Détection de la collusion dans les enchères fermées de premier prix - Mémoire Eliane Landry-Tremblay Maîtrise en économique

 
Détection de la collusion dans les enchères fermées de
 premier prix

 Mémoire

 Eliane Landry-Tremblay

 Maîtrise en économique
 Maître ès Arts (M.A.)

 Québec, Canada

 © Eliane Landry-Tremblay, 2017
Détection de la collusion dans les enchères fermées de
 premier prix

 Mémoire

 Eliane Landry-Tremblay

 Sous la direction de :

 M. Bruce Shearer, directeur de recherche
Résumé

 Le présent papier s’intéresse à la détection de la collusion dans les enchères fermées de
premier prix. Il est question de développer un modèle pour dépister la collusion dans un contexte où
les firmes qui se livrent à une telle activité ne sont pas identifiées. Le principe est de voir si le
comportement de mise des entreprises est le même en situation compétitive qu’en situation où il peut
exister de la collusion. D’abord, un modèle est créé pour estimer le prix misé en fonction de
caractéristiques de l’enchère, des caractéristiques de l’entreprise, de la compétition potentielle, ainsi
que de la conjoncture économique. Puis, une variable potentiellement indicatrice de collusion est
ajoutée au modèle. L’objectif est de déceler des différences dans le comportement des enchérisseurs.
Pour ce faire, les données d’enchères de droit de coupe de bois de la forêt publique québécoise ont
été utilisées.

 Les résultats obtenus démontrent qu’il peut exister de la collusion dans certaines conditions,
notamment lorsque des firmes qui font une soumission sont liées par un même actionnaire. Cependant,
puisque les firmes collusives ne sont pas identifiées, le modèle ne permet pas de conclure qu’il existe
un lien de causalité entre la variable potentiellement indicatrice de collusion et les prix obtenus plus
faibles. De plus, le faible nombre d’observations qui correspondent à la variable indicatrice ne
permettent pas d’obtenir des résultats robustes. Finalement, le résultat obtenu ne doit pas être vu
comme une preuve de collusion en soi, mais plutôt comme un indicateur permettant de s’attarder
davantage à des contrats pour lesquels le comportement des enchérisseurs est différent d’un
comportement compétitif.

 iii
Table des matières

Résumé .............................................................................................................................................................. iii
Table des matières ............................................................................................................................................. iv
Liste des tableaux ................................................................................................................................................v
Liste des figures .................................................................................................................................................. vi
Liste des abréviations et des sigles ................................................................................................................... vii
Remerciements ................................................................................................................................................. viii
Avant-propos ...................................................................................................................................................... ix
Introduction ......................................................................................................................................................... 1
1. Théorie des enchères et collusion .................................................................................................................. 5
 1.1 Les enchères et la stratégie de mise optimale .................................................................................. 5
 1.2 La collusion dans les enchères ......................................................................................................... 8
 1.3 La détection empirique de la collusion dans les enchères .............................................................. 10
2. Le marché du bois ........................................................................................................................................ 19
 2.1 Fonctionnement des enchères ........................................................................................................ 19
 2.2 Types de collusion........................................................................................................................... 23
 2.3 Caractéristiques du marché............................................................................................................. 24
3. Description des données .............................................................................................................................. 28
4. Méthodologie ................................................................................................................................................ 37
5. Estimation et résultats................................................................................................................................... 41
 5.1 Modèle standard du prix misé ................................................................................................................ 41
 5.2 Modèle du prix misé avec variable indicatrice ........................................................................................ 44
 5.3 Robustesse des résultats ....................................................................................................................... 50
 5.4 Discussion .............................................................................................................................................. 56
Conclusion ........................................................................................................................................................ 58
Bibliographie ..................................................................................................................................................... 60

 iv
Liste des tableaux
Tableau 1 : Volumes vendus par le BMMB selon le type de vente de juin 2011 à juillet 2016 ......................... 22
Tableau 2 : Proportion du coût d’opération moyen pour les firmes récoltant les essences SEPM de l’industrie
forestière québécoise pour l’année 2013-2014 ................................................................................................. 27
Tableau 3 : Liste des variables utilisées dans le modèle de prix misé .............................................................. 34
Tableau 4 : Statistiques descriptives des secteurs de l’échantillon .................................................................. 36
Tableau 5 : Résultats du modèle de prix misé .................................................................................................. 42
Tableau 6 : Résultats du modèle de mise avec variable indicatrice de liens .................................................... 45
Tableau 7 : Résultats du modèle de mise avec variable indicatrice pour la même ville ................................... 47
Tableau 8 : Résultats du modèle de mise avec variable indicatrice pour la présence de mises annulées ....... 49
Tableau 9 : Résultats du modèle de prix misé avec variables binaires pour l’année et le trimestre ................. 52
Tableau 10 : Résultats du modèle de mise avec variables binaires pour l’année et le trimestre et variable
indicatrice de liens ............................................................................................................................................ 53
Tableau 11 : Résultats du modèle de mise avec variables binaires pour l’année et le trimestre et variable
indicatrice pour la même ville............................................................................................................................ 54
Tableau 12 : Résultats du modèle de mise avec variables binaires pour l’année et le trimestre et variable
indicatrice pour la présence de mises annulées ............................................................................................... 55

 v
Liste des figures
Figure 1 : Répartition des acheteurs du BMMB par type d’entreprise de juin 2011 à juillet 2016 ..................... 25
Figure 2 : Évolution des mises en chantier non désaisonnalisées mensuelles du Canada et des États-Unis de
janvier 2007 à décembre 2015 ......................................................................................................................... 33
Figure 3 : Évolution du prix composé du bois d’œuvre de janvier 2007 à novembre 2016 ............................... 33
Figure 4 : Évolution du prix du carburant diesel au Québec de janvier 2007 à décembre 2016 ....................... 34

 vi
Liste des abréviations et des sigles
BMMB : Bureau de mise en marché des bois
Borne inf. : Borne inférieure
Borne sup. : Borne supérieure
Coef. : Coefficient
CP : Coupe partielle
DHP : Diamètre à hauteur de poitrine
Dist. : Distance
HHI : Indice Herfindahl Hirschman
Intervalle de conf. : Intervalle de confiance
MFFP : Ministère des Forêts, de la Faune et des Parcs
Mpmp : Millier de pieds mesure de planche
SEPM : Sapin, épinette, pin gris et mélèze
SOPFEU : Société de protection des forêts contre le feu
SOPFIM : Société de protection des forêts contre les insectes et les maladies
Vol/ha : Volume à l’hectare

 vii
Remerciements

 Je tiens à remercier mon directeur de recherche M. Bruce Shearer, qui m’a accompagné tout
au long de mon mémoire. Il a été d’une grande disponibilité et a éclairé mes multiples questions
économétriques. Son expertise dans le domaine m’a permis d’approfondir mes connaissances sur le
sujet.

 Merci aux professeurs du département en économique de l’Université Laval qui m’ont enseigné
et qui ont suscité mon intérêt pour la science économique. Ils ont grandement contribué à mes
connaissances et à la formation de mon jugement critique tout au long de mon parcours scolaire.

 Je tiens finalement à remercier Sébastien, mon conjoint, qui m’a apporté son soutien pour ce
projet. Sans ton support et ta présence, ce projet n’aurait pas été possible. Merci de ta patience!

 viii
Avant-propos

 Je tiens à mentionner qu’au moment où ce mémoire est réalisé, je travaille pour le ministère
des Forêts, de la Faune et Parcs (MFFP), au Bureau de mise en marché des bois. Le fait de travailler
au ministère a facilité l’accès aux données, qui sont normalement confidentielles. Mon travail m’a
également permis d’avoir une meilleure connaissance du marché et des variables à sélectionner pour
le modèle. Finalement, les opinions présentées dans ce mémoire sont les miennes et ne représentent
pas celles du MFFP.

 ix
Introduction

 L’organisation industrielle a beaucoup étudié le comportement des cartels et la collusion, les
facteurs qui en favorisent l’apparition et leur stabilité. Hendricks, McAfee et Williams (2015) étudient la
collusion dans les enchères. Ils distinguent le cartel d’un cercle d’enchérisseurs («bidding ring»). Bien
que les deux aient comme objectif de diminuer ou d’empêcher la concurrence, le cartel est plus général
et fait plutôt référence à un produit en particulier et aux marchés géographiques. Le cercle
d’enchérisseurs, quant à lui, est spécifique à une enchère. Kovacic et al. (2006) soutiennent qu’il est
naturel pour les enchérisseurs de vouloir supprimer la rivalité et de tenter de s’accaparer une part de
la rente qui aurait été transférée au vendeur. Pour ainsi dire, ils considèrent que le truquage des offres
est presque inévitable lorsqu’il y a utilisation des enchères. C’est pourquoi, en plus de prévenir la
collusion, il est important de s’attarder à la détecter. À cet égard, les économistes étudient de plus en
plus les moyens de détection de la collusion (Porter et Zona, 1993, 1999; Bajari et Ye, 2003).

 En plus d’être illégale, la collusion génère des distorsions dans les prix d’échange. Les
enchères sont utilisées comme mécanisme de marché dans le but de «déterminer la valeur que les
acheteurs attachent à l’objet ou au service vendu, soit le maximum que chaque acheteur est prêt à
payer pour se procurer un bien» (Del Degan, Massé, 2008, p.9). Lorsque des concurrents font de la
collusion, cet objectif est compromis. Les prix obtenus en situation de collusion sont le résultat d’une
entente entre entreprises collusives et non d’un processus compétitif de détermination de la mise.
Plutôt que le vendeur reçoive la valeur maximale qu’un acheteur est prêt à payer, et donc un maximum
de revenus, ce sont les acheteurs qui s’accaparent la rente. On perd donc les bénéfices d’être en
situation de concurrence, apportés par les enchères. La collusion génère également des inefficacités
dans l’économie puisque les objets ne sont pas nécessairement attribués aux entreprises les plus
efficaces. En effet, dans une situation compétitive, l’efficacité est assurée par le fait que les gagnants
des enchères sont ceux qui ont les coûts les plus faibles. En situation de collusion, l’entreprise collusive
n’est pas nécessairement celle qui a les coûts d’exploitation les plus faibles.

 1
Dans le cas d’enchères au plus offrant, le résultat de la collusion est l’obtention de prix plus
faibles pour le vendeur qu’en situation de concurrence. Il s’agit donc d’un manque à gagner. Lorsque
l’État est le vendeur, ces revenus ainsi perdus auraient pu être investis et générer des bénéfices positifs
pour la société. D’un point de vue social, on peut ajouter comme impact une perte de confiance en
l’État. En outre, celle-ci est exacerbée par le fait que nous venons d’assister à une Commission
d’enquête sur l’octroi et la gestion des contrats publics dans l’industrie de la construction.

 Le présent document s’attarde à la question de détection de la collusion. Plus précisément, il
est question de développer un modèle permettant d’identifier la collusion dans les enchères. À cette
fin, le modèle développé est appliqué aux données d’enchères de bois réalisées par le Gouvernement
du Québec. Dans un premier temps, le comportement de mise de l’ensemble des enchérisseurs est
modélisé en situation concurrentielle. La mise est une fonction des caractéristiques de l’appel d’offres,
d’indices de compétition potentielle, de caractéristiques des entreprises qui participent, ainsi que de
variables de conjoncture économique. Ensuite, des variables indicatrices de collusion sont ajoutées au
modèle pour voir si des différences de comportement sont identifiables dans des situations propices à
la collusion. Les variables considérées sont : le fait que des entreprises ayant des liens d’actionnariat
présentent des mises sur un même appel d’offres, une variable binaire indiquant que des
soumissionnaires sont dans la même ville, ainsi qu’une variable binaire qui indique si l’entreprise a
déjà annulé une mise sur le même secteur. Si le comportement dans les enchères indiquées est
cohérent avec la collusion, ces variables devraient avoir un effet négatif sur le prix misé. Ce projet de
recherche contribuera à la littérature sur la détection de la collusion dans les enchères. Il se distingue
des travaux précédents par le fait que les firmes collusives ne sont pas connues ex ante. Par exemple,
Porter et Zona (1993 et 1999), ainsi que Bajari et Ye (2003) ont utilisé des données pour lesquelles les
entreprises collusives sont identifiées ex ante. Ils testent différentes méthodes statistiques pour voir
s’ils peuvent détecter le comportement collusif.

 Au Québec, les enchères de droits de récolte de bois ont été implantées notamment dans le
but d’obtenir un prix de marché et d’établir sa juste valeur. Il importe donc de vérifier que ces prix ne
sont pas biaisés. Un élément qui pourrait affecter le prix des ventes est la collusion. Puisque les ventes

 2
aux enchères servent à tarifer le bois du Québec par le biais d’une équation de prix hédonique, la
collusion peut biaiser les résultats obtenus et miner la crédibilité du système d’enchère. Un des
objectifs des ventes aux enchères de bois se trouve alors en péril.

 Les résultats démontrent que les entreprises ayant des liens d’actionnariat présentent en
moyenne des mises plus basses de 2,20$/m3 lorsqu’elles participent au même appel d’offres, toutes
choses étant égales par ailleurs. Ce résultat est cohérent avec un comportement de collusion et cette
relation est significative à un seuil de 5%. À l’opposé, si les soumissionnaires sont dans la même ville,
ils misent en moyenne 1,37$/m3 de plus que des enchérisseurs qui ne le sont pas. Ce résultat n’est
pas cohérent avec un comportement de collusion. Au contraire, il peut démontrer plus de compétition.
Enfin, le fait qu’une entreprise ait déjà annulé une soumission sur le même secteur affecte le prix misé
positivement de 1,37$/m3. Il faut cependant être conscient que le dernier résultat est non significatif et
que la variable contient un faible nombre d’observations pour lesquelles la collusion est possible.

 Pour tester la robustesse des résultats, j’inclus dans les régressions des variables binaires
pour l’année et le trimestre dans lequel l’enchère est tenue. Ces variables capturent des éléments non
observables du marché qui ne sont pas capturés par le modèle, mais qui affectent les mises à travers
le temps. Le signe de la variable de liens reste négatif, mais devient non significatif. Il faut donc être
prudent dans l’interprétation des résultats, en raison notamment du lien de causalité non démontré et
du faible nombre d’enchères pour lesquelles des enchérisseurs liés ont déposé une mise sur le même
appel d’offres.

 Le présent mémoire est divisé en cinq chapitres. Dans un premier temps, un survol de la
théorie des enchères est fait pour bien comprendre le comportement de mise optimal. Les formes de
collusion recensées sont présentées pour comprendre comment ce phénomène affecte le
comportement de soumission, de même que plusieurs méthodes de détection utilisées pour le déceler.
La deuxième section décrit le fonctionnement des enchères, ainsi que le marché utilisé, soit celui des
droits de récolte de bois. Ensuite, les données utilisées sont exposées et des explications sont fournies

 3
quant au choix des variables du modèle. Puis, la méthodologie est abordée en détails, ainsi que
l’estimation des modèles et les résultats. Pour terminer, une discussion sur les résultats est présentée.

 4
Chapitre 1
Théorie des enchères et collusion

 Pour bien comprendre comment la collusion peut affecter le résultat des enchères, il importe
de bien comprendre la théorie sur les enchères, ainsi que les mécanismes de collusion. La présente
section s’attarde à présenter la littérature qui traite de ces sujets. On y aborde entre autres la stratégie
de mise optimale pour chaque type d’enchère, les formes possibles de collusion et la vulnérabilité des
types d’enchères à la collusion. Ces deux sections sont nécessaires pour entrer dans le vif du sujet :
la détection de la collusion. La dernière partie traite exclusivement des modèles empiriques d’enchères.
La littérature sur le sujet étant très abondante, il s’agit ici de présenter les principaux textes sur lesquels
se base mon projet de recherche.

1.1 Les enchères et la stratégie de mise optimale

 On classifie les enchères de plusieurs façons. Deux caractéristiques importantes sont le fait
d’être ouvertes ou fermées et la règle d’allocation du vendeur1. L’enchère ouverte signifie que les
soumissionnaires donnent leur mise de façon séquentielle, alors que pour l’enchère fermée, le vendeur
détermine à l’avance une période de dépôt des soumissions et ouvre l’ensemble des mises reçues lors
d’une séance d’adjudication ultérieure. Le deuxième critère fait référence à la règle d’adjudication du
vendeur. Plus précisément, le gagnant peut payer soit la mise la plus élevée (premier prix) ou la
deuxième soumission la plus élevée (deuxième prix).

 En retenant ces deux critères de classification, on distingue quatre principaux types
d’enchères : l’enchère hollandaise, l’enchère anglaise, l’enchère fermée de premier prix et l’enchère
fermée de deuxième prix. L’enchère hollandaise est une enchère ouverte de premier prix dans laquelle
le vendeur part d’un prix élevé et le descend progressivement, jusqu’à ce qu’un enchérisseur se

1 Critères tirés de «An Empirical Perspective on Auctions» de Ken Hendricks et Robert H. Porter (2007).
 5
manifeste. L’acheteur paie le prix qu’il a offert. Un exemple s’y rapportant est la vente de fleurs et de
plantes en Hollande. Il s’agit du marché aux fleurs d’Aalsmeer. L’enchère anglaise est une enchère
ouverte de premier prix dans laquelle les soumissionnaires augmentent progressivement le prix,
jusqu’à ce qu’il n’y ait plus d’offres. Le paiement du gagnant peut être le premier prix ou le deuxième
prix. L’exemple classique de l’enchère anglaise où le gagnant est la mise la plus élevée est la vente
aux enchères d’œuvres d’art. Ensuite, on retrouve les enchères fermées où les enchérisseurs font
parvenir leurs mises dans une enveloppe ou via Internet. Le gagnant peut payer soit le premier prix ou
le deuxième prix, dépendamment de la règle fixée par le vendeur. Un exemple d’enchères fermées de
premier prix est la vente aux enchères de droits de coupe forestière en Colombie-Britannique et au
Québec. Du côté des enchères fermées de deuxième prix, la compagnie Google les utilise pour la
vente des espaces publicitaires. En effet, elles servent à déterminer dans quel ordre les résultats d’une
recherche vont apparaître et quel prix sera payé par les entreprises par «clic» sur leur annonce (Varian,
2014).

 Il existe plusieurs variantes de ces types d’enchères, telles que les enchères combinatoires,
où il est possible de faire une mise sur une combinaison de biens, ou l’enchère à tours multiples dans
laquelle le vendeur fait plusieurs tours pour l’allocation d’un même bien. Le présent document
s’attardera seulement à l’enchère fermée de premier prix, où le gagnant est celui dont la mise est la
plus élevée, puisque le Gouvernement du Québec utilise ce type d’enchères pour la vente de droits de
récolte de bois sur les terres publiques.

 On distingue également les enchères selon leur type d’environnement. Plus précisément, il
peut être question d’environnement de valeur commune ou de valeur privée. Pour l’environnement de
valeur commune, tous les enchérisseurs ont la même valeur du bien, mais disposent d’informations
différentes sur cette valeur. Un exemple pour illustrer ce propos est une jarre qui contient cinquante
dollars en monnaie mise à l’enchère. L’objet a la même valeur pour tous les enchérisseurs, mais aucun
ne sait combien elle contient réellement et chacun a sa propre idée. L’information envoyée par les
autres enchérisseurs peut être vue comme un signal de la valeur et permet à l’enchérisseur d’ajuster
sa valeur. À l’inverse, l’enchère de valeur privée a comme caractéristique que chaque enchérisseur a

 6
sa propre valeur de l’objet mis en vente et constitue une information privée. L’obtention d’information
supplémentaire par les autres enchérisseurs ne modifie pas la valeur d’un enchérisseur. Il peut
également exister des variantes dans ces types d’environnement. Notamment, la valeur
interdépendante, où les enchérisseurs ne connaissent pas la valeur du bien mis à l’enchère et
disposent d’informations différentes sur cette valeur. Ces environnements ne sont toutefois pas
mutuellement exclusifs. Plus précisément, il est possible qu’un environnement ait une composante
commune qui affecte tous les enchérisseurs de la même façon, mais que l’environnement privé
corresponde plus au marché en question.

 La stratégie optimale de mise pour un enchérisseur dépend généralement de sa propre valeur
de l’objet en vente, ainsi que du nombre de concurrents potentiels à l’enchère. Le type d’enchère et
d’environnement aura aussi un impact sur ce comportement, de même que les enchères où un ou
plusieurs biens sont mis en vente. Par exemple, dans une enchère de deuxième prix fermée où un
seul objet est mis en vente dans un environnement de valeur indépendante, la stratégie optimale est
de miser sa propre valeur, puisque l’enchérisseur ayant soumis la mise la plus élevée gagne et paie
moins que sa vraie valeur (Levin, S.d.a, p. 15). Krishna (2002, p. 15) démontre que dans ce type
d’enchère, il s’agit d’une stratégie faiblement dominante de miser ainsi, puisque miser moins que sa
valeur ne peut jamais augmenter les profits de l’enchérisseur et peut même parfois les diminuer.

 La stratégie de mise pour l’enchère fermée de premier prix, dans un environnement de valeurs
privées, doit tenir compte de la valeur de la firme pour l’enchère et de sa probabilité de gagner. La
mise optimale dépend également du nombre d’enchérisseurs participant à l’enchère et de l’anticipation
du montant que les autres concurrents vont miser. Pour maximiser les gains, la valeur qu’accorde
l’entreprise au bien doit être supérieure au prix misé, autrement, l’entreprise ne réalise pas de profits
(Krishna, 2002, p. 16). L’entreprise doit donc faire un compromis entre miser plus élevé pour augmenter
sa probabilité de gagner et miser plus faible pour faire plus de profits. Ainsi, la stratégie de mise
optimale dans une enchère scellée de premier prix est de miser plus faible que sa vraie valeur (Levin,
S.d.a, p.18 et Krishna, 2002, p. 19). Dans la littérature, on appelle ce phénomène «bid shading». Il
consiste à diminuer sa mise d’un certain montant et celui-ci dépend du nombre de concurrents. Plus

 7
le nombre d’enchérisseurs augmente, plus la mise va tendre vers sa vraie valeur (Krishna, 2002, p.19).
Lorsque les enchérisseurs sont averses au risque, le montant duquel l’enchérisseur va diminuer sa
mise est inférieur puisqu’ils misent plus agressivement pour minimiser la probabilité de perdre l’enchère
(Munoz-Garcia, 2012, p.10-11). Nous venons de voir les stratégies de mises optimales pour les deux
types d’enchères fermées. La stratégie de mise pour l’enchère hollandaise est équivalente à l’enchère
de premier prix fermée et celle de l’enchère anglaise à celle de deuxième prix fermée (Krishna, 2002,
p.13). Finalement, les stratégies de mise optimale pour les deux types d’enchères diffèrent, mais
rapportent le même revenu dans un environnement de valeurs privées où les enchérisseurs sont
symétriques (Krishna, 2002, p. 22). Il s’agit du principe d’équivalence de revenus.

1.2 La collusion dans les enchères

 Il existe plusieurs stratégies de collusion utilisées à l’intérieur d’un cartel ou d’un cercle de
soumissionnaires. Dans un mémo à l’intention du Ministère des Forêts de la Colombie-Britannique -
qui procède à des ventes aux enchères de droits de récolte des bois - Peter Cramton (2002) identifie
plusieurs stratégies de collusion possibles. D’abord, il peut être question de mises identiques où toutes
les entreprises misent le même montant, généralement très près du prix de réserve. Cette forme est
toutefois moins commune de nos jours, puisque plusieurs cas ont été répertoriés et que cette façon de
se concerter attire facilement l’attention des autorités. On peut également observer des schémas de
rotations entre les soumissionnaires. Par exemple, on pourrait s’attendre à recevoir des mises de deux
firmes concurrentes sur un appel d’offres, mais on s’aperçoit que systématiquement, lorsqu’une des
firmes soumissionne, l’autre ne le fait pas. Il peut aussi s’agir de schémas de rotation plus sophistiqués,
tels que la répartition de ventes entre concurrents en fonction du nombre de ventes (ou volumes)
remportés. Cependant, cette stratégie nécessite plus de communications entre les firmes et augmente
ainsi la probabilité d’être détectée. Une firme peut aussi payer un pot-de-vin ou une ristourne à ses
concurrents pour ne pas qu’ils soumissionnent agressivement sur un même appel d’offres. Une autre
stratégie est de faire une enchère avec seulement les membres de l’entente pour déterminer avant
l’enchère officielle qui sera le seul enchérisseur parmi eux qui participe à une enchère donnée
(«knockout auctions»). On peut aussi observer un comportement de mises fantômes («phantom
 8
bidding») où les membres de l’entente déterminent lequel a la valeur la plus élevée et les autres
déposent des mises plus basses pour donner l’illusion de compétition. Finalement, on peut aussi
observer, en plus de toutes les stratégies identifiées précédemment, une menace de guerre d’enchères
(«threat of bidding wars»). Plus précisément, lorsque l’on se rend compte qu’une firme a dévié de sa
stratégie, il est question de ne plus maintenir la collusion et il s’ensuit un comportement compétitif de
toutes les firmes. Il en résulte donc des prix plus élevés. Ce schéma peut être observé dans les
enchères répétées et combiné avec d’autres stratégies.

 La capacité des firmes à manipuler le résultat des enchères et à s’organiser est un facteur
déterminant dans la collusion. Les enchères de premier prix fermées sont moins sujettes à la collusion
que les enchères anglaises (Kovacic et al., 2006, p.6). En effet, pour que le cartel réalise un gain dans
une enchère de premier prix, l’enchérisseur qui a la plus grande valeur de l’objet doit diminuer sa mise
par rapport à une situation compétitive. Puisqu’il mise sous sa vraie valeur, les firmes du cartel peuvent
miser légèrement plus élevé pour tenter de remporter l’enchère et réaliser un profit plus grand (Kovacic
et al., 2006, p. 6). Les entreprises membres du cartel ont donc un incitatif à dévier de leur stratégie.
Cette situation ne survient pas dans les enchères orales anglaises, car le cartel peut utiliser une règle
de participation plus simple : si un membre du cartel participe activement à l’enchère, les autres
membres ne misent pas. De cette façon, la compétition à l’intérieur du cartel est éliminée (Kovacic et
al., 2006, p.6). Celui qui a la valeur la plus élevée mise tout au plus sa valeur, soit celle qu’il aurait misé
en situation compétitive. Il n’y a donc pas d’incitatif à changer de stratégie, contrairement à l’enchère
de premier prix. Robinson (1985, p. 144) démontre qu’il n’existe pas d’équilibre de Nash à l’intérieur
d’un cartel pour les enchères de premier prix. Puisque la stabilité est difficile à atteindre et qu’il existe
une possibilité que les firmes hors de l’entente obtiennent les gains, ces dernières peuvent avoir un
incitatif à ne pas rejoindre le cercle d’enchérisseurs (Hendricks, McAfee et Williams, 2015, p.503-504).
Pour ces raisons, l’enchère fermée de premier prix est moins encline à la collusion que l’enchère
ascendante.

 Le format de l’enchère modifie également l’incitatif à la collusion. Plus précisément, il existe
une distinction entre les enchères ponctuelles et les enchères répétées. Ces dernières facilitent

 9
généralement la mise en place d’un cartel ou d’un cercle d’enchérisseurs. En effet, les jeux répétés
rendent plus facile la surveillance des membres du cartel et permettent de punir ceux qui en dévient.
De plus, les enchères répétées permettent de ne pas avoir à effectuer de versements pour compenser
les autres membres de l’entente, puisqu’il y aura d’autres ventes dans le futur. L’autorité responsable
des ventes peut limiter les comportements collusifs en ne rendant pas publics les soumissionnaires et
leur mise. Autrement, cet élément aide à voir si les membres de l’entente respectent leur stratégie de
mise établie au préalable et à punir ceux qui en dévient.

 Il faut aussi savoir qu’il est possible pour les autorités de mettre en place d’autres mesures
anticollusion. En effet, limiter la quantité d’informations divulguées après l’enchère, éviter les
désistements d’entreprises, tenir les enchères à intervalles irréguliers et ne pas annoncer les ventes à
l’avance sont des exemples de mesures anticollusion qui peuvent être utilisées (Kovacic et al., 2006).

1.3 La détection empirique de la collusion dans les enchères

 Au Canada, la collusion est une entrave à la Loi sur la concurrence. Dans le cadre d’enchères,
la collusion correspond généralement aux articles 47 (truquage des offres) et 45 (complots, accord ou
arrangement entre concurrents) de la Loi sur la concurrence (L.R.C. (1985), ch. C-34). Le truquage
des offres fait référence à des concurrents qui font une entente relativement à un appel d’offres, sans
la porter à la connaissance du vendeur. Par exemple, le fait de ne pas présenter de soumission ou
encore le dépôt de soumission, dont le contenu est le résultat d’un arrangement en constitue. Il est
plutôt question de complot lorsque des concurrents font une entente pour : fixer, maintenir, augmenter
ou contrôler les prix, attribuer des ventes, des territoires, des clients ou des marchés ou encore fixer,
maintenir, contrôler, empêcher, réduire ou éliminer la production ou la fourniture d’un produit (Loi sur
la concurrence, L.R.C. (1985), ch. C-34, a. 45).

 Bien que certaines mesures anticollusion puissent être mises de l’avant, celles-ci ne
garantissent pas qu’il n’y ait pas de collusion. C’est pourquoi il est pertinent de s’attarder à détecter la
collusion dans les enchères. La littérature sur la détection empirique de la collusion est plutôt récente,
 10
mais tout de même relativement abondante, surtout en ce qui a trait aux modèles où les firmes
collusives sont identifiées.

 La collusion est détectable seulement si les firmes qui en font se comportent différemment des
firmes compétitives. La littérature sur la détection se concentre donc à distinguer un comportement
collusif d’un comportement compétitif, souvent en utilisant des données d’enchères. Plusieurs modèles
ont été développés dans les vingt-cinq dernières années, mais la plupart de ces modèles sont
développés en connaissant l’identité des firmes qui font de la collusion. Cette démarche permet de
tester la fiabilité des méthodes statistiques pour détecter la collusion puisqu’il est possible de
catégoriser les firmes en deux sous-groupes distincts : les firmes compétitives (groupe de contrôle) et
les firmes collusives (groupe avec traitement). Il est possible de démontrer ainsi que les deux sous-
groupes se comportent différemment. L’efficacité de cette méthode est toutefois questionnable lorsque
l’identité des firmes collusives n’est pas connue avec certitude, car le lien de causalité ne peut être
démontré.

 D’une part, la plupart des textes écrits contiennent des modèles qui nécessitent l’identification
des firmes collusives. Dans un premier temps, Porter et Zona (1993) tentent de voir s’il existe des
distinctions dans le comportement de soumission des firmes collusives et compétitives dans des appels
d’offres du marché de la construction de l’État de New York. Parmi les enchérisseurs, une entreprise
a été condamnée de truquage des offres et quatre autres sont considérées comme co conspiratrices.
Ils estiment un modèle de forme réduite de mise (en logarithme) à l’aide des moindres carrés
généralisés sur le sous-groupe de firmes collusives, puis, sur le sous-groupe de firmes compétitives.
Les auteurs effectuent ensuite un test de Chow pour voir si les coefficients estimés dans les fonctions
de mises sont égaux. Les auteurs concluent que les mises du cartel diffèrent statistiquement des mises
compétitives. L’estimation permet de voir qu’il existe bien des différences dans les deux types de mises
et suggère que les méthodes statistiques sont efficaces pour détecter la collusion.

 Dans un deuxième temps, Porter et Zona (1999) vont améliorer leur approche en modélisant
deux décisions que la firme doit prendre, soit déposer une soumission ou non et déterminer le montant

 11
de la soumission. Les auteurs utilisent des données de contrats d’approvisionnement d’écoles
publiques en lait pour une année dans l’État de l’Ohio. Encore une fois, les firmes coupables de
collusion sont identifiées ex ante et constituent un groupe distinct des firmes compétitives. Les auteurs
sont en mesure de les identifier puisque deux représentants d’entreprises ont avoué avoir truqué des
offres avec d’autres firmes de la région. Par rapport à leur première étude, on ajoute la modélisation
de la décision de présenter ou non une soumission. On estime un modèle de type probit pour expliquer
la participation à une enchère dans lequel la variable dépendante prend la valeur 1 si une mise est
présentée et 0 sinon. Un des résultats importants du modèle des firmes compétitives est que la
probabilité de recevoir une mise est une fonction décroissante de la distance entre l’enchérisseur et
l’école. Ce résultat s’accorde avec la théorie économique puisque le lait transformé est relativement
coûteux à transporter. Tout comme dans leur première étude, les auteurs modélisent le prix misé en
fonction des différentes caractéristiques du contrat et de la firme pour les firmes compétitives. Le
modèle semble cohérent et prédit qu’une firme plus proche de l’école en question a un avantage
concurrentiel, mais qui diminue avec la distance.

 Les auteurs estiment à nouveau ces équations, mais en ajoutant les firmes collusives et
comparent les résultats entre les deux types d’entreprises en faisant des tests statistiques. Les tests
permettent de rejeter que les firmes collusives soumettent des mises conformément au groupe de
contrôle – les firmes compétitives. Pour bonifier leurs résultats, Porter et Zona examinent la déviation
de la mise prédite par le groupe de contrôle en fonction des classes de distance entre l’entreprise et
l’école, ainsi que la quantité de mises prédites versus réelles. Ils observent que les entreprises
collusives soumettent des mises plus fréquemment que le prédit le groupe de contrôle lorsque l’école
est proche de leurs usines (0 à 30 miles), mais également que deux de ces firmes misent plus souvent
sur des appels d’offres qui sont loin de leur territoire, contrairement au groupe de contrôle. Ils
complètent également un test pour voir si les firmes ont agi de manière indépendante, mais observent
une corrélation entre la participation de certaines firmes. On conclut qu’il existe bien des évidences
empiriques de différences de comportement dans les mises entre le groupe compétitif et le groupe qui
a fait de la collusion.

 12
Les modèles de Porter et Zona (1993, 1999) reposent sur l’hypothèse que les firmes
compétitives et les firmes collusives sont symétriques. Bien que restrictive, cette hypothèse permet de
simplifier considérablement le modèle. Bajari et Ye (2003) se distinguent de Porter et Zona (1993,
1999) en présentant un modèle dans lequel les enchérisseurs sont asymétriques. Ainsi, on suppose
que les enchérisseurs présentent des distributions de coûts différentes et ne sont donc pas tout à fait
identiques. Les auteurs, tout comme Porter et Zona, identifient une fonction de mise, mais celle-ci est
spécifique à chaque entreprise. Il est également question d’un contexte où les firmes collusives sont
identifiées ex ante. Les chercheurs identifient deux concepts qui sont déterminants dans leur modèle :
l’indépendance conditionnelle et l’échangeabilité. Le premier concept, l’indépendance conditionnelle,
signifie qu’en absence de collusion les mises doivent être indépendantes, après avoir contrôlé pour les
informations sur les coûts des entreprises. S’il y a de la collusion, les chercheurs risquent de trouver
une corrélation entre les mises lorsque les membres du cartel soumettent des mises fantômes. Le
deuxième concept est le caractère échangeable des mises compétitives. On considère que les coûts
seulement devraient déterminer la mise de l’entreprise. Donc, en maintenant l’information des coûts
constants, les mises des firmes devraient pouvoir être permutées, c’est-à-dire que si l’on attribue à la
firme 1 les caractéristiques de la firme 2, alors la firme 1 miserait la même chose que la firme 2. Ils
testent cet élément en autorisant des coefficients spécifiques à l'entreprise dans la fonction de mise et
en vérifiant ensuite si ces coefficients sont identiques. Le test d’indépendance conditionnelle s’effectue
sur des paires d’entreprises qui ont fait au moins quatre mises sur un même appel d’offres. Les auteurs
rejettent l’hypothèse nulle que les firmes sont indépendantes pour seulement quatre paires
d’enchérisseurs. Bajari et Ye rejettent l’hypothèse d’échangeabilité des mises lorsque toutes firmes
sont dans le même groupe, ainsi que lorsque deux enchérisseurs spécifiques sont ensemble. Les
auteurs concluent que les données ne sont pas cohérentes avec un comportement de mise
compétitive. Sachant qu’il y a effectivement de la collusion, leurs résultats démontrent que les
méthodes statistiques utilisées permettent de la détecter.

 13
Modèles empiriques de détection de la collusion spécifiques aux enchères de bois

 Des modèles de détection de la collusion sont aussi développés lorsque les firmes collusives
ne sont pas identifiées ex ante. Cette partie de la littérature est beaucoup moins riche que la
précédente. Cette section vise à présenter trois textes spécifiques à la détection de la collusion dans
les enchères de bois dans un contexte où les firmes collusives ne sont pas identifiées.

 Brannman (1996), de son côté, étudie l’effet de la compétition et la collusion dans les enchères
de bois orales et fermées des États-Unis (Forest Service). Son objectif premier est de voir si le niveau
de compétition potentielle affecte le prix du secteur. Il crée une variable de compétition anticipée
(nombre d’enchérisseurs anticipé) qui est le résultat d’un probit en fonction de la distance de transport.
Il crée également une variable de compétition géographique potentielle en dénombrant le nombre de
firmes qui sont à moins de 115 miles du secteur. L’auteur intègre ces deux variables dans une équation
qui explique le prix misé en fonction des différentes caractéristiques des secteurs, des entreprises et
des marchés pour chacun des types d’enchère. Au total, il obtient les résultats de quatre régressions,
soit le modèle avec compétition anticipée ou potentielle pour les enchères orales ou fermées. Les
résultats confirment généralement les prévisions, c’est-à-dire que la compétition réelle importe pour
l’enchère orale et la compétition anticipée ou potentielle importe pour l’enchère fermée. Deux résultats
de la régression suggèrent qu’il y a peut-être eu de la collusion. D’abord, le nombre d’enchérisseurs
réel a beaucoup plus de pouvoir explicatif que le nombre d’enchérisseurs anticipé ou potentiel pour
l’enchère fermée. Pour voir s’il peut être question de collusion, Brannman crée un indice de compétition
pour chaque firme, H(i), qui représente le nombre de firmes contre laquelle la firme i a déposé des
mises sur le nombre total de mises dans les enchères auxquelles i a participée, moins les mises que
la firme i a faites. Des valeurs élevées de H(i) signifient que la firme a beaucoup de compétiteurs.
Puisque les coûts d’organisation du cartel augmentent avec le nombre de firmes, une valeur élevée de
l’indice représente une probabilité plus faible de faire partie d’une entente. L’effet de la variable est
significatif pour les enchères fermées et une augmentation de l’indice agrégé (donc plus de
compétition) mène à des prix plus élevés. Toutefois, l’effet est plus important dans les enchères
fermées. Bien que cet argument ne semble pas suffisant pour croire qu’il peut y avoir de la collusion,
l’indice proposé s’avère intéressant.
 14
Puis, Brannman trouve le résultat contre-intuitif qu’une augmentation de la distance augmente
le prix misé dans les enchères orales. Cette information peut signifier que des firmes plus efficaces
peuvent tenter d’intimider des concurrents en misant un prix plus élevé pour faire peur à la concurrence
(«preclusive bidding»). L’auteur divise les enchères orales en firmes proches et en firmes éloignées
du secteur. Il y a en moyenne moins d’enchérisseurs pour les firmes qui sont proches du secteur que
les firmes qui sont loin. De même, les prix sont plus faibles pour les firmes proches que les firmes
éloignées. Ce comportement semble cohérent avec des stratégies de «preclusive bidding». Enfin,
malgré le fait que l’objet de l’étude de Brannman n’était pas de détecter la collusion, les résultats
obtenus s’avèrent intéressants. Les effets sont cependant mitigés, puisqu’il est question à la fois de
comportement stratégique («preclusive bidding») et de collusion, qui ont deux effets différents.

 Baldwin, Marshall et Richard (1997) proposent une approche plutôt différente. En effet, ceux-
ci testent différents modèles pour voir si des prix bas peuvent être attribuables à une augmentation de
l’offre, à la collusion ou à une combinaison de ces effets. Les auteurs mettent de l’avant que si trop de
bois est mis en vente par le Service des Forêts et que la demande des entreprises reste constante, on
observera des prix bas. Pour ce faire, ils utilisent des données d’enchères orales ascendantes de droits
de coupe forestière des États-Unis (U.S. Forest Service Timber Sales). Bien qu’il ne s’agisse pas
d’enchères fermées de premier prix, l’approche demeure tout de même intéressante et propose un
aspect de nouveauté en essayant d’intégrer des effets d’offre.

 Il est important de mentionner qu’ils sont également dans un contexte où on ne sait pas si la
collusion est présente et si oui, quelles firmes font de la collusion. Ils estiment six modèles différents à
l’aide de techniques d’estimation de maximum de vraisemblance pour déterminer lequel reproduit le
mieux les données. Les modèles testés sont les suivants : un modèle compétitif sans effet d’offre (1) ,
deux modèles de collusion sans effet d’offre (2 et 3), un modèle compétitif avec effet d’offre (4) et deux
modèles non restreints (5 et 6) qui contiennent à la fois la collusion et l’effet d’offre. Le modèle 3 se
distingue du modèle 2, car on lui ajoute une variable binaire spécifique à la collusion, soit une variable
qui indique que l’enchérisseur ayant soumis le prix le plus élevé et celui ayant soumis le deuxième plus

 15
Vous pouvez aussi lire
DIAPOSITIVES SUIVANTES ... Annuler