Internationalisation et localisation des firmes multinationales : l'exemple des entreprises françaises en Europe

De
Publié par

Les multinationales françaises, après un début tardif dans leur processus d'internationalisation, réalisent encore leurs investissements directs en Europe de façon fortement concentrée. En 2000, plus de 38 % des filiales françaises à l'étranger sont localisées dans l'Union européenne. Elles sont principalement implantées dans les pays limitrophes (Royaume-Uni, Belgique, Allemagne, Italie, Espagne). Dans le pays d'accueil, ces investisseurs privilégient essentiellement la région de la capitale et les régions les plus industrialisées. On analyse ici les déterminants de la localisation des entreprises multinationales françaises dans sept pays européens et dans quarante sept régions européennes entre 1987 et 1994 dans l'industrie manufacturière, en s'appuyant sur l'examen de 614 décisions individuelles de localisation. L'étude économétrique utilise un modèle de logit imbriqué. Il se fonde sur l'hypothèse d'une structure hiérarchique du processus décisionnel de localisation des entreprises en deux niveaux : les nations et les régions. Les résultats empiriques montrent que, sur la période étudiée, la probabilité d'implanter une filiale quelque part en Europe, dépend à la fois de variables nationales et régionales et généralement, les déterminants du choix de localisation n'influent qu'à un seul niveau géographique. Ainsi, pour l'implantation de filiales de multinationales françaises, les pays hôtes sont encore fortement différenciés par leurs niveaux de salaires et les régions par des effets d'agglomération et de potentiel marchand. Par ailleurs, les effets d'agglomération, démontrés une fois de plus ici, permettent de valider la pertinence de politiques d'attractivité basées sur l'existence ou le renforcement de pôles régionaux intra-industriels.
Publié le : dimanche 30 décembre 2012
Lecture(s) : 76
Nombre de pages : 16
Voir plus Voir moins

ENTREPRISES
Internationalisation
et localisation des firmes
multinationales :
l’exemple des entreprises
françaises en Europe
Jean-Louis Mucchielli et Florence Puech*
Les multinationales françaises, après un début tardif dans leur processus
d’internationalisation, réalisent encore leurs investissements directs en Europe de façon
fortement concentrée. En 2000, plus de 38 % des filiales françaises à l’étranger sont
localisées dans l’Union européenne. Elles sont principalement implantées dans les pays
limitrophes (Royaume-Uni, Belgique, Allemagne, Italie, Espagne). Dans le pays
d’accueil, ces investisseurs privilégient essentiellement la région de la capitale et les
régions les plus industrialisées.
On analyse ici les déterminants de la localisation des entreprises multinationales
françaises dans sept pays européens et dans quarante sept régions européennes entre
1987 et 1994 dans l’industrie manufacturière, en s’appuyant sur l’examen de 614
décisions individuelles de localisation.
L’étude économétrique utilise un modèle de logit imbriqué. Il se fonde sur l’hypothèse
d’une structure hiérarchique du processus décisionnel de localisation des entreprises en
deux niveaux : les nations et les régions. Les résultats empiriques montrent que, sur la
période étudiée, la probabilité d’implanter une filiale quelque part en Europe, dépend à
la fois de variables nationales et régionales. Généralement, les déterminants du choix de
localisation n’influent qu’à un seul niveau géographique. Ainsi, pour l’implantation de
filiales de multinationales françaises, les pays hôtes sont encore fortement différenciés
par leurs niveaux de salaires et les régions par des effets d’agglomération et de potentiel
marchand. Par ailleurs, les effets d’agglomération, démontrés une fois de plus ici,
permettent de valider la pertinence de politiques d’attractivité basées sur l’existence ou
le renforcement de pôles régionaux intra-industriels.
* Jean-Louis Mucchielli est professeur à l’université de Paris 1 Panthéon-Sorbonne et affilié à l’ESCP-EAP, Florence
Puech est ATER à l’université de Paris 1, ils appartiennent au Pôle Économie Mondiale de TEAM-CNRS-Paris 1.
Les noms et dates entre parenthèses renvoient à la bibliographie en fin d’article.
ÉCONOMIE ET STATISTIQUE N° 363-364-365, 2003 129es entreprises françaises ont tardivement que, puis un pays, une région, une ville, pour
mis en œuvre leur processus de globalisa- aboutir au site définitif d’implantation de l’unitéL
tion. Les flux d’investissements directs à de production considérée.
l’étranger (IDE) étaient faibles durant la pre-
mière partie des années 1980. Cependant, La répartition spatiale des implantations a déjà
depuis les années 1980, la France joue un rôle été examinée, pour les entreprises françaises, en
primordial dans les investissements internatio- termes de pays ou de région d’accueil (Ferrer,
naux. Ainsi, malgré une forte baisse du montant 1998), ainsi que pour d’autres firmes sur
des flux d’investissement internationaux sor- d’autres territoires (par exemple pour les firmes
tants, la France était encore en 2001, le japonaises en Europe (Mayer et Mucchielli,
deuxième pays investisseur, derrière les États- 1999) et aux États-Unis (Head et al., 1999), ou
Unis, avec un flux de 82,8 milliards de dollars encore, pour les firmes françaises et japonaises,
en 2001 (Cnuced, 2002). en Asie (Head et al., 2002)). Cependant, aucune
étude qualitative n’a jusqu’ici étudié les déter-
Au-delà des phénomènes de globalisation- minants de la localisation des firmes multinatio-
mondialisation, les stratégies d’internationali- nales françaises à l’intérieur de l’Union euro-
sation des firmes se réalisent en général de péenne en prenant en compte comme niveau
façon concentrique c’est-à-dire par « taches géographique à la fois le pays et la région.
géographiques » et par diffusion progressive
d’activités en dehors du territoire national. Au Dans cette perspective, on se propose d’analy-
début de l’internationalisation, les unités ser les déterminants de la répartition géographi-
implantées à l’étranger restent très concentrées que des multinationales françaises de l’industrie
autour du territoire national, puis le processus manufacturière sur la période 1987-1994, dans
se diffuse au-delà des pays de proximité pour sept principaux pays européens (Allemagne,
prendre une ampleur plus internationale. Ainsi, Belgique, Espagne, Italie, Pays-Bas, Portugal et
l’internationalisation des entreprises françaises Royaume-Uni), et dans 47 régions administrati-
s’est d’abord réalisée en Europe, et cette zone ves. On teste à cet effet une hypothèse simpli-
constitue encore aujourd’hui l’une des princi- fiée de localisation de filiales en deux temps :
pales destinations des multinationales françai- choix initial d’un pays, puis choix d’une région
ses. À la fin de l’année 2000, sur un stock à l’intérieur de ce pays.
d’IDE français à l’étranger de 465 milliards
d’euros, la moitié était localisée en Europe Après quelques faits stylisés sur l’implantation
(Banque de France, 2002). des firmes multinationales françaises, la métho-
dologie économétrique employée (logit condi-
En termes de recherche des déterminants de la tionnel et logit hiérarchisé) sera expliquée, ainsi
multinationalisation des entreprises, deux que les déterminants du choix de localisation
approches sont complémentaires. La première retenus. Finalement, les résultats empiriques
consiste à se demander quels sont les facteurs obtenus aux niveaux national et régional seront
importants dans l’investissement à l’étranger présentés.
qui expliquent la sortie du territoire national
d’activités économiques. La seconde approche
porte sur les déterminants de la localisation ter-
Les multinationales françaises ritoriale des unités de production ou de services
implantés à l’étranger. Après le « pourquoi », il en Europe : une double
faut donc comprendre le « où » : où s’implante- concentration
t-on ? Ces analyses de la localisation se sont
progressivement enrichies grâce à l’essor de la
géographie économique qui permet une étude l est nécessaire de rappeler quelques lignes
fine de la localisation spatiale des entreprises I de force de l’implantation française en
multinationales au sein des territoires étrangers. Europe. Ces données sont tirées de l’Enquête-
Ces analyses théoriques, comme les enquêtes filiales 2000 de la Direction des Relations Econo-
portant sur les stratégies de localisation des miques Extérieures (DREE), qui recense les filia-
multinationales, laissent penser que les straté- les françaises (c’est-à-dire toutes les entités dont
gies de multinationalisation se réalisent selon un le capital est détenu à hauteur de 10 % et plus par
processus décisionnel séquentiel. Plusieurs une maison-mère française, ainsi que les bureaux
niveaux géographiques sont successivement de représentation, les établissements et succursa-
considérés au cours de ce processus : d’abord les d’entreprises françaises) implantées dans un
l’entreprise choisit une grande zone géographi- pays étranger avant l’année 2001.
130 ÉCONOMIE ET STATISTIQUE N° 363-364-365, 2003tales (cf. carte). Par ailleurs, deux grandes zonesLes pays limitrophes sont privilégiés
accueillent une part élevée de filiales françaises.
La première correspond au « cœur dePlus de 38 % des filiales françaises se situent
l’Europe » et regroupe le Sud du Royaume-Uni,dans les pays européens (1). Tous ne sont pas
la Belgique, les Pays-Bas et les régions deégalement attractif : en nombre d’implanta-
l’Ouest de l’Allemagne. Ces différentes zonestions, les pays limitrophes (Royaume-Uni, Alle-
attirent proportionnellement plus d’investisse-magne, Espagne, Belgique et Italie), regroupent
ments français que leur taille économique ne leplus de 75 % des implantations françaises en
laisserait supposer. La seconde zone est compo-Europe (2).
sée des régions du Nord du Portugal et de
l’Espagne. Les autres zones périphériques seEn outre, certaines régions européennes sont
caractérisent par une moindre attractivité : c’estfortement privilégiées par les investisseurs fran-
le cas de la majeure partie des régions de laçais alors que d’autres apparaissent délaissées.
Grèce, de l’Italie, de la Finlande ou de la Suède.Les multinationales françaises sont principale-
ment localisées dans les régions les plus indus-
trialisées ou dans la région-capitale du pays La modélisation du processus
d’accueil. Ainsi, en considérant les régions de localisation (1) (2) (3) (4)
européennes les plus attractives en nombre
d’implantations (rapportées au stock des filiales
’existence de données individuelles sur laen Europe), « les régions capitales » de Madrid, Llocalisation des filiales françaises rend pos-de Bruxelles et de Londres viennent en tête avec
sible l’étude du processus décisionnel sous-respectivement des parts de 7,1 %, 7 % et 6,5 %
(3) mais on trouve également l’Est de l’Espagne
(8,1 %), la Lombardie en Italie (5,1 %) et le 1. Dans tout ce qui suit, et sauf mention contraire, on entend par
Sud-Est du Royaume-Uni (3,9 %). Europe, l’Europe des 15.
2. Une analyse détaillée de la distribution des multinationales
françaises en Europe est présentée dans Les Notes Bleues de
Bercy (2002), n°241.
L’attractivité des régions européennes 3. Estimations d’après l’Enquête-filiales DREE 2000.
4. L’expression « Stock de FMN » correspond au nombrereste très contrastée
cumulé d’implantations françaises dans la région considérée
jusqu’à l’année 2000.
Afin de mieux décrire la concentration géographi-
que des firmes multinationales (FMN) françaises
dans les régions européennes, chaque région i est
Répartition du stock des filiales françaises en caractérisée par le ratio R suivant (4) : i Europe en 2000
Stock de FMN françaises dans la région i
----------------------------------------------------------------------------------------------------- -
Stock de FMN françaises en EuropeR = ------------------------------------------------------------------------------------------------------------------- -i PIB de la région i -
Somme des PIB de toutes les régions en Europe
Cet indicateur régional d’attractivité tient
compte de la taille des régions. Le numérateur
indique la proportion de filiales françaises loca-
lisées dans la région i et le dénominateur repré-
sente la part de la région i dans le PIB européen.
Les valeurs du ratio supérieures (respective-
ment inférieures) à un signifient que les régions
considérées ont une part plus importante (res-
pectivement moins importante) par rapport à
leur « taille économique ». Toutes choses égales
par ailleurs, des grandes régions attireront pro-
portionnellement plus d’implantations françai-
ses que des régions de plus petite taille. L’indi-
cateur proposé a pour but d’éliminer cet effet-
taille de la région.
Les résultats confirment le fort pouvoir attractif
Lecture : les valeurs du ratio d’attractivité sont calculées pourdes régions industrialisées (Lombardie, Est de chaque zone. Se reporter au texte.
Source : estimations d’après l’Enquête-filiales DREE 2000. l’Espagne par exemple) et des régions des capi-
ÉCONOMIE ET STATISTIQUE N° 363-364-365, 2003 131jacent. Les modèles économétriques de choix structure hiérarchique. Il est alors modélisé au
qualitatifs sont particulièrement bien adaptés à moyen d’un logit hiérarchisé ou d’un logit con-
ce type d’analyse. Les estimations s’appuyant ditionnel sans structure. Ces modèles utilisent la
sur ces modèles permettent d’évaluer l’impor- théorie de la maximisation des fonctions de
tance relative des principaux déterminants profit : les investisseurs choisissent une locali-
influençant le choix d’un site d’implantation. sation si et seulement si cette localisation
Par ailleurs, s’il existe une hiérarchie des engendre des profits supérieurs à toutes les
décisions en termes de niveaux géographiques, autres alternatives. Chaque localisation est
les modèles qualitatifs permettent de caractérisée par les valeurs prises par les fac-
l’appréhender : on compare pour cela des modè- teurs de localisation : intensité de la demande
les sans hiérarchie avec des modèles à structures dans la zone géographique considérée, coûts de
hiérarchiques. localisation (coût du travail par exemple), con-
centration dans cette zone d’autres filiales fran-
Le tableau 1 récapitule des études empiriques çaises ou d’entreprises étrangères ayant la
récentes utilisant un modèle de choix discret, même activité (cf. infra). Les coefficients des
pour expliquer l’implantation de firmes multi- variables relatives à ces différents facteurs sont
nationales. déterminés par le maximum de vraisemblance.
La modélisation du processus de décision En l’absence de structure hiérarchique, les deux
avec ou sans structure hiérarchique niveaux géographiques (pays et régions) sont
considérés indépendamment l’un de l’autre.
Le processus conduisant au choix du lieu Dans le cas d’une structure hiérarchique, le
d’implantation peut comporter ou non une choix de l’implantation s’organise suivant un

Tableau 1
Quelques études récentes sur choix de localisation des multinationales utilisant un modèle de
choix discret
Concentration Coûts du
Auteurs Pays d’origine Pays d’accueil Période Demande
géographique travail
Chen Pays étrangers Provinces en Chine, 1987-91 Non inclus + ns
(1996) groupées en trois
régions
Coughlin et al. Pays étrangers États américains 1981-83 + + -
(1991)
Crozet et al. Allemagne, Belgique, France, 1985-95 + + + et -
(2003) États-Unis, Italie, 92 Départements
Japon, Pays-Bas,
Suisse et Royaume-
Uni
Devereux et États-Unis Allemagne, France, 1980-94 + + ns
Griffith (1998) Royaume-Uni
Ford et Strange Japon 7 grands pays euro- 1980-95 + + -
(1999) péens
Friedman et al. Pays étrangers États américains 1977-88 Non inclus + -
(1992)
Guimarães et al. 275 Concelhos au Por- 1985-92 + Non inclus ns
(2000) tugal
Head et Ries Australie, Canada, 54 villes en Chine 1984-91 + Non inclus ns
(1996) Europe, Japon et les
États-Unis
Head et al. (1995) Japon États américains 1980-92 + Non inclus Non inclus
Head et al. (1999) Japon + + + et -
Jianping (1999) Chine, Japon et les 30 Provinces chinoises 1981-96 + Non inclus -
États-Unis
Mayer et Muc- Japon 5 grands pays euro- 1984-94 + Non inclus +
chielli (1998) péens
Woodward Japon États américains et 1980-89 + (comté) + (État) ns
(1992) Comtés
Lecture : ns = la variable n’est pas significative, + (respectivement -) indique que la variable a un effet positif (respectivement négatif)
sur le choix de localisation.
132 ÉCONOMIE ET STATISTIQUE N° 363-364-365, 2003
arbre décisionnel à deux niveaux : le premier, Des facteurs de localisation
dénommé nest (nid) dans la littérature anglo- différents aux niveaux national saxonne, correspond au pays. Dans la seconde
et régionalétape, chaque « nid » se subdivise en plusieurs
régions. Cette structure décisionnelle en cas-
cade suppose que les régions d’un même pays here should we put that plant ? » (5)
ont des caractéristiques plus proches entre elles C’est en ces mots que commence un«W
que les régions de pays différents. Cette hypo- article d’un responsable d’IBM dans un jour-
thèse conduit à utiliser un modèle logit hiérar- nal d’affaires des années 1970. Il met alors en
chisé ou logit imbriqué (nested logit). Dans un évidence ce que les professionnels de choix de
tel modèle, l’échantillon est réparti entre plu- site (comme la revue américaine Site Selec-
sieurs groupes. Chacun rassemble des alternati- tion) appellent des « incontournables » ou
ves ayant des attributs similaires, ces différents « intangibles » et qui peuvent aller d’une liste
groupes sont mutuellement exclusifs. La pré- simple (marché local, coûts du travail, infras-
sentation détaillée du modèle utilisé, est effec- tructures, aéroport, université), à des listes
tuée dans l’encadré 1, dont les notations sont plus longues de facteurs économiques,
retenues dans la suite. sociaux, politiques et techniques (Mucchielli,
1998 : chapitre 5). Mais ces analyses restent
Ainsi, on suppose qu’une entreprise cherchant à souvent trop marquées par les spécificités pro-
s’implanter à l’étranger hésitera d’abord entre pres à l’entreprise étudiée et par les caractéris-
plusieurs pays d’accueil. Après avoir choisi le tiques techniques de l’unité de production
pays, elle élira pour son implantation une région localisée à l’étranger. Par contre, les enquêtes
de ce pays. Par exemple, Toyota a pu d’abord systématiques peuvent révéler des détermi-
hésiter entre un investissement en Pologne ou nants génériques et fondamentaux liés à toute
en France. Une fois la France sélectionnée, le implantation à l’étranger.
choix de la région d’implantation se résumait à
un arbitrage entre la région Nord et la région
Alsace-Lorraine. 5. « Où devrions-nous installer cette usine ? »
Encadré 1
MODÈLE QUALITATIF AVEC OU SANS STRUCTURE HIÉRARCHIQUE
Pour analyser les déterminants du choix de localisa- ment. À la suite de McFadden (1974), un certain nom-
tion, deux grands types de modèles économétriques bre d’articles récents ont étudié les déterminants des
peuvent être utilisés : les modèles quantitatifs et les choix de localisation en utilisant dans leurs études
modèles qualitatifs. Les modèles de choix discret économétriques un logit conditionnel.
(modèles qualitatifs) sont souvent préconisés lorsque
Le logit conditionnel est un modèle de choix discretles données individuelles d’implantation sont disponi-
fondé sur la théorie de la maximisation des fonctionsbles. Ils constituent, actuellement, une méthodologie
de profits. L’hypothèse sous-jacente est que les inves-de référence dans l’examen des implantations de fir-
tisseurs choisissent une localisation si et seulement simes multinationales (cf. tableau 1).
cette localisation engendre des profits supérieurs à
Dans cet article, les modèles qualitatifs utilisés (modè- toutes les autres alternatives.
les de choix conditionnel) permettent d’estimer
l’impact des différents déterminants d’implantation sur
Dans ce cadre théorique, chaque firme peut choisir
la probabilité d’implanter une filiale dans une localisa-
entre N localisations potentielles pour sa futuretion particulière. La variable expliquée prend alors la
implantation (l’indexation est donc arbitraire). Les pro-valeur de 1 ou de 0 selon que l’entreprise a localisé ou
fits de chaque firme, associés à la localisation j s’écri-non une filiale dans l’espace géographique analysé.
vent alors sous la forme : ∏ = V + ε , où V est fonctionj j j jOn emploie des modèles économétriques différents
de toutes les caractéristiques et ε est un termejselon la structure décisionnelle considérée (structure
d’erreur inobservable. On choisit une formulation
hiérarchisée ou non).
linéaire de V : V = β X où X est le vecteur des carac-j j j j
téristiques observables de la localisation j et β est le
Des décisions sans structure hiérarchisée… vecteur des paramètres à estimer.
Chaque firme choisira une localisation j si les profits Dans un premier temps, les deux niveaux géographi-
espérés, notés ∏ , sont supérieurs à tous les profits ques (pays et régions) sont considérés indépendam- j
ÉCONOMIE ET STATISTIQUE N° 363-364-365, 2003 133
plusieurs formes d’investissement. De façonLocalisation contrainte ou localisation
simplifiée, cela pourra être une création ex nihilolibre ?
(greenfield investment), une co-entreprise avec
un partenaire local ou une autre firme étrangère
Lorsqu’une firme choisit d’implanter une unité (joint-venture), ou bien l’acquisition d’une
de production à l’étranger, elle peut envisager entreprise locale déjà implantée.
Encadré 1 (suite)
espérés associés aux autres sites : ∏ = max { ∏ } où pays d’accueil. Après le choix du pays, elle détermineraj k
une région particulière à l’intérieur de ce pays.k = 1,…, N, c’est-à-dire : P = P ( ∏ > ∏ ) pour tout k j j k
(avec k ≠ j).
Plusieurs auteurs analysant la localisation des firmes
multinationales ont déjà préconisé cette approche
Dans ces conditions et sous l’hypothèse que les ter- hiérarchisée : Hansen 1987 ; Guimarães et al. 1998 ou
mes d’erreur soient indépendamment et identique- Mayer et Mucchielli 1999. D’autres auteurs utilisent
ment distribués selon une distribution de Weibull, des variables indicatrices pour absorber les corréla-
McFadden (1974) a montré que la probabilité pour une tions des termes d’erreur des différentes alternatives
firme de choisir le site j est donnée par le logit (Bartik 1985 ; Woodward 1992 ; Head et al. 1995,
N 1999).
conditionnel : P = exp()βX ⁄ exp()βX .j j ∑ k
Dans le modèle logit hiérarchisé utilisé, les régionsk = 1
seront indexées par r = 1, 2, …, R et les pays par
c = 1, 2, …, C. Chaque entrepreneur choisit alorsLes coefficients (qui constituent le vecteur β) sont esti-
l’alternative qui maximise ses profits : Π = V + ε .cr cr crmés par la technique du maximum de vraisemblance.
La fonction des caractéristiques observées V dépen-cr
dra à la fois des caractéristiques du nid Y (du pays) etc
des attributs des régions X . On obtient :… aux décisions avec structure hiérarchisée cr
V = βΧ + αY où β et α sont les vecteurs des para-cr cr c
Une forte restriction du modèle du logit conditionnel mètres à estimer.
est l’hypothèse relative aux termes d’erreur : on sup-
La probabilité de choisir un pays dépend à la fois despose que les termes résiduels des utilités des différen-
caractéristiques du pays mais aussi de celles destes alternatives ne sont pas corrélés. Ceci implique
alternatives qui composent le nid. On est donc amenéune propriété bien connue : l’« indépendance par rap-
à définir une utilité maximale espérée associée au nidport aux choix extérieurs » (“Independence from Irrele-
et appelée valeur inclusive notée I et égale àcvant Alternatives”). Cette importante propriété signifie
Rcque le rapport des probabilités de deux choix d’alter- 
I = log exp()βX . natives est indépendant de l’ensemble des choix. En ∑c ic
i = 1d’autres termes, ajouter une autre alternative dans
l’échantillon ne doit pas modifier le rapport des proba-
La probabilité P de choisir un pays c est :bilités entre deux alternatives (1). c
c
Comme le souligne McFadden (1974), cette propriété P = exp()σ I + αY ⁄ exp()σI + αYc c c ∑ j j
est très restrictive dans beaucoup d’applications et j = 1
elle a de fortes chances d’être violée si deux alternati- La probabilité P de choisir une région r est : cr
ves sont des substituts proches.
Rc
Une solution pour respecter cette hypothèse est d’uti- P = P x P où P = exp()βX ⁄ exp()βX cr r|c c ∑rc cr ci
liser un modèle logit hiérarchisé ou logit imbriqué (nes- i = 1
ted logit). Une telle approche permet au statisticien de
fractionner son échantillon en différents groupes qui ce qui revient à :
rassemblent des alternatives ayant des attributs simi-
laires, ces différents groupes étant mutuellement exp()βX × exp()σI + αYic c c
P = exclusifs. Ainsi, le logit imbriqué décrit un processus cr cde localisation dans lequel les choix peuvent être inter- exp()σI + αY × exp()I∑ j j c
prétés comme un processus dynamique à plusieursj = 1
niveaux (structure en cascade).
Le coefficient σ de la valeur inclusive détermine la per-
Ici, la structure hiérarchisée du choix d’implantation est tinence de la structure de l’arbre. Comme l’a souligné
illustrée par un arbre décisionnel à deux niveaux : le pre- McFadden (1984), 0 < σ < 1 est une condition suffi-
mier niveau de choix (le nid ou nest) concerne les diffé- sante pour justifier un modèle séquentiel. Au contraire,
rents pays. Chaque nid se subdivise ensuite en plu- si σ = 0 ou σ = 1 le logit hiérarchisé est alors équivalent
sieurs régions administratives (deuxième niveau de à un logit conditionnel. Enfin, la valeur (1 - σ) donne le
choix). Cette structure d’arbre indiquerait alors que les degré de similarité des alternatives. (1).
régions d’un même pays ont des caractéristiques plus
proches entre elles que les régions de pays différents.
Ainsi, on peut penser qu’une entreprise cherchant à 1. Pour plus de détails, voir par exemple McFadden, 1974, et
s’implanter à l’étranger hésitera d’abord entre plusieurs Ben-Akiva et Lerman, 1985.
134 ÉCONOMIE ET STATISTIQUE N° 363-364-365, 2003L’implantation ex nihilo peut être considérée régions étudiés ici, on s’en tiendra donc à
comme un cas de « localisation libre » car sans l’étude de l’ensemble des filiales (cf. tableau 2).
contrainte antérieure. Par contre, une acquisi-
La base de données utilisée ici est extraite detion sera contrainte, dans ses localisations, par
l’Enquête-filiales de la Direction des Relationsles implantations antérieures de l’entreprise
Economiques Extérieures (DREE) du Ministèreacquise. De ce fait, les déterminants du choix
de l’économie, des finances et de l’industrie ;d’implantation peuvent être différents. Cepen-
elle répertorie les implantations françaises àdant, l’analyse détaillée du nombre d’implanta-
l’étranger par lieu de localisation. L’échantillontions de filiales par les multinationales françai-
comporte 614 choix de localisation individuelleses en Europe ne fait apparaître que peu de
de multinationales françaises établies entredifférences en termes de pourcentage entre filia-
1987 et 1994 dans sept pays européens (Allema-les acquises et filiales créées par pays et par
gne, Belgique, Italie, Pays-Bas, Portugal, Espa-
gne et Royaume-Uni) et dans 47 régions, pour
16 secteurs d’activité (cf. encadré 2).
Tableau 2
Parts représentatives des pays d’accueil dans Le potentiel marchand comme
le nombre de filiales françaises acquises et déterminant des implantations (6)
créées en Europe
En %
Le choix d’un lieu d’implantation est donc
Filiales Filiales
Pays d’accueil déterminé par la comparaison des caractéristi-
acquises créées
ques de chaque localisation potentielle (6). Au
Allemagne 15,2 17
niveau du pays d’accueil, les variables explica-
Autriche 3,3 2,4
tives peuvent être réparties en trois grands
Belgique 9,8 10,6
groupes : la demande, les coûts de production et
Danemark 1,4 0,7
la présence d’entreprises locales ou étrangères
Espagne 12,2 24,3
sur le territoire (concentration géographique).
Finlande 2,0 0,9
Grèce 1,0 1,1 En ce qui concerne la variable de demande, la
Irlande 1,5 1,6 demande potentielle adressée à une entreprise
Italie 11,3 9,0 dépend de sa zone d’implantation. Souvent, le
Luxembourg 0,8 2,5 produit intérieur brut du territoire d’accueil
Pays-Bas 9,6 4,0 (national ou régional) est la proxy retenue
Portugal 4,6 4,9 comme variable de demande, mais cela peut être
Royaume-Uni 21,7 19,5 réducteur. En effet, mesurer la demande locale
Suède 5,6 1,4
Ensemble 100 100
6. Les variables explicatives sont indicées par n au niveau natio-Source : Enquête-filiales DREE 1997 pour la Belgique et Enquête-
nal et par r au niveau régional.filiales DREE 2000 pour les autres pays.
Encadré 2
UNE BASE DE DONNÉES DES IMPLANTATIONS FRANÇAISES À L’ÉTRANGER
Une base de données censée répertorier toutes les l’industrie manufacturière. L’Enquête-filiales DREE
localisations des multinationales françaises à l’étran- relative à l’année 2000 recense les secteurs d’activité
ger par unité d’implantation (et donc par lieu de locali- en utilisant la nomenclature française NAF 60. Une
sation) est particulièrement utile pour sortir du cadre redéfinition des secteurs, selon la nomenclature euro-
des monographies descriptives des processus de péenne NACE 2, a été effectuée, et seuls 16 secteurs
localisation. L’Enquête-filiales de la Direction des d’activité ont été retenus (cf. tableau).
Relations Economiques Extérieures (DREE) du Minis-
L’échantillon est finalement composé de 614 choixtère de l’économie, des finances et de l’industrie four-
de localisation individuelle de multinationales françai-nit une telle base de données. Chaque année, les mis-
ses effectués entre 1987 et 1994 dans sept payssions économiques de la DREE recensent, à l’étranger,
européens (Allemagne, Belgique, Italie, Pays-Bas,les entités dont le capital est détenu à hauteur de 10 %
Portugal, Espagne et Royaume-Uni), et danset plus par une maison-mère française, ainsi que les
47 régions administratives (la liste des régions euro-bureaux de représentation, les établissements et suc-
péennes retenues est détaillée par le schéma ci-des-cursales d’entreprises françaises. Ne sont retenues ici,
sous).dans l’échantillon, que les entreprises appartenant à
ÉCONOMIE ET STATISTIQUE N° 363-364-365, 2003 135Encadré 2 (suite)
LES 16 SECTEURS D’ACTIVITÉ RETENUS (NACE 2 CHIFFRES)
22 : Production et première transformation des métaux
24 : Industrie des produits minéraux non métalliques
25 : Industrie chimique
32 : Construction de machines et de matériel mécanique
33 : Construction de machines de bureau et de machines et d’installation pour le traitement de l’information
34 : Construction électrique et électronique
35 : Construction d’automobiles et de pièces détachées
36 : Construction d’autre matériel de transport
37 : Fabrication d’instruments de précision, d’optique et similaires
41 et 42 : Industrie des produits alimentaires, des boissons et du tabac
43 : Industrie textile
45 : Industrie des chaussures et de l’habillement
47 : Industrie du papier et fabrication d’articles en papier ; Imprimerie et édition
48 : Industrie du caoutchouc ; Transformation des matières plastiques
49 : Autres industries manufacturières
Structure choix de localisations : 7 pays et 47 régions (46 régions NUTS 1 + Portugal NUTS 0)
FMN
Portugal
Brussels
Baden-WürttembergVlaams Gewest Belgique
BayernRégion Walonne
Berlin
Bremen
HamburgNoroeste
HessenNoreste
Allemagne NiedersachsenMadrid Espagne
Nordrhein-WestfalenCentro
Rheinland-PfalzEste
SaarlandSur
Schleswig-Holstein
Noord-Nederland
Oost-Nederland Italie Nord OvestPays-Bas
West-Nederland Lombardia
Zuid-Nederland Nord Est
Emilia-Romagna
CentroNorth Royaume-Uni
LazioYorkshire and
Abbruzo-MoliseHumberside
CampaniaEast Midlands
SudEast Anglia
SiciliaSouth East
SardegnaSouth West
West Midlands
North West
Wales
Scotland
Northern Ireland
136 ÉCONOMIE ET STATISTIQUE N° 363-364-365, 2003par le PIB présente l’inconvénient majeur de ne Une autre variable liée aux conditions du mar-
pas considérer la demande émanant des territoi- ché du travail est le taux de chômage de long
res voisins. terme dans le pays (CHOM ). Le signe attendun
est incertain : pour les entreprises, un fort
niveau de chômage peut apparaître comme laIci, les variables de demande s’appuient sur une
conséquence de fortes rigidités sur le marché dunotion plus large que celle du PIB et se rappro-
travail (effet négatif). Au contraire, ce taux dechent des concepts de potentiel marchand du lieu
chômage important peut être assimilé à l’exis-d’implantation (market potential) (7) et
tence d’une main-d’œuvre disponible (effet« d’accessibilité à la demande ». Dans le cas pré-
positif) (Mayer et Mucchielli, 1999).sent, trois variables de demande sont calculées afin
de prendre en compte la demande globale du lieu
d’implantation et de ses zones limitrophes (8). Les effets attendus de la concentration
spatiale des firmes
La première variable notée PMEU (potentieln
marchand européen), représente la somme des
Un dernier groupe de déterminants vise à expli-
PIB du pays d’accueil et de ses pays frontaliers
quer la concentration géographique observée au
appartenant à l’Union européenne (9). La
niveau des pays et surtout les effets d’agglomé-
deuxième variable, PMLARGE , correspond àn ration au niveau des régions.
la somme des PIB du pays d’accueil et de tous
ses pays limitrophes (les Pays d’Europe Cen-
L’idée de gains engendrés par la proximité géo-
trale et Orientale (PECO) frontaliers et la Suisse
graphique n’est pas récente. Pour Marshall
sont inclus). Enfin, si l’on considère que les
(1920), les firmes implantées dans un même site
PECO n’ont vraiment commencé à prendre une
pouvaient bénéficier d’un large marché du tra-
part significative aux échanges européens
vail spécialisé, d’un accès plus facile aux inputs
qu’après la transition, les entreprises ont alors
nécessaires à la production ainsi que de la pos-
pu intégrer cette demande dans leur stratégie de
sibilité d’obtenir des externalités technologi-
localisation qu’après 1991. Ainsi, la dernière
ques liées à la proximité géographique.
variable de demande PMLARGE91 , est égale àn
la somme des PIB du lieu d’accueil, de la Suisse Par ailleurs, les multinationales ont une infor-
s’ils ont une frontière commune et des PECO mation imparfaite des sites étrangers potentiels
limitrophes après 1991. (Johanson et Wiedersheim-Paul, 1975 ; Hirsh,
1976). Savoir que d’autres filiales françaises ou
Les études empiriques relatives à l’implantation des entreprises locales sont déjà implantées
des multinationales trouvent un impact positif de dans une localisation particulière peut jouer un
la variable de demande sur le comportement des rôle important dans la stratégie de localisation :
investisseurs (cf. tableau 1). Cela semble con- être informé de l’attractivité d’un lieu de pro-
forme à l’intuition que les entreprises ont plus ten- duction peut alors entraîner un comportement
dance à se localiser dans les pays ou régions à forte d’agglomération.
demande potentielle : le signe attendu du coeffi-
cient associé est donc positif.
Cependant, le débat reste ouvert. Il porte sur
l’importance relative des différentes forces
d’agglomération ou de dispersion. La proximité
Les coûts de localisation et leurs effets d’autres firmes d’un même secteur va, dans un
contrastés sens, être une source d’agglomération
géographique : après l’implantation d’une firme
« first-mover », toutes les autres entreprisesLes coûts sont appréhendés ici par les coûts du
vont vouloir la suivre en espérant pouvoir ainsitravail. Le salaire annuel moyen par tête dans le
bénéficier d’externalités positives (forces cen-secteur d’activité lors de l’année d’implantation
tripètes). Mais, d’un autre côté, la proximité ris-(SAL ) a été choisi comme proxy des coûts dun
travail. Au niveau empirique, de nombreuses
études menées sur la localisation des entreprises
7. Voir par exemple sur ce thème Harris, 1954 ; Friedman et al.,
étrangères mettent en évidence que les multina- 1992 ; Head et al., 1999 ; Crozet et al., 2003.
8. Les modèles logit estimés non hiérarchisés seront dénomméstionales sont attirées dans des zones où les coûts
respectivement 1, 2 ou 3 si la variable de demande spécifiée estdu travail sont bas (Coughlin et al., 1991 ; la première, la deuxième ou la troisième de celles décrites précé-
Friedman et al., 1992 ; Jianping, 1999 ; Ford et demment et respectivement 4, 5 ou 6 dans le cas d’un modèle
imbriqué.Strange, 1999). Pour cette variable, le coeffi-
9. Si un pays d’accueil a une frontière commune avec la France,
cient attendu est donc négatif. (7) (8) (9) le PIB français est ajouté.
ÉCONOMIE ET STATISTIQUE N° 363-364-365, 2003 137que d’être un facteur négatif et d’engendrer une tous les secteurs manufacturiers (Mucchielli et
dispersion sur le territoire ; l’intensité de la con- Puech, 2001). (10)
currence créera alors des forces centrifuges. En
Enfin, pour distinguer si les multinationalesgénéral, les études empiriques soulignent que le
françaises ont un comportement « spécifique »nombre de firmes dans une zone particulière a
lorsqu’elles implantent une filiale à l’étrangerun impact positif sur la localisation d’autres fir-
ou si, par exemple, elles ne font qu’imiter lesmes (Ford et Strange, 1999 ; Head et Ries,
comportements de localisation de firmes loca-1996 ; Mayer et Mucchielli, 1999 ; Head et al.,
les, la variable EMPLSECT représente la spé-n1995, 1999 ; Crozet et al., 2003). Afin d’analy-
cialisation sectorielle du pays. Cette variableser précisément les phénomènes de concentra-
est égale au rapport du nombre d’employéstion géographique, on distingue plusieurs sour-
appartenant au même secteur d’activité que laces potentielles de concentration/dispersion
filiale, comparé à l’emploi total de l’industrie(cf. tableau 3).
manufacturière dans le pays d’accueil. Les étu-
des empiriques sur la localisation des entrepri-La variable INDUSFMN représente le stock den ses multinationales concluent généralement àfiliales françaises dans le pays d’accueil apparte-
un impact positif de la présence d’entreprisesnant à l’industrie manufacturière (tous secteurs
locales sur le comportement des investisseursconfondus) jusqu’à l’année précédant l’implanta-
(cf. tableau 1).tion. Le stock est calculé par un décompte des
unités productives françaises dans l’industrie
La région comme niveau de prospectionmanufacturière dans le pays (10). Le signe
attendu du coefficient est positif, car plus le stock On retiendra les mêmes variables explicatives
de filiales françaises dans l’industrie manufactu- au niveau régional qu’au niveau national
rière est important dans un pays et plus le pays (cf. tableau 4). Les signes attendus des coeffi-
d’accueil sera attractif. De plus, lorsque les entre- cients de ces variables sont identiques au niveau
prises multinationales investissent à l’étranger, national et régional.
elles tendent à minimiser les risques : la localisa-
L’intérêt de différencier les deux niveaux géo-tion d’autres filiales françaises est alors être per-
graphiques réside dans la possibilité de distin-çue comme un signal positif.
guer à quel niveau chacun des trois grands grou-
pes de déterminants influe sur le choix deLa seconde variable d’agglomération :
localisation.SECTFMN représente le stock de filiales fran-n
çaises, appartenant au même secteur d’activité,
implantées dans le pays jusqu’à l’année précé- 10. On a cependant ajouté une unité productive au stock réel
des FMN car, pour certains secteurs, le premier investissement adant l’implantation de l’entreprise étudiée. Le
été réalisé durant la période 1987-1994. La solution proposé parsigne est incertain, car il n’existe pas une ten-
Head et al. (1995) a été retenue afin d’éviter tout problème lors
dance générale à la concentration spatiale dans du passage en logarithme.
Tableau 3
Description des variables explicatives au niveau national
Variable Définition Source
PMEU Somme du PIB du pays d’accueil et des pays frontaliers s’ils appartiennent Comptes harmonisés n
à l’Union européenne. sur les échanges et
l’économie mondiale
(CHELEM), CEPII
PMLARGEontaliers (la Suisse et cer- CHELEM, CEPIIn
tains PECO sont inclus s’ils sont limitrophes au pays d’accueil).
PMLARGE91ontaliers (les PIB des PECO n
frontaliers n’étant inclus qu’à partir de 1991).
SAL Salaire annuel moyen national par tête dans le secteur d’activité l’année de STructural ANalysis n
création de la filiale. (STAN), OCDE
CHOM Taux de chômage de long terme dans le pays l’année d’implantation. Eurostatn
INDUSFMN Un plus le stock de filiales françaises dans toute l’industrie dans le pays DREE 2000n
jusqu’à l’année précédant l’investissement.
SECTFMN Un plus le stock de filiales françaises appartenant au même secteur d’acti- DREE 2000n
vité dans le pays jusqu’à l’année précédant l’investissement.
EMPLSECT Nombre d’actifs occupés locaux appartenant au même secteur d’activité STAN, OCDEn
divisé par le nombre total d’actifs occupés locaux dans toute l’industrie
dans le pays.
138 ÉCONOMIE ET STATISTIQUE N° 363-364-365, 2003

Soyez le premier à déposer un commentaire !

17/1000 caractères maximum.