant, leur faiblesse principale repose dans leur capacité à identifier les ménages pauvres dans des contextes où les données administratives sont rares, et à les inclure dans des politiques à grande échelle. Cette thèse propose d'étudier cette question dans le but d'élaborer des méthodes de sélection plus inclusives et légitimes, et de tester comment ces méthodes peuvent être employées dans les politiques de lutte contre la pauvreté. En se concentrant sur des données collectées au Niger, au Sierra Leone, et dans d'autres pays d'Afrique, cette thèse mesurera et comparera l'efficacité et la légitimité de différentes méthodes de ciblage. Elle explorera comment mieux mobiliser les préférences communautaires, au niveau local, dans la sélection des bénéficiaires. Elle testera notamment comment la définition des critères de ciblage résulte dans l'inclusion d'individus différents dans les programmes de protection sociale, et quelles sont les conséquences pour la légitimité et l'impact des interventions.

Un premier chapitre est envisagé comme une revue critique et conceptuelle de la littérature sur le ciblage. La dernière revue sur le sujet date de presque dix ans, et laisse de côté un nombre important de questions théoriques (Devereux et al., 2017). Notamment, les objectifs et critères de sélection des programmes de protection sociale sont peu évoqués - malgré des conséquences importantes en termes d'individus inclus dans les programmes - de même que la question de l'inclusion universelle (dans la logique du revenu universel de base ou de la couverture santé universelle) et de la légitimité du ciblage. Par ailleurs, les méthodes de ciblage ont connu des avancées importantes ces cinq dernières années, avec notamment l'utilisation de machine learning et de données non traditionnelles (de téléphonie mobile, multimodales, etc.) (Aiken et al., 2022 ; Jung et al., 2026). Une nouvelle évaluation des méthodes de ciblage et de leur efficacité au niveau global semble donc nécessaire.

Un second chapitre se concentrerait sur l'analyse d'une expérimentation menée au Sierra Leone durant le premier semestre 2026. Dans 120 villages, deux méthodes ont été utilisées pour déterminer le classement des ménages et leur inclusion dans des programmes sociaux : le Proxy Means Testing (PMT) and le ciblage à base communautaire (CBC). De plus, l'expérimentation testait deux critères différents pour déterminer les personnes à inclure : le critère de pauvreté monétaire et celui de l'insécurité alimentaire. A travers une analyse statistique, ce chapitre montrera comment l'utilisation de l'un ou de l'autre critère affecte la liste des individus inclus dans un programme, et le niveau de légitimité généré par la méthode de ciblage.

Un troisième chapitre porterait sur des données secondaires, collectées au Niger en 2016. Ces données seront exploitées pour analyser plusieurs questions importantes dans la littérature : a. En quoi le seuil de sélection employé (restreint, élargi, ou inclusion universelle) affecte-t-il le résultat de ciblage, et comment cela varie selon la méthode employée (CBT, PMT, etc.) ? b. Quel ciblage géographique permettrait une meilleure répartition des quotas de ciblage, et générerait ainsi une allocation plus juste des ressources ? c. Quelle hybridation est-elle possible entre les différentes méthodes employées (CBT, PMT, etc.) pour rendre le ciblage à la fois plus inclusif, efficace, et légitime ?

A travers les analyses proposées, la thèse permettra d'apporter des réponses pertinentes pour les politiques publiques mises en place au Sierra Leone, au Niger, et dans les multiples pays en développement, en Afrique et ailleurs, mettant en oeuvre des politiques de protection sociale. Malgré l'attention croissante portée à la protection sociale depuis la crise du Covid-19, deux milliards d'individus restent privés de protection sociale adéquate, limitant leur résilience, c'est-à-dire leur capacité de réponse aux chocs (perte de revenus, maladies, etc.) (Banque mondiale, 2025). En dépit de l'expansion récente des programmes de transferts monétaires (Gentilini, 2022) et de leur efficacité démontrée de ces programmes pour réduire la pauvreté (Crosta, 2025), 75% de la population manque d'une protection de base dans les pays à faible revenu. Cette faible couverture s'explique en partie par la difficulté à identifier et à inclure dans les programmes nationaux les individus les plus pauvres. Cette logique de concentration des ressources vers les personnes les plus vulnérables, appelée ciblage, se heurte à l'absence d'information sur les ménages dans un contexte d'informalité et de capacités administratives limitées. Par ailleurs, les chocs climatiques, de plus en plus fréquents, affectent de façon disproportionnée les ménages des pays en développement, ce qui rend d'autant plus nécessaire l'accès à la protection sociale et un ciblage efficace (Premand & Stoeffler, 2022).
Une littérature récente sur le ciblage montre les avantages et les limites de deux méthodes employées dans les pays en développement : le ciblage à base communautaire (CBC) où les populations locales choisissent les bénéficiaires, vs. une approche fondée sur des prédictions statistiques, le Proxy Means Testing (PMT) (Alatas et al., 2012 ; Stoeffler et al., 2016 ; Premand & Schnitzer, 2021 ; Schnitzer & Stoeffler, 2024). Comparé au PMT, le CBC identifie moins efficacement la pauvreté monétaire, mais génère une plus forte légitimité, constituant ainsi une boite noire aux mécanismes mal compris par les chercheurs et décideurs politiques. Ce projet de thèse explorera de façon novatrice le CBC et PMT en considérant à la fois les méthodes de ciblage et le type d'inclusion (nombre restreint d'individus vulnérables vs. des approches plus inclusives voire universelles) (Gentilini et al., 2019 ; Mkandawire, 2007 ; Banerjee et al., 2019). Il portera une attention particulière à la question de la définition des objectifs de ciblage, et des conséquences pour les personnes sélectionnées de l'utilisation de critères liés à la pauvreté vs ceux liés à la sécurité alimentaire (Schnitzer, 2019). Les politiques de protection sociale, comme les transferts directs d'argent, sont aujourd'hui considérées comme un levier efficace pour lutter contre la pauvreté, garantir un accès à la santé, et favoriser l'inclusion sociale et la résilience face à des crises multiples. Cependant, un défi majeur réside dans l'identification des individus à inclure, a fortiori dans les pays à revenu faible et intermédiaire. Ce projet s'intéresse aux innovations récentes mises en place dans les pays du Sud pour déterminer les critères d'inclusion dans des programmes sociaux. A partir de données collectées récemment et d'une nouvelle expérimentation, il explorera des questionnements originaux : quelles sont les préférences des populations en termes d'inclusion dans les programmes sociaux ? Comment les critères de sélection en termes de pauvreté ou d'insécurité alimentaire impactent ils les personnes incluses ? A budget égal, quelles approches favoriser entre une sélection restreinte ou élargie, voire une inclusion universelle (dans la logique du revenu universel de base) ? Par revue approfondie et critique de la littérature et, surtout, l'analyse de données quantitatives dans deux pays d'Afrique, ce projet a pour objectif de mieux comprendre les mécanismes de sélection des individus à inclure dans les programmes sociaux. A travers ces analyses, le projet de thèse vise à contribuer à améliorer le design des programmes de protection sociales, générant ainsi un impact global sur les politiques publiques de lutte contre la pauvreté. La méthodologie envisagée pour cette thèse varie en fonction des chapitres.
Pour le premier chapitre, il s'agira essentiellement d'une revue narrative de la littérature sur le ciblage. Une méta-analyse est envisageable s'il existe un nombre suffisant d'articles utilisant des méthodes comparables (même méthodologie et métriques utilisées).
Pour le second chapitre, il s'agira essentiellement d'une analyse économétrique de données quantitatives. Le design étant expérimental, il s'agira de déterminer l'effet de deux traitements en randomisation croisée : d'une part CBC vs PMT ; d'autre part, pauvreté vs insécurité alimentaire. Les indicateurs considérés concernent à la fois l'efficacité du ciblage (inclusion correcte ; consommation par tête et sécurité alimentaire chez les individus inclus ; etc.) et la légitimité du ciblage (satisfaction quant au processus et au résultat du ciblage).
Pour le troisième chapitre, il s'agira de simulations liées à l'inclusion des ménages, en variant les seuils d'inclusion choisis, la détermination des quotas géographiques, et la méthode d'hybridation entre les individus classés comme vulnérables par le CBC et le PMT. Des métriques fréquemment utilisées par la littérature, telles que le taux d'erreur de ciblage, seront utilisées, ainsi que des simulations d'impact sur la pauvreté et la sécurité alimentaire. Par ailleurs, des techniques de machine learning seront aussi mises en oeuvre pour mieux identifier le profile des ménages inclus par différents processus de ciblage.