Une expérience de choix discrets sur un produit d’épargne numérique

Contexte

Un essai randomisé répond avec rigueur à la question : « cette version du produit produit-elle l'effet escompté ? ». En revanche, il ne permet pas d'arbitrer économiquement en amont la question critique : « parmi les quarante configurations envisageables, lesquelles justifient un déploiement sur le terrain ? ».

La conception d’un service d’épargne sur argent mobile mobilise de nombreux leviers : le niveau des frais de tenue de compte, la liquidité des fonds, la distance d'accès aux agents de distribution, la nature des relances ou encore l'octroi d'une prime à l'échéance. Or, les contraintes budgétaires et logistiques interdisent aux opérateurs et aux programmes publics de tester simultanément plus de deux ou trois variantes dans le cadre d'un essai contrôlé.

L’expérience de choix discrets (Discrete Choice Experiment, DCE) comble ce fossé méthodologique. Les répondants y sont invités à arbitrer de manière répétée entre des offres hypothétiques combinant plusieurs attributs dont les niveaux varient selon un plan expérimental rigoureux. Les arbitrages observés permettent d'isoler l'utilité marginale associée à chaque caractéristique et d'estimer les compromis économiques (taux marginaux de substitution) que les usagers sont disposés à consentir. Largement éprouvée en économie de la santé, des transports et de l'environnement (rapport de bonnes pratiques de l’ISPOR ; Train, Discrete Choice Methods with Simulation, 2009), cette méthodologie demeure sous-exploitée dans le secteur de l’inclusion financière, où l'optimisation des produits conditionne pourtant directement l'adoption finale.

Contraintes méthodologiques spécifiques

Dans le contexte des services financiers numériques en pays en développement, l'application du DCE se heurte à trois défis structurels :

1. Les disparités d'alphabétisation : Une grille de choix textuelle complexe se transforme en un test de lecture biaisant les réponses. Chaque caractéristique doit être représentée par une iconographie standardisée accompagnée d'une consigne orale normalisée, tandis que le nombre de tâches par répondant doit être strictement contenu.
2. L’hétérogénéité d'adhésion aux mécanismes d'engagement : Si le blocage de l'épargne permet à certains usagers de préserver leurs fonds des sollicitations de l'entourage, il rebute les ménages dépendants d'une liquidité immédiate en cas de choc imprévu. Aux Philippines, l'introduction d'un compte avec engagement d'épargne n'a été adoptée que par une fraction ciblée d'usagers, bien qu'elle ait substantiellement accru leur épargne nette (Ashraf, Karlan & Yin, Quarterly Journal of Economics, 2006). Un modèle économétrique se limitant à une préférence moyenne masquerait cette polarisation fondamentale de la demande.
3. Le décalage entre préférences déclarées et comportements réels : L’expérience quantifie des arbitrages relatifs en univers contrôlé ; elle identifie les configurations optimales à expérimenter, mais ne se substitue pas à la mesure de l'adoption effective sur le terrain.

Définition des attributs et des niveaux

Attribut	Niveaux expérimentaux	Codage économétrique
Frais de gestion mensuels	0, 100, 200, 400 UML	Variable continue linéaire (par tranche de 100 UML)
Modalités de retrait	Retrait libre à tout moment ; retrait anticipé avec pénalité (« blocage souple ») ; fonds bloqués jusqu'à l'échéance (« blocage strict »)	Variables indicatrices (catégorie de référence = retrait libre)
Temps de marche jusqu'à l'agent	5, 20, 45 minutes	Variable continue linéaire (par tranche de 10 minutes)
Canal de notification (rappel)	Aucun ; notification SMS ; message vocal	Variables indicatrices (catégorie de référence = aucun rappel)
Prime de fidélité à l'objectif	0, 3, 6 % du solde final	Variable continue linéaire (par point de pourcentage)

Chaque tâche de choix soumet à l'arbitrage deux configurations alternatives sans marque et une option de statu quo (« je conserve mon mode d'épargne habituel »). L'inclusion systématique de cette option de sortie est indispensable pour ancrer l'exercice dans la théorie économique du bien-être et éviter d'imposer un choix forcé qui fausserait l'estimation des parts de marché prévisionnelles.

Plan d'expérience : D-efficience, équilibre et segmentation en blocs

Le plan d'expérience est calculé directement via un algorithme matriciel en Python (NumPy) documenté dans le carnet d'analyse. Pour un modèle logit multinomial reposant sur des paramètres a priori $\tilde\beta$, la matrice d’information de Fisher s'exprime sous la forme :

$I(\tilde\beta) = \sum_s \sum_j P_{sj}\,(x_{sj} - \bar x_s)(x_{sj} - \bar x_s)^\top,\qquad \bar x_s = \sum_j P_{sj}\,x_{sj}$

La D-erreur correspond à $\det\big(I(\tilde\beta)^{-1}\big)^{1/K}$, pour $K = 8$ paramètres d'estimation. Les valeurs a priori sont fixées à un niveau conservateur garantissant uniquement le sens attendu des préférences (désutilité des frais financiers et de l'éloignement physique).

Deux approches algorithmiques ont été comparées :

• Un algorithme d'échange coordonnée par coordonnée sans contrainte maximise l'efficience statistique (D-erreur de 0,178), mais tend à concentrer les profils sur les valeurs extrêmes des frais, de la prime et de la distance. Cette structure n'est optimale que sous une hypothèse stricte de linéarité des effets marginaux.
• Le plan retenu met en œuvre une méthode de permutation équilibrée des niveaux entre alternatives (Huber & Zwerina, Journal of Marketing Research, 1996), préservant l'ensemble des valeurs intermédiaires. Il atteint une D-erreur de 0,205 — surpassant largement la médiane de 0,267 observée sur des plans aléatoires (soit une D-efficience relative de 1,30).

Les profils présentant une stricte dominance ont été éliminés. Les 18 ensembles de choix résultants sont répartis en trois blocs équilibrés de six tâches, limitant la charge cognitive à six arbitrages successifs par participant.

Administration visuelle des cartes de choix

Pour neutraliser les barrières de lecture, les cartes d'arbitrage reposent sur une grammaire visuelle normalisée :

• Des pièces de monnaie graduées pour matérialiser les frais ;
• Un cadenas ouvert, entrouvert ou scellé pour symboliser les conditions de déblocage ;
• Un marcheur couplé à un cadran horaire pour la distance d'accès ;
• Un écran de téléphone illustrant des lignes de texte ou un haut-parleur pour distinguer SMS et messages vocaux ;
• Un coffret cadeau pour représenter la prime financière.

Dans un protocole appliqué, ces supports iconographiques font l'objet d'une validation préalable lors d'un test de faisabilité qualitatif (vérification de la restitution spontanée de chaque symbole). Les consignes sont formulées oralement dans la langue locale de l'usager. Une tâche de contrôle initiale à solution dominante permet d'identifier et d'écarter les profils n'ayant pas assimilé la logique de l'exercice.

Modélisation économétrique sur données simulées

L'échantillon synthétique comprend 600 répondants (dont 50 % présentant de faibles compétences en littératie) complétant chacun les six arbitrages de leur bloc d'attribution. La structure des préférences est paramétrée afin de confronter les estimateurs à une distribution connue : sensibilité homogène aux frais, à la distance et à la prime ; hétérogénéité de la valorisation du blocage (blocage strict distribué selon une loi normale $\sim N(-0{,}30;\ 1{,}0^2)$) ; et appétence contrastée pour les canaux de relance selon le niveau de littératie.

Modèle Logit conditionnel. Les probabilités de choix s'expriment selon la formulation classique $P_{nsj} = \exp(x_{sj}^\top\beta) / \sum_l \exp(x_{sl}^\top\beta)$. La fonction de log-vraisemblance est maximisée à l'aide du gradient analytique, avec calcul d'erreurs types robustes groupées par grappe au niveau individuel pour corriger la corrélation intra-répondant. L'introduction d'interactions avec les compétences de lecture montre que le coefficient d'utilité du message vocal s'établit à 0,35 pour les personnes alphabétisées contre 0,56 pour les usagers peu alphabétisés ; à l'inverse, le coefficient du rappel SMS chute de 0,28 à 0,07. Le test du rapport de vraisemblance confirme la significativité de ces interactions ($\chi^2(2) = 10{,}9$).

Modèle Logit mixte (à paramètres aléatoires). Pour capturer l'hétérogénéité inobservée sans contraindre le modèle à l'hypothèse restrictive d'indépendance des alternatives non pertinentes (IIA), les coefficients associés aux mécanismes de blocage sont modélisés comme des variables aléatoires distribuées selon une loi normale : $\beta^{\text{blocage}}_n \sim N(\mu, \sigma^2)$. L'intégration de la vraisemblance est effectuée par simulation reposant sur 200 tirages de séquences de Halton brouillées.

Le modèle identifie pour le blocage strict une moyenne de −0,22 (erreur type de 0,09) et un écart-type de 0,97 (erreur type de 0,10), convergeant fidèlement vers les paramètres structurels sous-jacents (−0,30 et 1,0). Sur le plan opérationnel, ce résultat démontre qu'environ 41 % de la population cible valorise positivement une contrainte d'épargne stricte, bien que l'utilité marginale moyenne soit négative. Le logit conditionnel standard, plafonnant à une moyenne globale de −0,02, masquerait totalement ce segment porteur.

Consentement à payer (CAP)

Le consentement à payer monétaire pour l'attribut $k$ est déduit du ratio des utilités marginales : $\text{CAP}_k = -100 \times (\beta_k / \beta_{\text{frais}})$ UML par mois. Les intervalles de confiance à 95 % sont estimés au moyen de la méthode delta et de la méthode de simulation paramétrique de Krinsky et Robb (10 000 réplications) :

Attribut évalué	CAP moyen (UML/mois)	Intervalle (Méthode delta)	Intervalle (Krinsky–Robb)	Valeur théorique
Prime de fidélité (par point de %)	39	[32 ; 47]	[32 ; 47]	43
Temps de marche (par tranche de 10 min)	−30	[−39 ; −22]	[−39 ; −22]	−34
Rappel vocal (faible littératie)	169	[121 ; 218]	[122 ; 219]	171
Rappel SMS (faible littératie)	20	[−28 ; 67]	[−28 ; 67]	14
Rappel vocal (population alphabétisée)	107	[53 ; 160]	[55 ; 163]	57

Ces résultats soulignent des arbitrages contrastés : pour un usager ayant des difficultés de lecture, la valeur accordée à un accompagnement par message vocal équivaut au gain procuré par quatre points de prime financière, tandis que l'utilité du SMS est statistiquement non discernable de zéro.

Afin de vérifier la robustesse du protocole face aux fluctuations d'échantillonnage, la chaîne d'estimation a été répliquée sur 100 tirages simulés indépendants : les intervalles de confiance empiriques couvrent la valeur paramétrique réelle dans 92 % à 99 % des cas pour l'ensemble des attributs continus et catégoriels.

Simulation des parts de marché prévisionnelles

Le simulateur permet de configurer deux offres concurrentes et d'estimer leur taux de captation face à l'option de statu quo, globalement ou par segment de clientèle.

Sous la configuration par défaut (Produit A : frais de 100 UML, retrait libre, 20 min de marche, SMS, sans prime ; Produit B : frais de 200 UML, blocage strict, 5 min de marche, message vocal, prime de 6 %) :

• Le modèle logit conditionnel projette 15,1 % pour l'offre A, 35,6 % pour l'offre B et 49,3 % pour le maintien de l'épargne actuelle ;
• Le modèle logit mixte prédit respectivement 15,0 %, 34,5 % et 50,5 %.

L'écart entre les modèles s'accentue lorsque les produits proposés divergent fortement sur les clauses de blocage, zone où les préférences sont polarisées et où la propriété de substitution proportionnelle du logit classique s'avère économétriquement inadaptée.

Limites méthodologiques

1. Représentativité synthétique : Ces estimations illustrent la validité interne de la chaîne de traitement mais ne reflètent pas les paramètres d'un marché financier spécifique.
2. Biais déclaratif et échelle d'adoption : Les intentions déclarées tendent à surestimer le niveau absolu d'adoption future, en particulier pour les services payants. Le simulateur doit être appréhendé comme un outil de classement relatif des offres, et non comme un instrument de prévision comptable des souscriptions.
3. Hypothèse de linéarité du coût : Le coût marginal des frais est modélisé ici de façon homogène ; sur le terrain, l'utilité marginale de la monnaie dépend du revenu du ménage, ce qui justifierait l'estimation d'un coût marginal aléatoire ou segmenté par niveau de vie.
4. Validation des formes fonctionnelles : La linéarité des attributs continus (frais, temps de marche, prime) doit être systématiquement confrontée à une spécification non paramétrique par paliers sur des données empiriques.

Cadre de déploiement opérationnel

Pour un bailleur de fonds ou un opérateur public, l'intégration du DCE s'inscrit au sein d'une démarche séquentielle d'aide à la décision :

1. Phase qualitative : Identification terrain des attributs critiques et des niveaux réalistes
2. Test de faisabilité : Validation de l'iconographie des cartes et du nombre d'arbitrages
3. Plan D-efficient : Génération matricielle du plan d'expérience (a priori informés)
4. Enquête de choix : Passage du module d'arbitrages sur un échantillon représentatif
5. Économétrie avancée : Estimation des logits mixte et latent (détection des segments)
6. Essai randomisé : Test d'impact in vivo ciblé sur les 2 configurations optimales

Cette articulation garantit que les ressources substantielles requises par un essai de terrain randomisé à grande échelle ne soient engagées que sur des architectures de produits ayant préalablement démontré leur adéquation aux préférences réelles des bénéficiaires.