Cet article est le sixième d’une série de sept sur les questions démographiques dans le Pacifique, régénérant les graphiques que j’ai utilisés dans un discours d’ouverture avant la réunion de novembre 2025 des responsables de la planification et des statistiques du Pacifique à Wellington, en Nouvelle-Zélande. Les sept pièces du puzzle sont :

Les envois de fonds sont des paiements provenant de la famille ou d’autres contacts à l’étranger, généralement dans un pays à revenus plus élevés. La source des envois de fonds peut provenir de personnes effectuant des voyages relativement courts à l’étranger (dans le Pacifique, par exemple les personnes participant au programme de mobilité de la main-d’œuvre de l’Australie du Pacifique ou du programme d’employeur saisonnier reconnu en Nouvelle-Zélande) ou de migrants de longue durée qui ont élu domicile dans l’autre pays pour une durée indéterminée.

La distinction entre les deux types de durée est importante pour déterminer où ces fonds apparaissent dans les comptes nationaux, mais elle est malheureusement difficile à mesurer statistiquement. Les banques peuvent suivre le montant des transferts et transmettre ces informations à une banque centrale ou à un bureau national de statistiques, mais ne sont généralement pas en mesure de classer les sources comme résidents à court ou à long terme.

Les implications de tout cela, dans le contexte du nombre d’insulaires du Pacifique résidant à l’étranger et du lieu où ils résident (le sujet des articles précédents de cette série), seront discutées plus tard. Mais pour l’instant, voici le graphique des envois de fonds du Pacifique :

L’objectif principal est a) de montrer comment un certain nombre de pays du Pacifique ont des niveaux d’envois de fonds très élevés par rapport à leur économie nationale (plus de 40 % du PIB pour les Tonga) par rapport aux moyennes mondiales et b) de mettre en évidence quelques-uns des pays insulaires du Pacifique en particulier qui sont les plus extrêmes à cet égard. Parfois, un simple graphique à barres suffit pour faire valoir le point. Bien que ce graphique à barres ne soit pas aussi simple qu’il y paraît à première vue ; nous avons beaucoup réfléchi à l’ordre des catégories de pays en bas pour maximiser l’impact, et bien sûr au codage couleur des barres pour distinguer les pays du Pacifique des comparateurs mondiaux.

Voici le code pour produire ce graphique. C’est très simple aujourd’hui, il suffit d’extraire les données des indicateurs de développement mondial de la Banque mondiale et de les transformer en un seul graphique :

# This script draws a simple bar chart of the latest year of remittances data
#
# Peter Ellis November 2025

library(WDI)
library(tidyverse)
library(glue)

picts <- c(
  "Fiji", "New Caledonia", "Papua New Guinea", "Solomon Islands",                                             
  "Guam", "Kiribati", "Marshall Islands", "Micronesia, Fed. Sts.", "Nauru",
  "Vanuatu", "Northern Mariana Islands","Palau", "American Samoa", "Cook Islands",
  "French Polynesia", "Niue", "Samoa", "Tokelau", "Tonga", "Tuvalu", "Wallis and Futuna Islands" 
)
length(picts)
sort(picts) # all 22 SPC PICT members except for Pitcairn

# Used this to see what series are available:
# WDIsearch("remittance") |>  View()
#
# Download data from World Bank's World Development Indicators.
# Apparently worker remittances is a subset of personal. But
# the worker remittances are all NA anyway:

remit <- WDI(indicator = c(personal = "BX.TRF.PWKR.DT.GD.ZS",
                           worker = "BX.TRF.PWKR.GD.ZS"), start = 2000) |> 
  as_tibble()

# which countries have we got?
sort(unique(remit$country))

# check who missing, just the 3 NZ Realm countries plus Wallis and futuna:
picts[!picts %in% unique(remit$country)]

# data for bar chart:
pac_data <- remit |> 
  group_by(country) |> 
  filter(!is.na(personal)) |> 
  arrange(desc(year)) |> 
  slice(1) |> 
  ungroup() |> 
  filter(country %in% c(picts, "Middle income", "Low income", "Small states", "World", "Australia", "New Zealand")) |> 
  mutate(is_pict = ifelse(country %in% picts, "Pacific island", "Comparison")) |> 
  mutate(country_order = ifelse(country %in% picts, personal, 1000 - personal),
         country = fct_reorder(country, country_order)) 

# draw bar chart
pac_data|> 
  ggplot(aes(x = country, y = personal, fill = is_pict)) +
  geom_col() +
  scale_y_continuous(label = percent_format(scale = 1)) +
  scale_fill_manual(values = c("brown", "steelblue")) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        legend.position  = "none",
        plot.caption = element_text(colour = "grey50")) +
  labs(x = "", fill = "",
      subtitle = glue('{attr(remit$personal, "label")}, {min(pac_data$year)} to {max(pac_data$year)}'),
        y = "",
       title = "High dependency on remittances for many Pacific Island countries and territories",
       caption = "Source: World Bank World Development Indicators, series BX.TRF.PWKR.DT.GD.ZS")

C’est tout pour aujourd’hui. Bientôt (j’espère), un blog plus narratif reliant toutes ces histoires de population du Pacifique, plus ou moins comme une version écrite du discours sur lequel tout cela est basé.

En rapport