Quels effets peut-on attendre d’une réforme des seuils sociaux ?

Par François Gourio (Réserve Fédérale de Chicago) et Nicolas Roys (Université de Wisconsin)

[Une version un peu allongée de notre article paru dans Les Echos le 11 septembre 2014]

Dans un contexte de stagnation économique persistante, il est naturel de remettre en question les réglementations qui  freinent la croissance. La question des seuils sociaux a ainsi été relancée par le gouvernement, qui propose de lancer une négociation entre partenaires sociaux.

Les seuils sociaux sont les nombreuses obligations légales et fiscales qui s’appliquent aux entreprises quand elles embauchent leur 10ème, 20ème ou 50ème salarié. Par exemple, après 50 employés l’entreprise doit créer un comité d’entreprise et un comité hygiène et sécurité ; payer des contributions sociales plus importantes pour la formation ; en cas de licenciements économiques elle doit soumettre un plan social ; et ainsi de suite, car la liste est en fait beaucoup plus longue. Du fait de ces régulations, un nombre important d’entreprises hésitent à franchir ces limites: il y a 2 à 3 fois plus de firmes avec 49 employés qu’avec 50, une discontinuité remarquable. En freinant la croissance des entreprises situées en dessous des seuils, on réduit évidemment l’emploi mais aussi l’efficacité productive car les entreprises renoncent à leur configuration d’emploi idéale.

Certains proposent un « lissage » des seuils, c’est à dire étaler les obligations au lieu de les concentrer à 50 employés,  ou une augmentation des seuils, de 50 à 100 employés. On lit parfois que ces mesurent permettraient de gagner des centaines de milliers d’emplois, ou plusieurs points de PIB. Mais en fait les travaux récents[1] suggèrent des effets plus limités.

Une première approche, naïve, pour quantifier les effets des seuils est de compter le nombre d’entreprises situées juste en dessous du seuil et d’estimer leur croissance si le seuil était retiré. On arrive à un chiffre de 20 ou 30 mille emplois pour le seuil de 50.

Une approche plus sophistiquée estime les coûts indirectement à partir du comportement observé des entreprises. Estimer les coûts est mieux que les mesurer comptablement car certaines réglementations (comme les 0.2% de masse salariale redistribués par le CE) sont équivalent à du salaire, plutôt que des pertes pures. Ceci peut conduire à surestimer les coûts réels si utilise les coûts comptables. Mais on peut aussi imaginer l’inverse : la comptabilité ne rend pas bien compte des coûts d’apprentissage et d’adaptation aux régulations, et d’aspects difficile à chiffrer comme l’organisation des salariés à travers  le CE ou l’incertitude inhérente à ces règles. Cela tend à sous-estimer les coûts réels. Enfin, bien que les entreprises en dessous du seuil soient clairement pénalisées, on peut imaginer que celles au-dessus du seuil embauchent plus en raison de la compétition amoindrie.

Dans notre recherche, nous avons estimé un coût d’adaptation à environ 30.000 euros la première année que le seuil est franchi, et un coût faible les années suivantes. Cette approche suggère que supprimer entièrement les régulations qui s’appliquent à 50 employés conduit à 0.3% de PIB supplémentaire chaque année, soit 6 milliards d’euros par an. Les gains en termes d’emploi dépendent du fonctionnement du marché du travail mais seraient probablement inférieurs à 10 ou 20 mille emplois, un chiffre comparable à celui obtenu par la méthode naïve, et bien inférieur aux centaines de milliers parfois annoncés.

Ces résultats sont entachés d’une importante incertitude, mais deux faits simples plaident en faveur d’effets limités. D’abord, il y a relativement peu d’entreprises proches des tailles critiques : plus de 40% de l’emploi réside dans des entreprises de de plus de 250 employés, et 20% dans des microentreprises. Ensuite, bien qu’il y ait beaucoup plus d’entreprises juste en-dessous du seuil (45-49) que juste au-dessus (50-54),  il y a quand même un nombre significatif d’entreprises dans le second groupe. Cela suggère que le coût des régulations est limité, car si les régulations étaient très coûteuses,  on ne verrait pratiquement aucune entreprise avec 50, 52 ou 54 employés. Enfin de façon générale ceci reflète que les entreprises les plus productives passent le seuil dans tous les cas, car les profits de l’expansion dépassent les coûts des régulations. Ne sont "bloquées" que celles qui ne croîtraient pas beaucoup de toute façon.

Nous sommes particulièrement sceptiques sur la proposition d’un lissage des seuils, qui revient juste à disperser les coûts. Augmenter le seuil à 75 ou 100 serait plus bénéfique mais déplacerait le problème, et les gains à attendre sont donc encore plus faibles que nos estimations.  Au final, bien que les seuils aient des effets significatifs, il ne faut pas croire que les réformer aura un effet fondamental sur la croissance et l’emploi. Il faut chercher ailleurs (concurrence, marché du travail, innovation, éducation) les freins à la croissance. Enfin, une réforme des seuils sociaux devrait plutôt discuter de l’utilité et de l’efficacité des dispositifs déclenchés par les seuils, par exemple comment améliorer les comités d’entreprise.

[1] Parmi ces recherches, on peut lire notre article « Size-Dependent Regulations, Firm Size Distribution, and Reallocation », publié dans « Quantitative Economics » en Juillet dernier, ainsi que les études de Ceci-Renaud et al. http://www.insee.fr/fr/themes/document.asp?ref_id=iana2 et de Garicano et al. http://cep.lse.ac.uk/pubs/download/dp1128.pdf. Enfin, Cahuc et Kramarz dans leur rapport de 2004 « de la précarité à la mobilité » présentent une analyse des seuils sociaux en annexe 1.

Réformer les seuils sociaux: quels effets?

Par François Gourio et Nicolas Roys

Nous avons écrit un article dans Les Echos, paru jeudi dernier, sur la réforme des seuils sociaux:

http://www.lesechos.fr/politique-societe/politique/0203767251705-une-reforme-des-seuils-sociaux-naura-que-peu-deffets-sur-lemploi-1041468.php

Nous publierons dans une semaine une version "blog" de cet article, qui est basé sur notre recherche.

L’investissement immatériel

Par François Gourio

J’ai posté il y a quelques jours un petit billet sur l’évolution récente de l’investissement productif en France, qui reste négative. Cette mesure d’investissement ne rassemble que les investissements dans des actifs « physiques » ou « matériels » (en anglais,  «tangibles»): ordinateurs, camions, machines-outils, bureaux, usines, centres commerciaux, … Cela correspond à l’idée que la capacité de production repose essentiellement sur ce capital physique. Mais de plus en plus, la  production repose sur des actifs « immatériels » ( «intangibles») comme les brevets ou plus généralement les améliorations apportées par la recherche-développement. Par exemple, une entreprise comme Apple a peu d’actifs physiques ; elle préfère externaliser la production de l’iPhone et se concentrer sur la conception. La comptabilité privée autorise depuis quelques années les entreprises à valoriser les brevets comme un actif à part entière. Une part importante de la valeur de certaines entreprises est ainsi liée à ce stock de propriété intellectuelle. Par exemple, Google a récemment acquis Motorola en bonne partie pour son stock de brevets. Kodak actuellement finance sa réorganisation (en redressement judiciaire) par la vente de ses brevets à d’autres entreprises de technologie. De la même façon, des entreprises ayant acquis le copyright d’œuvres artistiques (comme Sony, EMI ou autres) en dérivent des revenus réguliers importants.

Economiquement, investir c’est dépenser des ressources aujourd’hui pour acquérir un actif durable (au moins un an) qui sert à produire dans le futur, ayant des droits de propriété définis. Cela peut être un artiste qui écrit une chanson qui rapportera des droits pendant des années. Ou une entreprise qui paye un employé à chercher des améliorations à sa logistique. Ou même un étudiant qui paye des frais d’inscriptions pour obtenir un diplôme qui lui donnera accès à un certain emploi. Ou encore une entreprise qui investit dans de la publicité et du marketing pour acquérir des clients récurrents. D’un point de vue conceptuel, il n’y a pas de raison donc que la comptabilité nationale se limite à mesurer les investissements physiques.

En fait la comptabilité nationale (comme celle de l’INSEE que j’ai discutée dans le billet précédent) est principalement limitée par la difficulté à assembler et organiser des données fiables dans un temps court : il est plus facile de compter les camions construits que les innovations. Mais l’importance de l’investissement immatériel a conduit les systèmes statistiques à améliorer leurs mesures. Le Bureau of Economic Analysis (BEA), qui organise les comptes nationaux américains, a dans sa dernière itération introduit une mesure de l’investissement en « produits de propriété intellectuelle », qui recouvre d’une part l’investissement en logiciels (qui était déjà mesuré), l’investissement en R&D, et la création d’œuvres de divertissement donnant lieu à copyright (films, livres, télévision, théâtre, etc.). A terme, l’INSEE va aussi être amené à une modification similaire, qui est recommandée par les instances internationales.

Conceptuellement, cela revient à reconnaître que la production d’un film ne fait pas qu’augmenter le flux de divertissement aujourd’hui, mais permet aussi une augmentation de la production de divertissement dans le futur. Le BEA a estimé la durée de vie des différentes œuvres, et ainsi la hausse de production future et donc la valeur de l’investissement. (Voir ici pour la documentation technique.) Au final, ces changements ont augmenté le niveau du PIB d’environ 3%. L’investissement en produits de propriété intellectuelle représente environ un tiers de l’investissement total des entreprises.

La figure ci-dessous montre l’évolution de l’investissement en produits de propriété intellectuelle. Comme les autres types d’investissement, cette variable est volatile : elle varie fortement selon le niveau d’activité économique du pays (mais moins cependant que les achats de biens physiques durables comme les matériels de transport ou les ordinateurs).

ippd

Le PIB est non seulement égal à l’ensemble de la production mais aussi à l’ensemble des revenus, la somme des salaires et des profits de la production courante. De ce point de vue, reconnaître qu’une partie de la production est destinée à produire dans le futur conduit à prendre en compte qu’une partie des coûts des entreprises est effectivement de l’investissement et non pas une dépense pour la production courante. Cela conduit donc à réviser à la hausse l’estimation des profits.

A terme, on peut imaginer que les comptes nationaux incorporent aussi les investissements en marketing, en capital humain, et ainsi de suite. Certes les mesures risquent d’être plus imparfaites que dans des secteurs traditionnels de l’économie. Mais cela reflèterait de façon plus exacte les facteurs de production modernes.

 

La faiblesse de l’investissement en France

Par François Gourio

L’INSEE a publié le 14 août la première estimation de la production française (le PIB) pour le second trimestre 2013. La plupart des observateurs ont souligné le chiffre positif de +0.5% de croissance réelle (c’est-à-dire ajustée de l’inflation)  par-rapport au premier trimestre, soit un rythmne de croissance raisonnable de 2% par an.

Il faut prendre ces résultats avec précaution pour au moins deux raisons : d’une part, ces chiffres sont volatils d’un trimestre sur l’autre, et donc on ne peut guère extrapoler à partir d’une observation. D’autre part, il ne s’agit que de la première estimation, qui est sujette à des révisions. (L’INSEE rafine le calcul du PIB une fois que plus de données sont disponibles.) Pour donner un ordre de grandeur, la révision typique est de 0.3%  dans un sens ou dans l’autre.

Mais un aspect qui persiste depuis plusieurs années mérite d’être souligné : la faiblesse de l’investissement productif. La figure ci-dessous montre la part de l’investissement des entreprises dans le PIB. Pour faire simple, cela mesure la somme des achats de nouvelles machines de production (ordinateurs d’entreprises, camions, machine-outils etc.) et de la construction de nouveaux bâtiments de production (usines, centres commerciaux ou bureaux etc.), en part de la production totale.

invfrance2

Le déclin continu de l’investissement est inquiétant.

On voit bien qu’après une hausse importante entre 2006 et début 2008, l’investissement a baissé fortement (encore plus vite que le PIB) pendant la première phase de la crise (Lehman Brothers pour faire simple). S’est ensuivie une reprise qui a été complètement interrompue à partir de l’été 2011 par la crise de la zone Euro.

Les causes de la faiblesse de l’investissement sont probablement multiples : faible demande en Europe, restriction du crédit dans le contexte de la crise bancaire et de l’application des nouvelles règles de Bâle et de l’Union Européenne, augmentation des impôts sur le capital par le gouvernement Français, incertitude plus générale sur les perspectives à moyen-terme.

Quoiqu’il en soit, il est difficile de croire que la reprise française puisse continuer sans investissement accru. Le déficit extérieur ne ferait que se creuser, et l’emploi ne reprendrait pas de façon significative.

Pour être complet, la figure ci-dessous donne une perspective de plus long-terme sur ce ratio investissement-PIB : on voit bien les cycles économiques (points hauts en 1991, 2001 et début 2008).

invfrance1

Quelques compléments sur le vote pour les partis extrêmes et la situation économique

Par François Gourio

 

Ce billet complète le précédent et propose quelques variantes sur l’association entre situation économique d’un département et vote extrêmes.

  1. Autres mesures de la situation économique

On peut d’abord se demander si le taux de chômage capture effectivement la situation économique d’un département. Peut-être le revenu est un meilleur indicateur.

La figure suivante montre le vote extrême (défini toujours comme la somme des votes d’extrême gauche et d’extrême droite, en pourcentage des suffrages exprimés, au premier tour de l’élection présidentielle de Mai 2012) en regard du revenu médian par foyer fiscal, pour chaque département. On voit que la corrélation est fortement négative : les départements où le revenu médian est le plus élevé ont le moins de vote extrême.

fig1p

Cette corrélation est même plus forte si l’on considère le revenu du premier décile (les 10% de ménages qui gagnent le moins) au lieu du revenu médian :

fig2p

Cependant, le chômage est encore plus corrélé que le revenu.

2. Différences entre extrême gauche et extrême droite

Dans mon billet précédent, j’ai additionné les votes des partis d’extrême gauche et d’extrême droite. Cette simplification est-elle valable? Les figures suivantes montrent séparément le vote pour l’extrême gauche au premier tour de l’élection présidentielle de Mai 2012 (addition du vote Mélenchon, Arthaud et Poutou), et le vote Front National (Le Pen), en regard du taux de chômage.

fig3p

fig4p

La corrélation entre vote extrême gauche et chômage est de 0.31, contre 0.56 pour le vote Le Pen, et 0.70 pour le total des votes extrêmes. Ainsi, la somme des votes extrêmes est la variable la mieux corrélée avec le taux de chômage. Pour simplifier, on peut dire que dans certains départements, le chômage pousse le vote d’extrême gauche, dans d’autres il pousse le vote d’extrême droite, mais au final il pousse le vote des extrêmes de façon générale.

(3) Comparaison avec des variables non économiques

Il est évident que les variables économiques n’expliquant pas tout, il reste beaucoup d’espace pour des variables « sociologiques » ou plus généralement non-économiques.

Je souhaite illustrer toutefois qu’il n’est pas aisé de trouver des variables qui ont un pouvoir d’explication comparable aux variables économiques.

Par exemple, on pourrait penser que la structure par CSP ou le type d’habitat (maisons individuelles  ou habitat collectif) est corrélé avec le vote extrême. Ces corrélations sont faibles, par exemple :

fig5p

De même, la part d’habitants étrangers est faiblement corrélée avec le vote extrême :

fig6p

Cette figure est intéressante, car elle révèle une corrélation positive faible, qui est renversée au final par l’exception de l’Ile-de-France, caractérisé par des votes extrêmes relativement faibles et une forte proportion d’étrangers (nb : je crois que la définition d’étranger dans ces données est « né à l’étranger »).

Je termine cependant par deux corrélations assez robustes et peut-être surprenantes : d’une part, l’espérance de vie est associée négativement  avec le vote extrême :

fig7p

On peut vérifier que cette corrélation n’est pas l’effet direct du revenu.

 

D’autre part, le taux de fécondité des femmes jeunes (15-24 ans) est associée positivement  avec le vote extrême, de façon très forte :

fig8p

 

A l’inverse, la fécondité des femmes de 35-49 ans est associée négativement avec le vote extrême.

Note s sur les données : le premier post donne les liens sur les données.

Le vote pour les partis extrêmes et la situation économique

Par François Gourio

La situation économique en Europe fait craindre à de nombreux observateurs une augmentation du vote en faveur des partis extrêmes. Dans le cas de la France, le vote Front National ou extrême gauche pourrait bénéficier de l’impopularité actuelle du gouvernement, en particulier si l’opposition ne paraît pas crédible.

L’argument implicite est  que les déterminants économiques du vote sont importants, et en particulier qu’il y a une forte association entre hausse du chômage et vote extrême.

Dans ce billet, je vais illustrer cette corrélation de façon graphique, au niveau des départements. N’étant pas formé en sciences politiques, je présente ces observations de façon purement illustrative, et je suis ouvert à tout commentaire.

Pour définir le vote extrême, j’additionne le vote en faveur du Front National (à l’élection présidentielle de 2012, Marine Le Pen) et des candidats d’extrême gauche (en 2012, Nathalie Arthaud, Jean-Luc Mélenchon et Philippe Poutou). Bien que toute définition des "extrêmes" soit un peu arbitraire, ces candidats ont de commun qu’ils représentent des partis politiques qui n’anticipent pas de participer à une coalition gouvernementale. Les résultats présentés ci-dessous sont très similaires si l’on limite l’analyse à l’extrême gauche, ou à l’extrême droite.

Pour commencer, la première figure montre le vote extrême au premier tour de l’élection présidentielle de Mai 2012, en pourcentage des suffrages exprimés, en regard du taux de chômage en 2011 dans chaque département.

fig1Le numéro de chaque point sur la figure correspond au numéro du département. (Si vous faites partie comme moi des générations qui ont échappé à l’apprentissage des chefs-lieux et des numéros de département, vous pouvez consultez la liste ici.) La corrélation est élevée, proche de 0.7, bien qu’il existe de nombreuses exceptions comme Paris (75), les Hauts-de Seine (92) ou la Seine St-Denis (93), qui votent moins pour les partis extrêmes que leur taux de chômage ne le suggérerait. A l’inverse, le Jura (39) ou la Lozere (48) votent plus pour les partis extrêmes que leur taux de chômage ne le suggérerait.

En moyenne, une hausse du taux de chômage de 1 point est associée à une hausse du vote extrême de presque 1.8 point.

Il faut bien sûr prendre garde à ne pas extrapoler directement cette figures : il est possible que le taux de chômage ne soit pas un déterminant direct du vote extrême, mais que la corrélation entre chômage et vote extrême résulte d’une corrélation avec d’autres variables socio-économiques, elles-mêmes corrélées avec le taux de chômage. Pour prendre un exemple imaginaire, il est théoriquement possible que le vote extrême soit entièrement "causé" par la population immigrée, et que celle-ci soit plus forte là où le chômage est plus élevé. Dans ce cas, l’association relevée entre chômage et vote extrême résulterait d’un artefact, et non d’une relation causale stable.

Mais comment peut-on alors mesurer l’effet direct du taux de chômage sur le vote extrême? Une stratégie rudimentaire consiste à corréler la croissance du chômage par département avec la croissance du vote extrême. Ceci permet de contrôler pour les facteurs "sociologiques" propres à chaque département, si tant est qu’ils soient à peu près constants. (En jargon d’économètre, on met des « effets fixes. ») Par exemple, cela permet de retirer l’effet des structures anthropologiques discutés par Emmanuel Todd et Hervé Le Bras dans leur récent livre. La figure suivante démontre qu’en moyenne, les départements où le chômage a le plus cru entre 2007 et 2012 sont aussi ceux où le vote extrême a le plus cru :

fig3ext

La taille de l’effet est cependant inférieure à celui observé dans la première figure : 1 point de chômage supplémentaire correspond à environ 1 point de vote extrême. Ainsi, le contrôle des effets propres à chaque département conduit à une estimation plus modérée de l’effet causal du chômage.

Un élément sous-jacent intéressant est que l’association entre taux de chômage et vote extrême a changé au cours du temps. Par exemple, en 2002 on obtient la figure suivante :

fig3

La corrélation, quoique positive, est nettement plus faible qu’en 2012 (pour les amateurs, le coefficient de corrélation est de 0.44 contre 0.70 en 2012, et la pente de 1.2 contre 1.8). Il semble donc que le vote extrême soit devenu « plus économique » qu’avant.

Enfin, au niveau national, le vote extrême ne paraît pas fortement corrélé avec le taux de chômage: par exemple, le vote extrême a augmenté entre 1995 et 2002 alors que le chômage baissait nettement. Mais il est difficile de contrôler pour tous les autres facteurs qui ont pu affecter le vote extrême entre 1995 et 2002. L’avantage des données départementales est précisément qu’elles présentent plus de variation indépendante.

Conclusion

Que déduire de ces figures, avec bien des précautions ? Il y a effectivement une association forte entre chômage et vote extrême aujourd’hui, et plus qu’autrefois. En extrapolant l’évolution récente, une hausse du taux de chômage de 2 points par-rapport à 2012 conduirait à une hausse du vote extrême d’environ 2 points. Cependant, il faut garder à l’esprit que les variables économiques n’ont qu’un pouvoir d’explication limité : toutes ces corrélations demeurent imparfaites (on le voit bien sur la seconde figure en particulier ou la variation du vote extrême n’est que peu expliquée par la variation du chômage).

Notes sur les données : les données ont été créées en liant des variables socio-économiques disponibles sur le site de l’INSEE et les résultats des élections (source). Un fichier Stata® contenant les données collectées est disponible ici. Les intitulés de variables sont relativement explicites. Code Stata® ici. Cet autre code organise les données sous forme de panel. Il serait évidemment très intéressant de poursuivre cette analyse à un niveau plus désagrégé, chaque département étant très héterogène.

L’assurance à prix cassés

Dans les mois qui ont suivi la faillite de Lehmann Brothers en septembre 2008, les entreprises ont vu leur financement se tarir au-delà de ce que les plus pessimistes avaient pu imaginer. On se rend mieux compte aujourd’hui de la situation dramatique dans laquelle même les emprunteurs les plus solides ont été placés. La Fed a révélé en 2011 l’étendue des prêts d’urgence qu’elle avait consentis à l’époque ; ce graphique de Bloomberg  en donne une illustration frappante. Les institutions financières (dont beaucoup ne sont pas américaines) arrivent en tête, mais de nombreuses entreprises d’autres secteurs ont aussi eu recours à ces prêts.

Un article récent nous dévoile un autre aspect de cette crise de financement. Dans "The Cost of Financial Frictions for Life Insurers", Ralph Koijen (Chicago) et Motohiro Yogo (Minneapolis Fed) montrent comment dans les derniers mois de 2008, les grands assureurs  ont vendu certains de  leurs produits à prix cassés afin de se procurer des liquidités. Koijen et Yogo étudient le marché de l’assurance-vie ainsi que celui des annuities—on dirait en France des rentes. Les rentes sont un produit financier très simple. Prenons l’exemple d’une 10-year term annuity, soit une rente de dix ans :  en échange d’un  paiement initial, l’acheteur se voit garantir par l’assureur un paiement d’un dollar chaque année, pendant dix ans.  A l’échéance, l’assureur ne doit plus rien à l’acheteur, qui a simplement transformé un capital initial en un revenu régulier.  La somme des revenus est de dix dollars, mais la valeur de la rente est moindre : l’acheteur aurait pu aussi se garantir un flux de revenus équivalents  en se munissant de bons du Trésor américain par exemple, qui rapportent un intérêt. Dans des circonstances normales, une telle annuity se négocie autour de 8,5 dollars—une valeur proche du  prix du portefeuille  équivalent de bons du Trésor.

A la fin de 2008, la valeur des annuities s’est brutalement effondrée. Koijen et Yogo donnent l’exemple d’une rente de dix ans vendue par Met Life, un très gros assureur. En novembre 2008, Met Life proposait cette rente pour 7,74 dollars, alors même qu’il lui en coûtait….  8,48 dollars pour acheter le portefeuille équivalent au Trésor ! Ce n’est pas un exemple isolé : les auteurs estiment que les rentes ont été vendues bien au-dessous de leur coût en moyenne en novembre et en décembre 2008, et que les polices d’assurance-vie étaient bradées de manière encore plus spectaculaire.

Comment l’expliquer ? à l’automne 2008, il était devenu de plus en plus difficile pour les entreprises de se procurer des liquidités ; et celles qui en disposaient les gardaient précieusement dans la crainte d’avoir à les utiliser. Dans ces conditions, chacun essayait de vendre ce qui pouvait l’être afin de se procurer de l’argent frais. Pour les assureurs, il s’agissait de vendre des polices ; chaque  contrat vendu  leur permettait de se procurer des fonds, en espérant que leur situation se rétablisse avant qu’ils n’aient à verser l’essentiel des flux de revenus correspondants.  Les rentes de long terme ont les caractéristiques idéales, puisqu’elles laissent plus de temps à l’assureur pour se refaire une santé. C’est bien ce que l’on a observé : le taux de marge était proche de zéro sur les rentes à 5 ans, et atteignait… -20% sur les rentes à 30 ans.

Un mystère demeure : comment les autorités de contrôle prudentiel des assurances, habituellement très strictes, ont-elles pu autoriser ce type de stratégie acrobatique ? La réponse tient à une particularité de la régulation des rentes, qui autorise les assureurs à  actualiser leurs engagements à un taux indexé sur les rendements des obligations. Comme le rendement exigé par les prêteurs sur le marché des corporate bonds s’était envolé, les réserves requises des assureurs ont beaucoup diminué. Du coup, les assureurs ont pu solder ces produits  sans craindre de perdre leur précieux rating (la notation que leur attribuent les agences qui jugent de la solvabilité des emprunteurs).

D’autres stratégies étaient possibles, et de nombreux assureurs les ont explorées : acheter une banque (parfois pour la revendre une fois la crise passée), fusionner, etc. Mais cette solde de rentes a été pratique courante. On murmure  qu’aujourd’hui de grands assureurs ont créé des filiales de shadow insurance pour y parquer leurs engagements correspondants… mais ceci est une autre histoire.