Institut Universitaire d’Abidjan Année académique 2024-2025

FACULTÉ DES SCIENCES ÉCONOMIQUES ET DE GESTION (FSEG)

------------------------
MÉMOIRE DE MASTER
Département : SCIENCES ÉCONOMIQUES
Option : MONNAIE BANQUE FINANCE(MBF)

EFFET DE LA DIVERSIFICATION DES

ACTIVITES BANCAIRES SUR LA
STABILITE BANCAIRE DANS LA ZONE
UEMOA
Sous la direction de :

Prof. AKA Brou Emmanuel

Présentée par :
Professeur titulaire, Université Felix Houphouët Boigny de
PEHE Nioule Justin
Cocody, Abidjan Côte D’Ivoire

Co-Directeur :

Dr. KODJO ADANDOHOIN

Docteur à l’Institut Universitaire D’Abidjan, Côte d’Ivoire

Avertissement
« La faculté des Sciences Économiques et de Gestion de l’Institut Universitaire d’Abidjan n’entend
donner aucune approbation ou improbation aux opinions émises dans ce mémoire : ce document
est personnel et n’engage que son auteure ».

i
Dédicace
A mon père PEHE Gervais et à ma mère DIBY Christine.

ii
Remerciements

Ce document a vu le jour grâce à la participation de plusieurs personnes.

Nous tenons à remercier tout d’abord le président de l’institut universitaire d’Abidjan, Docteur
KOUAME AKA pour l’enseignement de qualité qui est véhiculé au sein de sa prestigieuse
université.
A notre Directeur de mémoire, Professeur AKA BROU EMMANUEL, Agrégé des sciences
économiques, professeur titulaire à l’université Felix Houphouët Boigny de Cocody.
Nous remercions également le Professeur PRAO YAO SÉRAPHIN, Maître de Conférences
Agrégé, Enseignant-Chercheur à l’Université Alassane Ouattara de Bouaké, ainsi que le Docteur
ABOU POKOU EDOUARD, chef de département, pour la qualité de leur enseignement et leur
engagement au service du département des sciences économiques et à Docteur N’KONGON
JEANNE, responsable de niveau master 2 option monnaie, banque et finance pour ces paroles de
motivation.
A notre encadreur Docteur KODJO ADANDOHOIN pour sa disponibilité et son inconditionnel
soutien tout au long de ce travail.
Nous remercions également tous les enseignants de l’Institut Universitaire d’Abidjan, pour les
enseignements de qualités et les conseils avisés depuis notre venue dans l’université.
A mon père et ma mère pour leurs conseils et prières.
A toutes personnes qui de près ou de loin ont contribué à la réalisation de ce document.

iii
Liste des sigles et des acronymes

ARDL Autoregressive Distributed Lag

BCEAO Banque Centrale des États de l’Afrique de l’Ouest

BIC Bureau d’Information sur le Crédit

BID Banque Islamique de Développement

BRI Banque des Règlements Internationaux

BRVM Bourse Régionale des Valeurs Mobilières

CCG Conseil de Coopération du Golfe

ECM Équation à Correction d’Erreur

FRH Fonds de Refinancement de l’Habitat

GIM Groupement Interbancaire Monétique

GFDD Global Financial Development Database

GMM Generalized Method of Moments

MG Mean Group

PRAFD Programme Régional d'Appui à la Finance Décentralisée

PIB Produit Intérieur Brut

PMG Pooled Mean Group

PME Petite et Moyenne Entreprise

iv
PMI Petite et Moyenne Industrie

SFD Systèmes Financiers Décentralisés

SICA Système Interbancaire de Compensation Automatisé

STAR Système de Transfert Automatisé et de Règlement

UEMOA Union Économique et Monétaire Ouest-Africaine

WDI World Development Indicators

WGI World Government Indicators

v
Liste des illustrations

Listes des graphiques

Graphique 1 : Évolution de la diversification des actifs bancaires (div_actif) ............................. 26
Graphique 2 : Évolution de div_rev sur la période observée ....................................................... 29
Graphique 3 : Évolution du z_score bancaire ............................................................................. 31
Graphique 4 : Évolution conjointe de la diversification des actifs bancaires et de la stabilité bancaire
(z_score).................................................................................................................................... 33
Graphique 5 : Évolution conjointe de la diversification des revenus bancaires et de la stabilité
bancaire (z_score)...................................................................................................................... 35

Listes des tableaux

Tableau 1: Variables, effet attendus et sources de données ......................................................... 47
Tableau 2 : Statistiques descriptives........................................................................................... 55
Tableau 3 : Résultats de la matrice de corrélation ...................................................................... 58
Tableau 4 : Résultat du test VIF ................................................................................................. 59
Tableau 5 : Résultat du test d’homogénéité des effets individuelles (Fisher) .............................. 60
Tableau 6 : Résultat du test de Hausman .................................................................................... 60
Tableau 7 : Résultat du test de dépendance interindividuelle de Breusch-Pagan ......................... 61
Tableau 8 : Résultats du test de racine unitaire ........................................................................... 62
Tableau 9 : Résultat du test de cointégration de Pedroni (2004) ................................................. 63
Tableau 10 : Résultat d’estimation par le Pooled Mean Group ................................................... 65
Tableau 11 : Résultat du test de Hausman PMG versus MG ....................................................... 69
Tableau 12 : Résultat du test de sensibilité en PMG : diversification des revenus ....................... 70

vi
Résumé
L’objectif général de ce mémoire est d’analyser l’effet de la diversification des activités bancaires
sur la stabilité des banques de l’UEMOA. L’étude porte sur sept (07) pays de l’Union, à l’exception
de la Guinée-Bissau, et couvre la période 2000-2022. La stabilité bancaire a été mesurée à travers
le z_score, tandis que la diversification des activités a été appréhendée sous deux dimensions : la
diversification des actifs et la diversification des revenus. Sur le plan méthodologique, l’analyse
s’appuie sur un modèle à correction d’erreur de type Pooled Mean Group (PMG). Les résultats des
estimations indiquent que la diversification des actifs exerce un effet positif et hautement
significatif, traduisant sa capacité à réduire les risques de concentration et à améliorer la résilience
financière des banques. De même, la diversification des revenus présente un effet modéré mais
stabilisateur, en permettant un lissage des profits et une réduction de la dépendance aux marges
d’intermédiation. L’étude recommande la mise en place d’un cadre prudentiel harmonisé et
d’incitations réglementaires visant à encourager la diversification bancaire, ainsi que le
développement de produits financiers innovants adaptés aux besoins des acteurs économiques de
l’UEMOA.
Mots clés : diversification des activités bancaires ; stabilité bancaire ; PMG; UEMOA.
Abstract
The main objective of this thesis is to analyze the effect of bank activity diversification on the
stability of banks within the WAEMU. The study covers seven (07) member countries of the Union,
excluding Guinea-Bissau, over the period 2000–2024. Bank stability is measured using the z_score,
while activity diversification is assessed through two dimensions: asset diversification and income
diversification. Methodologically, the analysis relies on a Pooled Mean Group (PMG) error-
correction model. The estimation results indicate that activity diversification exerts a positive and
highly significant effect, reflecting its ability to reduce concentration risks and enhance the
financial resilience of banks. Similarly, income diversification shows a moderate but stabilizing
effect by smoothing profits and reducing dependence on interest margins. The study recommends
the establishment of a harmonized prudential framework and regulatory incentives to promote
banking diversification, as well as the development of innovative financial products tailored to the
needs of economic actors in the WAEMU.
Keywords: Bank diversification; bank stability; PMG; WAEMU.

vii
SOMMAIRE
Remerciements ........................................................................................................................................ iii

Liste des sigles et des acronymes ............................................................................................................. iv

Liste des illustrations ............................................................................................................................... vi

Résumé ................................................................................................................................................... vii

INTRODUCTION GENERALE .............................................................................................................. 1

PARTIE 1 : REVUE ANALYTIQUE SUR LA DIVERSIFICATION ET STABILITÉ BANCAIRE ........ 8

Chapitre I : REVUE DE LITTERATURE THÉORIQUE ET EMPIRIQUE SUR LA DIVERSIFICATION

ET LA STABILITÉ BANCAIRE DE L’UEMOA .................................................................................... 9

I. Diversification et stabilité bancaire : les apports théoriques .............................................................. 9

II. Revue de littérature empirique de la relation entre diversification des activités et stabilité bancaire . 15

Chapitre II : POLITIQUES ET ÉTATS DES LIEUX DE LA DIVERSIFICATION DES ACTIVITÉS ET

STABILITÉ BANCAIRE DANS L’UEMOA ........................................................................................ 22

I. Cadre institutionnel et politique de diversification des activités bancaire et stabilité ........................ 22

II. Etat des lieux des indicateurs. ......................................................................................................... 25

Chapitre 3 : METHODOLOGIE DE LA RECHERCHE ......................................................................... 40

I. Spécification du modèle de l’étude ................................................................................................. 40

II. Tests économétriques et choix de la méthode d’estimation.............................................................. 48

CHAPITRE 4 : ESTIMATION DU MODÈLE, RÉSULTATS ET INTERPRÉTATIONS

ÉCONOMIQUES .................................................................................................................................. 55

I. Analyses descriptives et résultats des tests économétriques ............................................................. 55

II. Présentation des résultats et interprétations économétriques ............................................................ 64

Conclusion de la deuxième partie ........................................................................................................... 76

CONCLUSION GÉNÉRALE ................................................................................................................ 78

BIBLIOGRAPHIE ................................................................................................................................. viii

TABLES DES MATIERES ................................................................................................................ xxviii

viii
INTRODUCTION GENERALE
La stabilité du système bancaire constitue un enjeu fondamental pour les économies modernes, car
elle conditionne le bon fonctionnement des marchés financiers et soutient le développement
économique durable (FMI, 2019). La stabilité financière désigne une situation où les institutions
financières, les marchés et les infrastructures financières opèrent correctement et résistent aux
perturbations, empêchant que des difficultés locales ne se transforment en crise systémique
Crockett (1997). Pour l’Afrique, et plus généralement les autres régions du monde où le secteur
bancaire est le principal fournisseur du financement, la stabilité des banques conditionne l’accès
au crédit des entreprises, l’absorption des chocs externes et la résilience face aux crises, autant de
déterminants de la transformation structurelle et de la création d’emplois (Beck et al., 2013). Par
ailleurs, une stabilité bancaire durable réduit les coûts de financement, favorise l’émergence de
marchés financiers plus profonds et diversifiés, et stimule l’afflux d’investissements directs
étrangers (Allen & Gale, 2000). Sur le plan du développement financier, l’instabilité entrave la
profondeur financière, réduit la diversité des instruments financiers et limite l’état de confiance
nécessaire à l’expansion des marchés de capitaux (Levine, 1997).

Inversement, l’instabilité du système bancaire engendre un ensemble de dysfonctionnements

susceptibles de compromettre la solidité du secteur financier et la performance macro-économique.
Premièrement, elle augmente le risque de faillites bancaires, ce qui peut entraîner des pertes
significatives pour les déposants, les créanciers et l’État lorsqu’il intervient pour sauver les
institutions en difficulté. Deuxièmement, l’instabilité fragilise la capacité des banques à assurer
correctement leurs fonctions essentielles, notamment l’intermédiation financière, la transformation
des dépôts en crédits et la gestion des paiements. Elle limite ainsi l’accès au financement pour les
ménages et les entreprises, ce qui freine l’investissement productif et réduit la croissance
économique. Dans les pays en développement, une instabilité bancaire récurrente peut bloquer la
transformation structurelle, accentuer l’informalité et empêcher l’émergence d’un secteur financier
moderne et inclusif (Beck, Demirgüç-Kunt & Maksimovic, 2005). Troisièmement, un système
bancaire instable accroît la volatilité financière, favorise l’incertitude et dégrade la confiance des
agents économiques. Cette perte de confiance peut provoquer des retraits massifs de dépôts (bank
runs) et perturber le fonctionnement normal des marchés financiers. Enfin, l’instabilité bancaire

1
peut avoir des effets systémiques, en se propageant rapidement à d’autres institutions ou secteurs
de l’économie, ce qui amplifie les crises et aggrave leur coût économique et social.

Malgré les effets négatifs largement documentés de l’instabilité financière sur le développement
économique, ce phénomène demeure particulièrement persistant dans les pays en développement.
Depuis les années 1980, plus de 70 % des pays en développement ont connu au moins une crise
bancaire ou monétaire (Laeven & Valencia, 2020). Entre 1990 et 2020, le FMI recense 151 épisodes
de crises financières majeures, dont plus des deux tiers dans les pays en développement, révélant
une cyclicité et une récurrence inquiétante (Reinhart & Rogoff, 2009). Par exemple, les taux
moyens de créances douteuses en Afrique subsaharienne sont restés supérieurs à 13 % entre 2000
et 2020, contre moins de 4 % dans les économies avancées (FMI, 2023), montrant une détérioration
chronique de la qualité des actifs bancaires. De plus, les crises se répètent souvent : les pays qui
ont connu une crise financière ont une probabilité 2 à 3 fois plus élevée d’en subir une nouvelle
dans les dix années suivantes (Cerra & Saxena, 2008). Cette persistance accroît les coûts d’emprunt
et freine l’inclusion financière, piégeant de nombreux pays en développement dans un cycle de
vulnérabilité financière permanente.

Dans la zone UEMOA en particulier, l’instabilité se manifeste par une détérioration de la qualité
des portefeuilles de prêts, une forte concentration du crédit et des actifs financiers ou la dépendance
excessive à certaines sources de revenus (BCEAO, 2020). Depuis plus d’une décennie, le système
bancaire de l’UEMOA est confronté à des niveaux élevés de créances douteuses, dépassant 11 %
en moyenne dans l’Union entre 2015 et 2022 (BCEAO, 2022). Ces créances non performantes
réduisent la capacité des banques à accorder de nouveaux crédits, affaiblissant le canal de
transmission financier, comme soutenu par Beck, Demirgüç-Kunt & Levine (2010). La structure
du crédit contribue également à cette instabilité : plus de 65 % des crédits bancaires sont de court
terme, ce qui expose les banques à des risques récurrents de liquidité, en particulier lors des
périodes de tensions économiques ou politiques (BCEAO, 2023). La littérature montre que les
systèmes bancaires dominés par le court terme présentent une résilience réduite, la transformation
excessive des échéances accentuant le risque de crise bancaire (Diamond & Rajan, 2001 ; Allen &
Gale, 2000). Acharya et al., (2006) démontrent d’ailleurs que des portefeuilles faiblement
diversifiés accroissent significativement le risque systémique. Aussi, bien que les banques de

2
l’UEMOA soient en moyenne conformes aux normes prudentielles minimales, la capacité
d’absorption des pertes reste limitée : le ratio de fonds propres de base oscille autour de 9 %, un
niveau inférieur à celui observé dans d’autres économies où il dépasse souvent 12-14 % (FMI,
2022). Cette faiblesse structurelle montre que des systèmes bancaires faiblement capitalisés sont
plus exposés à de l’instabilité (Caprio & Levine, 2004).

Face aux vulnérabilités structurelles de son système bancaire, l’UEMOA a entrepris plusieurs
réformes visant à renforcer la stabilité financière, la solidité des établissements bancaires et la
résilience du secteur bancaire tels que les normes prudentielle Bâle II/III, une meilleure gestion des
risques et l’introduction du ratio de levier, ce qui a permis d’améliorer la qualité du capital bancaire
(BCEAO, 2018). En parallèle, la BCEAO a renforcé le cadre de surveillance macro prudentielle,
avec la création du Collège de Supervision de l’UEMOA, chargé de contrôler les risques
systémiques, et de réaliser des stress tests bancaires pour surveiller l’évolution des risques. Ces
mesures sont conformes à la littérature qui souligne l’importance de la supervision bancaire
renforcée pour prévenir les crises financières (Barth, Caprio & Levine, 2004 ; Laeven & Valencia,
2020). Pour améliorer la qualité des actifs bancaires, l'Union a renforcé le Bureau d’Information
sur le Crédit (BIC), opérationnel depuis 2019. Par ailleurs, des programmes visant à diversifier les
sources de financement ont été introduits (BCEAO, 2018).

La littérature souligne que dans de nombreux pays en développement, les réformes prudentielles
sont souvent insuffisantes lorsqu’elles ne s’accompagnent pas d’une transformation structurelle du
modèle bancaire lui-même (Beck, Demirgüç-Kunt & Levine, 2010 ; Barth, Caprio & Levine,
2004). C’est dans ce contexte que se justifie pleinement l’intérêt d’examiner dans cette étude, le
role de la diversification bancaire comme levier complémentaire voire indispensable pour renforcer
la stabilité bancaire dans l’Union. En effet, la diversification bancaire comme levier de stabilité
financière suscite un intérêt croissant dans la littérature. Cependant, la question reste peu
approfondie, qui la traite souvent de manière indirecte, en se focalisant principalement sur la
performance bancaire ou la réduction du risque systémique (Acharya, Hasan & Saunders, 2006).
La diversification bancaire se définit comme la répartition des prêts, des actifs et des sources de
revenus d’une banque afin de réduire les risques spécifiques à certains secteurs ou segments
économiques (Cao, Simin, Wang & Zhang, 2019). Une banque qui diversifie ses prêts par maturité

3
(court, moyen, long terme), par secteur (agriculture, industrie, services), et par finalité économique
(consommation, investissement) répartit mieux ses risques et réduit la probabilité de pertes
simultanées sur un même segment économique (Acharya, Hasan & Saunders, 2006). De même, la
diversification des revenus par exemple via les commissions, le crédit-bail, ou les services
numériques, diminue la dépendance au seul revenu d’intérêt, souvent volatil dans les économies
faiblement diversifiées (Stiroh & Rumble, 2006). Plusieurs travaux montrent que les banques
diversifiées présentent une meilleure capacité d’absorption des chocs et une plus grande résilience
en période de stress financier (Laeven & Levine, 2007 ; Wagner, 2010). En outre, La diversification
réduit l’exposition à un choc sectoriel ou régional isolé, améliorant la stabilité du portefeuille, des
sources de revenus variées renforcent la capacité des banques, augmentant ainsi leur solvabilité, et
un système bancaire diversifié atténue la cyclicité du crédit, limitant l’amplification des crises
(Allen & Gale, 2000).

La diversification accroît également la capacité des banques à soutenir le développement

économique. En élargissant l’offre de produits et services financiers, les banques peuvent répondre
aux besoins spécifiques des PME, des microentreprises et des ménages, contribuant ainsi à la
dynamisation de l’économie réelle. Une base plus large de clients et d’opérations stables génère
également des dépôts et des ressources financières fiables, ce qui renforce la liquidité et la
résilience des banques face aux crises financières.
Enfin, la diversification agit comme un mécanisme de protection contre les risques systémiques et
la propagation des crises. Dans un contexte régional comme l’UEMOA, où certaines économies
sont vulnérables aux chocs extérieurs et où la régulation bancaire peut être hétérogène, une banque
diversifiée est moins susceptible de transmettre les perturbations financières à l’ensemble du
système. Elle réduit la dépendance aux marges d’intermédiation classiques et à certains produits
concentrés, limitant l’exposition aux effets domino qui peuvent entraîner une instabilité généralisée
(FMI, 2022 ; Laeven & Valencia, 2018).

Cependant, malgré l’ensemble des politiques prudentielles mises en œuvre et les efforts récents
visant à encourager la diversification des activités bancaires, l’instabilité financière demeure
persistante dans l’UEMOA. En dépit de l’adoption des normes Bâle II/III, du renforcement de la
surveillance macroprudentielle avec la création du Collège de Supervision, et de l’amélioration de

4
la gestion des risques à travers les stress tests bancaires, plusieurs indicateurs témoignent de la
fragilité du secteur. Le taux de créances douteuses reste supérieur à 10 % en 2022, soit plus du
double du seuil prudentiel recommandé de 5 % (BCEAO, 2023). Parallèlement, la concentration
des portefeuilles de prêts demeure élevée, avec plus de 55 % des crédits orientés vers trois secteurs
seulement : commerce, services et BTP (FMI, 2022), ce qui limite les effets stabilisateurs attendus
de la diversification. Même si les banques ont progressivement élargi leurs sources de revenus,
notamment à travers les commissions, le mobile banking ou le crédit-bail, ces activités ne
représentent encore qu’environ 25 % des revenus bancaires, alors que la dépendance au revenu
d’intérêt reste dominante et volatile dans un contexte d’économies peu diversifiées (BCEAO,
2021). Entre 2018 et 2022, les risques de liquidité ont également augmenté de près de 8 %, en
raison d’une concentration excessive des ressources à court terme, tandis que la structure des dépôts
n’a progressé que marginalement (BCEAO, 2022). Ainsi, même si certaines améliorations sont
observées, comme une hausse de 7 % des fonds propres réglementaires entre 2019 et 2022, les
vulnérabilités structurelles, faiblesse de la diversification effective, exposition aux chocs externes,
concentration sectorielle et qualité insuffisante des actifs continuent de peser lourdement sur la
stabilité bancaire. Ces constats montrent que ni les réformes prudentielles ni les efforts de
diversification n’ont, pour l’instant, permis de réduire de façon significative les risques systémiques
dans l’Union.

Ainsi, l’intérêt de ce mémoire trouve sa pertinence dans l'analyse de la diversification bancaire, à

travers la diversification des actifs et des sources de revenus comme outil pour renforcer la stabilité
bancaire dans l’UEMOA. L’objectif est d’apporter une contribution empirique et théorique à un
débat central : dans quelle mesure la diversification peut-elle constituer une réponse structurelle
durable aux vulnérabilités persistantes du secteur bancaire de l’UEMOA ? Cette problématique se
décline en trois interrogations spécifiques : Quel est l’effet de la diversification d’actifs sur la
stabilité bancaire ? Quel est l’effet de la diversification des revenus sur la stabilité bancaire? Lequel
entre la diversification des actifs et celle des revenus contribue le plus à la stabilité bancaire?
L’objectif général de ce mémoire est donc d’analyser l’effet de la diversification sur la stabilité
bancaire dans l’UEMOA.

Pour atteindre cet objectif général, les objectifs spécifiques suivants ont été formulés :

5
 Examiner l’effet de la diversification des actifs sur la stabilité bancaire dans les pays de l’UEMOA.
 Analyser l’effet de la diversification des revenus sur la stabilité des banques de la zone.
Afin de guider l’analyse, la recherche se base sur les hypothèses suivantes:
 H1 : La diversification des actifs a un effet positif sur la stabilité des banques dans l’UEMOA.
 H2 : La diversification des revenus a un effet positif sur la stabilité des banques dans l’UEMOA.

Comme tout travail de recherche, cette étude présente des intérêts scientifiques et pratiques qu’il
convient de souligner. Sur le plan académique, peu d’études se sont concentrées spécifiquement
sur l’effet de la diversification des activités bancaires sur la stabilité des banques, en particulier
dans le contexte de l’UEMOA. La majorité des recherches existantes portent davantage sur la
rentabilité bancaire, sans approfondir le rôle stabilisateur que peuvent jouer la diversification des
actifs et des revenus sur les établissements financiers. Cette étude contribue donc à combler cette
lacune en analysant de manière détaillée les dimensions de la diversification et leur impact sur la
résilience bancaire. D’un point de vue méthodologique, l’utilisation d’un modèle à correction
d’erreur de type Pooled Mean Group (PMG) permet de distinguer les effets à court et à long terme
de la diversification, offrant ainsi une lecture plus fine et plus robuste des mécanismes de
stabilisation. Cette approche enrichit la littérature sur la stabilité bancaire en intégrant des données
de panel couvrant plusieurs pays de l’UEMOA sur une longue période (2000-2022), ce qui permet
d’identifier des tendances structurelles et des effets différenciés selon les types de diversification.
D’un point de vue pratique, les résultats de l’étude peuvent orienter les décideurs politiques et les
régulateurs dans l’élaboration de stratégies visant à promouvoir la diversification bancaire comme
levier de stabilité financière. Ces résultats fournissent également des indications précieuses aux
dirigeants bancaires sur les dimensions de la diversification à privilégier pour améliorer la
résilience des banques face aux chocs économiques et financiers.

Dans l’optique de mieux structurer cette étude, nous scindons le travail en deux parties renfermant
chacune deux chapitres. Le premier chapitre sera consacré au cadre conceptuel et à la revue de
littérature théorique et empirique sur la relation entre diversification et stabilité bancaire. Le second
chapitre sera destiné à la présentation des faits stylisés relatifs à la diversification et à la stabilité
des banques dans l’espace UEMOA. Dans le chapitre 3, nous aborderons la méthodologie de la
recherche. Il s’agira de présenter le modèle de l’étude et de décrire les variables utilisées pour

6
mesurer la diversification et la stabilité bancaire. Puis, au chapitre 4, nous présenterons les résultats
issus des estimations, et enfin nous procéderons à l’interprétation économique de ces différents
résultats.

7
 PARTIE 1 : REVUE ANALYTIQUE SUR LA
DIVERSIFICATION ET STABILITÉ BANCAIRE

Cette première partie s'articulera autour de deux chapitres. Le premier chapitre visera à exposer les
apports théoriques et empiriques de la diversification des activités et de la stabilité bancaire. Le
second chapitre sera consacré aux politiques de diversification au sein de l'UEMOA, aux actions
pour la stabilité bancaire, puis aux faits stylisés relatifs à la relation entre de la diversification des
activités et de la stabilité bancaire.

8
 Chapitre I : REVUE DE LITTERATURE THÉORIQUE ET
EMPIRIQUE SUR LA DIVERSIFICATION ET LA STABILITÉ
BANCAIRE DE L’UEMOA

La question de la relation entre diversification des activités bancaires et stabilité du secteur bancaire
a suscité un vif intérêt au sein de la littérature économique, donnant lieu à de nombreuses analyses
menées sous divers angles. Dans ce chapitre, nous examinerons, en premier lieu, les principaux
travaux théoriques qui permettent de comprendre les fondements théoriques conceptuels de la
diversification bancaire, de la stabilité, ainsi que ceux qui permettent d’expliquer les canaux par
lesquels la diversification influence la stabilité. En second lieu, nous analyserons les études
empiriques qui lient diversification bancaire et stabilité, ainsi que les résultats observés.

I. Diversification et stabilité bancaire : les apports théoriques

Cette section permettra, dans un premier temps, de présenter les fondements théoriques de la
diversification, ensuite d’analyser les mécanismes par lesquels la diversification des activités
bancaires peut contribuer à renforcer la stabilité dans la zone UEMOA, et enfin d’identifier les
autres facteurs pouvant également influencer la solidité du système financier régional.

1.1. Fondement théorique de la diversification bancaire.

Cette section présente les bases théoriques qui expliquent le concept de diversification bancaire et
son importance pour la stabilité financière. Afin de mieux comprendre la diversification dans le
secteur bancaire, nous exposons ici les fondements théoriques qui sous-tendent cette pratique.

1.1.1. La théorie de la diversification de portefeuille

La gestion de portefeuille constitue l’un des piliers de la finance moderne. Jusqu’au milieu du XXe
siècle, les décisions d’investissement reposaient essentiellement sur l’analyse individuelle des titres
financiers, en privilégiant ceux qui semblaient les plus prometteurs. Cette approche intuitive a été
profondément bouleversée par les travaux fondateurs de Markowitz (1952), qui ont donné
naissance à la théorie moderne du portefeuille. Son principe central établit que la construction d'un
portefeuille doit simultanément considérer le rendement espéré et le risque, ce dernier étant mesuré

9
par la variance des rendements. La contribution majeure de cette approche réside dans la
démonstration que la diversification efficace ne dépend pas uniquement du risque individuel des
actifs, mais surtout de leurs corrélations. En combinant judicieusement des actifs faiblement ou
négativement corrélés, l'investisseur peut réduire significativement le risque global sans
nécessairement sacrifier le rendement.
La théorie introduit le concept de frontière efficiente, représentant l'ensemble des portefeuilles
optimaux qui offrent le rendement maximal pour un niveau de risque donné, ou le risque minimal
pour un rendement cible. Toutefois, cette construction théorique repose sur plusieurs hypothèses
fortes, notamment la rationalité des investisseurs, l'efficience des marchés, et l'absence de frais de
transaction, qui en limitent l'applicabilité pratique. Malgré ces limitations, le cadre conceptuel de
Markowitz (1952) demeure la pierre angulaire de la gestion moderne de portefeuille et a ouvert la
voie au développement subséquent de modèles d'évaluation d'actifs.

1.1.2. La théorie des économies d’échelle et de gamme

La théorie des économies d’échelle et de gamme constitue l’un des fondements économiques
majeurs expliquant la diversification des activités bancaires. Elle repose sur l’idée que
l’élargissement du volume et de la variété des services produits permet à une entreprise, en
l’occurrence une banque, de réduire ses coûts moyens et d’améliorer son efficacité. Les économies
d’échelle apparaissent lorsque l’augmentation de la taille ou du volume d’activité d’une banque
entraîne une diminution du coût moyen de production. Les institutions financières peuvent abaisser
leurs coûts moyens lorsqu’elles étendent la gamme de produits fournis, car la diversification permet
de mieux utiliser les ressources existantes et de répartir les coûts fixes entre plusieurs activités
(Berger & Mester, 1997). Cela s’explique par la répartition des coûts fixes sur un plus grand nombre
d’opérations, l’utilisation plus intensive des infrastructures et la possibilité de mobiliser des
technologies plus performantes. Ainsi, une banque de grande taille peut exploiter des effets de
volume pour renforcer sa rentabilité et accroître sa compétitivité.
Quant aux économies de gamme, elles résultent de la production conjointe de plusieurs produits ou
services financiers, permettant de mutualiser certaines ressources (réseaux d’agences, systèmes
informatiques, compétences du personnel, base de clientèle, etc.) et de réduire les coûts totaux par
rapport à une production séparée.

10
 En d’autres termes, la banque tire avantage du fait de proposer simultanément divers services
(crédits, dépôts, assurance, gestion d’actifs ou services d’investissement) plutôt que de se
spécialiser dans un seul segment. Dans le même sens, la production conjointe de plusieurs produits
permet de réduire le coût total par rapport à une production séparée. (Berger & Mester, 1997)

1.2. Les théories qui expliquent la stabilité bancaire

Cette section explore les principales théories permettant de comprendre les facteurs assurant la
stabilité des banques. Nous analysons dans cette section les différentes théories qui permettent
d’expliquer comment les banques maintiennent leur stabilité.

1.2.1. La théorie de la contagion et du risque systémique

La théorie des contagions et du risque systémique analyse la propagation des chocs d'une institution
financière à l'ensemble du système, menaçant sa stabilité globale. Le risque systémique se distingue
du risque individuel par son ampleur, sa rapidité de propagation et ses externalités négatives sur
l'économie réelle. Les mécanismes de transmission incluent trois canaux principaux : le canal direct
via les expositions interbancaires, le canal indirect par les ventes forcées d'actifs dépréciant les
portefeuilles similaires, et le canal informationnel où la défiance généralisée provoque des retraits
massifs. Les recherches sur les réseaux financiers, initiées par (Allen & Gale, 2000), montrent que
l'interconnexion des institutions influence de manière critique la diffusion des crises. Une inter
connectivité modérée peut amplifier les chocs, tandis qu'une structure très dense peut parfois les
absorber. Pour identifier les institutions cruciales, les régulateurs utilisent des critères comme la
taille, l'interconnexion et la complexité. La régulation macro prudentielle a développé des outils
tels que les limites d'exposition, les tests de résistance et les coussins de fonds propres contra
cycliques pour y faire. La politique macro prudentielle vise explicitement à limiter le risque
systémique et la contagion en utilisant des outils tels que les exigences de fonds propres contra-
cycliques et les limites d’exposition. (Borio, 2011)

11
 1.2.2. La théorie de la panique bancaire
La théorie de la panique bancaire, élaborée par (Diamond & Dybvig, 1983), analyse la vulnérabilité
structurelle des banques face aux ruées soudaines des déposants. En effet, cette fragilité découle
fondamentalement du rôle de transformation des échéances assumé par les établissements
bancaires, qui financent des prêts à long terme et illiquides par des dépôts exigibles à court terme.
Le modèle théorique met en lumière l'existence de deux équilibres possibles : d'une part, un
équilibre optimal où les retraits reflètent les besoins réels des déposants, et d'autre part, un équilibre
de panique où la simple anticipation d'une crise de liquidité déclenche des retraits massifs, devenant
ainsi une prophétie auto-réalisatrice. Il existe trois mécanismes fondamentaux expliquent ces
dynamiques : premièrement, l'asymétrie d'information qui empêche les déposants de distinguer les
banques solvables des banques vulnérables ; deuxièmement, l'illiquidité des actifs qui force les
établissements à réaliser des ventes à perte en période de stress ; et troisièmement, l'effet de
contagion qui propage la défiance à travers le système financier. Dans cette même perspective, les
paniques peuvent être déclenchées par l’arrivée d’informations négatives, faisant ainsi des bank
runs un phénomène révélateur plutôt qu’un comportement irrationnel (Calomiris & Gorton, 1991).
Pour contrer ces risques, la théorie identifie plusieurs mécanismes de stabilisation, dont notamment
l'assurance des dépôts qui supprime l'incitation aux retraits préventifs, le prêteur en dernier ressort
fournissant des liquidités d'urgence, ainsi que les suspensions temporaires des conversions. En
conclusion, cette théorie éclaire tant les crises historiques que les dispositifs modernes de
régulation, rappelant que la confiance des déposants constitue le fondement essentiel de la stabilité
bancaire.

1.3. Diversification et stabilité bancaire : les canaux de transmissions

Cette section examine les différents canaux par lesquels la diversification influence la stabilité
bancaire. Afin de comprendre l’impact de la diversification sur la stabilité des banques, nous
analysons ici les mécanismes de transmission sous-jacents.

12
1.3.1. Diversification des sources de revenus et risque financier
Plusieurs études mettent en lumière le rôle stabilisateur que peut jouer une répartition équilibrée
des sources de revenus dans le secteur bancaire. La recherche de Stiroh (2004), forts de son analyse
sur l’impact de la diversification du revenu dans le secteur bancaire américain, stipule que les
établissements financiers combinant revenus d’intérêts et revenus non traditionnels (tels que les
commissions, les frais de services ou les produits d’assurance) font preuve d’une meilleure
résistance aux chocs économiques. En période de ralentissement de l’activité de crédit, les revenus
alternatifs permettent en effet de maintenir une certaine stabilité financière. Cependant, Stiroh
(2004) poursuit en affirmant que les revenus hors intérêts, exposés à une grande instabilité, ont
tendance à augmenter le risque et diminuer la rentabilité de la structure. Et cela s’explique par une
augmentation des coûts, une volatilité des revenus et une baisse des bénéfices des banques (Stiroh,
2004).

De leur côté, (Laeven & Levine, 2007), dans leur étude, affirment que dans les économies
émergentes, la diversification des revenus contribue à une plus grande résilience des banques, à
condition que celles-ci disposent d’une gouvernance efficace et opèrent dans un cadre
réglementaire adapté. Lorsque ces conditions sont remplies, l’extension des activités bancaires
permet une meilleure synergie entre les services, réduis les coûts de financement et octroie une
meilleure couverture des besoins clients. Dans le cas de l’UEMOA, où la structure des revenus
demeure largement dominée par les activités de crédit, l’élargissement des services bancaires
(notamment via la digitalisation, les assurances ou la gestion d’actifs) apparaît comme une
opportunité de renforcement de la stabilité. Par ailleurs, Baele et al. (2007) soulignent également
que la diversification réduit le risque lié à la concentration excessive des revenus sur une seule
activité. Toutefois, ils avertissent que cette stratégie peut générer des risques accrus si elle est
menée sans contrôle rigoureux ou sans expertise suffisante, notamment en raison d’une complexité
accrue et d’une mauvaise allocation des ressources.

13
1.3.2. Diversification de portefeuilles de crédits et résilience bancaire
Outre la diversité des revenus, la structuration du portefeuille de crédits constitue un autre levier
majeur de stabilisation bancaire. Une trop forte concentration des crédits sur un secteur ou un type
de clientèle accroît les risques d’exposition en cas de crise sectorielle. D’après la théorie du
portefeuille, les banques ont tout avantage à atténuer leur niveau de risque lorsque les revenus non
liés aux intérêts ne présentent pas une corrélation parfaite avec les revenus d’intérêts. Les revenus
non liés aux intérêts présentent un profil risqué et sont étroitement corrélés aux revenus d’intérêts,
ce qui accentue la vulnérabilité des marchés bancaires. La diversification de portefeuilles de crédits
constitue un pilier fondamental de la stabilité bancaire, et ce, grâce à plusieurs mécanismes
interdépendants. Tout d'abord, elle agit principalement par le biais de la réduction de la
concentration des risques. En effet, selon les travaux fondateurs de Diamond (1984), la répartition
des expositions sur différents secteurs économiques, zones géographiques et catégories
d'emprunteurs permet de diminuer la vulnérabilité de la banque à un choc idiosyncratique affectant
un segment unique de son portefeuille. Par conséquent, cet étalement du risque se traduit
directement par une plus grande stabilité des résultats. Un portefeuille diversifié est
structurellement moins susceptible de subir des pertes importantes et simultanées, ce qui lisse la
nécessité de constituer des provisions exceptionnelles et préserve la rentabilité. Ainsi, la banque
renforce sa capacité à absorber les chocs sans compromettre sa solidité financière. (Diamond
(1984).

Pour Acharya et al. (2006), diversifier les crédits par secteurs d’activité, tailles d’entreprises ou
types de clients permet de mieux absorber les chocs et de préserver la qualité des actifs. De surcroît,
cette réduction de la volatilité des pertes a un impact direct sur la gestion des fonds propres. Une
estimation plus fiable des pertes attendues permet à la banque d'optimiser son allocation de capital.
En outre, la réglementation prudentielle, notamment les accords de Bâle, reconnaît explicitement
le bénéfice de la diversification en autorisant des exigences en fonds propres moindres pour les
portefeuilles dont les risques sont bien répartis. Par ce biais, la diversification améliore l'efficience
capitalistique et libère des ressources qui peuvent être utilisées pour soutenir l'économie réelle
Acharya et al. (2006).
Cependant, l'efficacité de ce mécanisme n'est pas absolue et rencontre certaines limites. En réalité,
une diversification excessive ou mal maîtrisée peut entraîner des déséconomies d'échelle et une

14
 complexité accrue dans la surveillance du risque. De même, en période de crise systémique, les
corrélations entre les différentes classes de risque ont tendance à converger, réduisant, voire
annulant, les bénéfices de la diversification lorsque celle-ci est le plus nécessaire.

II. Revue de littérature empirique de la relation entre diversification des activités

et stabilité bancaire
Le lien entre diversification et stabilité bancaire a fait l’objet de plusieurs études. Dans cette section,
nous présenterons les différents travaux menés sur l’effet positif de la diversification sur la stabilité
bancaire, ensuite l’effet négatif qu’il peut y avoir et, en troisième position, l’effet de la
diversification sur la stabilité dépendant d’un certain nombre de conditions macro-financières.

2.1. Effets positifs de la diversification des activités sur la stabilité bancaire

Nombreux sont les auteurs qui militent en faveur du fait que la diversification des activités
bancaires est souvent perçue comme un levier de renforcement de la stabilité du secteur financier,
notamment dans les économies en développement comme celles de l’UEMOA.
En premier lieu, dans un environnement où les entreprises financières non bancaires ayant accès
aux activités bancaires traditionnelles, les sociétés holding bancaires souhaitent la réduction des
barrières à l'entrée dans les activités non bancaires (Boyd & Graham, 1988). Cette situation serait
non seulement équitable, en uniformisant les règles du jeu, mais permettrait également d'instaurer
la concurrence nécessaire dans ces activités. L’étude pionnière s'est appuyée sur un échantillon
exhaustif de 249 institutions financières avec une méthode de simulation couvrant la période 1971-
1984, incluant 146 holdings bancaires, 30 compagnies d'assurance-vie, 15 sociétés d'assurance
dommages, 11 sociétés de valeurs mobilières et 31 entreprises de promotion immobilière. La
méthodologie employée a consisté en des simulations des fusions entre entités. Les résultats ont
révélé des conclusions contrastées : les fusions avec des sociétés d'assurance-vie démontraient une
réduction significative de la volatilité des profits et du risque de faillite, tandis que les
regroupements avec des sociétés de valeurs mobilières ou des entreprises immobilières
produisaient l'effet inverse, augmentant la volatilité et le risque global.

De plus, De Jonghe, & Vennet, (2008), dans leurs recherches, ont utilisé une régression linéaire
avec effets fixes (Fixed Effects Model) sur un panel de 143 banques cotées issues de 17 pays

15
européens sur la période 1989-2004. Cette période coïncidait avec un contexte marqué par une
déréglementation significative et l'implémentation de la deuxième directive bancaire européenne.
Leur analyse a mis en lumière les avantages potentiels de la diversification, incluant les économies
de gamme, le partage d'informations issues de la relation bancaire, l'amélioration de la gestion des
risques et la stabilisation des revenus. Cependant, elle a également identifié des coûts substantiels
liés à la complexité organisationnelle, aux problèmes d'agence accentués et à l'exposition accrue
aux revenus non liés aux intérêts, généralement plus volatils. Leurs résultats ont démontré qu'une
proportion plus élevée de revenus hors intérêts dans le revenu total augmentait généralement la
valeur des franchises bancaires, suggérant que les marchés anticipaient des bénéfices futurs issus
de la diversification. Néanmoins, la recherche a également révélé que la diversification
fonctionnelle augmentait le risque systématique des banques, pouvant ainsi fragiliser la stabilité du
secteur en cas de chocs macro-financiers. La relation identifiée suivait une courbe en U inversé, où
la diversification procurait des bénéfices jusqu'à un point optimal avant de devenir contre-
productive.

En outre, les travaux de (Mercieca, Schaeck & Wolfe, 2007), apportent un éclairage précieux et
nuancé au débat sur la diversification des activités bancaires. Contrairement à de nombreuses
études américaines qui mettent en garde contre les effets négatifs de la diversification, cette
recherche menée sur 755 petites banques européennes (dont les actifs sont inférieurs à 1 milliard
de dollars) avec un modèle à effet fixe et modèle à effet aléatoire sur la période 1997-2003 révèle
des résultats globalement positifs, bien que complexes. Les auteurs constatent que les banques qui
diversifient leurs sources de revenus vers les activités non-intérêts réalisent des économies de scope
significatives, permettant une meilleure utilisation des infrastructures existantes et une optimisation
des coûts fixes. Cette amélioration de l'efficience se traduit par une réduction du ratio
coût/efficacité, contribuant ainsi à renforcer la performance globale des établissements. En matière
de rentabilité, les résultats révèlent une relation en U-inversé entre diversification et performance.
Les banques modérément diversifiées connaissent une hausse sensible de leur rendement sur actifs,
tandis que les établissements excessivement diversifiés voient cet effet positif s'atténuer. Cette non-
linéarité suggère l'existence d'un seuil optimal au-delà duquel la diversification devient contre-
productive, mettant en lumière l'importance d'une approche mesurée dans la diversification des
activités (Mercieca et al., 2007).

16
En comparaison avec les banques américaines, les banques européennes semblent tirer un bénéfice
plus net de la diversification, ce qui peut s’expliquer par un environnement réglementaire plus
favorable et une structuration plus intégrée du secteur. Stiroh, (2004), étudie les banques
américaines et démontre que les institutions ayant diversifié leurs sources de revenus au-delà des
marges d’intérêt, vers les services financiers, les commissions ou les activités de marché, ont
généralement mieux résisté aux fluctuations économiques. L’auteur cherche à savoir si cette
diversification (vers les revenus non-intérêts) permet de réduire le risque et/ou d’améliorer la
rentabilité ajustée pour le risque. À l’aide d’un panel de données couvrant les années 1997 à 2002,
au niveau de l’industrie bancaire, l’étude observe une baisse de la volatilité du revenu net
d’exploitation au cours de la période étudiée. L’auteur utilise un modèle à effets fixes et montre
que la diversification contribue à réduire la volatilité des profits, notamment en période de taux
d’intérêt instables (Stiroh, 2004).

Les recherches récentes ont étendu l'analyse aux économies en développement. Adem (2023), dans
son étude portant sur 45 pays africains par un Modèle d'Évaluation Comparative, a démontré que
la diversification des revenus bancaires n'était bénéfique pour la stabilité financière qu'à la
condition d'être accompagnée d'un cadre réglementaire adapté. Cette recherche a souligné
l'importance cruciale de l'environnement institutionnel dans la réussite des stratégies de
diversification, particulièrement dans des contextes caractérisés par une forte volatilité
économique.

Enfin, les travaux de (Laeven & Levine ,2007) montrent également que la diversification des
activités bancaires réduit la probabilité de faillite bancaire. Leur étude, basée sur un échantillon
international de banques, indique que les institutions qui s’engagent dans une combinaison
équilibrée de prêts, services financiers et activités non-intérêts sont moins exposées aux chocs
systémiques et bénéficient d’une plus grande robustesse financière.

17
2.2. Effets négatifs ou pervers de la diversification des activités sur la stabilité bancaire
Bien que la diversification des activités bancaires soit souvent présentée comme un facteur de
réduction des risques, de nombreuses études empiriques mettent en lumière ses effets
potentiellement négatifs sur la stabilité financière des établissements bancaires.
Rumble (2006) approfondit l’analyse en examinant le coté nocif de la diversification dans le secteur
des services financiers américains. Leurs recherches mettent en évidence une performance ajustée
du risque inférieure pour les institutions diversifiées comparées aux établissements spécialisés. Ils
identifient plusieurs mécanismes explicatifs, notamment l'accroissement de la complexité
organisationnelle, l'élévation des coûts de gestion et l'apparition de difficultés dans le processus de
supervision interne. Toujours dans cette perspective critique, l’étude menée par (Laeven & Levine,
2007) analyse les conglomérats financiers internationaux et constatent l'existence d'une "décote de
diversification" évaluée entre 10 et 15%. Cette réduction de la valeur actionnariale s'expliquerait
par l'accentuation des problèmes d'agence dans les structures organisationnelles complexes, où le
monitoring par les actionnaires devient plus difficile et où les dirigeants pourraient privilégier des
stratégies de croissance au détriment de la création de valeur.

Par ailleurs, Pennathur (2012) souligne que la transition vers des activités non traditionnelles peut
augmenter l'exposition au risque lorsque celle-ci s'accompagne d'une perte d'expertise métier ou
d'un affaiblissement des incitations à une gestion prudente. Son analyse met en lumière la volatilité
intrinsèque des activités comme le trading et les services d'investissement, qui peuvent introduire
une instabilité accrue dans les résultats bancaires, particulièrement pour les établissements de taille
moyenne disposant de capacités limitées en gestion des risques, Pennathur (2012).

De plus, De Jonghe (2010) examine le cas des banques européennes et constate que la
diversification fonctionnelle augmente le risque systématique des établissements. Cette
vulnérabilité accrue aux chocs macro-financiers s'explique par la corrélation positive entre les
différentes activités financières durant les périodes de crise, limitant ainsi l'effet stabilisateur
escompté de la diversification.

Dans les pays en développement, Beck et al. (2011) notent que les banques qui se diversifient dans
les produits dérivés, la gestion d’actifs ou les opérations internationales sans capacités

18
 institutionnelles solides augmentent leur exposition aux risques de marché et aux asymétries
d’information. Cela est particulièrement vrai pour les banques de taille moyenne dans des
environnements réglementaires faibles. Enfin, une étude récente de la Banque des Règlements
Internationaux (2022) sur les banques des marchés émergents révèle que la diversification peut
engendrer des vulnérabilités supplémentaires dans des contextes réglementaires moins matures.
Les auteurs observent que sans un cadre de supervision adapté et des capacités de gestion des
risques suffisantes, la diversification peut conduire à une complexification dangereuse des profils
de risque

2.3. Effets conditionnels et contextuels de diversification des activités et stabilité bancaire

En dehors des effets strictement positifs ou négatifs, la diversification peut aussi produire des effets
mixtes ou ambivalents, en fonction du niveau de développement bancaire, du contexte
institutionnel et de la stratégie globale adoptée par les établissements.

Par exemple, (Waqas & Tariq, 2022), dans une étude menée sur les banques commerciales
pakistanaises entre 2005 et 2019, utilisant un modèle à effets fixes et la méthode des moments
généralisés (MMG), montre que la maturité bancaire, c’est-à-dire l’expérience, la solidité de la
gouvernance et l’ancienneté institutionnelle, conduit à une diversification des activités plus
efficace, et que cette diversification influence fortement la stabilité bancaire. Toutefois, les effets
bénéfiques ne sont observables que lorsque les banques sont encadrées par des politiques de
gouvernance solides et des mécanismes prudentiels efficaces.

De même, Khattak (2023), à travers une étude sur un échantillon de 29 pays asiatiques en utilisant
la méthode généralisée des moments (GMM), identifie que l’effet de la diversification varie selon
la taille des banques : les grandes banques peuvent tirer avantage de la diversification pour accroître
leur solidité stratégique, tandis que les plus petites institutions subissent des pressions sur leurs
marges et peuvent accroître leur vulnérabilité en cherchant à concurrencer des acteurs mieux
structurés. Plus encore, ses résultats soulignent que les banques qui privilégient simultanément la
transformation numérique et la diversification peuvent devenir plus risquées et plus fragiles.
L’auteur conclut que ces deux leviers stratégiques, digitalisation et diversification, agissent comme

19
des substituts dans leur impact sur la stabilité : une banque très digitalisée n’a pas nécessairement
besoin de diversifier fortement ses activités, et inversement selon ces auteurs.

L'étude de Barth et al. (2013) sur un échantillon international de banques démontre que l'impact de
la diversification est étroitement lié au cadre réglementaire. Leurs recherches indiquent que dans
les pays dotés d'une supervision bancaire forte et de normes de transparence élevées, la
diversification contribue à réduire le risque de faillite. À l'inverse, dans les juridictions où le cadre
réglementaire est moins rigoureux, la diversification tend à accroître la vulnérabilité des
établissements.
L'étude de Köhler (2015) apporte une nuance importante en distinguant les effets selon le type de
diversification. Sa recherche démontre que la diversification géographique tend à stabiliser les
revenus, particulièrement pour les banques opérant dans des marchés faiblement corrélés, tandis
que la diversification sectorielle présente des résultats plus mitigés, avec des bénéfices fortement
dépendants de la maîtrise opérationnelle des nouveaux métiers.
Le contexte macroéconomique émerge également comme un facteur déterminant. La recherche de
Berger et al. (2010) établit que la diversification produit des effets positifs sur la stabilité durant les
périodes de stabilité économique, mais peut amplifier les vulnérabilités pendant les crises
financières, notamment lorsque les différentes activités sont soumises à des chocs corrélés.

Dans l'analyse de (Laeven & Levine, 2007), ils soulignent l'importance des structures de
gouvernance. Leurs travaux indiquent que la diversification n'améliore la stabilité que dans les
banques où les mécanismes de gouvernance sont suffisamment solides pour contrôler les problèmes
d'agence et où les incitations des dirigeants sont alignées avec les intérêts des actionnaires.

La maturité du système financier constitue un autre facteur contextuel important. L'étude de

(Claessens & Horen, 2014) sur les banques des marchés émergents révèle que la diversification y
produit des effets plus bénéfiques que dans les pays développés, probablement en raison des
opportunités de croissance plus importantes et de la moindre saturation des marchés.

La recherche de Baele et al. (2007) introduit la dimension temporelle, montrant que les effets de la
diversification évoluent avec le temps. Leurs résultats suggèrent que les bénéfices de la

20
diversification mettent du temps à se matérialiser et nécessitent une période d'apprentissage et
d'adaptation organisationnelle.

Enfin, l'étude de (Demirgüç-Kunt & Huizinga, 2010) souligne l'interaction entre la diversification
et les caractéristiques spécifiques des banques. Leurs travaux indiquent que les banques bien
capitalisées et disposant d'une expertise en gestion des risques tirent un meilleur parti de la
diversification, tandis que les établissements moins robustes peuvent voir leur situation se
détériorer.

21
 Chapitre II : POLITIQUES ET ÉTATS DES LIEUX DE LA DIVERSIFICATION DES
ACTIVITÉS ET STABILITÉ BANCAIRE DANS L’UEMOA

Ce chapitre présente en premier lieu, l’évolution des politiques et état des lieux de diversification
et en second lieu des politiques pour renforcer la stabilité dans la zone UEMOA

I. Cadre institutionnel et politique de diversification des activités bancaire et stabilité

Nous présentons d’une part, les politiques et initiatives de diversification et, d’autre part, les
stratégies et actions mises en place en matière de promotion de la stabilité dans l’UEMOA.

1.1. Politiques de diversification bancaire dans l’UEMOA

Dans l'Union Économique et Monétaire Ouest-Africaine (UEMOA), les politiques de
diversification des activités bancaires ont été déployées selon une approche stratégique
multidimensionnelle visant à transformer en profondeur le paysage financier régional. Sous
l'impulsion de la Banque Centrale des États de l'Afrique de l'Ouest (BCEAO), cette démarche s'est
articulée autour de plusieurs axes complémentaires couvrant tant la diversification sectorielle du
crédit que l'élargissement de l'offre de services financiers.

La diversification sectorielle du crédit a constitué le premier pilier de cette stratégie, répondant à

la nécessité de réduire la concentration historique des portefeuilles de prêts sur les États et quelques
grandes entreprises. Pour ce faire, la BCEAO a mis en place des mécanismes de refinancement
ciblés incluant le Fonds de Refinancement de l'Habitat (FRH) pour stimuler le crédit logement, des
lignes de refinancement dédiées au secteur agricole, et un dispositif spécifique de soutien aux
PME/PMI adopté par le Conseil des Ministres en 2015. Ces instruments visaient à réorienter les
flux de crédit vers des secteurs essentiels mais traditionnellement sous-financés, tout en atténuant
les risques de concentration du système bancaire.

Parallèlement, l'élargissement de l'offre de produits et services bancaires a représenté le second

volet stratégique. Les établissements bancaires ont développé la bancassurance, élargissant ainsi
leurs sources de revenus au-delà des activités de crédit traditionnelles. La promotion de produits
d'épargne à long terme, tels que l'épargne-logement et l'épargne-retraite, a été encouragée pour

22
capter des ressources stables et financer des investissements à plus long terme. L'innovation
financière a été fortement soutenue à travers le développement de la finance digitale, avec la mise
en place du Système Monétique Interbancaire GIM-UEMOA et l'émergence de solutions de banque
mobile qui ont révolutionné l'accès aux services financiers.

Le troisième axe majeur a concerné la diversification institutionnelle, reconnaissant que les

banques traditionnelles ne pouvaient à elles seules répondre à l'ensemble des besoins de
financement. Le Programme Régional d'Appui à la Finance Décentralisée (PRAFDIS), initié en
2004, a structuré le développement du secteur de la microfinance à travers quatre composantes
principales : l'amélioration de l'environnement juridique, le renforcement de la surveillance,
l'amélioration de l'information financière des Systèmes Financiers Décentralisés (SFD), et le
renforcement des capacités des acteurs du secteur. Cette approche a permis de construire un
écosystème financier plus inclusif, complémentaire au système bancaire classique.

L'intégration des marchés de capitaux a constitué le quatrième pilier, avec le développement de la

Bourse Régionale des Valeurs Mobilières (BRVM) comme alternative au financement bancaire.
Cette orientation stratégique s'est accompagnée de l'innovation réglementaire avec l'élaboration
d'un cadre spécifique pour la finance islamique, menée en collaboration avec la Banque Islamique
de Développement (BID). Ce cadre comprend un projet de loi uniforme modifiant la
réglementation des SFD, des instructions techniques pour les établissements pratiquant la finance
islamique, et un projet de directive harmonisant la fiscalité applicable à ces opérations.
La modernisation des infrastructures de paiement, initiée dès 1998 avec le Plan d'action pour la
promotion de la bancarisation, a formé le cinquième axe stratégique. La mise en place du Système
de Transfert Automatisé et de Règlement (STAR-UEMOA), du Système Interbancaire de
Compensation Automatisé (SICA-UEMOA), et de la Centrale des Incidents de Paiement a jeté les
bases techniques nécessaires à l'expansion des services financiers. Cette modernisation s'est
poursuivie avec l'interopérabilité des services financiers numériques lancée en 2017, permettant les
échanges "compte à compte" entre tous les types de prestataires financiers.
Enfin, le renforcement du cadre réglementaire et prudentiel a accompagné l'ensemble de ces
transformations. L'adoption en 2016 d'une Stratégie régionale d'inclusion financière a fourni un
cadre d'action cohérent, tandis que les normes prudentielles inspirées des accords de Bâle ont incité

23
 les banques à une gestion plus diversifiée de leurs risques. Les récentes avancées en matière de
digitalisation, illustrées par l'approbation du système TresorPay en Côte d'Ivoire en 2022,
témoignent de la poursuite de cette dynamique de diversification.

1.2. Politiques pour renforcer la stabilité bancaire

La stabilité du système bancaire représente un impératif stratégique pour l'UEMOA, qui a déployé
depuis les années 1990 un cadre réglementaire et prudentiel complet évoluant continuellement pour
faire face aux nouveaux défis. Sous la supervision de la Banque Centrale des États de l'Afrique de
l'Ouest (BCEAO) et de la Commission de Supervision Bancaire, cet édifice réglementaire s'articule
autour de plusieurs piliers fondamentaux qui garantissent la résilience du système financier
régional.

Le socle de la stabilité bancaire dans l'Union repose sur l'adoption progressive des normes de Bâle,
matérialisée par l'instruction n°08-2006-ASM portant sur le contrôle prudentiel des établissements
de crédit. Ce cadre réglementaire a harmonisé les exigences en matière de solvabilité, avec un ratio
minimum de 8% des fonds propres par rapport aux engagements, tout en instaurant des règles
strictes de liquidité et de division des risques. L'approche prudentielle a ensuite évolué vers une
supervision basée sur les risques, combinant inspections sur place et analyse hors site des
documents prudentiels, avec un renforcement notable de la surveillance des conglomérats
financiers et des interconnexions entre établissements.
La gestion des risques systémiques a conduit à la mise en place de mécanismes sophistiqués
incluant un système de garantie des dépôts, des dispositifs de refinancement exceptionnel en cas
de crise de liquidité, et une surveillance permanente des cycles de crédit. La modernisation des
infrastructures de marché a joué un rôle crucial avec le déploiement du Système de Transfert
Automatisé et de Règlement (STAR-UEMOA) et du Système Interbancaire de Compensation
Automatisé (SICA), réduisant significativement les risques de règlement et de contrepartie. La
Centrale des Risques de la BCEAO fournit quant à elle une vision en temps réel de l'endettement
des clients, limitant les risques de concentration.

Face aux fluctuations économiques, les autorités ont développé un arsenal de mesures macro
prudentielles incluant des coussins de fonds propres contra cycliques, des limites au financement

24
 de secteurs spéculatifs, et des restrictions sur les distributions de dividendes en période de crise. La
stabilité du système est plus tard renforcée par un cadre strict de lutte contre le blanchiment d'argent
et le financement du terrorisme, imposant aux établissements des procédures rigoureuses
d'identification de la clientèle, de déclaration des opérations suspectes et de mise en œuvre de
programmes de conformité.

La coordination régionale et internationale constitue une dimension essentielle de cette

architecture, avec la participation active de la BCEAO aux instances de régulation globales et une
collaboration étroite avec les autres banques centrales africaines. Les réformes récentes, engagées
depuis 2018, visent à aligner le cadre prudentiel sur les standards de Bâle III, l'introduction de
ratios de levier, le renforcement des exigences en fonds propres de qualité, l'amélioration de la
gestion des risques de liquidité et la mise en place de plans de redressement pour les établissements
en difficulté.

L'efficacité de ce dispositif complet est démontrée par la résilience du système bancaire de

l'UEMOA face aux chocs économiques récents, bien que des défis persistent, notamment
concernant l'adaptation aux cyber-risques et aux enjeux climatiques. La poursuite des réformes et
la vigilance permanente des autorités de supervision restent essentielles pour préserver la stabilité
financière tout en soutenant le financement de l'économie régionale, dans un contexte de
transformation digitale accélérée et d'évolution des paysages risques.

II. Etat des lieux des indicateurs.

Cette section est subdivisée en deux parties, Au niveau de la première, il est question de présenter
l’évolution de la diversification des activités et de la stabilité bancaire dans l’UEMOA. Dans la
seconde, il sera question de présenter l’évolution conjointe de la diversification des activités et de
la stabilité bancaire.

25
2.1. Evolution des indicateurs de la diversification des activités bancaires dans l’UEMOA
La diversification des actifs bancaires représente la répartition des portefeuilles d’investissement
des banques entre différentes catégories d’actifs (crédits, titres, dépôts interbancaires,
immobilisations, etc.). Elle traduit la capacité du secteur bancaire à répartir ses ressources sur
plusieurs segments afin de réduire son exposition à un risque spécifique et d’améliorer la stabilité
financière. Un niveau élevé de diversification suggère une meilleure gestion du risque, tandis qu’un
niveau faible indique une concentration des activités sur un nombre limité d’actifs.

Graphique 1 : Évolution de la diversification des actifs bancaires (div_actif)

div_actif
35

30

25

20

15

10

0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022

Source : Auteur, à partir des données de la Banque Mondiale (GFDD,2024)

Le graphique ci-dessus illustre l’évolution du taux de diversification des actifs bancaires (div_actif)
sur la période considérée. Dans l’ensemble, la courbe présente des fluctuations modérées,
traduisant des ajustements progressifs dans la structure des portefeuilles des établissements
bancaires. De 2000 à 2001, la diversification connaît une légère hausse de traduisant une tendance
initiale à la diversification. Au tournant des années 2000, plusieurs pays (notamment en Afrique de
l’Ouest) ont connu une reprise économique après les années 1990. Cette amélioration du climat
économique a favorisé par une hausse de la demande de crédit de la part des entreprises et ménages,
une augmentation des dépôts bancaires et donc une diversification des portefeuilles d’actifs
(crédits, titres, placements interbancaires, etc.).

26
Entre 2001 et 2008, la diversification des actifs bancaires a connu une tendance à la baisse après
une forte progression initiale en 2001. Cette évolution s’explique principalement par un contexte
économique et réglementaire marqué par une orientation prudente des politiques monétaires et
financières. En effet, après la phase d’expansion du début des années 2000, les banques ont
progressivement recentré leurs portefeuilles vers des actifs jugés plus sûrs, notamment les titres
publics, en raison d’un ralentissement économique mondial et d’une montée du risque de crédit.
Parallèlement, la BCEAO a adopté une politique monétaire restrictive visant à préserver la stabilité
macroéconomique et à contenir les pressions inflationnistes. Cette politique s’est traduite par un
contrôle plus rigoureux de la liquidité, un relèvement périodique des taux directeurs et le
renforcement des réserves obligatoires, limitant ainsi la capacité des banques à diversifier leurs
placements. En outre, les autorités de régulation ont intensifié les exigences prudentielles, en
imposant des ratios de solvabilité plus stricts et une meilleure couverture des risques. Si ces
mesures ont consolidé la solidité du système bancaire, elles ont également conduit à une
concentration accrue des portefeuilles, les établissements financiers privilégiant la sécurité au
détriment de la diversification. Enfin, la montée progressive des incertitudes sur les marchés
internationaux à la veille de la crise financière mondiale de 2008 a renforcé cette attitude de
prudence, accentuant la baisse de la diversification observée sur la période.

Après 2008, la diversification des actifs bancaires s’est accrue de manière significative, traduisant
une réorientation stratégique des banques vers une gestion de portefeuille plus équilibrée et moins
exposée aux risques spécifiques. Cette évolution découle directement des réformes et politiques
post-crise mises en œuvre par la BCEAO et les autorités financières nationales afin de restaurer la
confiance et de soutenir la stabilité du système bancaire. En effet, à la suite du choc de 2008, la
BCEAO a adopté une politique monétaire accommodante, marquée par la baisse des taux directeurs
et l’assouplissement des conditions de refinancement. Cette politique a favorisé la reprise des
activités financières et stimulé la réallocation des actifs vers des instruments plus variés,
notamment les titres publics, les placements interbancaires et les investissements sur le marché
régional des capitaux. Parallèlement, le développement du marché financier de l’UEMOA et la
diversification des instruments de la dette souveraine ont offert aux banques de nouvelles
opportunités de placement, contribuant à l’élargissement de la structure de leurs portefeuilles
d’actifs.

27
Cependant, à partir de 2012, la courbe de diversification s’est stabilisée, illustrant une phase de
consolidation du secteur bancaire. Cette stabilité traduit l’équilibre recherché entre rendement et
sécurité, dans un contexte de régulation plus stricte et de maîtrise des risques. La BCEAO et la
Commission bancaire ont alors renforcé les dispositifs prudentiels à travers la préparation à
l’application des normes de Bâle II et III, imposant aux banques une meilleure couverture des
risques de marché, de liquidité et de crédit. Ce renforcement réglementaire, bien qu’il ait consolidé
la solidité financière des institutions, a limité les prises de position sur des actifs risqués, conduisant
à une diversification modérée mais stable. À partir de 2016, la diversification des actifs bancaires
amorce une tendance à la baisse, traduisant une concentration progressive des portefeuilles autour
d’actifs jugés sûrs et liquides. Cette évolution résulte d’un resserrement monétaire opéré par la
BCEAO, qui a relevé ses taux directeurs afin de contenir les tensions inflationnistes et de stabiliser
le franc CFA. Dans le même temps, la mise en œuvre effective des nouvelles normes prudentielles
a accru les exigences en fonds propres et la sélectivité des placements bancaires, incitant les
établissements à privilégier les titres souverains et les dépôts interbancaires au détriment d’actifs
plus diversifiés. Enfin, les chocs économiques successifs ; baisse des prix des matières premières,
ralentissement de la croissance, puis crise sanitaire de la COVID-19 ; ont accentué la prudence du
secteur bancaire, entraînant une concentration accrue des portefeuilles et une réduction notable de
la diversification observée à l’horizon 2020.

Enfin, entre 2020 et 2022, la diversification des actifs bancaires connaît une reprise notable après
la contraction observée durant la période marquée par la pandémie de COVID-19. Cette hausse
traduit la résilience du système bancaire régional ainsi que l’efficacité des politiques économiques
et monétaires adoptées pour soutenir la liquidité, stimuler le crédit et restaurer la confiance des
acteurs financiers. En réponse à la crise sanitaire et à ses effets économiques, la BCEAO a mis en
œuvre une politique monétaire fortement accommodante, visant à garantir un financement adéquat
de l’économie et à préserver la stabilité du système bancaire. Parmi les principales mesures figurent
la baisse du taux directeur de refinancement, l’augmentation des ressources mises à la disposition
des banques à travers les guichets de refinancement, et l’élargissement de la gamme des titres
éligibles au refinancement. Ces décisions ont permis d’accroître la liquidité du secteur bancaire et
de relancer la prise de risque contrôlée dans la gestion des portefeuilles d’actifs.

28
Parallèlement, les États membres de l’UEMOA ont intensifié leurs émissions de titres publics pour
financer les plans de relance économique, offrant ainsi aux banques de nouvelles opportunités de
placement et favorisant la diversification de leurs actifs. Le développement continu du marché
financier régional, notamment à travers la BRVM et le marché des titres publics, a également
contribué à élargir les instruments disponibles, renforçant la structure et la profondeur des
portefeuilles bancaires.

Graphique 2 Évolution de la diversification des revenus bancaires (div_rev)

div_rev
45

44

43

42

41

40

39

38
20002001200220032004200520062007200820092010201120122013201420152016201720182019202020212022

Source : Auteur, à partir des données de la Banque Mondiale (GFDD,2024)

L’indicateur div_rev mesure les revenus issus d’activités diverses au cours d’une période donnée.
Il permet d’apprécier la variation des recettes secondaires ou complémentaires au sein de la banque,
traduisant ainsi la stabilité ou la volatilité de ces revenus. L’évolution de l’indice de diversification
des revenus bancaires entre 2000 et 2022 met en évidence des transformations structurelles
profondes au sein des modèles économiques des banques, révélant les tensions constantes entre
revenus traditionnels, principalement constitués des marges d’intermédiation sur les crédits et
dépôts, et revenus non traditionnels, tels que les commissions, les frais de services ou les produits
financiers annexes. En effet, la hausse observée entre 2000 et 2002 traduit une dynamique
d’élargissement des sources de revenus où les banques ont commencé à renforcer leur offre en
services rémunérés, notamment les commissions sur virements, les opérations documentaires, les

29
opérations de change et certaines formes de bancassurance naissantes. Cette montée s’inscrit dans
un contexte où les revenus d’intérêt, bien que dominants, faisaient face à une légère pression due à
la rigidité des structures de taux et à une concurrence croissante pour la collecte de dépôts, incitant
les banques à compenser par le développement de revenus de commissions plus stables et moins
sensibles au risque de crédit.

Cependant, la période 2003–2005 marque un recul significatif de la diversification. Cette baisse

s’explique par un recentrage des banques sur leurs activités traditionnelles, notamment le crédit,
qui demeure la principale source de rentabilité dans un environnement économique marqué par la
fragilité institutionnelle et la gestion prudente du risque. Les revenus d’intermédiation ont alors
retrouvé une place centrale, tandis que les activités génératrices de commissions restaient limitées
par la faible digitalisation, l’insuffisance des offres de produits structurés et l’absence de
segmentation avancée de la clientèle. Cette recomposition révèle que les banques n’étaient pas
encore en mesure de consolider durablement leurs revenus non traditionnels.

Par la suite, la période 2006–2018 se caractérise par une stabilité remarquable de la diversification
des revenus, reflétant une maturation progressive, mais incomplète, des activités non-intermédiées.
D’une part, les commissions sur services ont commencé à croître avec l’essor des cartes bancaires,
du mobile banking, de la monétique régionale et des services de transfert internationaux. D’autre
part, les revenus d’intérêt sont demeurés prédominants, soutenus par une demande de crédit plus
soutenue, notamment dans le commerce, les infrastructures et la consommation. Cette coexistence
a généré un équilibre relatif : les banques ont réussi à diversifier partiellement leur portefeuille de
revenus, mais sans réduire de manière significative leur dépendance aux marges d’intermédiation,
en raison d’un marché de services financiers encore peu profond et d’une concurrence accrue des
opérateurs de mobile money sur les segments de paiement à forte intensité de commissions.

À partir de 2018, puis de manière plus marquée dès 2020, une tendance à la baisse est observée.
Cette contraction de la diversification s’explique, d’une part, par la montée en puissance des acteurs
extrabancaires qui captent une part croissante des commissions, notamment dans les systèmes de
paiement et les transferts rapides, réduisant ainsi les revenus non traditionnels des banques. D’autre
part, la crise mondiale et les incertitudes financières ont poussé les banques à consolider leur cœur

30
 de métier, particulièrement les revenus d’intérêt, considérés comme plus stables et moins volatils
que les commissions dépendant de l’activité transactionnelle. Par ailleurs, l’augmentation des coûts
liés à la conformité réglementaire, à la cyber sécurité et aux investissements numériques a diminué
la rentabilité des services annexes, contribuant à réduire leur poids dans la structure globale des
revenus.

[Link] du score de stabilité bancaire dans l’UEMOA

Le z_score est un indicateur synthétique largement utilisé pour mesurer la stabilité financière des
banques. Il évalue la probabilité de faillite d’un établissement en combinant sa rentabilité, sa
capitalisation et la volatilité de ses bénéfices. Plus le z_score est élevé, plus la banque est stable et
moins elle est exposée au risque d’insolvabilité. Inversement, une diminution du z_score traduit un
affaiblissement de la solidité financière et une vulnérabilité accrue face aux chocs économiques.

Graphique 3 : Évolution du z_score bancaire

z_score UEMOA
18
16
14
12
10
8 Zscore UEMOA
6
4
2
0
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022

Source : Auteur, à partir des données de la Banque Mondiale (GFDD,2024)

L’analyse de l’évolution du z_score bancaire dans l’espace UEMOA entre 2000 et 2022 révèle
plusieurs phases distinctes, étroitement liées aux politiques de supervision et au contexte
économique régional. Tout d’abord, la période 2000-2008 se caractérise par une stabilité relative,
mais à un niveau modéré, reflétant les fragilités initiales du secteur bancaire. Les établissements
financiers faisaient face à une faible capitalisation, une concentration des risques dans certains

31
secteurs comme l’agro-industrie, et une exposition accrue aux chocs externes. Durant cette phase,
les autorités ont engagé des réformes importantes, avec un renforcement progressif de la
supervision par la BCEAO, l’adoption de normes prudentielles et la restructuration partielle du
système bancaire.
Ensuite, la période 2009-2016 marque une amélioration notable du z_score, témoignant d’une
consolidation financière accrue. Plusieurs facteurs expliquent cette tendance positive : les effets
des réformes structurelles initiées après la crise financière internationale de 2008, l’assainissement
des portefeuilles de crédit et la modernisation des pratiques de gestion des risques. Sur le plan des
politiques, cette période a été marquée par l’adoption progressive des standards internationaux de
Bâle, le renforcement des exigences en fonds propres, la mise en place d’une surveillance
consolidée et le développement de mécanismes de résolution des crises. Enfin, la période 2017-
2022 montre une consolidation du z_score à un niveau élevé, malgré des pressions nouvelles.
D’une part, la pandémie de COVID-19 et l’aggravation de la crise sécuritaire au Sahel ont exercé
des pressions sur la qualité des actifs et la résilience des banques. D’autre part, les politiques mises
en œuvre ont permis de maintenir la stabilité du système, grâce à des mesures exceptionnelles de
soutien, un renforcement de la supervision des établissements d’importance systémique, et une
accélération de la digitalisation des services financiers.

32
2.3. Evolution conjointe entre diversification et stabilité bancaire dans l’UEMOA
Le graphique 4 montre l’évolution conjointe de la diversification des actifs et de la stabilité bancaire
dans la zone UEMOA de 2000 à 2022.

Graphique 4 : Évolution conjointe de la diversification des actifs bancaires et de la stabilité

bancaire (z_score)

35 18
16
30
14
25
12
20 10
Diver_actif
15 8
Z_score
6
10
4
5
2
0 0
2002

2009

2016
2000
2001

2003
2004
2005
2006
2007
2008

2010
2011
2012
2013
2014
2015

2017
2018
2019
2020
2021
2022

Source : Auteur, à partir des données de la Banque Mondiale (GFDD,2024)

Le graphique ci-dessus présente l’évolution conjointe du taux de diversification des actifs bancaires
(div_actif) et du z_score, indicateur de stabilité financière, sur la période observée. Il met en
évidence la relation dynamique entre la stratégie de diversification des banques et leur niveau de
stabilité.
La période 2000-2008 dans l'espace UEMOA se caractérise par une diversification modérée des
actifs bancaires et une stabilité financière relative mais vulnérable, comme en témoigne l'évolution
du z_score dans une fourchette étroite. Plusieurs facteurs expliquent cette situation. Tout d'abord,
le système bancaire de la région présentait encore une structure traditionnelle, avec une
concentration importante des crédits autour de quelques secteurs clés, notamment le commerce et

33
l'agro-industrie, ce qui limitait la diversification effective des portefeuilles. Ensuite,
l'environnement économique international, marqué par une succession de chocs (fluctuations des
prix des matières premières, crise financière mondiale à partir de 2007), a exposé les établissements
bancaires à des risques externes, sans que ceux-ci ne disposent encore d'outils suffisants pour y
faire face.

En outre, la capacité de résilience des banques était entravée par des fonds propres souvent limités
et une gestion des risques encore peu sophistiquée. Face à ces défis, les politiques mises en œuvre
durant cette période ont visé à jeter les bases d'un système financier plus stable. D'une part, la
BCEAO a engagé un renforcement progressif du cadre prudentiel, en alignant les exigences
réglementaires sur les standards internationaux et en accentuant la supervision des établissements
bancaires. D'autre part, les autorités de l'UEMOA ont œuvré à l'approfondissement financière, en
harmonisant les législations bancaires et en favorisant les échanges interbancaires. Par ailleurs, des
mesures incitatives ont été introduites pour élargir l'accès au crédit à de nouveaux secteurs, afin de
réduire la concentration des risques. Enfin, la modernisation des infrastructures de paiement et le
développement de la bancarisation ont constitué des leviers complémentaires pour consolider la
confiance dans le système financier.

Par la suite (2009-2014), une nette amélioration est observée, avec une accélération simultanée de
la diversification des actifs et du z_score. Cette période se caractérise par une amélioration notable
de la diversification des actifs bancaires et du z_score dans l'espace UEMOA, marquant une rupture
positive avec la phase précédente. Plusieurs éléments expliquent cette progression conjointe.
Premièrement, les leçons tirées de la crise financière mondiale de 2008 ont conduit à une prise de
conscience accrue des risques liés à la concentration des portefeuilles, incitant les banques à élargir
leurs expositions sectorielles et géographiques. Deuxièmement, la croissance économique soutenue
dans la région, portée par le dynamisme des secteurs des services, des télécommunications et des
infrastructures, a offert de nouvelles opportunités de financement plus diversifiées. Enfin, la
maturation des réformes structurelles engagées antérieurement a permis une meilleure allocation
du crédit et une réduction des créances douteuses. Plusieurs actions décisives ont été mises en
œuvre pour accompagner cette dynamique. D'une part, la BCEAO a intensifié l'application des
normes prudentielles, en renforçant les exigences en fonds propres et en mettant en place une

34
surveillance plus stricte des concentrations de risques. D'autre part, les autorités de l'UEMOA ont
accéléré l'intégration financière régionale, en harmonisant les cadres réglementaires et en facilitant
l'expansion transfrontalière des établissements bancaires. Par ailleurs, des politiques sectorielles
ciblées, telles que les programmes de soutien aux PME et à l'agriculture moderne, ont encouragé
les banques à diversifier leurs portefeuilles de prêts. En outre, le développement des systèmes
d'information et des outils de gestion des risques a amélioré la capacité des établissements à piloter
leurs expositions de manière plus efficiente.

Enfin, la période 2015-2022 marque une phase de consolidation, où la diversification se maintient

à un niveau élevé et le z_score affiche une résilience remarquable malgré les crises sécuritaires et
sanitaires. Cependant, cette stabilité relative masque des défis persistants, tels que la rentabilité des
établissements, et la montée des cyber-risques. Face à ces enjeux, les autorités ont poursuivi les
réformes, en promouvant une diversification qualitative, en renforçant les exigences de fonds
propres et en accélérant la digitalisation des services financiers.

Le graphique 5, quant à lui, expose l’évolution conjointe de la diversification des revenus bancaires
et de la stabilité bancaire.

Graphique 5 : Évolution conjointe de la diversification des revenus bancaires et de la stabilité

bancaire (z_score)
18 45
16 44
14
43
12
10 42
Z_score
8 41
Diver_rev
6
40
4
2 39

0 38
2014

2017

2020
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013

2015
2016

2018
2019

2021
2022

Source : Auteur, à partir des données de la Banque Mondiale (GFDD,2024)

35
L'évolution conjuguée du z_score et de la diversification des revenus dans l'espace UEMOA entre
2000 et 2022 révèle une transformation profonde du système financier régional, marquée par
l'interaction dynamique entre politiques structurelles et consolidation institutionnelle.

Dans un premier temps, entre 2000 et 2005, la divergence entre les deux indicateurs s’explique par
la structure encore embryonnaire du système bancaire, caractérisée par une faible capitalisation et
une concentration sectorielle importante des risques, alors même que la diversification progressait
graduellement. Durant cette phase, les politiques ont principalement visé à poser les fondations
institutionnelles du système financier : modernisation du cadre prudentiel par la BCEAO,
harmonisation des législations bancaires et début de la réforme des systèmes de paiement. Ces
mesures ont favorisé l’introduction et la tarification de nouveaux services bancaires (frais de tenue
de compte, commissions sur opérations manuelles, premiers services monétiques), permettant une
augmentation des commissions, des frais de services et des revenus non-intérêts, tandis que la
stabilisation progressive du cadre réglementaire a soutenu une hausse modérée des revenus
d’intérêts via une meilleure gestion des portefeuilles de prêts.

Entre 2006 et 2013, la convergence observée entre le z_score et la diversification résulte de

l’approfondissement de l’intégration financière régionale et de la montée en puissance des réformes
structurelles. L’application progressive des normes de Bâle II, la consolidation des dispositifs de
supervision, le développement du GIM-UEMOA, l’essor du mobile banking et la digitalisation des
services financiers ont profondément transformé le modèle économique des banques. Ces
politiques ont permis l’expansion des services électroniques, la multiplication des cartes bancaires
et la mise en place d’instruments de paiement plus modernes, conduisant à une hausse soutenue
des commissions monétiques (cash-out, retraits, paiements), des frais de transferts, des
commissions de garanties et des activités hors bilan. Parallèlement, l’amélioration du cadre
prudentiel et de la gestion des risques a renforcé la qualité des portefeuilles, stimulant les revenus
d’intérêts tout en diversifiant les sources de revenus. Cette synergie a permis une amélioration
conjointe de la stabilité et de la diversification.

Enfin, sur la période 2014 à 2022, la stabilisation à des niveaux élevés du z_score et de la
diversification témoigne de la maturité et de la résilience du système financier face aux chocs

36
exogènes, notamment la crise COVID-19. L’implémentation de Bâle III, le renforcement des
exigences en fonds propres, l’adoption d’outils macro-prudentiels et le déploiement massif des
technologies financières ont permis une transformation profonde du modèle de revenus bancaires.
La généralisation des paiements digitaux, le développement du mobile money, l’utilisation accrue
des plateformes numériques et la modernisation des services aux entreprises ont conduit à une
augmentation rapide des commissions monétiques, des frais de services numériques, des
commissions liées aux transactions digitales et des autres revenus non-intérêts. La tarification plus
sophistiquée des produits de crédit, combinée à une gestion plus rigoureuse du risque, a également
renforcé les revenus d’intérêts. Malgré la montée des risques liés à la cyber-sécurité et aux tensions
géopolitiques, ces dynamiques montrent que les réformes ont permis de consolider à la fois la
stabilité bancaire et la diversification des revenus.

37
Conclusion partielle de la première partie
La première partie de cette étude a présenté le cadre théorique et empirique relatif à l’effet de la
diversification des activités sur la stabilité bancaire dans le contexte du système bancaire moderne,
en particulier dans les économies émergentes. Dans un second temps, elle a exposé les différentes
politiques et stratégies mises en œuvre par les institutions financières pour renforcer la résilience
du secteur bancaire à travers la diversification, ainsi que quelques faits stylisés illustrant cette
relation.

Au niveau théorique, il ressort que la diversification des activités bancaires, qu’il s’agisse de la
diversification des revenus, des produits financiers ou des portefeuilles de prêts, a connu une
évolution significative au fil des années, notamment sous l’effet de la libéralisation financière et de
l’innovation technologique. Certains auteurs soutiennent qu’une diversification accrue favorise la
stabilité bancaire en réduisant les risques spécifiques et en stabilisant les revenus. D’autres, en
revanche, estiment qu’une diversification excessive peut accroître le risque systémique, en
complexifiant la gestion des risques et en exposant les banques à des activités qu’elles maîtrisent
moins. Sur le plan empirique, plusieurs études ont été menées pour tester ces hypothèses à travers
divers modèles économétriques tels que la méthode des moments généralisés (GMM), le modèle à
effets fixes, les modèles vectoriels autorégressifs en panel (PVAR), ou encore les modèles de
cointégration. De manière générale, les résultats empiriques montrent qu’une diversification
modérée et bien encadrée tend à renforcer la stabilité bancaire, tandis qu’une diversification non
maîtrisée peut produire l’effet inverse.
Le chapitre 2 a ensuite présenté les politiques et mécanismes de régulation bancaire visant à
promouvoir la stabilité financière à travers la diversification. À ce niveau, il ressort que les autorités
monétaires et prudentielles (notamment dans la zone UEMOA) ont consenti d’importants efforts
pour favoriser la diversification des sources de revenus bancaires, tout en renforçant le cadre de
supervision et de gestion des risques. L’analyse descriptive sur la période 2000 à 2022 montre une
évolution contrastée, marquée par une diversification progressive des activités bancaires et une
amélioration notable des indicateurs de stabilité, bien que certaines vulnérabilités persistent.

38
PARTIE 2 : ANALYSE ECONOMETRIQUE DE l’EFFET DE LA DIVERSIFICATION
DES ACTIVITES ET LA STABILITE BANCAIRE

Cette deuxième partie aura pour but d’étudier de façon empirique l’effet de la diversification des
activités sur la stabilité bancaire dans l’UEMOA. Dans un premier temps (chapitre 3), nous
aborderons la méthodologie de la recherche. Il s’agira de présenter le modèle de l’étude et de
décrire les variables utilisées. Puis dans un second temps (chapitre 4), nous présenterons les
résultats issus des estimations, et enfin nous passerons aux interprétations économiques de ces
différents résultats.

39
 Chapitre 3 : METHODOLOGIE DE LA RECHERCHE
Ce chapitre vise à présenter la méthodologie de l’étude. Pour ce faire, la première partie s’intéresse
à la spécification du modèle. La seconde, quant à elle, vise à mettre en évidence la technique
d’estimation.

I. Spécification du modèle de l’étude

Cette section présente le modèle de base et la spécification du modèle de l’étude. Plus précisément,
il est question ici de présenter en premier lieu le modèle sur lequel nous nous appuyons pour
spécifier le modèle de l’étude et, en second lieu spécifier le modèle de l’étude et définir les variables
retenues dans cette étude.

[Link]ésentation du modèle de base et spécification du modèle de l’étude.

Nous présentons premièrement le modèle de base de l’étude et, deuxièmement, spécifions le
modèle de l’étude

1.1.1. Présentation du modèle de base.

Cette étude s’appuie sur les travaux de Abuyazed et al. (2018), réalisés sur un échantillon de Les 6
Pays Membres du CCG (Bahreïn, Koweït, Oman, Qatar, Arabie saoudite et Émirats arabes
unis), couvrant la période de 2001 à 2014. Ces travaux visaient à examiner les stratégies de
diversification des banques et leurs liens avec la stabilité du secteur financier dans ces pays. Afin
d’atteindre cet objectif, les auteurs ont utilisé la méthode des Moments Généralisés (GMM) en
système à deux étapes pour corriger l’endogénéité et la dépendance dynamique dans les modèles
de panel bancaire. L’équation spécifiée est la suivante :
𝒀𝒊𝒕 = 𝜶𝒐 + 𝜷𝟏 𝒀𝒊𝒋,𝒕−𝟏 + 𝜷𝟐 𝑫𝑰𝑽𝒊𝒋,𝒕 + 𝜷𝟑 𝑩𝑺𝒊𝒋,𝒕 + 𝜷𝟒 𝑫𝑰𝑽𝒊𝒋,𝒕 × 𝑻𝒀𝑷𝒊𝒋 + 𝜷𝟓 𝑺𝑯𝟐 + 𝜷𝟔 𝑴𝑨𝑪𝒊𝒋,𝒕
+ 𝜷𝟕 𝑪𝑹𝑰𝑺𝑰𝑺𝒕 + 𝜺𝒊𝒋,𝒕
Où i, j et t font référence à la banque, au pays et à l'année, respectivement. 𝒀𝒊𝒋,𝒕 Représente la
variable dépendante mesurant la stabilité bancaire, approximée à travers le z_score (ou le ratio de
solidité bancaire) et d’autres indicateurs comptables (ratio du total des prêts dépréciés sur les prêts
nets NPL). La variable explicative d’intérêt est le proxy de l'une des mesures de diversification
𝑫𝑰𝑽𝒊𝒋,𝒕 dans les pays. Les auteurs contrôlent aussi pour un certain nombre de variables explicatives
qui affectent le niveau de stabilité dans leurs études à savoir : 𝑩𝑺𝒊𝒋,𝒕 : un vecteur des caractéristiques

40
 spécifiques d'une banque, 𝑻𝒀𝑷𝒊𝒋 : type de banque qui prend la valeur de un pour une banque
islamique et zéro sinon, 𝑺𝑯𝟐 : la valeur au carré du revenu hors intérêts en tant que ratio du résultat
net d'exploitation. MAC : un vecteur de variables macroéconomiques et de gouvernance, et
CRISIS : utilisé pour contrôler les effets de la crise financière mondiale. La spécification de ces
auteurs est en ligne avec ceux de (Köhler, 2014 ; Amidu & Wolfe, 2013) qui portent sur la stabilité
financière et la performance des banques, notamment en lien avec la diversification des revenus
(revenus d’intérêts vs non-intérêts) et les risques associés à ces stratégies.
Dans notre étude nous approfondirons la recherche sur la diversification en analysant à la fois la
diversification d’actifs et celles des revenus dans les pays. De ce fait, notre variable dépendante
représente plutôt l’indice de stabilité bancaire (z_score) dont nous ajoutons une série de variables
de contrôle 𝑿𝒌𝒊𝒕 des déterminants de la stabilité à savoir ,le taux de croissance du PIB, l’inflation,
la politique monétaire, le ratio de rentabilité ROA, les prêts non performants PNP, la stabilité
politique, le ratio des fonds propres sur total actif. µ𝒊 représente les effets spécifiques pays temps
invariants qui permettent de capter l’effet des facteurs inobservables propres à chaque pays et qui
déterminent aussi le rythme des inégalités; Ɛ𝒊𝒕 les termes d’erreurs idiosyncratique à moyenne nul
et variance unitaire qui prennent en compte les variables omises dans le modèle susceptible
d’expliquer les écarts d’inégalités. 𝛼𝑜 ; 𝛼1 Et 𝛼𝑘 les paramètres à estimer du modèle.

1.1.2. Spécification du modèle de l’étude.

Nous partons des travaux de Abuzayed et al. (2018) nous utiliserons un modèle d’économétrie de
donnés de panel. En ce qui concerne la variable de stabilité, nous utiliserons l’indicateur z_score.
Sur la base de la littérature, nous avons sélectionné d’autres variables microéconomiques,
macroéconomiques et institutionnelle pour compléter la liste des variables explicatives.
Notre modèle sera donc spécifié des manières suivantes :
𝒛_𝒔𝒄𝒐𝒓𝒆𝒊𝒕 = 𝜶𝒐 + 𝜶𝟏 𝒅𝒊𝒗__𝒂𝒄𝒕𝒊𝒇𝒊𝒕 + 𝜶𝟐 𝒕𝒙__𝒄𝒓𝒐𝒊𝒔𝒔𝒊𝒕 + 𝜶𝟑 𝒊𝒏𝒇𝒍𝒂𝒕𝒊𝒐𝒏𝒊𝒕 + 𝜶𝟒 𝒑𝒎 + 𝜶𝟓 𝒓𝒐𝒂𝒊𝒕
+ 𝜶𝟔 𝒔𝒕𝒂𝒃_𝒑𝒐𝒍𝒊𝒕 + 𝜶𝟗 𝒇𝒑𝒊𝒕 + +µ𝒊 + ɛ𝒊𝒕
Où 𝑧_𝑠𝑐𝑜𝑟𝑒𝑖𝑡 : l’indice de stabilité bancaire mesurée par le z_score, 𝑑𝑖𝑣__𝑎𝑐𝑡𝑖𝑓: le niveau de
diversification des actifs, 𝑡𝑥__𝑐𝑟 :le taux de croissance du PIB par tête,𝑖𝑛𝑓𝑙𝑎𝑡𝑖𝑜𝑛: le niveau
d’inflation, 𝑝𝑚 : la politique monétaire, 𝑟𝑜𝑎: le ratio de rentabilité, 𝑠𝑡𝑎𝑏𝑖𝑙𝑖𝑡𝑝𝑜𝑙𝑖𝑡𝑖𝑞𝑢𝑒 : l’indice de
stabilité politique, 𝑓𝑝 : le ratio de fond propre sur le total actif.

41
 1.2. Présentation des variables et source de données
Nous spécifions d’une part, le modèle de l’étude et, d’autre part, nous définissons les variables de
l’étude

1.2.1. Présentation des variables de l’étude.

Deux types de variables seront retenus par l’étude : la variable dépendante est l’indice de la stabilité
bancaire. Les variables explicatives comprennent : les indices de diversification des activités
bancaires et une série de variables de contrôle comme le taux de croissance du PIB par tête, le
niveau d’inflation, la politique monétaire, le ratio de rentabilité, le prêt non performant, l’indice de
stabilité politique, le ratio de fond propre sur le total actif.

➢ La variable dépendante
La variable dépendante est la stabilité bancaire mesurée par le z_score. Le z_score mesure la
probabilité de défaut du système bancaire d'un pays. Le z_score compare la solidité financière du
système bancaire (capitalisation et rendements) à la volatilité de ces rendements. Il est estimé par
la formule (ROA + (fonds propres / actifs)) / écart-type du ROA, où écart-type représente le ROA,
calculé pour les années-pays comportant au moins 5 observations au niveau des banques. Le ROA,
les fonds propres et les actifs sont des données agrégées au niveau du pays. Le calcul est effectué
à partir de données consolidées, banque par banque, issues des données fournies par Global
Financial Development Database (GFDD). Le résultat n'est pas présenté si l'année-pays compte
moins de 3 observations au niveau des banques.

➢ Les variables explicatives

La variable d’intérêt est le niveau de diversification.
-Le niveau de diversification des actifs (div_actif) : Le niveau de diversification des actifs
(div_actif) traduit la part des actifs bancaires autres que les fonds propres et les réserves dans le
total de l’actif. Il mesure ainsi la diversification du portefeuille d’actifs d’une banque entre
différentes formes de placements (prêts, titres, liquidités, investissements, etc.) et sa capacité à
mobiliser des ressources variées au-delà de ses capitaux propres. La variable est construite à partir
des données fournies par Global Financial Development Database (GFDD) et se calcule selon la
relation suivante selon un schéma à la Herfindal Index.

42
Diversification des actifs (div_actif) = 1 – [(𝑷𝒓𝒆𝒕𝒔+𝑨𝒖𝒕𝒓𝒆𝒔
𝑷𝒓𝒆𝒕𝒔
𝒂𝒄𝒕𝒊𝒇𝒔
)𝟐 + (𝑷𝒓𝒆𝒕𝒔+𝑨𝒖𝒕𝒓𝒆𝒔
𝑨𝒖𝒕𝒓𝒆𝒔 𝒂𝒄𝒕𝒊𝒇𝒔
𝒂𝒄𝒕𝒊𝒇𝒔
)𝟐 ]
Sur le plan théorique, la diversification des actifs joue un rôle central dans la stabilité des
institutions financières, mais son effet reste ambigu. D’un côté, une diversification accrue favorise
une meilleure allocation du risque et renforce la résilience financière face aux chocs économiques
ou sectoriels (Köhler, 2014). De l’autre, un niveau de diversification trop élevé peut réduire la
qualité des actifs, générer une prise de risque excessive et compromettre la solidité du portefeuille
bancaire (Amidu & Wolfe, 2013).

-Le niveau de diversification des revenus (div_rev) : désigne la part des revenus non liés aux
activités de crédit ou aux activités d’intérêts dans le revenu total. Selon DeYoung & Rice, (2004),
elle reflète la capacité d’une banque à générer des revenus à partir de sources alternatives, telles
que les commissions, les services financiers ou les opérations de marché. Les données sont extraites
de la Global Financial Development Database (GFDD) et la variable est mesurée par le ratio
suivant :
𝒅′𝒊𝒏𝒕𝒆𝒓ê𝒕𝒔 𝟐 𝒉𝒐𝒓𝒔 𝒊𝒏𝒕𝒆𝒓ê𝒕𝒔 𝟐
Diversification des revenus (div_rev)= 1 – [(𝑹𝒆𝒗𝒆𝒏𝒖𝒔
𝑹𝒆𝒗𝒆𝒏𝒖𝒔 𝒕𝒐𝒕𝒂𝒖𝒙
) + (𝑹𝒆𝒗𝒆𝒏𝒖𝒔
𝑹𝒆𝒗𝒆𝒏𝒖𝒔 𝒕𝒐𝒕𝒂𝒖𝒙
) ]
D’un point de vue théorique, l’effet attendu de la diversification sur la stabilité bancaire est ambigu.
D’une part lorsque la diversification cible des activités stables comme les commissions ou les
services de conseil, elle permet de réduire le risque global et d’améliorer la résilience financière
(Stiroh, 2004). D’autre part, une diversification excessive vers des activités risquées telles que le
trading peut accroître le risque systémique sans pour autant améliorer la rentabilité (Acharya et al.,
2006).

-Le taux de croissance du PIB par tête (tx_croiss) : est un indicateur économique qui mesure
l'évolution du Produit Intérieur Brut (PIB) par habitant d'une année à l'autre. Il permet d'évaluer
l'amélioration du niveau de vie moyen d'une population et la capacité d'une économie à générer de
la richesse pour ses habitants. Duflo, (2012) soutient qu’une économie en croissance tend à réduire
les instabilités. Les données sont extraites de la base de données de la Banque Mondiale (World
Development Indicators).

-Le niveau d’inflation (inflation): est définie comme le taux de croissance annuel de l’indice des
prix à la consommation (Fisher, 1930), constitue une variable macroéconomique essentielle dans

43
l’analyse de la stabilité bancaire. Les données sont extraites de la base de données de la Banque
Mondiale (World Développent Indicators). L’effet de l’inflation sur la stabilité bancaire dépend
fortement de son niveau. D’une part, une inflation modérée (entre 5 % et 10 %) peut contribuer à
renforcer la stabilité du système bancaire en soutenant l’activité économique, ce qui réduit le risque
de défaut et améliore la capacité des emprunteurs à honorer leurs engagements. Dans ce cas, la
qualité des actifs est préservée et les banques font face à une volatilité moindre de leurs
portefeuilles. D’autre part, une inflation élevée (supérieure à 15 %) exerce un effet déstabilisant en
affaiblissant la solvabilité des emprunteurs, en augmentant les coûts opérationnels des banques et
en érodant la valeur réelle des garanties. Cette détérioration se traduit par une hausse des créances
douteuses et une vulnérabilité accrue du secteur financier. Cette relation non linéaire est confirmée
par Boyd et al. (2001), qui montrent que l’inflation excessive détériore la qualité des actifs
bancaires, accroît le risque de défaut et compromet ainsi la stabilité du système bancaire.

-La politique monétaire (pm): désigne l’ensemble des actions menées par la banque centrale en
vue de réguler la liquidité, le crédit et le niveau général des prix dans l’économie. Elle influence
directement le coût du financement, les conditions de crédit et, par conséquent, la rentabilité et la
stabilité du secteur bancaire. Selon Bernanke & Blinder, (1992) ; Mishkin (2019), la politique
monétaire constitue un levier macroéconomique essentiel qui agit sur le comportement des banques
à travers les taux d’intérêt directeurs, les opérations d’open market, le taux de réserves obligatoires
et les facilités permanentes de prêt ou de dépôt. L’effet de la politique monétaire sur la stabilité
bancaire est également déterminant et se manifeste à travers plusieurs canaux. D’une part, une
politique monétaire prudente et bien calibrée, caractérisée par des taux d’intérêt directeurs stables
ou modérément ajustés, contribue à réduire l’incertitude macroéconomique et à maintenir des
conditions financières prévisibles.
D’autre part, un resserrement monétaire rapide ou excessif peut fragiliser les bilans bancaires en
augmentant le coût du financement, en réduisant la valeur de marché des actifs sensibles aux taux
d’intérêt. À l’inverse, une politique monétaire trop accommodante peut encourager une prise de
risque excessive, alimentant des bulles d’actifs et augmentant l’exposition du secteur bancaire à
des chocs futurs. Ces mécanismes sont clairement mis en évidence par (Borio & Zhu, 2012), qui
montrent que la politique monétaire influence non seulement les conditions de financement mais
également l’appétit pour le risque des banques, affectant ainsi la stabilité financière à travers ce

44
qu’ils nomment le canal du risque (risk-taking channel). Les données sont extraites de la Banque
Centrale des Etats de l’Afrique de l’Ouest (BCEAO).

-Le ratio de rentabilité (roa) : constitue également un indicateur clé permettant d’apprécier la
stabilité bancaire, dans la mesure où la capacité d’une banque à générer durablement des profits
conditionne sa résilience face aux chocs. Selon (Dietrich & Wanzenried, 2011), une rentabilité
robuste renforce la solidité financière des banques en augmentant leur capital interne, ce qui
améliore leur capacité d’absorption des pertes. Le ROA, extrait des données de la Banque Centrale
de l’Afrique de l’Ouest, est calculé comme le rapport entre le résultat net et le total des actifs,
conformément aux normes généralement utilisées par les régulateurs et reprises par la BCEAO. Un
ROA élevé traduit une gestion efficiente des actifs et une bonne performance opérationnelle, ce qui
réduit la probabilité de détérioration de la qualité des portefeuilles et, par conséquent, le risque
d’instabilité. Le ROA joue un rôle central dans l’analyse de la stabilité bancaire, car la capacité
d’une banque à générer des profits de manière récurrente conditionne sa solidité financière. Selon
(Berger & Bouwman, 2013), la rentabilité constitue un déterminant majeur de la capacité
d’intermédiation et de la résilience bancaire : des profits élevés renforcent les fonds propres
internes et améliorent la capacité de la banque à absorber les pertes en période de stress.

-La stabilité politique (stab_pol) : constitue une variable institutionnelle essentielle dans
l’analyse de la stabilité bancaire. Elle reflète la perception du risque d’instabilité gouvernementale,
de conflits internes ou de violences politiques susceptibles d’affecter le climat des affaires, la
confiance des investisseurs et la mobilisation de l’épargne. Dans les pays émergents cette variable
joue un rôle déterminant dans l’attractivité des investissements et la solidité du secteur bancaire.
(Kaufmann et al, 2010). Les données sont disponibles via la base de World Government Indicators
de la Banque Mondiale. Une stabilité politique élevée tend à renforcer la stabilité du secteur
bancaire. En effet, un environnement politique stable réduit l’incertitude institutionnelle et
réglementaire, améliore la qualité de la supervision bancaire, renforce la confiance des déposants
et des investisseurs, et facilite la planification à long terme. Cela contribue à une meilleure
solvabilité, moins de défauts et une gestion des risques plus prudente. Comme le montrent
(Demirgüç-Kunt & Detragiache, 1998), les pays bénéficiant d’une plus grande stabilité politique
tendent à présenter des banques plus solides et résilientes face aux chocs économiques.

45
-Le ratio de fond propre sur le total actif (fp) : mesure le niveau de capitalisation d’une banque,
c’est-à-dire sa capacité à absorber les pertes potentielles et à maintenir la confiance des déposants
et des investisseurs. Selon (Berger, 1995 ; Demirgüç-Kunt & Huizinga, 1999), ce ratio constitue
un indicateur clé de solidité financière, reflétant la structure de financement et le degré de risque
supporté par la banque. Les fonds propres et réserves comprennent les apports des actionnaires, les
bénéfices non distribués, les réserves générales et spéciales, ainsi que les provisions et ajustements
de valeur. L’effet attendu est positif.

46
1.2.2. Source de données et effets attendus.
Afin d’estimer les paramètres du modèle ci-dessus, les données ont été extraites de différentes
sources selon la variable. Les données qui seront utilisées pour tester le modèle sont des données
secondaires disponibles sur la base de données de la Banque Mondiale (World Development
Indicators), de World Government Indicators, de la BCEAO (Banque Centrale des États de
l’Afrique de l’Ouest.), de la GFDD. Le tableau ci-dessous présente les sources des données utilisées
et des effets attendus.

Tableau 1: Variables, effet attendus et sources de données

Description des variables Effet attendu Source

Variable dépendante

Stabilité bancaire (z_score) GFDD

Variables explicatives

diver_actif Indice de diversification Ambivalent (+/-) GFDD

des actifs

pm La politique monétaire Ambivalent (+/-) BCEAO

tx_croiss Le taux de croissance du Positif (+) WDI

PIB/tête

stab_pol Le niveau de stabilité Positif (+) WGI

politique

inflation Le niveau d’inflation Négatif (-) WDI

roa Le ratio de rentabilité Positif (+) BCEAO

fp Le ratio de fonds propres Positif (+) BCEAO

sur le total d’actif

Source : auteur, à partir des données de la BCEAO (2024), WDI (2024), WGI (2024), GFDD
(2024)

47
 II. Tests économétriques et choix de la méthode d’estimation
Dans cette section, il est question de présenter la technique d’estimation de notre étude. Avant d’y
parvenir, nous allons mettre en évidence les différents tests économétriques à réaliser.
[Link] économétriques
Il s’agira ici, de présenter les différents tests économétriques précédant l’estimation du modèle à
savoir le test d’homogénéité, le test de Hausman, le test de dépendance interindividuelle, ainsi que
les tests de stationnarité ou de racine unitaire et les tests de cointégration.

2.1.1. Test d’homogénéité des effets individuels et test de Hausman

Dans le contexte des analyses de données de panel, la première démarche consiste à évaluer si le
modèle théorique peut être appliqué de manière uniforme aux différentes unités observées (tous les
individus ou pays), ou s'il est nécessaire d'introduire des caractéristiques spécifiques à chaque unité
observée. Cette réflexion méthodologique se concrétise par un test visant à analyser l’homogénéité
des coefficients pour vérifier si les relations trouvées sont les mêmes pour tous les pays ou si elles
varient en fonction des contextes nationaux. Ce test d'hypothèse repose sur la statistique de Fisher,
avec les hypothèses suivantes :
H0 : Absence d’effet spécifique pays (Homogénéité)
H1 : Présence d’effet spécifique pays (Hétérogénéité)
Une P-value inférieure à 5 % conduit au rejet de l’hypothèse H0, indiquant une hétérogénéité des
effets c’est-à-dire une présence d’effets individuels spécifiques propres à chaque pays. Cette
hétérogénéité justifie l'utilisation d'un modèle qui prend en compte des effets individuels. Après
avoir confirmé cette hétérogénéité, il est essentiel d'analyser la nature de ces effets en utilisant le
test de Hausman (1978). Ce test aide à décider entre le modèle à effets aléatoires, conseillé si les
effets spécifiques ne sont pas corrélés aux variables explicatives H0, et le modèle à effets fixes,
plus adapté si ces effets sont corrélés avec les variables explicatives H1.
H0 : Le modèle à effet aléatoire est le plus approprié (estimateur consistant)
H1 : Le modèle à effets fixe est le plus approprié
La règle de décision se présente comme suit :
Si P-value < 5 %, on rejette H0 et on retient H1, il y’a donc présence d’effets fixes

48
 Si P-value ≥ 5 %, on ne rejette pas H0, le modèle à effets aléatoires est privilégié.

2.1.2. Le test de dépendance interindividuelle

Les tests de dépendance prennent en compte les différentes formes possibles de corrélation entre
les résidus des individus du panel. La question est de savoir si l’on autorise la présence
d’éventuelles corrélations entre les résidus. La dépendance individuelle peut également se
manifester du fait des effets communs observés omis, des effets communs inobservés omis, ou
l’interdépendance résiduelle générale qui pourrait demeurer même quand tous les effets communs
observés et inobservés sont pris en compte (Coulibaly, 2015). Pour cette étude, le choix du test de
dépendance se portera entre le test de Pesaran (2004) et celui de Breusch-Pagan (1980), si les
conditions sont réunies. Appliquer le test de Pesaran (2004) suppose la présence d’effet aléatoire
et une dimension individuelle du panel supérieure à la dimension temporelle. Le test de Breusch-
Pagan (1980), par contre, s’applique lorsque l’effet spécifique est fixe et que le nombre de période
est supérieure au nombre d’individus (De Hoyos & Sarafidis, 2006). Dans notre cas, nous avons
donc opter pour le test de Breusch-Pagan (1980) car le nombre de période est supérieure au nombre
d’individus (𝑇 > 𝑁) et nous sommes dans un panel hétérogène à effet fixe.
La prochaine étape est d’effectuer les tests de racine unitaire. Toutefois, on distingue deux types de
tests de racine unitaire qui sont opérés en fonction des résultats du test de dépendance
interindividuelle. En présence d’une dépendance interindividuelle, on utilise le test de racine
unitaire de deuxième génération. Dans le cas contraire, c’est celui de première génération.

2.1.3. Test de racine unitaire

Effectuer des tests de racine unitaire consiste à étudier la stationnarité des variables. La stationnarité
traduit la capacité d’un processus à ne pas dépendre de l’indice temporel. On dit qu’une variable
est stationnaire lorsque ses propriétés statistiques à savoir la moyenne et la variance ne varient pas
dans le temps. Il existe deux types de tests permettant d’étudier la stationnarité : les tests de racines
unitaires de première génération et les tests de racine unitaire de deuxième génération. Les tests de
première génération se basent sur l’hypothèse d’indépendance interindividuelle et ceux de
deuxième génération sont réalisés en présence dépendance interindividuelle.

49
 H0 : Présence de racine unitaire (série non stationnaire)
H1 : Absence de racine unitaire (série stationnaire)
Si P-value < 0.05 on rejette H0, le panel est stationnaire.

2.1.1. Test de cointégration de Pedroni (2004)

Le concept de cointégration peut être défini comme un Co-mouvement systématique à long terme
entre deux ou plusieurs variables économiques (Yoo, 2006). En général, les tests de cointégration
sont effectués sur des séries chronologiques. Toutefois, les auteurs tels que Pedroni (1996, 1997,
1999, 2004), et Westerlund (2007) ont proposé des tests de cointégration qui s’appliquent à des
données longitudinales. Ainsi, l’utilisation de la technique de cointégration en données de panel
permet de tester la présence de relation de long-terme entre les variables intégrées. L’un des
avantages des tests de cointégration sur des données de panel est l’accroissement en termes de gain
de la puissance du test.
Pedroni (1996, 1997, 1999) a proposé divers tests de cointégration en deux étapes visant à
appréhender l’hypothèse nulle d’absence de cointégration intra-individuelle à la fois pour des
panels homogènes et hétérogènes. En présence d’un seul régresseur dans les relations de
cointégration, Pedroni (2004) propose une extension au cas où les relations de cointégration
comprennent plus de deux variables et développe sept (7) tests basés sur l’estimation du résidu du
modèle de long terme. Les tests de Pedroni prennent en compte l’hétérogénéité par le biais de
paramètre qui peut différer entre les individus. Une telle hétérogénéité peut se situer à la fois au
niveau des relations de cointégration et au niveau de la dynamique de court terme. Ainsi, sous
l’hypothèse alternative, il existe une relation de cointégration pour chaque individu, et les
paramètres de cette relation de cointégration ne sont pas nécessairement les mêmes pour chacun
des individus du panel (Hurlin et Mignon, 2006). La prise donc en compte d’une hétérogénéité
constitue un avantage puisqu’en pratique, il est rare que les vecteurs de cointégration soient
identiques d’un individu à l’autre du panel. Sur les sept tests proposés par Pedroni, quatre sont
basés sur la dimension within (intra) et trois sur la dimension between (inter).
Les deux catégories de tests reposent sur l’hypothèse nulle d’absence de cointégration :
𝜌𝑖 = 1, ∀ 𝑖

50
Avec, 𝜌𝑖 réprésente le terme autorégressif des résidus estimés sous l’hypothèse alternative.
La distinction entre les deux catégories de tests se situe au niveau de la spécification de l’hypothèse
alternative.
Pour les tests basés sur la dimension intra, l’hypothèse alternative s’écrit :
𝜌𝑖 = 𝜌 < 1, ∀ 𝑖
Pour les tests basés sur la dimension inter, l’hypothèse alternative s’écrit : 𝜌𝑖 = 𝜌 < 1, ∀ 𝑖 On
constate ainsi que le test basé sur la dimension inter est plus général au sens où il autorise la
présence d’hétérogénéité entre les individus sous l’hypothèse alternative.
Les sept tests développés par Pedroni (1999, 2004) sont les suivants :

- Tests basés sur la dimension within (panel cointegration statistics)

On distingue le test non paramétrique de type rapport de variance ; test non paramétrique de type
de la statistique rho de Phillips-perron (panel 𝜌-statistic) ; test non paramétrique de type de la
statistique 𝑡 de Phillips-perron (panel t-statistic); et le test paramétrique de type de la statistique
𝑡 de Dickey-Fuller Augmenté (panel t-statistic).

- Tests basés sur la dimension between (group mean panel cointegration statistics)
On a le test non paramétrique de type de la statistique rho de Phillips-Perron (group 𝜌-statistic); le
test non paramétrique de type de la statistique 𝑡 de Phillips-Perron (group t-statistic) et le test
paramétrique du type de la statistique 𝑡 de Dickey-Fuller (group t-statistic).
Les hypothèses du test en présence d’hétérogénéité se présentent comme suit :
𝐻0 ∶ 𝜌 = 1 (Absence de cointégration)
𝐻0 ∶ 𝜌 < 1 (Présence de cointégration)
Le non rejet de l’hypothèse nulle atteste que les variables du panel ne sont pas cointégrées, alors
que le rejet de l’hypothèse nulle nous permet de soutenir que les variables sont cointégrées.
Cependant, s’il s’avère que le panel est hétérogène, nous privilégierons les tests fondés sur la
dimension interindividuelle, dans le cas où il est homogène nous nous tournerons vers les tests de
dimension intra individuelle. En outre, pour des échantillons de petite taille 𝑡 < 100, le test le plus
puissant est le test basé sur la dimension inter similaire au test ADF (group t-statistic).

51
 [Link] d’estimation
Il s’agira ici de présenter les techniques d’estimations d’abord l’estimation par le Mean Group
(Pesaran et Smith,1995) ensuite l’estimation par le Pooled Mean group (Pesaran, Shin et Smith,
1999). Et la régression logit fractionnaire sur variable dépendante limitée et enfin la variable
instrumentale estimé par la méthode Pooled Mean group.

[Link] méthode d’estimation par le Mean Group (Pesaran et Smith, 1995) et Pooled Mean Group
(Pesaran, Shin et Smith, 1999)
Les méthodes Mean Group (MG) et Pooled Mean Group (MPG) s’inscrivent dans la littérature
économétrique sur l’estimation des modèles dynamiques de panel. Elles ont été développées
respectivement par (Pesaran & Smith, 1995), puis par Pesaran et al., (1999), dans le cadre de
l’analyse de modèles Autoregressive Distributed Lag (ARDL) appliqués à des panels comportant
un nombre important d’observations temporelles, noté T, et un nombre modéré d’unités
transversales, noté N. Dans cette optique, l'indice i ∈ {1, 2…N} représente une unité transversale
(comme un pays, une entreprise ou une région), tandis que l'indice t ∈ {1, 2…T} indique une
période temporelle (comme une année, un trimestre ou un mois). On considère généralement une
valeur de T élevée lorsque la dimension temporelle est suffisamment grande pour permettre une
estimation précise des dynamiques propres à chaque unité, souvent lorsque T dépasse 20 ou 30
périodes. À l'opposé, N est considéré comme modéré s'il se situe entre une dizaine et quelques
dizaines d’unités, ce qui rend possible la prise en compte de l’hétérogénéité de chaque unité tout
en préservant la faisabilité économétrique du modèle. Ces méthodes permettent de modéliser
simultanément la relation de long terme entre variables et les dynamiques de court terme, tout en
intégrant l’hétérogénéité individuelle.

[Link]. Méthode d’estimation Mean Group (Pesaran et Smith, 1995)

La méthode Mean Group a été introduite par (Pesaran & Smith, 1995) afin de tenir compte de
l’hétérogénéité entre les unités dans les modèles de panel dynamiques. Son principe repose sur
l’estimation séparée, pour chaque unité du panel, d’un modèle ARDL (p, q) ou de sa représentation
sous forme d’équation à correction d’erreur (ECM). Pour une unité i, le modèle ARDL peut s’écrire
comme suit :

52
 𝑝 𝑞

𝑦𝑖𝑡 = 𝜇𝑖 + ∑ 𝜑𝑖𝑡 𝑦𝑖,𝑡−𝑗 + ∑ 𝛽𝑖𝑘 𝑥𝑖,𝑡−𝑘 + 𝜀𝑖𝑡

𝑗=1 𝑘=0

Où 𝑦𝑖𝑡 est la variable dépendante, 𝑥𝑖,𝑡−𝑘 les régresseurs, 𝜇𝑖 l’effet fixe à l’unité, et 𝜀𝑖𝑡 le terme
d’erreur idiosyncratique.
L’approche MG ne contraint pas les coefficients 𝜑𝑖𝑡 et 𝛽𝑖𝑘 à être identiques entre les unités,
permettant ainsi aux relations de court terme et de long terme de varier librement. Après estimation
unitaire, les paramètres du panel sont obtenus en prenant la moyenne arithmétique simple des
coefficients estimés pour chaque unité. Cette méthode présente l’avantage d’être robuste à
l’hétérogénéité réelle entre unités et d’éviter les biais résultant de l’imposition d’une homogénéité
artificielle. Cependant, elle peut être moins efficace si les relations de long terme sont en réalité
communes, car elle ne tire pas parti de l’information partagée. Par ailleurs, elle requiert un nombre
suffisant d’observations temporelles pour garantir la stabilité des estimateurs unitaires.

[Link].Méthode d’estimation Pooled Mean Group (Pesaran, Shin et Smith, 1999)

La méthode Pooled Mean Group, développée par Pesaran et al., (1999), est une extension du
modèle MG. Elle impose que les coefficients à long terme soient homogènes, tout en permettant
de garder une certaine souplesse pour les paramètres à court terme. Dans cette approche, on part
du principe que toutes les unités possèdent une relation commune à long terme concernant les
variables analysées, tandis que les vitesses d’ajustement vers l'équilibre, les dynamiques à court
terme et les effets fixes peuvent varier. Le modèle ARDL (p, q) est reformulé sous la forme ECM
:
𝑝−1 𝑞−1

∆𝑦𝑖𝑡 = ∅𝑖 (𝑦𝑖,𝑡−1 − 𝜃𝑥𝑖,𝑡−1 ) + ∑ 𝜆𝑖𝑗 ∆𝑦𝑖,𝑡−𝑗 + ∑ 𝛿𝑖𝑘 ∆𝑥𝑖,𝑡−𝑘 + 𝜇𝑖 + 𝜀𝑖

𝑗=1 𝑘=0

Où θ est commun à toutes les unités, tandis que ∅𝑖 , 𝜆𝑖𝑗 , 𝛿𝑖𝑘 sont spécifiques à chaque unité.
L’estimation des paramètres est réalisée par maximum de vraisemblance, sous contrainte d’égalité
des coefficients de long terme.
L’approche PMG présente l’avantage d’améliorer l’efficacité statistique lorsque l’homogénéité de
long terme est une hypothèse valide, tout en capturant les différences de court terme entre unités.
Néanmoins, si l’hypothèse d’homogénéité de long terme est erronée, l’estimation peut être biaisée.

53
Comme pour le MG, un nombre important d’observations temporelles est nécessaire pour une
estimation fiable des paramètres spécifiques aux unités.
Le choix entre les estimateurs MG et PMG repose donc sur l’hypothèse d’homogénéité des
coefficients de long terme. Afin de déterminer l’estimateur le plus approprié, la littérature
recommande l’utilisation du test de Hausman. Ce test statistique permet de comparer la cohérence
des deux estimateurs : l’hypothèse nulle postule que le PMG est consistant et efficace, tandis que
le rejet de cette hypothèse suggère que les coefficients de long terme ne peuvent pas être considérés
comme homogènes et que l’estimateur MG est plus approprié. Ainsi, le test de Hausman constitue
un outil clé pour guider le choix entre MG et PMG, garantissant la robustesse et la pertinence des
résultats économétriques obtenus.

54
 CHAPITRE 4: ESTIMATION DU MODÈLE, RÉSULTATS ET
INTERPRÉTATIONS ÉCONOMIQUES
Ce chapitre sera consacré dans un premier temps, à l’analyse descriptive des variables et aux
estimations économétriques, puis dans un second temps, à la présentation des résultats d’estimation
ainsi que leurs interprétations économiques.

I. Analyses descriptives et résultats des tests économétriques

Dans cette section, il sera question de présenter dans un premier temps, l’analyse descriptive des
données et dans un second temps les résultats des tests économétriques.

[Link] descriptives
Nous présentons ici, les statistiques descriptives et la matrice de corrélation des variables.

1.1.1. Statistiques descriptives

L’intérêt des statistiques descriptives est qu’elles permettent de décrire de manière synthétique les
données. Cette analyse descriptive porte sur les moyennes, les écart-types, ainsi que les maximums
et les minimums. Nous synthétisons ces informations dans le tableau suivant.
Tableau 2 : Statistiques descriptives

Variables Observations Moyennes Ecart-type Minimum Maximum

z_score 161 13.90915 3.58597 5.290282 23.52496

div_actif 161 24.14451 12.37261 .2230706 47.44789

pm 161 8.544099 1.689729 5.58 12.05

tx_croiss 161 1.675979 2.934511 -7.40425 11.95851

stab_pol 161 -.5844298 .7595734 -2.560744 .8215159

inflation 161 2.275863 2.797205 -3.233389 14.29024

roa 161 1.642776 .933207 -3.094649 3.450121

55
 fp 161 8.635689 6.000685 2292502 51.765

Source : auteur, à partir des données de la BCEAO (2024), GFDD (2024), WDI (2024), WGI
(2024)
Le tableau 2 présente les statistiques descriptives des variables utilisées pour analyser l’effet de la
diversification des actifs sur la stabilité bancaire dans la zone UEMOA.
L’indicateur de stabilité bancaire, mesuré par le z_score, présente une moyenne de 13,90 et un
écart-type de 3,58, indiquant une dispersion relativement faible autour de la moyenne. Cela traduit
une stabilité bancaire globalement homogène au sein de l’UEMOA, bien que certaines banques
affichent des niveaux de risque nettement plus élevés, comme le montrent les valeurs extrêmes
allant de 5,29 à 23,52.
La variable de diversification des actifs (div_actif) enregistre une moyenne de 24,14, avec un écart-
type de 12,37, montrant une forte hétérogénéité entre les banques de l’Union dans la structuration
de leurs portefeuilles. Les valeurs extrêmes (de 0,22 à 47,44) traduisent des différences marquées
dans les stratégies de gestion des risques et la diversification des placements.
La variable pm représentant la politique monétaire (pm) présente une moyenne de 8,54 et un écart-
type de 1,69. Cette faible dispersion reflète la cohérence et l’homogénéité du cadre monétaire
commun imposé par la BCEAO, ce qui est logique dans une union monétaire dotée d’un seul
institut d’émission.
Le taux de croissance du PIB par tête (tx_croiss) présente une moyenne de 1,67 %, assortie d’un
écart-type de 2,93 %, indiquant une forte variabilité de la performance économique réelle entre les
pays de l’UEMOA. Les valeurs extrêmes, comprises entre –7,40 % et 11,95 %, traduisent les effets
des chocs exogènes (sécurité, crises politiques, volatilité des matières premières) sur la croissance
par habitant.
La variable de stabilité politique (stab_pol) affiche une moyenne de –0,584, avec un écart-type de
0,759, indiquant une instabilité institutionnelle persistante dans la zone. La variation importante
entre la valeur minimale (–2,56) et la maximale (0,82) montre que certains pays connaissent une
gouvernance beaucoup plus fragile que d’autres.
Le taux d’inflation (inflation) présente une moyenne de 2,27 %, avec un écart-type de 2,79 %,
indiquant une variabilité modérée des prix. Les valeurs extrêmes (de –3,23 % à 14,29 %) reflètent
les différences d'exposition des pays de l’Union aux chocs inflationnistes (importations, chocs
climatiques, volatilité du franc CFA).
56
La rentabilité des actifs (roa) enregistre une moyenne de 1,64 %, avec un écart-type de 0,93,
reflétant une dispersion modérée du niveau de performance des banques. Les valeurs extrêmes (de
–3,09 à 3,45) montrent que certaines banques restent structurellement déficitaires tandis que
d’autres affichent une rentabilité positive soutenue.
Enfin, la variable fp, représentant le ratio des fonds propres sur le total de l’actif, présente une
moyenne de 8,63 % et un écart-type de 6,00. Cette forte hétérogénéité révèle que certaines banques
disposent d’une solide base de capitalisation, leur permettant d’absorber efficacement les chocs
financiers, tandis que d’autres opèrent avec des niveaux de fonds propres faibles, accentuant leur
vulnérabilité aux risques de crédit et de marché.

57
1.1.2. Matrice de corrélation
L’intérêt de la matrice de corrélation est qu’elle met en évidence la corrélation existante entre les
variables indépendantes et la variable dépendante du modèle.

Tableau 3 : Résultats de la matrice de corrélation

Variables (1) (2) (3) (4) (5) (6) (7) (8)

(1) z_score 1

(2) diver_actif -0.197* 1

(3) pm -0.1157 0.0104 1

(4) tx_croiss -0.1742* 0.0368 -0.0436* 1

(6) stab_pol -0.2201* 0.0799 0.2964* 0.2136* 1

(7) inflation 0.0268 0.0691 0.0500 -0.0845 -0.0208 1

(8) roa 0.3090* -0.1618* 0.1393* -0.0647 -0.0776 -0.0054 1

(9) fp -0.0364 0.1001 0.2118* -0.3164* -0.0731 0.1057 0.2198* 1

Source : auteur, à partir des données de la BCEAO (2024), GFDD (2024), WDI (2024), WGI
(2024)
Note : (*) représente la significativité au seuil de 10%.

Les résultats de la matrice de corrélation indiquent que certaines variables explicatives

entretiennent des relations statistiquement significatives avec la stabilité bancaire, mesurée par le
z_score. En particulier, la diversification des actifs (diver_actif), le taux de croissance économique
(tx_croiss) et la stabilité politique (stab_pol) sont négativement et significativement corrélés au
z_score, suggérant qu’une augmentation de ces variables est associée à une baisse du niveau de
stabilité bancaire.

58
À l’inverse, la rentabilité des actifs (roa) présente une corrélation positive et significative avec le
z_score, indiquant qu’une meilleure performance financière des banques est associée à une plus
grande stabilité. En revanche, l’indicateur de politique monétaire (pm) ne montre pas de corrélation
significative directe avec la stabilité bancaire.
Par ailleurs, l’inflation et les fonds propres (fp) n’affichent pas de corrélation statistiquement
significative avec le z_score, ce qui suggère que leur influence sur la stabilité bancaire pourrait être
indirecte ou dépendre d’autres mécanismes économiques. Enfin, afin d’évaluer la robustesse du
modèle et d’exclure un problème de multicolinéarité entre les variables explicatives, un test du
facteur d’inflation de la variance (VIF) a été réalisé ; ses résultats sont présentés dans le tableau
suivant.

Tableau 4 : Résultat du test VIF

Variable VIF 1/VIF

fp 1,24 0.803333

pm 1,19 0.841007

stab_pol 1,19 0.842615

tx_croiss 1,17 0.855806

roa 1,11 0.901049

diver_actif 1,06 0.941604

inflation 1,02 0.980244

Mean VIF 1,14

Les résultats du test VIF indiquent que les valeurs VIF ne dépassent pas 10 et la moyenne est
inférieure à 5, ce qui implique que la multi colinéarité n’est pas un problème dans cette étude si
nous utilisons toutes les variables dans la régression.

59
 1.2. Résultats des tests économétriques
Il s’agira ici de présenter les résultats des tests d’homogénéité, de Hausman, de dépendance
interindividuelle, de racines unitaires et de cointégration.

1.2.1. Résultat des tests d’homogénéité des effets individuelles de (Fisher) et de Hausman
Nous présenterons d’une part, les résultats du test d’homogénéité, et d’autre part de Hausman.

Tableau 5 : Résultat du test d’homogénéité des effets individuelles (Fisher)

Test de Fisher Modèle de l’étude

Statistiques du F-test 84.52

P-value du F-test 0.0000***

Source : Auteur, à partir des données de la BCEAO (2024), WDI (2024), WGI (2024), GFDD
(2024)

La P-value est inférieure au seuil de 5%. Nous rejetons alors l’hypothèse nulle et nous concluons
que le panel est hétérogène et qu’il y a présence d’effet spécifique pays. Le test de Hausman est
alors effectué pour déterminer la nature de l’effet spécifique.

Tableau 6 : Résultat du test de Hausman

Test de Hausman Modèle de l’étude

Probabilité du test de Hausman 0.0000***

Source : Auteur, à partir des données de la BCEAO (2024), WDI (2024), WGI (2024), GFDD
(2024)
Note : (***) représente la significativité au seuil de 1%
Les résultats de ce test révèlent la présence d’effet fixe car la probabilité est inférieure à 5%.

60
1.2.2. Résultats du test de dépendance interindividuelle
Le test de Breusch-Pagan (1980) s’applique lorsque l’effet spécifique est fixe et que le nombre de
période est supérieure au nombre d’individus. Dans notre cas, nous avons donc opté pour le test de
Breusch-Pagan (1980) car le nombre de période (T=23) est supérieure au nombre d’individus
(N=7) et de plus, nous sommes dans un panel hétérogène à effet fixe.

Tableau 7 : Résultat du test de dépendance interindividuelle de Breusch-Pagan

Statistique du Chi (2) P-value

Modèle de l’étude 53.302 0.0001***

Source : Auteur, à partir des données de la BCEAO (2024), WDI (2024), WGI (2024), GFDD
(2024) Note : pas de significativité au seuil de 5%
La P-value est inférieure à 5%, ce qui indique qu’il y a dépendance entre les individus de notre
modèle.

61
1.2.3. Résultats des tests de racine unitaire de Pesaran (2003) et du test de cointégration de Pedroni (2004)
Il est question ici de présenter d’une part les résultats du test de racine unitaire et, d’autre part, celui
du test de cointégration.
Tableau 8 : Résultats du test de racine unitaire

Variable PESCADF 2003 CIPS 2007

Niveau Différence Niveau Différence Décision

z_score -2.892** - -3.082*** - I(0)

(0.049) (-2.57)

diver_actif -2.976** - -2.685*** - I(0)

(0.029) (-2.57)

pm -3.342*** - -2.528** - I(0)

(0.002) ( -2.33)

tx_croiss -3.197*** - -3.730*** - I(0)

(0.006) (-2.57)

stab_pol -2.281 -3.970*** -2.630 *** - I(0)

(0.533) (0.000) (-2.57)

inflation -3.225*** - -4.071*** - I(0)

(0.005) (-2.57)

roa -3.309*** - -3.518*** - I(0)

( 0.002) (-2.57)

fp -2.395 -4.191*** -2.279** -5.020 I(1)

(0.404) (0.000) (-2.33) (-2.57)

62
Source : Auteur, à partir des données de la BCEAO (2024), WDI (2024), WGI (2024), GFDD
(2024)

Le tableau 8 présente les résultats des tests de racine unitaire PESCADF (2003) et CIPS (2007),
permettant d’identifier l’ordre d’intégration des variables utilisées dans le modèle. Les tests sont
réalisés à la fois au niveau et en première différence, ce qui permet d’apprécier la stationnarité
individuelle et la dynamique temporelle des séries dans le panel de l’UEMOA.
Les résultats montrent que plusieurs variables se révèlent stationnaires en niveau, c’est-à-dire
intégrées d’ordre zéro I (0). Il s’agit notamment du z_score, indicateur de stabilité bancaire, dont
les statistiques de tests sont significatives aussi bien avec le PESCADF qu’avec le CIPS,
confirmant qu’il ne souffre pas de racine unitaire. Il en est de même pour la diversification des
actifs (diver_actif), qui apparaît également stationnaire en niveau, traduisant une dynamique stable
sans tendance stochastique.
De même, les variables taux de croissance du PIB par tête (tx_croiss), inflation, la stabilité politique
et rentabilité des actifs (roa) se révèlent stationnaires en niveau. Ces résultats suggèrent que ces
variables ne présentent pas de chocs persistants dans le temps et que leurs fluctuations reviennent
naturellement vers un équilibre de long terme.
Cependant, certaines variables ne deviennent stationnaires qu’après différenciation. C’est le cas du
ratio des fonds propres (fp), que les deux tests identifient comme stationnaire en différence
première, ce qui indique une intégration d’ordre 1 ou I(1).
Enfin, aucune variable n’est intégrée d’ordre deux dans le tableau, ce qui facilite la mise en œuvre
d’un modèle de cointégration adapté au panel.

63
 Tableau 9 : Résultat du test de cointégration de Pedroni (2004)

F-test

Auteurs Statistiques P-value

Phillips–Perron t modifié 3.0939 0.0010

Phillips–Perron t -4.6229 0.0000

Dickey–Fuller t augmenté -4.0031 0.0000

Source : Auteur, à partir des données de la BCEAO (2024), WDI (2024), WGI (2024), GFDD
(2024)
Note : (**) représente la significativité au seuil de 5%

Les résultats du test de cointégration révèlent que les probabilités du test sont toutes inférieures à
5%. On rejette l’hypothèse nulle d’absence de relation de cointégration. Par conséquent, il existe
une relation de long terme entre la variable dépendante et les variables explicatives.

II. Présentation des résultats et interprétations économétriques

Cette section sera consacrée à la présentation des résultats de l’estimation suivi de l’interprétation
économique des résultats de la régression. Elle se fera en deux étapes. Il s’agira en premier lieu, de
présenter les résultats de l’estimation et les interpréter économétriquement, puis en second lieu, de
faire l’interprétation économique et la vérification des hypothèses.

2.1. Présentation des résultats d’estimation de la régression du modèle de base

Ici, il s’agira de présenter les résultats des tests d’estimation par le Pooled Mean Group (PMG) et
le Mean Group (MG),

64
2.1.1. Résultat de base : Estimations par le Pooled Mean Group
Le tableau 10 ci-dessous montre les résultats de l’estimation par le Pooled Mean Group (PMG)

Tableau 10 : Résultat d’estimation par le Pooled Mean Group

Variables coefficient écart-type P-value coefficient écart-type P-value

Court terme Long terme

ec -0.2516* 0.1357 0.064

diver_actif -0.0213 0.0152 0.160 0.6563*** 0.0157 0.000

pm 0.5356** 0.2390 0.025 -0.2717 0.1966 0.167

tx_croiss -0.0009 0.0734 0.990 0.2793* 0.1640 0.089

stab_pol -0.3542 0.5283 0.503 1.3805*** 0.4090 0.001

inflation -0.0139 0.0482 0.773 -0.174*** 0.0652 0.007

roa 0.6522*** 0.1841 0.000 1.7469*** 0.2698 0.000

fp -0.2448 0.2593 0.345 -0.187*** 0.0695 0.007

Source : Auteur à partir des sorties du logiciel. Données de WDI (2024), WGI (2024) et BCEAO
(2024).
Note : (**) représente la significativité au seuil de 5%

D’après nos résultats, à court terme, le coefficient de la variable de diversification des actifs
(diver_actif) n’est pas significatif, affichant une valeur de –0,0213 avec une P-value de 0,160.
Ainsi, nous pouvons conclure que les ajustements immédiats dans la structure d’actifs bancaires
n’exercent pas d’effet statistiquement notable sur la stabilité bancaire à l’horizon d’une année. Cela
indique que les banques ne tirent pas de bénéfice stabilisateur instantané de la diversification,

65
laquelle semble relever davantage d’une stratégie à effet différé plutôt que d’un mécanisme
conjoncturel de stabilisation.
Cependant, à long terme, une dynamique structurelle différente émerge. La diversification des
actifs devient positive et hautement significative (coefficient = 0,6563, P-value = 0,000). Par
conséquent, chaque augmentation d’un point de pourcentage de la part des actifs diversifiés dans
le total du bilan bancaire accroît durablement la stabilité de l’établissement, ce qui confirme son
rôle central dans la gestion des risques et la résilience bancaire.
Ce résultat valide l’hypothèse théorique selon laquelle la diversification réduit les risques de
concentration et agit comme un bouclier contre les chocs macro financiers, ce qui est conforme à
la littérature sur la stabilité bancaire et les principes de Bâle III.
Concernant les variables de contrôle, les résultats indiquent que la stabilité politique exerce un effet
positif et significatif sur la stabilité bancaire à long terme, affichant un coefficient de 1,3805 avec
une P-value de 0,001. Cela signifie qu’un environnement institutionnel stable constitue un facteur
clé de solidité bancaire, en réduisant l’incertitude et en renforçant la confiance des investisseurs.
De même, la rentabilité bancaire (roa) présente un impact positif, robuste et très significatif
(coefficient = 1,7469, P-value = 0,000), confirmant que des banques rentables sont mieux armées
pour résister aux chocs et maintenir leur stabilité.
En ce qui concerne la politique monétaire (pm), les résultats montrent un effet positif et significatif
à court terme (coefficient = 0,5356 ; P-value = 0,025), traduisant le rôle stabilisateur immédiat des
mesures monétaires. Un resserrement des conditions monétaires peut en effet contribuer
temporairement à assainir les portefeuilles bancaires en limitant les comportements d’endettement
risqués. Toutefois, à long terme, l’effet devient négatif mais non significatif (–0,2717 ; P-value =
0,167), suggérant que l’impact structurel de la politique monétaire sur la stabilité bancaire demeure
limité et dépend fortement du contexte macrofinancier.
S’agissant du taux de croissance économique (tx_croiss), aucune influence notable n’est observée
à court terme, mais l’effet devient positif et faiblement significatif à long terme (coefficient =
0,2793 ; P-value = 0,089). Cela indique qu’une croissance soutenue finit par renforcer la stabilité
bancaire en améliorant la qualité des actifs, la capacité de remboursement des emprunteurs et les
opportunités de financement pour les banques.
En revanche, le ratio de fonds propres (fp) montre un effet négatif et significatif à long terme (-
0,1876 ; P-value = 0,007). Ce résultat peut paraître paradoxal, mais il suggère qu’un niveau de

66
 capitalisation excessif, s’il n’est pas accompagné d’un dynamisme de l’activité bancaire, peut
freiner la stabilité du système financier en réduisant la capacité de transformation des banques et
leur rôle d’intermédiation. Ce constat rejoint les débats récents sur le « paradoxe prudentiel », selon
lequel une réglementation trop contraignante en capital peut, à long terme, fragiliser la stabilité
bancaire en comprimant son cycle d’activité.
Enfin, l’inflation présente un impact négatif et significatif à long terme (coefficient = –0,1744 ; P-
value = 0,007). Ce résultat est conforme aux prédictions théoriques : un environnement
inflationniste érode la valeur réelle des actifs bancaires, accroît l’incertitude macroéconomique et
détériore la qualité du crédit, ce qui pèse sur la stabilité du secteur financier.

2.1.2 Estimation par le Mean Group

3Le tableau 11 ci-dessous montre les résultats de l’estimation par le Mean Group (MG)

Tableau 11 : Résultat d’estimation par le Mean Group

Variables coefficient écart- P-value coefficient écart-type P-value

type

Court terme Long terme

ec -0.7272*** 0.2101 0.001

diver_actif -0.0071 0.0125 0.572 -0.0467 0.0543 0.390

pm -0.3018 0.4568 0.509 6.6814 5.2279 0.201

tx_croiss -0.0845 0.0655 0.197 0.1386* 0.08222 0.092

stab_pol -1.4229 1.4984 0.342 -0.7236 2.5796 0.779

inflation -0.0544 0.0665 0.413 0.4804* 0.2775 0.083

roa 0.8086 0.7076 0.253 4.6977 3.8111 0.218

fp 0.0077 0.2927 0.979 5.0921 4.7188 0.281

Source : Auteur à partir des sorties du logiciel. Données de WDI (2024), WGI (2024) et BCEAO
(2024).

67
Note : (**) représente la significativité au seuil de 5%

À court terme, aucune des variables explicatives n’exerce un effet statistiquement significatif sur
la variable dépendante, ce qui suggère que leurs influences ne se manifestent pas immédiatement
mais nécessitent un horizon temporel plus long pour produire des effets concrets. Par exemple, la
diversification des actifs (diver_actif) présente un coefficient très faible et non significatif (-0.0071
; P-value = 0.572), indiquant que la diversification ne génère pas de bénéfices instantanés. De
même, la politique monétaire (pm) n’affiche pas d’effet notable (-0.3018 ; P-value = 0.509), ce qui
montre qu’un ajustement des instruments monétaires ne se répercute pas immédiatement sur la
stabilité. Le taux de croissance (-0.0845 ; P-value = 0.197) et la stabilité politique (-1.4229 ; P-
value = 0.342) ne présentent pas non plus d’effets significatifs, suggérant que les chocs
macroéconomiques ou institutionnels mettent du temps à influencer la résilience bancaire. De plus,
l’inflation (-0.0544 ; P-value = 0.413), le ROA (0.8086 ; P-value = 0.253) ainsi que la variable fp
(0.0077 ; P-value = 0.979) sont tous statistiquement non significatifs, ce qui confirme l’absence
d’impact immédiat des variables financières ou microéconomiques dans le court terme.

À long terme, deux variables se démarquent par une significativité marginale. Le taux de croissance
(tx_croiss) présente un coefficient positif (0.1386) avec une P-value de 0.092, suggérant qu’une
amélioration durable de l’activité économique contribue progressivement à renforcer la résilience
bancaire. Bien que faiblement significatif, ce résultat met en évidence l’importance de la
dynamique économique globale pour la stabilité de long terme. Dans le même ordre d’idées,
l’inflation affiche un coefficient positif (0.4804 ; P-value = 0.083), traduisant qu’une hausse
modérée et contrôlée du niveau des prix peut, sur le long horizon, améliorer la marge
d’intermédiation, la rentabilité ou la solidité financière des institutions étudiées. Cet effet doit
cependant être interprété avec prudence, compte tenu de sa significativité marginale.

Les autres variables ne montrent pas d’effet statistiquement valide à long terme. La diversification
des actifs (diver_actif) présente un coefficient négatif mais non significatif (-0.0467 ; P-value =
0.390), indiquant que l’élargissement des portefeuilles ne garantit pas une amélioration de la
stabilité sur le long terme. La politique monétaire (pm) donne un coefficient relativement élevé
(6.6814) mais statistiquement non significatif (P-value = 0.201), ce qui laisse penser que son impact

68
varie fortement selon les contextes nationaux ou les périodes. La stabilité politique (stab_pol)
affiche un effet négatif (-0.7236 ; P-value = 0.779), mais son absence totale de significativité ne
permet pas de conclure à une influence systématique dans le modèle. Enfin, le ROA (4.6977 ; P-
value = 0.218) ainsi que la variable fp (5.0921 ; P-value = 0.281) montrent des coefficients positifs
mais non significatifs, ce qui signifie que même si la stabilité théoriquement renforce la stabilité,
ces effets ne sont pas soutenus par les données à long terme.

2.1.3. Test de Hausman

Afin de statuer définitivement sur le modèle le plus pertinent, un test de Hausman a été réalisé.
Celui-ci compare l'estimateur Mean Group (MG), qui est toujours consistent mais moins efficient
si l'hypothèse d'homogénéité est vraie, et l'estimateur Pooled Mean Group (PMG), qui est efficient
et consistent uniquement si l'hypothèse d'homogénéité des coefficients de long terme est valide. Le
tableau 12 ci-dessous nous montre les résultats de ce test.

Tableau 12 : Résultat du test de Hausman PMG versus MG

Statistique du Chi (2) P-value

Modèle de l’étude 4.80 0.6845

Source : Auteur à partir des sorties du logiciel. Données de WDI (2024), WGI (2024) et BCEAO
(2024).
Note : (**) représente la significativité au seuil de 5%

Le résultat du test de Hausman révèle une probabilité supérieure au seuil de 5%, ce qui signifie que
nous devons accepter l'hypothèse nulle d'homogénéité des coefficients de long terme. Par
conséquent, l'estimateur PMG est retenu comme étant le modèle le plus fiable et le plus efficient
pour l'analyse. À ce titre, il sera mobilisé dans la suite du travail.

69
2.1.2. Analyse de sensibilité : changement de variable de diversification
Il s’agira de présenter d’une part les résultats du test de sensibilité en changeant la variable de
diversification.

2.1.3. Changement de la variable explicative de diversification

Conformément à la méthode établie, une analyse de sensibilité a été réalisée en remplaçant la
variable explicative par un autre indicateur de diversification (div_rev). Cet indicateur, évalue le
degré de diversification des activités bancaires et la dépendance aux revenus non traditionnels. Plus
sa valeur est élevée, plus la banque est diversifiée, plus elle est potentiellement résiliente et stable
face aux chocs économiques.

Tableau 13 : Résultat du test de sensibilité en PMG : diversification des revenus

Variables coefficient écart-type P-value coefficient écart-type P-value

Court terme Long terme

ec -0.2286* 0.1195 0.056

diver_rev 0.0396 0.1318 0.764 0.3900* 0.2191 0.075

pm 0.9141 0.6208 0.141 0.9155*** 0.3210 0.004

tx_croiss 0.0490 0.0695 0.480 0.0086 0.1373 0.950

stab_pol -0.3959 0.5758 0.492 -1.0583* 0.6317 0.094

inflation -0.0374 0.0343 0.275 0.1381 0.1502 0.358

roa 0.9738*** 0.3299 0.003 0.4588 0.4556 0.314

70
 fp -0.1903 0.1182 0.107 0.7043*** 0.1412 0.000

Source : Auteur à partir des sorties du logiciel. Données de WDI (2024), WGI (2024) et BCEAO
(2024).
Note : (**) représente la significativité au seuil de 5%

À long terme, la diversification des revenus (diver_rev) présente un coefficient positif (0.3900) qui
est modérément significatif (P-value = 0.075), indiquant une tendance selon laquelle une plus
grande diversification des sources de revenus contribue favorablement à la stabilité à long terme.
En revanche, à court terme, cette variable affiche un effet non significatif (0.0396, P-value = 0.764),
suggérant que ses bénéfices ne se matérialisent que sur une période étendue.
Concernant les autres variables de contrôle : la stabilité politique (stab_pol) montre un effet négatif
et marginalement significatif à long terme (-1,0583 ; P-value = 0,094), renforçant l'idée qu'un
environnement politique stable est un pilier pour la stabilité bancaire de long terme, même si la
significativité est légèrement en deçà du seuil conventionnel de 5%.
La variable de politique monétaire (pm) révèle une dynamique particulièrement robuste. Bien que
son impact soit non significatif à court terme (0.9141, P-value = 0.141), elle affiche un coefficient
positif et hautement significatif à long terme (0.9155, P-value = 0.004). Ce résultat indique qu'une
bonne politique menée par les institutions monétaires agit favorablement pour la stabilité bancaire
à long terme.
Aussi, à court terme, le ROA affiche un coefficient extrêmement élevé et hautement significat if
(0,9738 ; P-value = 0,003). Cet effet positif et très fort indique qu'une amélioration immédiate de
la rentabilité des actifs est associée à une augmentation substantielle de la stabilité. Cela reflète la
sensibilité immédiate des marchés ou de la performance globale à l'efficacité opérationnelle de
l'entreprise. À long terme, le ROA présente un coefficient positif (0,4588), ce qui suggère, sur le
plan théorique, qu’une hausse de la rentabilité des actifs devrait contribuer à renforcer la stabilité
bancaire. En d'autres termes, de meilleures performances financières pourraient logiquement offrir
aux banques une capacité accrue à absorber les chocs et à maintenir une solidité structurelle.
Cependant, la P-value élevée (0,314) indique que cet effet n’est pas statistiquement significatif.
Ainsi, malgré la direction positive du coefficient, rien ne permet de conclure de manière robuste
que la rentabilité exerce réellement un effet déterminant sur la stabilité bancaire dans le long terme
pour l’échantillon étudié.
71
2.2. Interprétation économique des résultats d’estimations
Il s’agit ici d’interpréter sur le plan économique les coefficients des variables qui présentent une
significativité statistique.

 Effet positif de la diversification des actifs sur la stabilité des banques de l’UEMOA
Les résultats révèlent que la diversification des actifs exerce un effet positif et significatif sur la
stabilité des banques de la zone UEMOA. Cela indique que le développement de cette stratégie de
réallocation des portefeuilles contribue fortement à renforcer la solidité financière et la résilience
des établissements bancaires. Théoriquement, ce résultat s’explique par plusieurs mécanismes
essentiels. Premièrement, la diversification des actifs permet une meilleure répartition des risques,
réduisant ainsi la vulnérabilité des banques aux chocs sectoriels ou macroéconomiques. En
élargissant leur portefeuille à des catégories d’actifs variées, les banques limitent les risques de
concentration et stabilisent leurs flux financiers, conformément aux principes de la théorie moderne
du portefeuille (Markowitz, 1952).
Deuxièmement, la diversification améliore la capacité des banques à absorber les pertes
potentielles en s’appuyant sur des sources de revenus multiples. Les activités non traditionnelles
ou moins sensibles au cycle économique permettent de compenser les fluctuations négatives des
segments plus risqués, ce qui se traduit par une solidité accrue du bilan.
D’un point de vue stratégique, ces résultats suggèrent que la promotion de politiques favorisant la
diversification des actifs pourrait contribuer de manière significative à la stabilité bancaire
régionale. En adoptant une démarche proactive de diversification, les banques de l’UEMOA
peuvent moderniser leur modèle économique, réduire leur dépendance aux activités de crédit
classiques et améliorer leur résilience face aux cycles macroéconomiques. Cette dynamique
s’inscrit dans les orientations internationales visant à renforcer la gestion des risques, notamment
celles promues par le cadre réglementaire de Bâle III. Ainsi, la diversification des actifs apparaît
comme un levier structurant pour consolider la stabilité du système bancaire de l’UEMOA et
soutenir le financement durable des économies locales.

 Effet positif de la diversification des revenus sur la stabilité des banques de l’UEMOA

72
 Les résultats révèlent que la diversification des revenus exerce un effet positif sur la stabilité des
banques de la zone UEMOA. Cela signifie que l’élargissement des sources de revenus améliore la
manière dont les banques parviennent à absorber les chocs internes et externes, tout en renforçant
l’efficacité des mécanismes traditionnels de gestion du risque. Théoriquement, cet effet modérateur
s’explique par plusieurs mécanismes fondamentaux : Premièrement, la diversification des revenus
permet de réduire la dépendance des banques aux marges d’intermédiation, en générant des flux
financiers alternatifs sous forme de commissions, de frais de services et de produits annexes. Cette
pluralité de sources de revenus contribue à lisser les fluctuations cycliques liées au crédit et à
stabiliser les recettes bancaires (Stiroh, 2004).
Deuxièmement, la diversification des revenus améliore la capacité des établissements bancaires à
atténuer l’impact négatif des chocs sur leurs indicateurs de performance et de risque. En effet, les
activités non traditionnelles génèrent des revenus moins sensibles à la conjoncture
macroéconomique, ce qui réduit la volatilité globale du portefeuille et renforce la capacité
d’absorption des pertes potentielles. La diversification des revenus constitue ainsi un mécanisme
structurel permettant d’améliorer la stabilité financière dans un environnement caractérisé par des
marges d’intermédiation volatiles et des risques macroéconomiques persistants.
D’un point de vue managérial, ces résultats suggèrent que l’intégration plus systématique des
activités génératrices de revenus non traditionnels peut renforcer la solidité du modèle économique
des banques, en améliorant la complémentarité entre les différentes sources de performance interne.
Les banques de l’UEMOA gagneraient ainsi à développer de manière stratégique leurs produits de
services, à automatiser davantage les processus liés aux commissions et à moderniser leurs offres
digitales, afin de consolider l’effet stabilisateur de la diversification. Cette démarche permettrait
une meilleure résilience face aux cycles économiques, tout en augmentant la productivité globale
et la stabilité du secteur bancaire régional.

 Effet des variables de contrôle sur la stabilité des banques de l’UEMOA.

Les résultats obtenus mettent clairement en évidence le rôle des variables de contrôle dans
l’explication de la stabilité bancaire au sein de l’UEMOA. En premier lieu, la stabilité politique
exerce un effet positif et significatif sur la stabilité bancaire à long terme. Ce résultat s’interprète
dans la lignée des travaux institutionnalistes tels que La Porta et al. (1998) ou Kaufmann, Kraay et
Mastruzzi (2010), qui soulignent que la qualité des institutions réduit l’incertitude, renforce la

73
confiance des investisseurs et améliore l’environnement de financement. Dans un contexte où les
économies de l’UEMOA restent vulnérables aux chocs externes et aux tensions sociopolitiques, un
climat politique stable permet aux banques d’opérer dans un cadre plus prévisible, diminuant les
risques d’arbitrage excessif, de retraits de capitaux ou de dégradation rapide de la qualité des actifs.
Ainsi, la stabilité politique constitue un socle institutionnel indispensable au fonctionnement sain
du système bancaire.

En second lieu, la rentabilité bancaire (mesurée par le ROA) présente également un effet positif et
fortement significatif à court terme et à long terme, confirmant les conclusions de Berger (1995)
ou encore Demirgüç-Kunt et Huizinga (1999), selon lesquelles les banques profitables disposent
d’une capacité accrue d’absorption des pertes. Une rentabilité élevée permet en effet de constituer
des réserves, de renforcer les fonds propres et d’investir dans des dispositifs plus performants de
gestion des risques. Dans le contexte de l’UEMOA, où les banques jouent un rôle prépondérant
dans le financement de l’économie, la profitabilité garantit non seulement leur résilience face aux
chocs, mais aussi leur aptitude à maintenir un niveau soutenu de prêts, même en période
d’incertitude.

En ce qui concerne la politique monétaire, les résultats révèlent un effet positif et significatif à
court terme, mais négatif et non significatif à long terme. Ce comportement différencié peut
s’expliquer à partir des travaux de Bernanke et Blinder (1988) ou de Bernanke et Gertler (1995)
sur le credit channel : un resserrement monétaire contribue dans un premier temps à limiter la
croissance excessive du crédit, à contenir les comportements d’endettement risqués et à améliorer
la qualité du portefeuille bancaire. Cependant, l’effet s’estompe à plus long terme, comme le
montrent Dell’Ariccia et al. (2017), car la politique monétaire ne peut durablement stabiliser le
secteur bancaire sans être accompagnée d’un cadre prudentiel cohérent et de conditions
macroéconomiques favorables. Dans une union monétaire comme l’UEMOA, cet effet atténué est
encore plus visible, la politique monétaire n’étant pas calibrée pays par pays.

Par ailleurs, le taux de croissance économique exerce un effet positif à long terme sur la stabilité
bancaire. Ce résultat rejoint les analyses de Levine (2005) ou des modèles du financial accelerator
de Bernanke, Gertler et Gilchrist (1999), qui montrent qu’une croissance soutenue améliore la

74
solvabilité des emprunteurs, réduit les défauts de paiement et accroît les opportunités
d’intermédiation financière. À mesure que l’économie se développe, la valeur des collatéraux
augmente, la demande de prêts de meilleure qualité progresse et les banques renforcent leur bilan,
ce qui se traduit mécaniquement par une amélioration de leur stabilité structurelle.

À l’inverse, le ratio de fonds propres présente un effet négatif et significatif à long terme, un résultat
qui pourrait sembler paradoxal mais qui s’inscrit dans les débats récents sur le « paradoxe
prudentiel ». Des auteurs tels que Repullo et Suarez (2013) ou Goodhart et al. (2012) montrent
qu’un niveau de capitalisation trop élevé peut, dans certaines conditions, réduire l’offre de crédit,
freiner la prise de risque productive et diminuer la rentabilité, conduisant à une forme de
fragilisation du modèle bancaire. Dans le cas de l’UEMOA, où les banques dépendent fortement
de l’intermédiation classique, un excès de fonds propres peut contraindre leur capacité de
transformation, et ainsi altérer leur stabilité à long terme.

Enfin, l’inflation présente un effet négatif et significatif à long terme. Ce résultat est conforme aux
conclusions de Boyd, Levine et Smith (2001), qui montrent que l’inflation dégrade la qualité des
actifs financiers, accroît les défauts de paiement et perturbe la structure des taux d’intérêt. Dans les
pays en développement, la faiblesse de la profondeur financière rend le système bancaire
particulièrement vulnérable aux épisodes inflationnistes, qui érodent la valeur réelle des garanties,
réduisent les marges d’intermédiation et augmentent l’incertitude macroéconomique. Ainsi, une
maîtrise rigoureuse du niveau général des prix demeure un élément clé pour assurer la solidité du
secteur bancaire dans la région.

75
Conclusion de la deuxième partie
Cette seconde partie de l’analyse empirique avait pour objectif d’évaluer l’impact de la
diversification bancaire sur la stabilité financière dans l’UEMOA. Pour ce faire, notre démarche
s’est appuyée sur les fondements théoriques proposés par Abuzayed (2018) qui ont orienté la
spécification du modèle étudié. Sur le plan méthodologique, nous avons utilisé le modèle Pooled
Mean Group (PMG). Au terme des estimations, les résultats obtenus indiquent que la
diversification des actifs influence positivement la stabilité des banques. Par ailleurs, les variables
de contrôle, à savoir, la politique monétaire, le taux de croissance du PIB, la stabilité politique,
l’inflation, le ratio de rentabilité (roa) et le ratio de fond propre sur total actif (fp) ont un effet
significatif sur la stabilité. Cependant, suite au changement de variable dépendante de
diversification, les résultats obtenus montrent que la diversification des actifs a un effet positif mais
peu significatif sur la stabilité des banques de l’UEMOA. Les variables de contrôle comme la
politique monétaire, la stabilité politique, le ratio de rentabilité (roa) et le ratio de fond propre sur
total actif (fp) ont un effet significatif sur la stabilité.
Afin d’identifier laquelle, entre la diversification des actifs et la diversification des revenus,
contribue le plus à renforcer la solidité bancaire dans l’UEMOA, nous avons procédé à une
comparaison directe de la force des coefficients estimés dans les différentes spécifications du
modèle. Il en est ressorti que la diversification des actifs est celle qui favorise le plus la stabilité
bancaire car c’est elle qui a manifesté le plus fort coefficient sur la stabilité comparativement à la
diversification des revenus. Ce qui fait de la diversification des actifs un puissant levier pour la
stabilité bancaire dans l’UEMOA.

76
Vérification des hypothèses
L'objectif principal de cette étude était d'analyser l’effet de la diversification sur la stabilité bancaire
dans la zone UEMOA. Plus spécifiquement, il s'agissait d'abord d'examiner l’effet à court terme
des variables de diversification sur la stabilité bancaire, puis d'étudier leurs impacts à long terme.
Sur la base de ces objectifs, nous avons formulé deux hypothèses de recherche. La première
hypothèse suppose que la diversification des actifs exerce un effet positif sur la stabilité des
banques dans la zone UEMOA. La deuxième hypothèse postule que la diversification des revenus
contribue à renforcer la stabilité des banques dans la zone UEMOA. La troisième suppose que la
diversification des actifs améliore plus la stabilité que celle des revenus.
Pour tester ces hypothèses, nous avons utilisé un modèle à correction d'erreur de type Pooled Mean
Group (PMG). Les résultats des estimations ont montré que la diversification des actifs a un effet
positif sur la stabilité bancaire dans la zone UEMOA. Ce qui corrobore notre première hypothèse
de départ. De plus, la diversification des revenus a un effet positif sur la stabilité. Ainsi, elle
contribue à renforcer la résilience des banques de l’Union. Ce qui confirme notre deuxième
hypothèse. Finalement le coefficient de la diversification des actifs est plus élevé (0,65) que celui
des revenus, (0,39) ce qui signifie qu’elle exerce plus d’effet sur la stabilité et est à promouvoir en
premier lieu. Ce qui corrobore notre troisième hypothèse. En conclusion, notre hypothèse générale
selon laquelle la diversification exerce un effet positif sur la stabilité des banques de l’UEMOA a
été vérifiée.

77
CONCLUSION GÉNÉRALE
L’objectif principal de cette étude était d’analyser l’effet de la diversification des activités bancaires
sur la stabilité des banques dans la zone UEMOA. Le travail a porté sur sept (07) pays de l’Union,
à l’exception de la Guinée-Bissau, et couvre la période allant de 2000 à 2024. Deux dimensions de
la diversification ont été retenues : la diversification des actifs et la diversification des revenus,
considérées comme des leviers stratégiques pour réduire les risques de concentration et renforcer
la résilience du système bancaire. La stabilité bancaire, mesurée par un indicateur composite
intégrant la qualité des actifs et la solidité financière, a été utilisée comme variable dépendante et
est le z_score.
Afin d’appréhender les dynamiques sous-jacentes entre diversification et stabilité, l’étude a suivi
une démarche méthodologique en deux étapes. Premièrement, une analyse descriptive et graphique
a permis d’observer l’évolution de la diversification des activités bancaires dans l’UEMOA et
d’identifier les tendances convergentes entre diversification et stabilité. Deuxièmement, un modèle
à correction d’erreur de type Pooled Mean Group (PMG) a été mobilisé afin d’estimer
simultanément les effets de court terme et de long terme de la diversification sur la stabilité
bancaire.
Les résultats économétriques mettent en évidence un rôle déterminant de la diversification des
activités bancaires dans l’amélioration de la stabilité des banques de l’UEMOA. En premier lieu,
il ressort que la diversification des actifs exerce un effet positif et hautement significatif à long
terme. Plus précisément, le coefficient estimé indique que l’augmentation de la part des actifs
diversifiés dans le bilan bancaire renforce de manière durable la stabilité financière. Ce résultat
confirme la capacité de la diversification à réduire les risques de concentration, à amortir les chocs
macro financiers et à améliorer la solidité structurelle des banques. En revanche, son effet à court
terme apparaît non significatif, traduisant le fait que les ajustements opérés sur la structure du bilan
nécessitent un horizon temporel plus long pour produire leurs effets stabilisateurs.
En second lieu, l’étude révèle que la diversification des revenus exerce un effet modéré mais positif
sur la stabilité bancaire, notamment lorsque les activités non traditionnelles se développent dans
des proportions équilibrées. Cette relation souligne que l’élargissement des sources de revenus
contribue à mieux lisser les profits, à améliorer la gestion des risques et à réduire la dépendance
excessive des banques aux marges d’intermédiation, particulièrement sensibles aux fluctuations
économiques et monétaires.

78
Par ailleurs, les variables de contrôle utilisées confirment l’importance du cadre institutionnel et
du comportement financier dans la détermination de la stabilité. Il apparaît notamment que la
stabilité politique et la rentabilité bancaire renforcent significativement la solidité des banques à
long terme, tandis que des niveaux excessifs de fonds propres peuvent paradoxalement réduire la
capacité d’intermédiation et freiner la stabilité financière, conformément au débat sur le « paradoxe
prudentiel ».
Au regard de ces résultats, plusieurs recommandations se dégagent. Les autorités de régulation
devraient promouvoir un cadre incitatif favorisant la diversification des activités bancaires,
notamment par l’assouplissement des contraintes réglementaires sur certaines opérations non
traditionnelles, tout en veillant à maintenir un niveau prudentiel adéquat. Une harmonisation
régionale des règles prudentielles, ainsi qu’un renforcement du cadre juridique relatif aux produits
financiers diversifiés, s’avèrent nécessaires pour encourager une croissance équilibrée et sécurisée
des activités bancaires.
Pour les établissements bancaires, l’étude recommande d’intégrer la diversification comme un axe
stratégique majeur. Cela implique l’allocation d’une part significative du portefeuille aux activités
diversifiées, la mise en place de départements spécialisés, et le développement de produits
innovants adaptés aux besoins des entreprises locales, notamment dans les secteurs prioritaires tels
que l’agriculture, le numérique, les infrastructures et les services.
Enfin, une campagne de sensibilisation destinée aux entreprises, en collaboration avec les chambres
de commerce et les organisations professionnelles, permettrait d’accroître la connaissance des
produits diversifiés et de renforcer leur utilisation au sein du tissu économique. Une amélioration
du système de collecte des données financières serait également nécessaire pour renforcer les
analyses futures et appuyer la prise de décision en matière de stabilité bancaire.

79
BIBLIOGRAPHIE

Abuzayed, B., Al-Fayoumi, N., & Molyneux, P. (2018). Diversification and bank stability in the
GCC. Journal of International Financial Markets, Institutions and Money, 57, 17–43.

Acharya, V. V., Hasan, I., & Saunders, A. (2006). Should banks be diversified? Evidence from
individual bank loan portfolios. The Journal of Business, 79(3), 1355–1412.

Adem, M. (2023). Impact of income diversification on bank stability: a cross country analysis.
Asian Journal of Accounting Research, 8(2), 133–144.

Allen, F., & Gale, D. (2000). Comparing financial systems. MIT Press.

Allen, F., & Gale, D. (2000). Financial Contagion. Journal of Political Economy, 108(1), 1–33.

Bank for International Settlements. (2022). Annual report 2021/22. BIS.

Banque Centrale des États de l’Afrique de l’Ouest (BCEAO). (2020). Rapport annuel 2020.

Banque Centrale des États de l’Afrique de l’Ouest (BCEAO). (2022). Rapport annuel 2018.

Banque Centrale des États de l’Afrique de l’Ouest (BCEAO). (2022). Rapport annuel 2022.

Baele, L., De Jonghe, O., & Vander Vennet, R. (2007). Does the stock market value bank
diversification? Journal of Banking & Finance, 31(7), 1999–2023.

Barth, J. R., Caprio, G., & Levine, R. (2004). Bank regulation and supervision: What works best?
Journal of Financial Intermediation, 13(2), 205–248.

Barth, J. R., Caprio, G., & Levine, R. (2013). Bank regulation and supervision in 180 countries
from 1999 to 2011. Journal of Financial Economic Policy, 5, 111–219.

viii
Beck, T., Demirgüç-Kunt, A., & Levine, R. (2010). Financial institutions and markets across
countries and over time. World Bank Economic Review, 24(1), 77–92.

Beck, T., Demirgüç-Kunt, A., & Maksimovic, V. (2005). Financial and legal constraints to growth.
Journal of Finance, 60(1), 137–177.

Beck, T. H. L., De Jonghe, O. G., & Schepens, G. (2013). Bank competition and stability. Journal
of Financial Intermediation, 22(2), 218–244.

Bernanke, B. S., & Blinder, A. S. (1988). Credit, money, and aggregate demand. American
Economic Review, 78(2), 435–439.

Bernanke, B. S., & Gertler, M. (1995). Inside the black box. Journal of Economic Perspectives,
9(4), 27–48.

Bernanke, B. S., Gertler, M., & Gilchrist, S. (1999). The financial accelerator. In Handbook of
Macroeconomics (Vol. 1, pp. 1341–1393). Elsevier.

Berger, A. N. (1995). The profit-structure relationship in banking. Journal of Money, Credit and
Banking, 27(2), 404–431.

Berger, A. N., & DeYoung, R. (1997). Problem loans and cost efficiency. Journal of Banking &
Finance, 21(6), 849–870.

Berger, A. N., Hasan, I., Korhonen, I., & Zhou, M. (2010). Does diversification increase or decrease
bank risk? BOFIT Discussion Papers, 9/2010.

Borio, C. (2011). Implementing a macroprudential framework. Journal of Financial Stability, 17,

189–202.

ix
Borio, C., & Zhu, H. (2012). Capital regulation, risk-taking and monetary policy. Journal of
Financial Stability, 8(4), 236–251.

Boyd, J. H., & Graham, S. L. (1988). Profitability and risk in financial mergers. Federal Reserve
Bank of Minneapolis Quarterly Review.

Boyd, J. H., Levine, R., & Smith, B. D. (2001). The impact of inflation on financial performance.
Journal of Monetary Economics, 47(2), 221–248.

Calomiris, C. W., & Gorton, G. (1991). The origins of banking panics. In Financial markets and
financial crises (pp. 109–174). University of Chicago Press.

Cao, Y., Simin, T. T., Wang, Y., & Zhang, H. (2019). Diversification and bank stability. Journal of
Financial Research, 42(1), 79–109.

Caprio, G., & Levine, R. (2004). Governance and bank valuation. Journal of Financial
Intermediation, 13(2), 205–226.

Cerra, V., & Saxena, S. C. (2008). Growth dynamics and recovery. American Economic Review,
98(1), 439–457.

Claessens, S., & van Horen, N. (2014). Foreign banks: Trends and impact. Journal of Money, Credit
and Banking, 46(s1), 295–326.

Coulibaly, D. (2015). Remittances and financial development. Economic Modelling, 45, 249–258.

Crockett, A. (1997). Why is financial stability a goal of public policy? Economic Review, 82(4),
5–22.

De Hoyos, R. E., & Sarafidis, V. (2006). Testing for cross-sectional dependence. Stata Journal,
6(4), 482–496.

x
De Jonghe, O. (2008). Revenue diversity and stability. EIEF Working Paper Series 0815.

De Jonghe, O. (2010). Back to the basics in banking? Journal of Financial Intermediation, 19(3),
387–417.

Demirgüç-Kunt, A., & Detragiache, E. (1998). Determinants of banking crises. IMF Staff Papers,
45(1), 81–109.

Demirgüç-Kunt, A., & Huizinga, H. (1999). Determinants of interest margins. World Bank
Economic Review, 13(2), 379–408.

Demirgüç-Kunt, A., & Huizinga, H. (2010). Bank activity and funding strategies. Journal of
Financial Economics, 98(3), 626–650.

DeYoung, R., & Rice, T. (2004). Non-interest income and performance. Financial Review, 39(1),
101–127.

Diamond, D. W. (1984). Financial intermediation. Review of Economic Studies, 51(3), 393–414.

Diamond, D. W., & Dybvig, P. H. (1986). Bank runs and deposit insurance. The Journal of
Business, 59(1), 55–68.

Diamond, D. W., & Rajan, R. G. (2001). Liquidity risk and fragility. Journal of Political Economy,
109(2), 287–327.

Dietrich, A., & Wanzenried, G. (2011). Determinants of profitability. Journal of International

Financial Markets, Institutions and Money, 21(3), 307–327.

Duflo, E. (2012). Women’s empowerment and development. Journal of Economic Literature,

50(4), 1051–1079.

xi
Fisher, I. (1930). The Theory of Interest. Macmillan.

Goodhart, C., Kashyap, A., Tsomocos, D. P., & Vardoulakis, A. (2012). Financial regulation in
general equilibrium. NBER Working Paper 17909.

Hausman, J. A. (1978). Specification tests. Econometrica, 46(6), 1251–1271.

Hurlin, C., & Mignon, V. (2007). Tests de cointégration panel. Économie & Prévision, 180(4), 241–
265.

International Monetary Fund. (2022). Annual report 2021/22.

International Monetary Fund. (2023). World Economic Outlook: A rocky recovery.

Kaufmann, D., Kraay, A., & Mastruzzi, M. (2010). WGI methodology. World Bank Working Paper
5430.

Khattak, M. A., Ali, M., Azmi, W., & Rizvi, S. A. R. (2023). Digital transformation, diversification
and stability. Economic Analysis and Policy, 78, 122–132.

Köhler, M. (2014). Non-interest income and risk. Review of Financial Economics, 23(4), 182–193.

Köhler, M. (2015). Which banks are more risky? Journal of Financial Stability, 16, 195–212.

La Porta, R., Lopez‐de‐Silanes, F., Shleifer, A., & Vishny, R. W. (1998). Law and finance. Journal
of Political Economy, 106(6), 1113–1155.

Laeven, L., & Levine, R. (2007). Diversification discount. Journal of Financial Economics, 85(2),
331–367.

xii
Laeven, L., & Valencia, F. (2012). Systemic banking crises database. IMF Working Paper 12/163.

Laeven, L., & Valencia, F. (2018). Systemic banking crises database II. IMF Economic Review,
66(2), 307–361.

Laeven, L., & Valencia, F. (2020). Systemic banking crises database II. IMF Economic Review,
68(2), 307–361.

Levine, R. (1997). Financial development and growth. Journal of Economic Literature, 35(2), 688–
726.

Levine, R. (2005). Finance and growth. In Handbook of Economic Growth (Vol. 1, pp. 865–934).
Elsevier.

Markowitz, H. (1952). Modern portfolio theory. Journal of Finance, 7(1), 77–91.

Mercieca, S., Schaeck, K., & Wolfe, S. (2007). Small European banks: benefits from
diversification? Journal of Banking & Finance, 31(7), 1975–1998.

Panzar, J. C., & Willig, R. D. (1981). Economies of scope. American Economic Review, 71(2),
268–272.

Pennathur, A. K., Subrahmanyam, V., & Vishwasrao, S. (2012). Income diversification and risk.
Journal of Banking & Finance, 36(8), 2203–2215.

Pedroni, P. (1996). Fully Modified OLS for heterogeneous panels. Indiana University Working
Paper 96 020.

Pedroni, P. (1997). Panel cointegration. Williams College Working Paper.

xiii
Pedroni, P. (1999). Critical values for cointegration tests. Oxford Bulletin of Economics and
Statistics, 61(S1), 653–670.

Pedroni, P. (2004). Panel cointegration asymptotics. Econometric Theory, 20, 597–625.

Pesaran, M. H. (2004). General diagnostic tests for cross-section dependence. CESifo Working
Paper 1229.

Pesaran, M. H., Shin, Y., & Smith, R. J. (1999). Pooled mean group estimation. Journal of the
American Statistical Association, 94(446), 621–634.

Pesaran, M. H., & Smith, R. P. (1995). Long-run relationships in dynamic panels. Journal of
Econometrics, 68(1), 79–113.

Stiroh, K. J. (2004). Diversification in banking. Journal of Money, Credit and Banking, 36(5), 853–
882.

Stiroh, K. J., & Rumble, A. (2006). The dark side of diversification. Journal of Banking & Finance,
30(8), 2131–2161.

Tariq, W., Usman, M., Tariq, A., Rashid, R., Yin, J., Memon, M. A., & Ashfaq, M. (2021). Bank
maturity, income diversification, and stability. Journal of Business Economics and Management,
22(6), 1492–1511.

Wagner, W. (2010). Diversification and systemic crises. Journal of Financial Intermediation, 19(3),
373–386.

Yoo, S.-H. (2006). Electricity consumption and growth in ASEAN. Energy Policy, 34, 3573–3582.

xiv
Liste des annexes

Annexe 1: Statistiques descriptives ............................................................................................ 55

Annexe 2: Résultats de la matrice de corrélation ........................................................................ 58
Annexe 3 : Résultat du test VIF ................................................................................................. 59
Annexe 4 : Résultat du test d’homogénéité des effets individuelles (Fisher) ............................... 60
Annexe 5 : Résultat du test de Hausman .................................................................................... 60
Annexe 6: Résultat du test de dépendance interindividuelle de Breusch-Pagan .......................... 61
Annexe 7 : Résultats du test de racine unitaire ........................................................................... 62
Annexe 8 : Résultat du test de cointégration de Pedroni (2004) ................................................. 63
Annexe 9 : Résultat d’estimation par le Pooled Mean Group ..................................................... 65
Annexe 10: Résultat d’estimation par le Mean Group ................................................................ 67
Annexe 11 : Résultat du test de Hausman PMG versus MG ....................................................... 69
Annexe 12 : Résultat du test de sensibilité en PMG : diversification des revenus ....................... 70

xv
Annexe 1 : statistiques descriptives

Annexe 2 : Matrice de corrélation

Annexe 3 : résultat du test VIF

xvi
Annexe 4 : test d’homogénéité

xvii
Annexe 5 : Test de Hausman

Annexe 6 : test de dépendance interindividuelle

xviii
 Annexe 7 : test de racine unitaire
Test de PESCADF (2003)
 En Niveau

xix
 En différence

xx
 CIPS (2007)
 En niveau

xxi
xxii
 En niveau

Annexe 8 : test de cointégration de Pedroni (2004)

xxiii
Annexe 9 : Régression par pooled mean group

xxiv
Annexe 10 : Regression par Mean Group

xxv
Annexe 10 : Test de Hausman

Annexe 11 : Test de sensibilité

xxvi
xxvii
TABLES DES MATIERES

Dédicace...................................................................................................................................... ii
Remerciements ........................................................................................................................... iii
Liste des sigles et des acronymes ................................................................................................ iv
Résumé ..................................................................................................................................... vii
SOMMAIRE ............................................................................................................................ viii
Introduction générale ................................................................................................................... 1
PARTIE 1 : REVUE ANALYTIQUE SUR LA DIVERSIFICATION ET STABILITÉ
BANCAIRE ..................................................................................................................................
Chapitre I : REVUE DE LITTERATURE THÉORIQUE ET EMPIRIQUE SUR LA
DIVERSIFICATION ET LA STABILITÉ BANCAIRE DE L’UEMOA ..................................... 9
[Link] et stabilité bancaire : les apports théoriques
.................................................................................................................................................... 9
1.1. Fondement théorique de la diversification bancaire. .............................................................. 9
1.1.1. La théorie de la diversification de portefeuille .................................................................... 9
1.1.2. La théorie des économies d’échelle et de gamme .................................................. 10
1.2. Les théories qui expliquent la stabilité bancaire................................................................... 11
1.2.1. La théorie de la contagion et du risque systémique ........................................................... 11
1.2.2. La théorie de la panique bancaire ..................................................................................... 12
1.3. Diversification et stabilité bancaire : les canaux de transmissions ........................................ 12
1.3.1. Diversification des sources de revenus et risque financier ................................................ 13
1.3.2. Diversification de portefeuilles de crédits et résilience bancaire ....................................... 14
[Link] de littérature empirique de la relation entre diversification des activités et stabilité
bancaire ..................................................................................................................................... 15
2.1. Effets positifs de la diversification des activités sur la stabilité bancaire ...................... 15
2.2. Effets négatifs ou pervers de la diversification des activités sur la stabilité bancaire..... 18
2.3. Effets conditionnels et contextuels de diversification des activités et stabilité bancaire 19
Chapitre II : POLITIQUES ET ÉTATS DES LIEUX DE LA DIVERSIFICATION DES
ACTIVITÉS ET STABILITÉ BANCAIRE DANS L’UEMOA ................................................. 22

xxvii
i
[Link] institutionnel et politique de diversification des activités bancaire et stabilité
.................................................................................................................................................. 22
1.1. Politiques de diversification bancaire dans l’UEMOA ................................................. 22
1.2. Politiques pour renforcer la stabilité bancaire .............................................................. 24
[Link] des lieux des indicateurs.
.................................................................................................................................................. 25
2.1. Evolution des indicateurs de la diversification des activités bancaires dans l’UEMOA ........ 25
2.2. Evolution du score de stabilité bancaire dans l’UEMOA.............................................. 31
2.3. Evolution conjointe entre diversification et stabilité bancaire dans l’UEMOA ............. 33
PARTIE 2 : ANALYSE ECONOMETRIQUE DE l’EFFET DE LA DIVERSIFICATION DES
ACTIVITES ET LA STABILITE BANCAIRE ......................................................................... 39
Chapitre 3 : SPECIFICATION DU MODELEPOLITIQUES ET ÉTATS DES LIEUX DE LA
DIVERSIFICATION DES ACTIVITÉS ET STABILITÉ BANCAIRE DANS L’UEMOA ....... 40
[Link]écification du modèle de l’étude
.................................................................................................................................................. 40
1.1. Présentation du modèle de base et spécification du modèle de l’étude. ......................... 40
1.1.1. Présentation du modèle de base. ....................................................................................... 40
1.1.2. Spécification du modèle de l’étude. ...................................................................... 41
1.2. Présentation des variables et source de données ........................................................... 42
1.2.2. Source de données et effets attendus. .................................................................... 47
[Link] économétriques et choix de la méthode d’estimation
.................................................................................................................................................. 48
2.1. Tests économétriques .................................................................................................. 48
[Link] d’homogénéité des effets individuels et test de Hausman ........................................... 48
[Link] test de dépendance interindividuelle ............................................................................. 49
[Link] de racine unitaire ....................................................................................................... 49
2.1.1. Test de cointégration de Pedroni (2004)................................................................ 50
2.2. Technique d’estimation ............................................................................................... 52
2.2.1. La méthode d’estimation par le Mean Group (Pesaran et Smith, 1995) et Pooled Mean
Group (Pesaran, Shin et Smith, 1999) ........................................................................................ 52
[Link]. Méthode d’estimation Mean Group (Pesaran et Smith, 1995) ............................ 52

xxix
[Link]. Méthode d’estimation Pooled Mean Group (Pesaran, Shin et Smith, 1999) ....... 53
CHAPITRE 4 : ESTIMATION DU MODÈLE, RÉSULTATS ET INTERPRÉTATIONS
ÉCONOMIQUES ...................................................................................................................... 55
[Link] descriptives et résultats des tests économétriques
.................................................................................................................................................. 55
1.1. Analyses descriptives .................................................................................................. 55
1.1.1. Statistiques descriptives ........................................................................................ 55
1.1.2. Matrice de corrélation........................................................................................... 58
1.2. Résultats des tests économétriques .............................................................................. 60
1.2.1. Résultat des tests d’homogénéité des effets individuelles de (Fisher) et de Hausman
60
1.2.2. Résultats du test de dépendance interindividuelle ................................................. 61
1.2.3. Résultats des tests de racine unitaire de Pesaran (2001) et du test de cointégration de
Pedroni (2004) ........................................................................................................................... 62
[Link]ésentation des résultats et interprétations économétriques
.................................................................................................................................................. 64
2.1. Présentation des résultats d’estimation de la régression du modèle de base .................. 64
2.1.1. Résultat de base : Estimations par le Pooled Mean Group ..................................... 65
2.1.2. Test de Hausman .................................................................................................. 69
2.1.3. Analyse de sensibilité : changement de variable de diversification ........................... 70
2.1.4. Changement de la variable explicative de diversification ...................................... 70
2.2. Interprétation économique des résultats d’estimations.................................................. 72
CONCLUSION GÉNÉRALE .................................................................................................... 78
BIBLIOGRAPHIE ................................................................................................................... viii
Liste des annexes ..................................................................................................................... xv
TABLES DES MATIERES .................................................................................................. xxviii

xxx