La Vie économique

Plateforme de politique économique

Ne croire aucun modèle

Utilisée ironiquement par les statisticiens, l’expression « garbage in, garbage out » convient parfaitement aux modèles économétriques. (Photo: Alamy)

Est-ce que je referais des études d’économie ? Cette question me taraude aujourd’hui plus que jamais. D’abord, parce que la pandémie de Covid-19 nous a montré une fois de plus clairement, à nous économistes, les limites de nos possibilités. Ensuite, parce que durant toutes les années de mon activité professionnelle, j’ai dû constater maintes fois qu’on réduit malheureusement souvent notre travail à des prévisions, où notre bilan n’est pas bon. En effet, personne ne peut prédire exactement ce que l’avenir nous réserve, pas même à court terme ; les prévisions constituent pourtant l’une de mes principales activités. Ce n’est pas tant un phénomène lié à l’offre qu’à la demande : l’être humain n’aime pas l’incertitude et cherche des aides pour s’orienter – ce que les prévisions, du moins, lui promettent.

Durant mes études à l’université de Constance, une « université d’élite » qui attache de la valeur à une solide formation en mathématiques, je croyais encore fermement qu’il serait possible de produire de très bonnes prévisions à l’aide de méthodes complexes. Les modèles que nous devions élaborer étaient si sophistiqués qu’il n’était guère possible d’expliquer à un profane comment les résultats avaient été obtenus. Pourtant, j’étais convaincu à cette époque que ma formation d’économiste et le bagage qui m’avait été transmis me permettraient un jour de construire le modèle macroéconomique ultime qui supplanterait tous les autres en termes de fiabilité des prévisions. Je n’étais pas le seul à y croire.

La pratique m’a enseigné le contraire. Aucun modèle n’est meilleur ou plus mauvais qu’un autre. Un modèle prétendument plus mauvais, mais reposant sur de meilleures hypothèses, livrera peut-être des résultats finalement plus fiables qu’un modèle époustouflant alimenté d’hypothèses erronées. Utilisée ironiquement par les statisticiens, l’expression « garbage in, garbage out » convient parfaitement aux modèles économétriques. Si je veux par exemple prévoir le produit intérieur brut (PIB) de 2021 au moyen d’un modèle, je dois y entrer des valeurs comme le taux d’inflation ou la courbe de rendement, qui se situent également dans l’avenir. Chacun comprendra ce que cela implique. C’est ce que nous appelons « le risque de prévision » ou « l’erreur de prévision ».

J’ai également perdu une autre illusion : celle de croire qu’il suffit de disposer de suffisamment de données pour construire un modèle propre. Dans la recherche, nous entendons par « données » des séries chronologiques qui offrent idéalement le plus grand nombre possible d’observations sur une échelle de temps aussi longue que possible. Le problème vient non pas du nombre insuffisant de données, mais de leur qualité. La comptabilité nationale est un exercice qui dure tellement longtemps qu’il n’intéresse plus personne ou presque une fois achevé. Pour les modélisations, les économistes doivent donc recourir à des estimations trimestrielles officielles du PIB qui sont soumises tous les trois mois à des corrections, parfois accompagnées d’un changement de signe. Je referais malgré tout des études d’économie, car elles transmettent un vaste savoir qui ouvre vers de multiples domaines d’activité. Seuls les modèles m’intéresseraient moins.

Économiste en chef, Raiffeisen Suisse, Zurich

Économiste en chef, Raiffeisen Suisse, Zurich