Le rôle politique de la dotation globale de fonctionnement
Bibliographic record
Abstract
Afin de mieux maîtriser les finances publiques, l’État français cherche à inciter les collectivités locales, et en particulier les communes, à plus de rigueur budgétaire. Il mobilise depuis 30 ans le levier de l’intercommunalité, en pariant sur une rationalisation des dépenses, et, plus récemment, celui de la réduction de son transfert aux communes, la dotation globale de fonctionnement (DGF). La DGF étant également un instrument de péréquation verticale, nous étudions ses performances, en tenant compte de l’existence du fonds de péréquation intercommunal (FPIC), un dispositif de redistribution horizontale à l’échelon du bloc communal. Notre analyse, menée sur un panel de communes de plus de 1000 habitants observé sur la période 2018-2023, montre, d’une part, que la péréquation verticale est largement plus performante que celle qui passe par le FPIC et, d’autre part, que l’articulation des deux systèmes fait apparaître des dysfonctionnements. Enfin, alors que le montant de la DGF est officiellement déterminé selon une formule, nous mettons en évidence un biais politique dans son allocation susceptible d’altérer sa performance péréquatrice. Nous remercions le Comité de rédaction de la revue et deux rapporteurs anonymes pour leurs remarques et critiques constructives. Ce travail a bénéficié de discussions avec les participants au 62ème Congrès de la Société Canadienne de Science Économique (Québec, mai 2023) et avec les membres de la Commission Territoires du Conseil National de l’Information Statistique (Paris, novembre 2022). Nous tenons à remercier Luc Brière, Chef du département des études et des statistiques locales (DESL) de la Direction générale des collectivités locales (DGCL), pour son aide précieuse à l’accès aux données, sans que lui-même ou ses structures de rattachement ne puissent être tenus pour responsables des analyses développées dans la présente étude. Nous remercions enfin l’Observatoire des Finances et de la Gestion publique Locales (OFGL) pour nous avoir facilité l’accès à certaines données.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".