État de connaissances actuelles sur l’efficacité des lois fiscales

État de connaissances actuelles sur l’efficacité des lois fiscales

1.3 État de connaissances actuelles sur l’efficacité des lois

L’approche économique prédomine dans les recherches évaluant les effets des lois fiscales. Les études mettent principalement en relation le taux de vérification, la probabilité d’être puni, le taux d’imposition et des indicateurs de fraude fiscale comme le revenu déclaré, l’intention de se conformer aux lois et l’augmentation dans les montants réclamés.

Ces études utilisent des données variées telles que celles du Taxpayer Complicance Mesurement Program (TCMP) de l’IRS (Alm, 1999; Hasseldine, 1993) et des mesures issues d’expérimentations (Blackwell, 2002).

Spicer (1986) et Wenzel (2004) rapportent que les sondages et les expérimentations en laboratoire fournissent des preuves empiriques à l’effet que les lois dissuadent l’évasion fiscale. Les études observent une relation inverse entre les taux de vérification, la crainte de sanction et le montant des taxes éludées.

Les vérifications fiscales contribueraient à la dissuasion générale grâce au ripple effect (Tauchen, Witte, & Berron, 1989)10. Les études sur ces propositions sont d’une grande importance pour l’évaluation et la recherche sur l’efficacité des lois fiscales, qu’elles complètent en formulant des recommandations pour l’élaboration des politiques.

Une multitude d’approches méthodologiques sont utilisées pour analyser l’influence des mécanismes pénaux sur les comportements des contribuables.

La littérature scientifique compte les études corrélationnelles, les devis quasi expérimentaux et les expérimentations en laboratoires. En matière d’évaluation des lois sur l’évasion fiscale, les protocoles expérimentaux ne peuvent pas être employés11.

10 Le ripple effect : par la crainte qu’elles inspirent, les vérifications génèrent davantage de sommes volontairement payées (effet indirect des vérifications) comparativement aux sommes récupérées par une vérification (effet direct).

11 Il est impossible de distribuer de manière aléatoire les unités d’une même juridiction pour créer des groupes témoin et expérimental et ainsi évaluer des lois. Au Canada par exemple, il serait impensable de randomiser les provinces, voire de randomiser différentes villes de manière à ce que le groupe expérimental soit exposé à la loi et que le groupe témoin en soit soustrait.

1.3.1 Études corrélationnelles

Les études corrélationnelles sont exécutées à l’aide de données non- expérimentales. Il s’agit de mettre en relation différentes variables à l’aide de tests statistiques et de mesurer une association (Shadish, Cook & Campbell, 2002).

De manière générale, ces recherches questionnent les répondants sur les perceptions quant aux modalités d’application des lois et leurs propres comportements (Kinsey & Grasmick, 1993; Varma & Doob, 1998).

Ces recherches à caractère plus fondamental sont nombreuses, notamment en raison de leur faible coût par rapport à d’autres méthodes, leur facilité d’administration et la possibilité d’investiguer plusieurs dimensions, souvent seulement connues des contribuables eux-mêmes (Roth & al., 1989).

L’attention a davantage été portée sur les facteurs socioéconomiques, démographiques et attitudinaux associés à la fraude. Toutefois au lieu de l’observation directe du comportement, tel qu’effectuée avec les designs expérimentaux, les sondages utilisent des mesures de la délinquance auto rapportée (Varma & Doob, 1998; Wenzel, 2004).

Malgré les corrélations observées entre la perception du risque, les valeurs morales et la fraude autorévélée, ces résultats ne permettent de conclure à l’efficacité des lois en raison de leur faible validité interne (Blais & Cusson, 2007; Weisburd & al., 2001).

Deux principales menaces à la validité sont identifiables. Premièrement, des facteurs non contrôlés peuvent influer sur la décision de frauder (Roth & et al., 1989; Hasseldine & al., 1999). Deuxièmement, il est impossible de savoir si la perception du risque est associée à l’implantation d’une quelconque loi.

En fait, ces recherches emploient des données transversales et n’ont pas l’objectif d’évaluer l’efficacité des lois et programmes fiscaux. Ainsi, toute conclusion faite en lien avec l’efficacité des lois est prématurée.

1.3.2 Études expérimentales en laboratoire

Dans le domaine de la fraude fiscale, les expérimentations avec randomisation sont le plus souvent réalisées en laboratoire et prennent la forme de simulation sur ordinateur. Ces protocoles placent des individus en situation rappelant le contexte réel du paiement d’impôt.

Les différentes variables inhérentes au processus de déclaration de revenus, soit le niveau et la source du salaire, le taux d’imposition, les probabilités de vérification, la sévérité des sanctions et la présence d’amnistie (annoncées en avance ou non) sont manipulées pour déterminer leur impact sur la conformité des contribuables (Hasseldine, 1993).

À un moment de l’expérimentation, les participants remplissent une déclaration de revenus. Par la suite, les expérimentateurs comparent la prévalence de l’évasion fiscale entre le groupe témoin, soumis aux conditions normales telles que les lois en vigueur, et le groupe expérimental, soumis à l’intervention évaluée.

La randomisation des participants dans les groupes témoin et expérimental permet de garder les effets d’autres facteurs constants. C’est-à-dire que d’autres facteurs peuvent influer sur les variables dépendantes, mais que l’effet de ces derniers est équivalent dans les deux groupes (Weisburd & al., 2001; Farrington, 2003).

Malgré leur forte validité interne, trois principales limites ressortent de ces recherches expérimentales. Premièrement, elles emploient des échantillons de convenance qui ne sont pas représentatifs de la population, ce qui empêche toute généralisation (Alm, McKee, & Beck, 1990).

Par exemple, il est peu probable que les étudiants aient les mêmes réactions que les fraudeurs. Deuxièmement, les comportements en contexte artificiel ne sont pas nécessairement représentatifs de ceux observés en contexte réel (Blais & Bacher, 2007; Green, 1985; Cousineau, 1988).

De plus, ces expérimentations ne tiennent pas compte des contextes dans lesquels les opportunités se présentent, ni des risques existants lors de ces mêmes opportunités (Blais & Bacher, 2007; Houston & Tran, 2001).

Troisièmement, l’impact de réformes et la mise en place de nouvelles lois ne sont pas nécessairement instantanés. L’effet d’une loi peut être graduel, ce qui n’est capté par les expérimentations réalisées en laboratoire (Roth & al., 1989).

1.3.3 Études quasi expérimentales

Les expérimentations de terrain avec randomisation permettent d’assurer une validité interne des résultats et de surmonter les critiques reliées au caractère fictif des expérimentations en laboratoire (Blais & Bacher, 2007; Birkbeck & LaFree, 1993; Cusson, 1993; Tremblay, Bacher, Tremblay, & Cusson, 2000).

Cette stratégie de recherche permettrait théoriquement de contourner les critiques formulées à l’endroit des simulations et études non-expérimentales.

Cependant, il est inconcevable de randomiser les participants de manière à ce qu’une partie de la population soit assujettie à une loi et que l’autre y soit soustraite (Bayer & Sutter, 2004). De même, les juridictions ne peuvent pas faire l’objet de randomisation.

Quand la randomisation n’est pas concevable, les devis quasi-expérimentaux permettent d’évaluer l’effet d’une mesure avec rigueur. Les facteurs confondants sont contrôlés statistiquement et un groupe témoin peut être créé a posteriori (Welsh, 2007).

Les devis quasi-expérimentaux prévoient la comparaison d’un indicateur de la criminalité avant et après l’implantation d’une loi et ce, pour un groupe témoin et un groupe expérimental.

Une réduction de la criminalité dans le groupe expérimental et une stabilité dans le groupe témoin indique que l’intervention est efficace (Shadish & al., 2002).

Les séries chronologiques interrompues s’inscrivent dans la tradition de recherche expérimentale. Les séries chronologiques se définissent comme une série d’observations consécutives prises à des intervalles de temps réguliers.

Le terme interrompu réfère au fait qu’une intervention vient couper la série en deux. Cette intervention peut produire un changement dans la tendance de la série ou dans sa constante.

Ce type d’analyse permet de déterminer la forme de l’effet (changements dans la pente, la constante, la variance ou le cycle de la série), sa persistance (permanent ou temporaire) et son entrée en vigueur (immédiat ou différé) (Shadish & al., 2002).

Plusieurs programmes d’amnistie ont été évalués à l’aide de séries chronologiques interrompues. Même avec une approche similaire, les résultats des études diffèrent quant à l’ampleur de l’impact des différentes lois sur la fraude.

Il n’en demeure pas moins que ces différences sur le plan des résultats peuvent provenir de plusieurs sources telles que les tests statistiques employés pour analyser les séries, les contextes d’implantation des programmes et les indicateurs de délinquance employés (délinquance autodéclarée, recettes fiscales, écart fiscal) (Cusson, Tremblay, Langelier-Biron, Ouimet, & Grandmaison, 1994; Pettivrew & Roberts, 2006; Sherman, Farrington, Welsh, MacKenzie, 2002).