Les travaux sur les données fiscales sud-africaines ont commencé en 2014 ; la National Treasury Secure Data Facility a ensuite été ouverte comme installation sécurisée, où les chercheurs accrédités accèdent aux données sans sortir les données brutes. Ce modèle a donné lieu à près de cent études publiées et commence à essaimer en Ouganda et en Zambie. Il montre qu’il est possible de produire une connaissance économique rigoureuse sans confier ses données à des acteurs extérieurs, en s’appuyant sur une infrastructure moins spectaculaire qu’un supercalculateur, mais plus stratégique.

L’essentiel

  • Le laboratoire sécurisé du Trésor sud-africain a permis près de 100 études économiques en dix ans, à partir de 29 jeux de données administratives fiscales, sans que les données brutes ne quittent l’administration.
  • L’Ouganda a ouvert son propre laboratoire avec plus de 40 chercheurs utilisateurs ; la Zambie a lancé le sien en août 2025, selon UNU-WIDER.
  • Le mécanisme central : les chercheurs travaillent dans un environnement informatique contrôlé par l’État, et n’exportent que les résultats validés, jamais les données individuelles.
  • La tension réelle est organisationnelle, non technique : faire collaborer administrations fiscales, universités et ministères autour de données que chacun protège jalousement.
  • D’ici 2030-2040, ce modèle pourrait déterminer si l’Afrique produit sa propre science économique ou reste dépendante des cadres analytiques conçus ailleurs.

Des données fiscales scellées, des études qui circulent

Le Trésor national sud-africain gère des registres fiscaux, des données douanières, des fichiers d’entreprises. Ces jeux de données sont parmi les plus riches du continent pour comprendre qui gagne quoi, qui paie quoi, et comment les politiques publiques se transmettent dans l’économie réelle. Ils sont aussi, par nature, confidentiels.

La National Treasury Secure Data Facility, établie par le National Treasury, le South African Revenue Service et UNU-WIDER, a résolu cette tension par une architecture simple : les chercheurs accrédités travaillent sur des postes informatiques déconnectés du réseau externe. Ils analysent les données, construisent leurs modèles statistiques, produisent leurs tableaux. Les résultats à exporter sont vérifiés par la Data Team de la NT-SDF selon des règles de contrôle de divulgation statistique pour éviter d’identifier un contribuable ou une entreprise. Les données brutes restent dans l’administration. Seul le savoir analytique sort.

Depuis 2014, ce laboratoire est passé de 5 à 29 jeux de données disponibles. Près de cent études ont été publiées, couvrant les inégalités de revenus, les effets des réformes fiscales, la structure des marchés du travail formels et informels. Ces publications alimentent les débats de politique publique en Afrique du Sud, et elles sont produites par des équipes sud-africaines, avec des données sud-africaines, sous contrôle sud-africain.

Le problème que ce modèle résout vraiment

Pour comprendre pourquoi ce dispositif compte, il faut saisir ce à quoi il répond.

Les pays à revenu faible ou intermédiaire font face à une impasse classique. Leurs administrations accumulent des données, fiscales, sociales, sanitaires, mais ces données sont soit enfouies dans des systèmes inaccessibles, soit extraites par des chercheurs étrangers dans le cadre de projets financés par des bailleurs internationaux, avec des analyses produites hors du pays et des résultats qui ne reviennent pas toujours aux décideurs locaux. Deux extrêmes symétriquement problématiques : le secret administratif complet, ou l’extraction sans retour.

Le laboratoire sécurisé propose un troisième chemin. Les données restent souveraines. Les chercheurs locaux y accèdent sous conditions. Les résultats enrichissent la politique publique nationale. Et le dispositif peut progressivement intégrer des chercheurs internationaux, sous les mêmes règles, sans que cela implique de transférer des données à l’étranger.

C’est la capacité de produire un diagnostic interne fiable que ce modèle protège. Un gouvernement qui ne peut pas mesurer ses propres inégalités de revenus sans demander à une organisation externe de le faire pour lui reste dépendant du cadrage analytique de cette organisation, ses hypothèses, ses priorités, ses angles morts. Cette dépendance est moins visible qu’une dette financière, mais elle pèse sur la qualité des politiques publiques de la même façon.

L’adaptation du modèle en Ouganda et en Zambie

L’Ouganda a ouvert un laboratoire similaire, adossé à son autorité fiscale nationale. Plus de quarante chercheurs y sont accrédités à ce jour, selon UNU-WIDER. Les premières études ont porté sur la conformité fiscale des petites entreprises et les effets redistributifs des transferts sociaux, deux domaines où les données administratives donnent des résultats que les enquêtes par sondage ne peuvent pas produire à coût raisonnable.

La Zambie a lancé son propre laboratoire en août 2025, alors que le pays traverse une période de réforme fiscale et de renégociation de sa dette. Une capacité analytique interne permet de négocier avec des créanciers ou des partenaires au développement en apportant ses propres chiffres à la table.

Ces deux cas illustrent aussi les conditions de succès. Le modèle exige une administration fiscale suffisamment structurée pour gérer des données de qualité, une université ou un réseau de recherche capable de former des utilisateurs, et une volonté politique de partager des données sensibles entre ministères, ce qui est souvent le frein le plus difficile à lever. L’obstacle technique est faible. L’obstacle organisationnel est réel.

Les apports des données administratives par rapport aux enquêtes

Les études produites dans ces laboratoires ne sont pas interchangeables avec ce que produisent les enquêtes ménages classiques, le type de données que les instituts nationaux de statistique collectent en envoyant des enquêteurs sur le terrain.

Une enquête ménage capture une photographie : à un moment donné, combien de personnes déclarent tel revenu, telle dépense. Les données administratives fiscales sont longitudinales : elles suivent les mêmes entreprises et les mêmes contribuables sur plusieurs années. Elles permettent de mesurer des trajectoires, une entreprise qui croît après une réforme, un salarié qui change de tranche fiscale, un secteur qui réagit à un choc de politique commerciale.

Ce type d’analyse est précisément ce dont les gouvernements ont besoin pour évaluer leurs propres politiques. Savoir qu’une réforme fiscale a augmenté les recettes en moyenne ne dit pas qui a payé davantage, qui a réduit son activité, et si les effets ont été distribués uniformément. Les données administratives permettent ces questions. Les enquêtes ménages, seules, n’y répondent pas.

C’est pourquoi les pays de l’OCDE ont investi depuis les années 1990 dans des infrastructures similaires, les registres fiscaux scandinaves sont devenus des références mondiales pour la recherche sur les inégalités, notamment les travaux qui ont permis de documenter la concentration des patrimoines à long terme. L’Afrique du Sud crée aujourd’hui une infrastructure comparable, avec dix à vingt ans de retard sur les pays nordiques, mais avec une lucidité sur la souveraineté des données que ces pays n’avaient pas eu besoin de cultiver de la même façon.

Gouvernance des données et financement : les deux points de fragilité

Le modèle est robuste conceptuellement. Il reste fragile sur deux points concrets.

Le premier est la gouvernance inter-institutionnelle. Un laboratoire de données administratives exige que l’autorité fiscale, le ministère des finances, l’université partenaire et les chercheurs utilisateurs fonctionnent selon des règles communes. En Afrique du Sud, cet accord a pris du temps à stabiliser. L’autorité fiscale nationale (SARS) a longtemps protégé ses données en silos, une posture compréhensible pour une institution dont le mandat est de percevoir l’impôt, pas de faciliter la recherche. L’intégration progressive de ses jeux de données dans le laboratoire a nécessité des garanties procédurales spécifiques et une relation de confiance construite dans la durée.

Le second point de fragilité est le financement. Ces laboratoires ne sont pas coûteux : une infrastructure informatique sécurisée et des salaires d’analystes représentent des budgets modestes comparés à d’autres postes de l’État. Ils dépendent pourtant souvent, en phase de démarrage, de financements extérieurs : fondations, bailleurs multilatéraux, programmes de recherche internationaux comme UNU-WIDER. Cette dépendance crée une vulnérabilité sur le long terme, précisément dans le domaine où le modèle cherche à construire de l’autonomie. La Finlande ou les Pays-Bas financent leurs infrastructures de données administratives sur le budget national.

Pour que le modèle africain tienne, la même trajectoire est nécessaire.

Horizon 2035 : la production de la connaissance économique sur l’Afrique

L’enjeu est épistémique : dans dix à quinze ans, les analyses économiques qui guideront les politiques publiques africaines seront produites soit par des institutions locales dotées de leurs propres infrastructures, soit par des acteurs extérieurs.

Deux trajectoires sont plausibles. Dans la première, les laboratoires de données sécurisés essaiment au-delà de l’Afrique du Sud, de l’Ouganda et de la Zambie. Les administrations fiscales de pays comme le Ghana, le Kenya, le Rwanda ou la Côte d’Ivoire, qui ont investi dans des systèmes de collecte numérique, ouvrent progressivement leurs données à la recherche nationale sous des conditions analogues. Une masse critique de chercheurs formés à cette méthode se constitue, produisant des publications en anglais, en français, en swahili, qui alimentent des débats régionaux. Les gouvernements arrivent aux négociations internationales, avec le FMI, avec les créanciers privés, avec les partenaires commerciaux, avec leurs propres diagnostics.

Dans la seconde trajectoire, les contraintes organisationnelles l’emportent. Les administrations restent cloisonnées. Les financements extérieurs sèchent après les phases pilotes. Les chercheurs locaux formés partent vers des institutions internationales qui leur offrent de meilleures conditions. Les données continuent d’être extraites au cas par cas, dans des projets pilotés par des institutions basées à Washington, Helsinki ou Paris, dont les questions de recherche reflètent leurs propres priorités analytiques.

Cette trajectoire n’est pas catastrophique, beaucoup d’analyses utiles continueront d’être produites, mais elle perpétue une asymétrie.

Ce qui séparera ces deux trajectoires, selon toute probabilité, est moins la technologie que la politique institutionnelle. Des signaux à surveiller : le passage à un financement budgétaire national des laboratoires existants, l’émergence de réseaux régionaux de partage de protocoles (similaires à ce que l’Europe a construit avec Eurostat pour les données harmonisées), et la capacité des universités africaines à former suffisamment d’économistes maîtrisant l’analyse de données administratives pour ne pas dépendre de quelques experts.

Il existe un précédent instructif dans un domaine adjacent. Les systèmes de paiement mobile ont permis à des pays comme le Kenya ou la Tanzanie de développer une infrastructure financière autonome, en partie parce que les régulateurs locaux ont conservé le contrôle des règles du jeu, une dynamique documentée dans l’analyse des effets de l’interopérabilité des paiements. La souveraineté des données de recherche suit une logique analogue : ce qui compte, c’est qui fixe les règles d’accès, pas qui détient les serveurs.

UNU-WIDER, qui accompagne plusieurs de ces laboratoires sur le continent, a formulé la question en termes directs dans sa publication de 2026 : l’Afrique a les données. La question est de savoir si elle construira les institutions pour les analyser elle-même. Le laboratoire sud-africain offre depuis dix ans une réponse partielle et vérifiable à cette question. L’enjeu pour la prochaine décennie est de savoir si cette réponse restera une exception ou deviendra une norme.

Sources

  1. UNU-WIDER, Secure research data labs: Unlocking evidence-based policy in Africa through data (2026)
  2. UNU-WIDER, Africa’s Next Move and Why Data Sovereignty Is the Missing Key (2026) [UNU-WIDER, sans URL garantie]
  3. South African Revenue Service (SARS), rapports annuels sur la gestion des données fiscales
  4. National Treasury of South Africa, documentation du Secure Micro Data Laboratory, Université du Cap