Qu’est-ce que le taux de croissance annuel moyen ?

Le taux de croissance annuel moyen (souvent abrégé TCAM) répond à une question simple : « si la valeur avait augmenté au même rythme chaque année, quel aurait été ce rythme pour passer du point de départ au point d’arrivée ? » Cette idée de croissance régulière est une approximation, mais une approximation très pratique.

Dans la rubrique santé, on l’utilise pour éclairer des sujets concrets : progression d’une dépense de soins, évolution du nombre de consultations, tendance d’une incidence (diabète, dépression, cancers) ou d’une couverture vaccinale. C’est un outil de synthèse, pas un verdict : il faut le compléter par le contexte.

Définition : ce que mesure vraiment le taux de croissance annuel moyen

Le taux de croissance annuel moyen mesure une croissance composée sur une période de n années. « Composée » signifie que chaque année s’applique sur le niveau atteint l’année précédente (comme des intérêts composés), et pas sur le niveau initial.

Il se distingue d’une moyenne arithmétique de taux annuels. Si une activité fait +20% une année puis −20% l’année suivante, la moyenne arithmétique des taux est 0%. Pourtant, on ne revient pas au point de départ : +20% puis −20% donne au final −4%. Le TCAM, lui, reflète ce résultat global.

La formule (et le vocabulaire à maîtriser)

La formule standard est : TCAM = (Valeur finale / Valeur initiale)^(1/n) − 1.

• Valeur initiale : la donnée au début de la période (année 0).
• Valeur finale : la donnée à la fin de la période (année n).
• n : le nombre d’années écoulées entre ces deux dates (attention : 2019→2024 = 5 ans, pas 6).
• Résultat : un taux (à multiplier par 100 pour obtenir un pourcentage).

Dans un tableur, on peut l’écrire simplement avec une puissance. Exemple générique : =(B2/A2)^(1/n)-1. L’important n’est pas l’outil, mais la cohérence des dates et du périmètre des données.

Exemples chiffrés (santé) : comment le calcul se traduit

Exemple 1, Dépense de soins : une dépense passe de 100 à 135 en 5 ans. TCAM = (135/100)^(1/5) − 1 ≈ 6,2% par an. Cela ne veut pas dire que la dépense a augmenté de 6,2% chaque année : cela veut dire qu’un rythme constant de 6,2% pendant 5 ans produit la même hausse globale.

Exemple 2, Couverture vaccinale : une couverture passe de 80% à 88% en 4 ans. TCAM = (0,88/0,80)^(1/4) − 1 ≈ 2,4% par an. Ici, l’unité est un ratio ; l’interprétation reste valable, mais il faut rester prudent car on approche d’un plafond (100%), ce qui tend naturellement à ralentir.

Exemple 3, Incidence d’un phénomène : un taux d’incidence (pour 100 000) passe de 50 à 60 en 10 ans. TCAM ≈ (60/50)^(1/10) − 1 ≈ 1,8% par an. Ce chiffre résume la tendance, mais ne dit rien des épisodes (épidémie, changement de dépistage, révision de définition) qui peuvent avoir modifié la courbe.

TCAM, taux annuel « simple » et moyenne des taux : ne pas confondre

Trois notions se croisent souvent, et se mélangent. Les distinguer évite les contresens, notamment quand on compare des chiffres de santé publique ou de dépenses.

Quand le TCAM est utile en santé (et quand il ne suffit pas)

Le TCAM est particulièrement utile dès qu’il faut comparer des dynamiques sur des horizons de plusieurs années : activité hospitalière, consommation de médicaments, dépenses de prévention, effectifs de professionnels de santé, etc. Il permet de mettre des évolutions sur un pied comparable, même si les périodes n’ont pas la même durée.

• Comparer deux périodes : avant/après une réforme, un changement d’organisation, une crise sanitaire.
• Comparer deux territoires : à condition que la définition des indicateurs soit identique (même âge, même champ, même mode de collecte).
• Objectiver un débat : « ça augmente vite » devient un ordre de grandeur annuel (ex. +2% vs +7%/an).
• Faire un scénario simple : projeter à court terme, en précisant que c’est une extrapolation.

En revanche, le TCAM ne suffit pas lorsqu’on cherche à comprendre les causes. Une hausse moyenne peut être due à une augmentation de la population, au vieillissement, à une meilleure détection, à un changement de codage, à une nouvelle recommandation clinique, ou à une vraie progression du risque. Dans ces cas, il faut compléter avec des indicateurs standardisés (par âge, par sexe) et une lecture des ruptures de séries.

Méthode pas à pas : calculer et interpréter sans se faire piéger

Une bonne pratique consiste à traiter le TCAM comme un mini-protocole : données propres, périmètre stable, puis interprétation contextualisée. Voici une méthode robuste, applicable à la plupart des données de santé.

1. Définir l’indicateur : volume d’actes, dépense, taux pour 100 000, proportion (%), etc.
2. Vérifier le périmètre : mêmes unités, mêmes sources, même champ (public/privé, ville/hôpital, territoire).
3. Fixer les dates : année de départ, année d’arrivée, et n (nombre d’années écoulées).
4. Calculer le TCAM avec la formule composée, puis convertir en %.
5. Contrôler le résultat en recalculant la valeur finale (test de cohérence).
6. Interpréter : lissage des à-coups, présence possible d’une rupture, effet plafond (pour les proportions).
7. Documenter les facteurs externes : changement de politique, crise, nouvelle nomenclature, inflation, évolution démographique.

Avantages et limites : ce que le TCAM dit bien, et ce qu’il cache

Autrement dit : le TCAM est excellent pour décrire « à quelle vitesse, en moyenne » une variable change. Il est mauvais pour raconter « comment » et « pourquoi » elle a changé. Pour une analyse solide, on le complète souvent par une courbe annuelle, un taux de variation année par année, et une vérification des ruptures de série.

Pièges fréquents (et comment les éviter) dans les données de santé

En santé, les séries sont exposées à des artefacts : changements de nomenclature, amélioration du codage, modification de l’accès aux soins, campagnes de dépistage, etc. Ces facteurs peuvent créer des « faux » taux de croissance.

• Changement de définition : un diagnostic ou un indicateur redéfini rend la comparaison avant/après fragile.
• Rupture de collecte : nouvelle source, nouveau logiciel, meilleure exhaustivité (hausse artificielle).
• Dénominateur qui bouge : pour un taux (pour 100 000), la population change (âge, taille) et peut expliquer une partie de la variation.
• Effet crise : une année atypique (épidémie, grève, confinement) peut déformer le TCAM si elle sert de point de départ ou d’arrivée.
• Arrondis et petites bases : sur de petits effectifs, un TCAM peut sembler spectaculaire sans signification robuste.