Corps de l’article

Introduction

Un grand nombre d’études empiriques ont montré que la recherche-développement a un taux de rendement privé supérieur au taux de rendement normal et un taux de rendement social encore plus élevé. Ces deux constatations suggèrent que les pouvoirs publics ont intérêt à encourager la recherche-développement (R-D). Dans ce but, les gouvernements se sont dotés de mesures fiscales visant à encourager les firmes à faire de la R-D. Les montants impliqués dans les incitatifs fiscaux ne sont pas négligeables. Au Canada, en 1992, les demandes de crédits d’impôt fédéraux à la recherche-développement (sans compter les crédits d’impôt provinciaux) se chiffraient à 1,1milliard de dollars, représentant à peu près 20 % des dépenses de R-D de la part des entreprises canadiennes[1].

Est-ce que ces dépenses fiscales consenties pour favoriser la recherche privée valent vraiment l’argent du contribuable? La question est d’autant plus épineuse pour le Canada que ce dernier est un des pays de l’OCDE avec le plus faible ratio R-D/PIB, alors que les gouvernements fédéral et provinciaux du Canada sont parmi les plus généreux en matière d’incitations fiscales à la R-D[2]. L’objectif de cette étude est de vérifier si les firmes canadiennes réagissent à ces incitations et de combien. Plusieurs études ont été menées pour répondre à cette question et les résultats sont mitigés. Nous réexaminons la question à partir des données de firmes canadiennes tirées de la banque de données Compustat. Les données individuelles sont d’autant plus appropriées pour aborder la question que les incitations fiscales varient entre firmes nous permettant ainsi de tenir compte de la capacité des firmes à pouvoir bénéficier ou non des incitatifs fiscaux.

Dans la section suivante, nous présentons le cadre fiscal canadien en matière de R-D. La deuxième section brosse un résumé des résultats obtenus à date dans la littérature. Dans la section 3, nous décrivons les données qui sous-tendent notre étude. Dans la section 4, nous présentons notre spécification économétrique et dans la section 5 les résultats d’estimation. Dans la section 6, nous discutons des limites de notre analyse. Nous concluons dans la dernière section en présentant la portée pratique de nos résultats. La liste des industries auxquelles appartiennent les entreprises de notre échantillon, les définitions et les sources de nos données, la mesure de l’indice d’incitation fiscale et quelques tableaux descriptifs de nos données sont présentés en annexe.

1. Construction d’un indice d’incitation fiscale à la R-D

Au cours des années, maintes formes de soutien fiscal à la recherche scientifique et au développement expérimental (RD&SE), à la R-D pour simplifier, ont été introduites au Canada : la déduction immédiate des dépenses de R-D, les crédits d’impôt provinciaux et fédéraux, le crédit d’impôt sur la recherche incrémentale, le remboursement partiel ou les reports prospectifs et rétrospectifs des crédits d’impôt inutilisés, les transferts de crédits d’impôt à des partenaires associés, et bien d’autres. Ces mesures incitatives varient selon la région où se fait la recherche, la taille de l’entreprise, l’année et la capacité de la firme à les utiliser.

Résumons en quelques mots l’évolution des incitations fiscales canadiennes à la R-D. Au niveau fédéral, la déductibilité des dépenses de R-D a toujours fait partie du décor avec quelques nuances quant à la définition de la R-D déductible. Depuis le milieu des années soixante-dix, le crédit d’impôt à la recherche est largement utilisé et a été plusieurs fois élargi. Le crédit d’impôt à la recherche incrémentale est également en application depuis le début des années soixante. Il fut abandonné en 1983, quand fut introduit le crédit d’impôt à la recherche scientifique transférable à des investisseurs. Cette règle donna lieu à des abus et fut abrogée deux ans plus tard pour faire place davantage à un mécanisme de remboursement partiel et à des formules de report prospectif des crédits non utilisés. Presque toutes les provinces canadiennes (l’Alberta et l’Île-du-Prince-Edouard sont les deux exceptions) ont depuis quelques années introduit leurs propres taux de crédit d’impôt sur le niveau ou l’accroissement de R-D, qui diminuent ou non les crédits d’impôt éligibles au fédéral[3].

Nous avons construit un indice d’incitation fiscale à la recherche, où nous avons inclus toutes les mesures possibles que nous pouvions quantifier. Il reste que certaines mesures incitatives n’ont pas pu être prises en compte par manque de données disponibles, telles que le traitement accéléré des crédits d’impôt annoncé en 1988, le traitement différentiel des dépenses de R-D effectuées à l’étranger, la réduction des crédits d’impôt en raison d’aide gouvernementale ou de paiements contractuels ou le différentiel de crédits d’impôt liés à certains types de R-D comme la recherche de base, la recherche en consortium ou la recherche environnementale[4]. Cet indice, qui correspond à l’indice B de McFetridge et Warda (1983), est défini comme le coût net d’un dollar de dépense de R-D, après déduction de toute la gamme d’incitations fiscales quantifiables à la R-D, relatif au revenu net d’un dollar de recette. Par exemple, si la R-D est entièrement déductible des revenus imposables, et si le taux d’imposition corporatif est de 50 %, un dollar de R-D coûte effectivement 0,50 $. Un dollar de bénéfice de vente rapporte après taxe également 0,50 $. L’indice d’incitation fiscale à la recherche est donc de 1 : il faut un dollar de bénéfice avant taxe pour récupérer le coût d’investissement de la recherche. Si le taux de crédit d’impôt est de 20 % et si la proportion de la R-D déductible d’impôt est réduite du montant de ce crédit, le coût effectif d’un dollar de R-D baisse à 0,40 $, ce qui rapporté à un taux de bénéfice après taxe de 50 % correspond à un indice d’incitation fiscale de 0,8. La formule que nous avons utilisée pour calculer l’indice global d’incitation fiscale à la R-D est présentée à l’annexe 3.

2. Revue de la littérature

Pour déterminer l’efficacité des incitations fiscales à la R-D, il faudrait idéalement procéder à une analyse coût-bénéfice, c’est-à-dire comparer le coût social d’un prélèvement additionnel de taxe, ou d’un redéploiement de taxe d’un volet fiscal à un autre, au bénéfice social de la R-D additionnelle engendrée par l’incitation fiscale. Une telle analyse nécessite une information détaillée sur l’utilisation alternative des taxes allouées à la R-D et des bénéfices ainsi sacrifiés, de même que la connaissance de toutes les retombées indirectes de la recherche et des coûts administratifs d’une politique de soutien à la recherche. Faute d’avoir toute cette information, la solution alternative retenue dans la littérature consiste à estimer combien de R-D est engendrée par dollar de dépense fiscale. Si la nouvelle R-D dépasse les sacrifices de rentrée d’impôt, à première vue cette politique est préférable à un financement direct de la recherche par le gouvernement[5].

Les premiers travaux dans ce domaine se basent sur des enquêtes auprès d’entreprises. Ainsi Mansfield et Switzer (1985) ont conclu, sur base d’une enquête portant sur 55 firmes canadiennes, que la R-D engendrée par les incitations fiscales ne rapportait guère plus que 40 % des dépenses fiscales. Une étude australienne (Australian Bureau of Industry Economics, 1993) révèle que seulement 17 % de la R-D australienne se fait en réponse aux incitations fiscales, ce qui revient à des incréments de recherche entre 0,60 $ et 1,00 $ par dollar de dépense fiscale.

L’approche alternative consiste à estimer économétriquement sur base de données macroéconomiques, industrielles ou individuelles la relation entre la R-D et les incitations fiscales à la R-D. Il s’agit d’estimer une équation de flux ou de stock de R-D avec, entre autres variables explicatives, le coût d’usage de la R-D, qui dépend des paramètres fiscaux. Les élasticités ainsi estimées varient sensiblement d’une étude à l’autre suivant que la spécification est en flux ou en stocks de R-D, que l’on estime des élasticités de court ou de long terme, que l’on considère toute la R-D exécutée ou seulement celle financée par les entreprises, que les données se rapportent à des industries ou à des entreprises et enfin suivant le pays qu’on considère et notamment suivant que les incitations fiscales portent sur le niveau ou l’acroissement de R-D[6]. Les coûts pour le gouvernement de la politique de soutien fiscal à la recherche sont soit des montants rapportés par les pouvoirs publics, soit des montants simulés suite à un changement de politique fiscale à la R-D. Pour un survol plus détaillé de cette littérature, le lecteur pourra consulter Dagenais-Mohnen-Therrien (1997) et Hall et van Reenen (2000).

Pour résumer, les élasticités-prix de long terme de la R-D se situent dans une fourchette allant de 0,25 à 2,0. Hall et van Reenen (2000) concluent qu’il est assez raisonable de partir d’une élasticité unitaire pour simuler l’efficacité des incitations fiscales à la R-D. Il est important de prendre en compte quelques autres éléments qui peuvent être importants pour affiner le calcul de l’efficacité. Le premier est l’effet d’entraînement des rendements de la R-D sur la R-D elle-même. Bernstein (1986) évalue qu’un dollar de revenu fiscal perdu engendre 0,80 $ de nouvelle R-D, si la production est maintenue constante, et 1,05 $ à 1,70 $, si la R-D provenant du surplus de production est prise en compte. De même, au niveau social, la R-D engendrée peut s’accompagner d’externalités intra et interindustrielles. Cet aspect a été rarement traité dans la littérature. Et, finalement, il n’est pas anodin de tenir compte des limites d’utilisation des crédits d’impôt. Un des premiers travaux dans ce domaine, celui de Eisner, Albert et Sullivan (1986), avait déjà insisté sur le fait que peu de firmes pouvaient se prévaloir des crédits d’impôt à la recherche incrémentale aux États-Unis, et que dans certains cas l’effet pouvait même être pervers. Mairesse et Mulkay (2003) estiment des élasticités de la R-D au taux effectif de crédit d’impôt recherche en France assez différentes suivant l’incorporation ou non de planchers et plafonds dans l’utilisation de cette déduction fiscale. Dans l’étude rapportée ici, nous utilisons des données d’entreprises, avec un prix effectif de la recherche spécifique à chacune, qui tient compte des particularités propres à chaque firme et des plafonds dans l’utilisation des crédits d’impôt.

3. Données[7]

Nous utilisons des données annuelles de firmes canadiennes tirées de la banque de données Compustat (Canadian file) de Standard and Poor’s, pour les années allant de 1975 à 1992. Elle nous donne un grand nombre de renseignements, dont les dépenses en R-D et certaines caractéristiques technologiques et financières de la firme. Cette banque de données inclut les firmes les plus importantes (en termes de revenus ou de capitalisation) échangées sur les plus importants marchés publics aux États-Unis (New York Stock Exchange, American Stock Exchange et NASDAQ) ainsi que celles qui font partie du TSE300 de la bourse de Toronto. L’information provient des rapports annuels et des rapports 10K déposés auprès de la Securities and Exchange Commission (SEC) des États-Unis, l’équivalent américain des Commissions provinciales canadiennes sur les valeurs mobilières.

Pour obtenir des résultats empiriques fiables, nous avons dû procéder à un nettoyage dans la banque de données afin d’éliminer les firmes au comportement atypique. Pour commencer, nous avons éliminé les firmes que nous soupçonnions d’avoir été subventionnées dans leurs dépenses de recherche-développement, que ce soit par les gouvernements ou par d’autres firmes. Pour ces firmes, en effet, les incitations à la R-D ne jouent pas, ou en tout cas moins que pour les firmes qui s’autofinancent. Nous avons utilisé deux méthodes pour identifier ces firmes. Premièrement, la banque de données nous indique quelquefois la présence de subventions gouvernementales ou autres. Il se peut qu’une firme ait obtenu une subvention gouvernementale pour une seule année. Dans ce cas, nous avons comparé son intensité de R-D (R-D / ventes) avant et après la subvention. En l’absence de changement significatif, nous avons gardé l’observation et considéré que la subvention était minime. Deuxièmement, si la variable « revenus avant items extraordinaires » majorée des dépenses de R-D est négative, et ce pour trois années consécutives, nous avons éliminé toutes les observations relatives à cette firme. Ce critère est basé sur l’idée qu’une firme ne peut, à moyen terme, rester sur le marché tout en étant déficitaire. Ces firmes pourraient faire partie des sociétés qui en vertu de la Loi de l’impôt sur le revenu (loi fédérale) et de la Loi sur les impôts du Québec (loi québécoise) peuvent attribuer une partie de leurs crédits d’impôt à des firmes associées (commanditaires) qui voient ainsi leur charge fiscale diminuer. N’ayant pas l’information nécessaire pour retracer les firmes associées, nous avons préféré éliminer ces sociétés.

Notre deuxième critère de sélection a trait à la définition des dépenses de R-D. Compustat nous informe que pour certaines années des firmes ont gonflé leurs dépenses de R-D par des dépenses de type « ingénieries »[8]. Nous avons éliminé ces firmes, car il nous était impossible de déterminer la proportion des dépenses d’ingénierie dans les dépenses totales de la R-D de la firme. Par contre, si un tel gonflement était occasionnel, et si nous n’observions aucun changement significatif dans l’intensité de la R-D avant et après ce gonflement rapporté, alors nous avons gardé la firme dans notre échantillon. Le troisième critère d’exclusion se rapporte à la variable intensité de la R-D. Nous pouvons nous attendre à ce que ce ratio soit inférieur à un. En effet, la logique comptable nous amène à penser que les dépenses de ce seul compte ne peuvent excéder les recettes totales de la firme. Ce ratio peut cependant dépasser l’unité chez les firmes naissantes car elles n’arrivent pas tout de suite à faire un chiffre d’affaires suffisant pour couvrir leurs coûts de recherche. Par contre, une firme ne peut être viable en ayant continuellement une intensité de R-D supérieure à un. Dans les faits, les firmes que nous avons éliminées sur la base de ce critère font partie de l’ensemble des firmes soupçonnées d’être subventionnées. Notre quatrième critère d’exclusion a trait aux sociétés holdings de firmes. À ce titre, nous avons écarté 17 firmes comme par exemple la compagnie BCE Inc. qui regroupe les firmes Bell Canada, Northern Telecom et Bell Mobility incluses dans notre échantillon. Enfin, pour avoir suffisamment d’observations par firme dans la dimension temporelle, nous avons éliminé toutes les firmes qui ont moins de quatre observations. Ainsi, des 5 642 observations et 573 firmes que nous avions dans l’échantillon complet, il reste un panel non équilibré de 434 firmes pour un total de 4 859 observations dans l’échantillon restreint.

Nous avons utilisé la banque de données Cancorp plus de Disclosure Inc. (1995) ainsi qu’une banque de données interne à Industrie Canada, section Bureau des Corporations, pour obtenir la localisation des firmes. En effet, le prix effectif de la R-D varie d’une province à l’autre. N’ayant pas d’information sur la localisation provinciale de la recherche faite par ces firmes, nous faisons l’hypothèse que celles qui effectuent de la recherche dans plusieurs provinces y répartissent leur recherche de manière uniforme[9].

La nationalité du contrôle de la firme provient de la publication de Statistique Canada « Lien de parenté entre entreprises », catalogue 61-517[10]. Pour dégonfler les ventes, nous utilisons les prix implicites de la production par industrie des tableaux entrées-sorties de Statistique Canada, catalogue 15-201 et 15-202. L’industrie d’appartenance de la firme est l’équivalent canadien de l’industrie associée par Compustat à chaque firme.

En collaboration avec M. Antoine Rose de Statistique Canada, nous avons construit des dégonfleurs de la recherche-développement pour 39 industries. Ces dégonfleurs sont des indices de Laspeyres enchaînés basés sur l’indice implicite des salaires et traitements versés au personnel de recherche pour les dépenses de personnel de R-D et sur l’indice implicite du PIB pour les autres dépenses courantes, l’outillage, ainsi que les terrains et édifices servant à la R-D. Les données sur la R-D, les salaires des chercheurs et le personnel de recherche propres à chaque industrie proviennent de l’enquête sur la R-D industrielle de Statistique Canada (cat 88-202). Environ 60 % des coûts de recherche sont donc spécifiques aux industries. Pour le restant des coûts de la R-D, il nous a paru raisonnable de supposer que les coûts ne varient pas beaucoup d’un secteur à l’autre et dès lors d’utiliser l’indice du PIB comme prix moyen représentatif[11].

Le stock de R-D de départ est construit en supposant que ce stock s’est accru pour chaque firme durant l’ensemble de sa période d’échantillonnage au même taux que la production brute[12]. Cette procédure nous permet de construire un stock de départ de R-D particulier à chaque firme. Pour les autres années, le stock de R-D s’accumule par la formule de l’inventaire permanent. Le coût d’usage de la recherche est défini comme le prix effectif multiplié par la somme du taux d’intérêt (nous avons pris celui des obligations gouvernementales de 10 ans et plus, tirés de la Banque du Canada) et du taux de dépréciation de la R-D, fixé à 10 %.

Avant de passer au modèle, voici quelques caractéristiques de nos données. Parmi les 434 firmes de notre échantillon (après nettoyage), uniquement 108 font ou déclarent faire de la R-D. Pour environ 70 d’entre elles nous avons des séries longues d’au moins 10 années consécutives. Comme l’indique le tableau A4.1, à chaque année, mis à part les trois premières, entre 16 % et 20 % de nos firmes font de la R-D, alors que pour l’économie canadienne dans son ensemble ce taux était de 0,3 % en 1980 (ministère des Finances, 1983). Les firmes faisant de la R-D sont donc relativement sur-représentées dans notre échantillon.

L’indice d’incitation fiscale (F) varie entre 0,60 et 1,17 au niveau industriel (tableau A4.2). Une bonne partie de la variabilité dans cet indice provient des plafonds propres à chaque firme dans l’utilisation des incitations fiscales. Ainsi pour 20 % des observations de firmes faisant de la R-D, les dépenses de R-D n’ont pu être déduites dans leur totalité à cause du manque d’impôts à payer dans l’année même où les dépenses ont été encourues (δ0 < 1 voir annexe 3). Dans seulement 11 % des cas, les crédits d’impôt n’ont pu être entièrement réclamés à l’année d’exécution de la R-D (H < 1). Pour 22 % des observations avec R-D, les crédits d’impôt à la recherche incrémentale n’ont pu être revendiqués (ψ = 0). Le tableau A4 donne, par industrie, un apercu des ordres de grandeur des principales variables utilisées dans le modèle.

4. Spécification économétrique

Nous sommes en présence de firmes dont certaines font de la R-D et d’autres n’en font pas ou n’en déclarent pas. Les firmes qui sont cotées sur les marchés des États-Unis doivent déclarer leurs dépenses de R-D à la SEC (Securities and Exchange Commission), si elles sont substantielles ou si elles dépassent 1 % du chiffre d’affaires. Pour ces firmes-là, nous pouvons supposer que celles pour lesquelles nous n’avons pas de R-D déclarée ou des données manquantes sur la R-D effectivement n’en font pas[13]. Environ la moitié des firmes de notre échantillon n’ont pas soumis de rapport 10K à la SEC. Les chiffres que Compustat publie à leur égard proviennent de leurs rapports annuels. Ce sont essentiellement des firmes canadiennes faisant partie du TSE300, qui ne sont pas cotées sur les marchés publics américains. Trois raisons nous portent à croire qu’il est peu vraisemblable que ces firmes ne dévoilent pas leur R-D dans leurs rapports annuels. Premièrement, la proportion d’entre elles qui font de la R-D est à peu près la même que pour l’échantillon dans son ensemble. Il ne semble donc pas y avoir pour ces firmes de biais systématique de non-déclaration de R-D. Deuxièmement, selon les règles de comptabilité canadiennes, les firmes sont censées rapporter leur dépenses de R-D dans leurs états financiers[14]. Troisièmement, toutes les firmes de notre échantillon sauf trois, parmi celles qui font partie des 100 firmes canadiennes les plus importantes en R-D, déclarent faire de la R-D[15].

Nos données se prêtent donc bien à l’application du modèle Tobit généralisé. Les firmes font de la recherche si g(zt) + u2t > 0, où zt est un vecteur de variables qui détermine le seuil minimal en-dessous duquel les firmes ne font pas de R-D et u2t est une variable aléatoire. Nous avons supposé que g(.) est une fonction logarithmique. Si g(zt)+u2t ″0, les firmes ne font pas de R-D. Si les firmes en font, l’investissement potentiel est réalisé. Comme les dépenses de R-D constituent un investissement en capital intangible, il est plus satisfaisant d’un point de vue théorique de spécifier une équation d’accumulation du capital de R-D qu’une simple fonction d’investissement. Nous supposons que ce stock se déprécie à un certain taux δ égal à 10 %[16]. Par ailleurs, beaucoup de travaux empiriques ont montré qu’il existe des coûts d’ajustement associés à l’accumulation du stock de R-D (mise sur pied d’une équipe de recherche, financement du projet, élaboration d’un programme de recherche). Cependant, au lieu de spécifier une fonction de coût d’ajustement, nous avons opté pour une spécification d’ajustement partiel du stock, qui est cohérente avec un modèle de coût d’ajustement (sur les investissements nets comme sur les investissements de remplacement) (voir Lucas, 1967). Le modèle complet devient donc :

R*it est le stock désiré de R-D au temps t, fonction doublement logarithmique des variables xit, Rit est le stock de R-D à la fin de la période t, α est la fraction de l’ajustement réalisé au temps t, et les variables aléatoires u1, it et u2, it ont une distribution normale bivariée de moyennes nulles et de matrice de covariances Σ. Nous avons opté pour une forme doublement logarithmique parce qu’elle produit de meilleurs résultats et a l’avantage de réduire la possibilité d’hétéroscédasticité dans les termes d’erreur. Nous avons aussi posé l’hypothèse d’indépendance entre observations[17]. L’estimation d’un tel modèle par le maximum de vraisemblance donne des estimateurs convergents (voir Maddala, 1983; Gouriéroux, 1989).

Parmi les variables xit et zit qui déterminent le montant de R-D et la décision de faire ou non de la R-D, notre intérêt portera principalement sur le prix effectif de la recherche, qui est le dégonfleur de la recherche divisé par le prix de vente du produit et multiplié par l’indice d’incitation fiscale, défini en annexe. Un biais de simultanéité peut exister dans la mesure où les crédits d’impôt peuvent varier avec le montant de recherche et dans la mesure où les plafonds de déduction et de crédits d’impôt peuvent être atteints. Ce biais devrait être faible car notre échantillon est biaisé envers les grandes firmes, qui de toute façon ne font pas partie de la tranche de capital bénéficiant des crédits les plus généreux et qui ont généralement assez de revenus pour ne pas atteindre les plafonds de crédits utilisables. Pour avoir une demande de R-D homogène de degré zéro dans les prix, nous avons divisé le dégonfleur de la R-D par le prix de vente du produit au lieu du prix d’un input spécifique, car le prix de vente représente un indice général des prix des inputs (même en présence d’un mark-up constant du prix sur le coût moyen de production).

Un certain nombre d’autres déterminants devront être pris en compte pour neutraliser leurs effets sur le montant de R-D engagé[18], [19] :

  • La R-D dans l’industrie. Un effet positif indiquerait un effet d’entraînement, une complémentarité stratégique entre la R-D propre et la R-D des autres firmes dans l’industrie, due par exemple à la nécessité de faire de la R-D pour absorber les externalités technologiques intra-industrielles. Un effet négatif indiquerait une substituabilité entre la recherche propre et celle des autres firmes de l’industrie. La plupart des études trouvent un effet de complémentarité entre la R-D propre et celle d’autrui pour les grandes firmes ou les firmes technologiquement avancées et un effet de substitution pour les autres firmes (voir Mohnen, 1996).

  • Les bénéfices retenus accumulés. Pour ne pas devoir divulguer une partie de leur savoir technologique, les firmes préfèrent financer leur recherche à partir de leurs fonds propres au lieu d’avoir recours aux banques ou aux marchés financiers (voir Himmelberg et Petersen, 1994). Donc, les dépenses de R-D se font quand des fonds internes de financement sont disponibles (voir Berger, 1993).

  • La taille. Pour des raisons de rendements d’échelle dans la R-D, de possibilités de financement corrélées avec la taille et de perspectives de rendements plus élevés liés à un plus grand marché, on s’attendrait à ce que la taille influence positivement le montant de R-D. Par contre, la lourdeur de prises de décision dans une firme de grande taille risque de peser négativement sur la R-D. Les résultats empiriques sont assez partagés sur ce point. Scherer (1980) cite des études qui ont révélé l’existence d’un seuil au-delà duquel la R-D augmente moins que proportionnellement avec les ventes et d’autres études qui tendent à montrer que la relation entre l’intensité de la recherche et les ventes est en forme de U renversé, les firmes les plus intensives étant de taille moyenne. Par contre, Bound et al. (1984) font plutôt état d’une relation en forme de U. Nous mesurons la taille par le chiffre d’affaires[20].

  • La nationalité du contrôle de la firme. Il est souvent dit que le Canada a une intensité de recherche plus faible que la plupart des autres pays du G-7 parce qu’il abrite beaucoup de firmes sous contrôle étranger. Ces firmes-là feraient leur recherche davantage à leur siège social. Par contre les travaux de Hines (1993, 1994) indiquent que les firmes multinationales ne sont pas insensibles aux considérations fiscales pour localiser leur R-D à travers le monde. Bloom, Griffith et Van Reenen (2000) confirment cet effet.

  • L’indicatrice sectorielle qui capte tous les effets spécifiques à l’industrie non pris en compte par d’autres variables, tels que le degré de concentration dans la branche ou l’opportunité technologique. Le capital physique qui peut être complémentaire ou substituable à la recherche. Plus souvent les études empiriques révèlent un lien de complémentarité.

  • Les indicatrices annuelles qui captent le progrès technique ou les effets spécifiques à la période, tels que les changements dans la politique fiscale de soutien à la recherche que nous n’avons pas pu prendre en compte dans notre indice d’incitation fiscale.

5. Analyse des résultats

Nous avons paramétré de nouveau les éléments de la matrice de variance-covariance des termes Σ, sous la forme Σ = (1, ρσ2 | ρσ2, σ22), où σ1 = 1, ρ = coefficient de corrélation entre u1, it et u2, it; et σ2 = l’écart-type de u2, it, en posant w = ln(σ2) et z = 0,5 ln[(1 + ρ) / (1 – ρ)], pour que Σ soit définie positive. S’il y a hétéroscédasticité dans le terme d’erreur, et si elle n’est pas prise en compte dans la formulation de la fonction de vraisemblance, les estimateurs ne sont plus convergents. Pour éviter les problèmes d’hétéroscédasticité, nous avons au préalable (et ce pour chaque spécification que nous avons explorée) estimé par la méthode des moindres carrés ordinaires la partie quantitative du modèle et appliqué un test de Breusch-Pagan. Comme celui-ci révélait de l’hétéroscédasticité, nous avons régressé le logarithme des termes d’erreur élevés au carré sur un certain nombre de variables qui donnaient des résultats significatifs et corrigé les variables explicatives par les écarts-type estimés. En présence d’autocorrélation non prise en compte dans la fonction de vraisemblance, les estimateurs restent convergents, mais ne sont plus efficaces, et par ailleurs les écarts-type estimés des paramètres ne sont plus convergents. En testant pour une autocorrélation du premier ordre dans la partie quantitative du modèle en supposant un coefficient d’autocorrélation identique pour les erreurs résiduelles de toutes les firmes, nous obtenions un coefficient de l’ordre de 0,25. Pour un coefficient d’autocorrélation de cette grandeur, il nous a paru préférable de ne pas corriger pour ce phénomène (voir Fomby-Guilky, 1978 et Dagenais, 1994).

Nous avons estimé le modèle pour différentes valeurs de ρ. Au tableau 1, nous faisons état des estimations pour ρ = 0,9[21]. Dans les deux parties du modèle, nous avons éliminé la variable nationalité du contrôle de la firme car son coefficient n’était pas significatif et changeait peu de choses au reste des résultats. Pour la même raison, nous avons éliminé la variable bénéfices retenus dans la partie probit du modèle[22]. Il n’y a pas de variable dichotomique propre à l’industrie dans la partie probit, car si toutes les firmes d’une industrie font ou ne font pas de recherche, cette variable dichotomique à elle seule explique l’entièreté de la partie qualitative pour cette industrie et par conséquent son coefficient est indéterminé. Il est aussi à noter que pour éviter des problèmes de simultanéité nous avons utilisé les valeurs retardées d’une période pour les variables ventes et stock de capital physique et mesuré le stock de R-D de l’industrie en y soustrayant la R-D propre à la firme.

Les coefficients ayant trait au coût d’usage effectif de la recherche ont le signe attendu : si le prix effectif de la R-D diminue, la probabilité d’entreprendre de la recherche pour les firmes qui n’en faisaient pas et le montant de recherche engagée pour celles qui en faisaient déjà augmentent. Le coefficient est petit et peu significatif dans la partie probit. Dans la partie régression, l’élasticité de la recherche à son coût d’usage est de -0,07 à court terme et de -1,09 à long terme, compte tenu de la vitesse d’ajustement du stock de R-D estimée à environ 6 % par an[23]. Ces estimations s’apparentent à celles que l’on rencontre dans la littérature. Donc si, suite à des changements fiscaux, le prix effectif de la recherche venait à diminuer de 10 %, à court terme le stock de R-D augmenterait de 0,7 % et à long terme il augmenterait de 10,9 %.

Le stock de R-D augmente avec la taille de la firme. Il semble y avoir une complémentarité entre le capital de recherche et le capital physique, mais une substituabilité entre la R-D propre et celle de l’industrie. Comme on s’y attendait, la disponibilité de fonds internes augmente la recherche, mais le coefficient n’est pas significatif. Les variables dichotomiques temporelles sont toutes significatives et suggèrent une augmentation du stock de recherche au cours du temps. Les effets sectoriels (non rapportés) peuvent s’interpréter comme des indicateurs d’opportunité technologique. Il n’est pas étonnant que les secteurs intensifs en recherche, comme ceux des équipements de télécommunication, du matériel de bureau, des produits pharmaceutiques, du matériel scientifique et des services informatiques et autres, aient des coefficients positifs. Pour ce qui est de la partie qualitative, les ventes et le capital physique ont un signe négatif. Il semblerait donc que dans notre échantillon il y ait moins de grosses firmes que de petites firmes qui font de la recherche. Il est peu probable qu’une même firme cesse de faire de la recherche en grandissant. D’ailleurs, si les firmes faisaient de la recherche auparavant, elles continuent à en faire (signe positif de la variable stock de R-D retardée). Les variables dichotomiques temporelles (non rapportées dans le tableau 1) ont le signe positif, indiquant une plus grande propension à faire de la R-D pour toutes les années par rapport à 1975.

Nous avons procédé à quelques analyses de sensibilité.

  1. Si nous ajoutons les effets individuels (après élimination des indicatrices sectorielles), l’effet prix devient non significatif et tombe pratiquement à zéro tant à court terme qu’à long terme. Il y a en quelque sorte surparamétrisation avec les effets fixes individuels. Presque tout le pouvoir explicatif réside dans ces effets fixes. Un tel résultat est courant dans les panels. Il est plus difficile d’extraire de l’information de la variation temporelle qui subsiste après prise en compte des effets fixes individuels.

  2. Le remplacement des indicatrices temporelles par une variable tendance avec ou sans un terme tendance au carré pour capter l’accélération du progrès technique donne des résultats moins satisfaisants.

  3. Comme le nombre de firmes peut varier entre industries, ce n’est peut-être pas tant le stock de R-D de l’industrie que le stock moyen par firme de l’industrie qui importe. Nous avons divisé le stock de l’industrie par le nombre de firmes qui font de la recherche ou par le nombre total de firmes dans l’industrie. Les résultats n’en sont que marginalement affectés. Comme les données sur le nombre de firmes faisant de la R-D ainsi que le nombre total dans l’industrie ne sont pas très fiables, en raison des changements dans les enquêtes R-D et des changements de classification industrielle, nous avons préféré ne pas retenir ces résultats.

  4. Le prix effectif de la recherche est lui-même endogène, dans la mesure où certains plafonds dans l’utilisation des crédits d’impôt ou la capacité de pouvoir déduire les côuts de la recherche dépendent du montant de R-D engagé. Si nous instrumentons le prix effectif de la recherche par une régression de celui-ci sur le prix sans plafonds et d’autres variables exogènes, nous contournons ce problème d’endogénéité. L’élasticité-prix de court terme s’en trouve légèrement augmentée mais pas de façon significative.

  5. Nous avons fait une régression sur les moyennes des variables (sur la partie quantitative du modèle uniquement), en laissant tomber la variable dépendante retardée. Ceci revient à faire une estimation dans la dimension interfirmes, qui supprime les variations temporelles. Nous obtenons de la sorte une autre estimation de l’élasticité-prix à long terme de la R-D. Le coefficient du prix effectif est de -1,3 avec une statistique t de 1,7. Cette estimation ne semble pas différente de celle obtenue par notre modèle dynamique, étant donné les écarts-types.

  6. La variable stock de R-D retardée dans la partie qualitative du modèle explique une bonne partie de la régression sans vraiment identifier les raisons qui amènent une firme à faire de la recherche. Si nous laissons tomber cette variable, nous craignons cependant d’accentuer l’autocorrélation dans le terme d’erreur et d’accroître les biais d’estimation car nous ne prenons plus en compte d’effet propre à chaque firme dans la probabilité de faire de la recherche. Le coefficient du prix effectif augmente en valeur absolue et devient significatif dans la partie probit du modèle. Dans la partie régression, les coefficients de la variable stock de R-D retardée et du prix effectif varient suffisamment avec δ pour que l’élasticité-prix de long terme devienne peu raisonnable. À cause de ce manque de robustesse et du risque accru d’autocorrélation, nous n’avons pas retenu cette spécification[24].

  7. À des fins de comparaisons avec d’autres études, nous avons aussi estimé un modèle flux, qui est consistant avec notre modèle si nous faisons l’hypothèse que le taux de dépréciation de la recherche est égal à un. Notre estimation de l’élasticité de court terme des dépenses de R-D par rapport au prix effectif de la recherche est au moins quatre fois plus petite que celles rapportées par Hall (1993) et Hines (1993) avec l’approche flux sur des données américaines. Elle se rapproche plus des résultats rapportés par Bloom, Griffith et Van Reenen (2000). Cependant, il nous semble que l’hypothèse de dépréciation immédiate n’est pas réaliste.

  8. Au lieu d’une spécification doublement logarithmique, nous avons testé une spécification linéaire du modèle. Les signes et les ordres de grandeur des coefficients estimés ne sont pas raisonnables.

  9. Nous avons estimé une spécification dynamique avec des retards finis et différentes structures de retards. Les résultats sont encore moins satisfaisants.

  10. Nous avons également estimé une version du modèle avec effets aléatoires, de même qu’une version tobit simple. D’après les valeurs obtenues pour les maximums des fonctions de vraisemblance, ces modèles semblent moins appropriés, selon les critéres suggérés par Pollack et Wales (1991)[25].

Tableau 1

Résultats du Tobit généralisé (ρ = 0,9)

Résultats du Tobit généralisé (ρ = 0,9)

-> Voir la liste des tableaux

6. Efficacité des incitations fiscales à la R-D

Est-ce que les changements dans la politique fiscale d’encouragement à la R-D ont engendré plus de dépenses de R-D que de pertes de rentrées fiscales?

Si nous calculons la R-D engendrée par dollar de dépense fiscale comme le préconise Bernstein (1986), c’est-à-dire en divisant l’élasticité-prix de court terme de la R-D nominale par son coût d’usage, nous obtenons 0,4 $ de R-D par dollar de dépense fiscale, soit la moitié de ce que lui obtenait[26]. Il nous semble qu’une meilleure mesure consiste à comparer l’effet du changement d’un paramètre fiscal sur la différence des dépenses actualisées de R-D sur l’ancien et le nouveau sentier d’ajustement vers un équilibre de long terme et sur les coûts actualisés de ces dépenses qui sont supportés par le gouvernement.

Supposons qu’avant le changement dans le paramètre fiscal, les dépenses de R-D (It) tendaient vers un équilibre de long terme du stock de R*t. Après le changement du paramètre fiscal, les dépenses de R-D se modifient jusqu’à ce que le stock atteigne petit à petit son nouvel équilibre de long terme. Soit It; t = 0, …, ∞, les nouvelles dépenses de R-D et R*′t le nouveau stock de long terme. Auparavant, le gouvernement supportait une fraction β1 du niveau des dépenses de R-D et une proportion β2 de l’accroissement des dépenses par rapport à une certaine base. Maintenant, il en supporte les fractions β1 et β2, suivant que le paramètre qui a changé porte sur le niveau ou sur l’incrément de recherche. Si le soutien fiscal à la recherche a augmenté, β1 ≥ β1 et β2 ≥ β2. Sur les rendements ζ perçus par la firme de toute augmentation du stock de R-D, le gouvernement perçoit des impôts au taux (uf + up)[27]. La formule que nous proposons pour calculer la R-D engendrée par dollar de dépense fiscale est donc :

r = taux d’intérêt, equation: equation pleine grandeur

Pour comprendre cette mesure, il est utile de décomposer le dénominateur. Le premier terme a trait au coût supporté par le gouvernement d’un changement dans le niveau de la R-D. Une augmentation dans le niveau de R-D peut provenir de n’importe quel paramètre incitatif (via β1 ou β2). Le second terme ne représente rien d’autre qu’un transfert fiscal. Il s’agit d’une subvention accordée aux dépenses de R-D qui se seraient faites de toute façon. Le troisième terme se rapporte au différentiel de support associé à un incrément de R-D. Le quatrième terme représente le gain d’impôt perçu sur les rendements de la nouvelle recherche. Nous remarquons que si l’incitation se fait uniquement à partir d’un paramètre lié à β2, le transfert fiscal disparaît.

Appliquons à présent cette mesure à des variations d’un pourcent dans les différents paramètres fiscaux qui entrent dans le calcul du prix effectif de la recherche, en distinguant l’effet sur des firmes avec et sans plafond dans l’utilisation des incitatifs fiscaux respectifs. En augmentant d’un pourcent le crédit d’impôt fédéral à la R-D, nous obtenons en moyenne 0,98 $ de dépenses additionnelles de R-D par dollar de dépense fiscale. Ce résultat s’applique aux firmes de notre échantillon qui effectuent de la R-D et qui ont un plafond d’utilisation du crédit fédéral. En utilisant la même mesure pour les firmes qui peuvent utiliser la totalité du crédit fiscal, nous obtenons 1,04 $. L’existence des reports rétrospectifs et prospectifs et des remboursements immédiats dans la législation canadienne limite sensiblement l’apparition de plafonds. De même, suite à une augmentation du crédit d’impôt provincial à la R-D, qui agit ni plus ni moins comme une subvention, nous nous retrouvons avec un résultat de 1,09 $ de R-D supplémentaire par dollar de dépense fiscale[28]. Ces ordres de grandeur sont en ligne avec ceux rapportés par Bernstein (1986) et Poot et al. (2003).

Le transfert fiscal représente plus de 80 % du coût du soutien à la R-D par le gouvernement. Cet aspect inefficient des crédits d’impôt lié au transfert fiscal a aussi été souligné pour l’Australie. L’étude du Australian Bureau of Industry Economics (1993) rapporte que 83 % de la R-D éligible aux incitations fiscales se serait faite de toute façon. Comme le transfert fiscal est important, il semble justifié d’analyser le comportement de notre mesure face à une variation du crédit d’impôt à la recherche incrémentale. Car, si le seul soutien à la recherche était le crédit d’impôt à la recherche incrémentale, il n’y aurait pas de transfert fiscal, puisque le gouvernement ne paierait qu’une fraction de la nouvelle recherche sans subventionner de recherche récurrente. L’augmentation d’un pourcent de ce paramètre fiscal occasionne 4 $ de R-D additionnelle par dollar engagé par le gouvernement! Un ordre de grandeur similaire est rapporté par Mairesse et Mulkay (2003). Ce chiffre très grand s’explique du fait que le dénominateur dans l’équation 1 est très faible. Il est cependant à noter que la recherche n’augmente que très faiblement par rapport à un incitatif incrémental parce que l’élasticité du prix effectif de la recherche par rapport à un changement dans le taux de crédit à la recherche incrémentale n’est que de -0,01.

Le dernier paramètre fiscal qui apparaît dans le prix effectif de la recherche est le taux d’imposition sur le revenu des sociétés. En diminuant celui-ci, le gouvernement se trouve à diminuer son soutien à la R-D (β1 < β1 et β2 < β2.) vu que les firmes peuvent déduire moins de dépenses de R-D. Par contre, ces firmes étant moins taxées sur leurs bénéfices, le prix effectif de la R-D s’en trouve néanmoins diminué[29]. La diminution du taux d’imposition des firmes fait épargner de l’argent au gouvernement sur la R-D récurrente. Comme le prix effectif diminue, l’investissement en R-D augmente. Ainsi, on peut se retrouver avec une augmentation du montant de R-D et une diminution des charges gouvernementales. Il serait pourtant hasardeux de conclure à l’efficacité de cette mesure incitative étant donné tous les effets secondaires qu’elle peut produire sur l’ensemble de l’économie. Le crédit d’impôt-recherche nous paraît une mesure plus ciblée et plus adéquate pour stimuler la recherche.

Avant de conclure, il convient de souligner un certain nombre de limites à notre analyse et de pistes futures de recherche :

  1. Nous ne savons pas si les incitations fiscales à la R-D ont attiré au Canada des firmes qui sinon se seraient implantées ailleurs. Ceci mériterait une étude en soi. À cet égard, Hines (1994) trouve que la localisation de la R-D répond à des considérations d’ordre fiscal, comme la possibilité de rapatrier sans taxe des redevances issues de la recherche ou l’obtention de crédits d’impôt au prorata des ventes à l’étranger.

  2. Il est probable que la partie inefficiente des crédits d’impôt ressortirait encore plus si nous avions les plus importantes firmes canadiennes faisant de la R-D dans notre échantillon. Par contre, la partie incitative des crédits d’impôt risque d’être sous-évaluée du fait que les petites firmes sont sous-représentées dans notre échantillon.

  3. Il se peut qu’en éliminant les firmes avec moins de quatre observations, nous ayons éliminé quelques firmes naissantes et de ce fait ignoré l’effet des incitations fiscales sur la création de nouvelles firmes.

  4. Nous n’avons pas tenu compte des possibilités d’incitation fiscale de la recherche via les crédits d’impôt à l’investissement en machines et bâtiments. Ceci peut jouer de deux façons. Premièrement, les crédits d’impôt fournissent aux entreprises des liquidités internes qui peuvent servir à financer des projets de recherche, alors que les investissements en capital physique peuvent plus facilement être financés sur les marchés de capitaux. Deuxièmement, pour autant que les deux types d’investissement sont complémentaires, le soutien à l’investissement en capital physique favorise l’investissement en capital de R-D. Deux réserves à ce propos : d’une part, les deux types d’investissement peuvent s’avèrer être des substituts, et, d’autre part, il n’est pas clair que ce soit l’investissement en machines et bâtiments qui, au sens de Granger, cause l’investissement en R-D. Lach et Schankerman (1989) ont plutôt trouvé l’inverse.

  5. Nos résultats sont biaisés vers le haut dans la mesure où certaines dépenses de R-D sont faussement déclarées à ce titre pour bénéficier des crédits d’impôt. Cependant la plainte des entreprises à l’égard de la lourdeur du processus de vérification des demandes de crédits d’impôt au titre de la RD&SE nous porte à croire que ce biais n’est pas très important. D’un autre côté, nos résultats sont biaisés vers le bas dans la mesure où les incitations fiscales amènent les entreprises à faire de la recherche informelle non comptabilisée dans nos données (voir Lipsett et Lipsey, 1995 pour une évaluation de cette dernière en Colombie-Britannique).

  6. Une partie de la R-D additionnelle induite par les incitations fiscales à la R-D n’aurait pas été faite en leur absence et correspond peut-être à de la recherche à faible rendement. En d’autres termes, nous ne savons pas si les incitations fiscales ont favorisé les bons ou les moins bons projets. Pour cela il faudrait avoir recours à des données mesurant l’output de la recherche, telles que les innovations, les publications ou les brevets.

  7. Nous n’avons pas tenu compte des coûts d’administration des incitatifs fiscaux (auditing, vérification de projets par des experts, tenue d’une comptabilité séparée). L’étude de Gunz et al. (1996) suggère que les procédures de réclamation des crédits d’impôt à la R-D ne coûtent aux firmes en général que 0,7 % des crédits demandés. Cependant elles pèsent plus lourdement sur les petites firmes, où elles se chiffrent aux alentours de 15 %. À cela viennent s’ajouter les coûts d’administration pour les gouvernements.

  8. Comme nous avons adopté une analyse d’équilibre partiel, nous n’avons pas tenu compte des incidences indirectes des stimulants fiscaux, comme ceux que souligne Berger (1993). Les firmes qui bénéficient de crédits d’impôt pourraient se voir obligées par les forces de la concurrence de céder une partie de leurs avantages fiscaux à d’autres agents (les acheteurs sous forme de baisses de prix de vente, les fournisseurs sous forme de hausse de prix d’achat, ou le personnel de recherche sous forme de hausse de salaires).

  9. Nous avons pris en compte les plafonds d’incitations fiscales, mais nous ne savons pas si tous les crédits d’impôt potentiellement réalisables ont éte effectivement revendiqués. Environ 20 % des firmes dans notre échantillon atteignent les plafonds des crédits d’impôt alors qu’une étude du ministère des Finances (1983) rapportait que, pour les firmes avec 50 millions de dollars et plus d’avoir, 60 % des crédits d’impôt-recherche n’étaient pas utilisés en 1981. Évidemment, les possibilités de report des crédits d’impôt et de remboursement immédiat des crédits non utilisés introduites en 1983 ont sensiblement éliminé les plafonds existant auparavant.

  10. En plus de stimuler la R-D, les incitations fiscales peuvent aussi encourager les firmes à modifier le rythme et la composition de leur recherche (voir Lemaire, 1996).

Conclusion

Les raisons qui justifient un soutien fiscal aux activités privées de R-D tiennent aux propriétés de bien public, d’inappropriabilité des bénéfices, de risque élevé et de besoin de financement excessif qui empêchent les firmes de faire le niveau de R-D qui serait socialement désirable étant donné les externalités sociales de la recherche. Les incitatifs fiscaux ont cet avantage par rapport au soutien ciblé de la recherche via les contrats ou les subsides de laisser les décisions de R-D aux mains de l’entrepreneur individuel, qui connaît mieux que le décideur politique son marché et les besoins d’innovation, et que la responsabilité des pertes et l’attrait des profits incitera à faire les meilleurs choix. Le risque moral de voir les autorités publiques s’unir avec les récipiendaires des fonds de recherche pour poursuivre leurs propres intérêts plutôt que le bien-être de la société y est moins grand. Par contre, les contrats et subsides permettent de mieux canaliser les fonds publics vers les projets prometteurs, qui n’auraient pas été entrepris autrement. Encore faut-il que les autorités publiques aient la connaissance des retombées externes de la recherche, de la direction du progrès de la science et de la valeur des nouveaux projets, ce qui n’est pas toujours garanti[30].

Quoiqu’il en soit, la présente étude évalue à 0,98 $ les dépenses additionnelles de R-D provenant d’un dollar de soutien fiscal à la R-D. Elle a aussi mis en évidence une possible faille dans le présent système d’aide à la recherche privée à travers les encouragements fiscaux. Une partie, que nous évaluons à plus de 80 %, des fonds de soutien fiscal à la recherche sert à financer de la R-D qui se ferait de toute façon et s’apparente ainsi à une politique déguisée de subventions à la recherche. Même si l’ampleur de ce phénomène reste à vérifier à l’aide d’autres données (les données agrégées englobant l’entièreté de la recherche, les données sur les petites et moyennes entreprises et idéalement des données sur les versements de crédits d’impôt aux entreprises), il faut se poser la question de savoir s’il n’existe pas d’autres instruments pour encourager la recherche que les incitations fiscales. Et, pour pousser encore plus loin la réflexion, ne serait-il pas plus efficace d’attaquer de front les failles de marché associées à la recherche et de mettre en place des mécanismes incitatifs qui tiennent compte des problèmes d’information asymétrique, de risque moral et d’inappropriabilité des bénéfices qui se posent aux différents stades de la recherche plutôt que de verser de l’argent à quiconque déclare faire de la recherche?