Pourquoi les prévisions économiques se trompent sur le cycle

Les prévisions économiques ne se trompent pas au hasard : elles ratent les retournements à la baisse et surestiment les reprises, parce que leurs modèles extrapolent au lieu de capter les ruptures. Les prévisions occupent une place centrale dans le débat macro et dans les décisions d’investissement. Leur échec répété aux moments où on en aurait le plus besoin — les retournements de cycle — interroge moins la compétence des prévisionnistes que la méthode. Les modèles sont calibrés sur des comportements estimés en période normale ; appliqués à des phases de rupture, ils prolongent le passé au lieu d’intégrer la discontinuité. Le résultat n’est pas une dispersion symétrique de l’erreur : c’est un biais directionnel, presque toujours dans le même sens. Le cadre Eco3min de lecture des moteurs de croissance détaille ce mécanisme. L’enjeu n’est donc pas que les prévisions se trompent. C’est qu’elles se trompent de manière prévisible. Sous-estimer les retournements à la baisse et surestimer la vitesse des reprises n’est pas une faute aléatoire — c’est une signature méthodologique, et elle se diagnostique. Toute la difficulté tient là : les limites de la prévision macroéconomique se manifestent surtout aux changements de régime, pas dans les phases stables.

Le biais de continuité : extrapoler quand il faudrait capter une rupture

Les modèles de prévision sont des équations de comportement estimées sur des séries passées. Tant que le régime macroéconomique reste celui qui a servi à les calibrer, ils fonctionnent. Dès qu’un régime change — passage de taux zéro à un resserrement brutal, choc d’offre sur les chaînes d’approvisionnement, fragmentation géopolitique des flux commerciaux — la machine continue de produire des prévisions, mais elle prolonge le régime précédent au lieu d’intégrer la rupture. Le FMI reconnaissait dans son World Economic Outlook d’octobre 2025 que ses prévisions de croissance pour les économies avancées avaient été révisées en moyenne de 0,6 point de pourcentage entre première estimation et chiffre réalisé sur 2020-2024. Un écart de cette ampleur, répété sur cinq années consécutives, n’est pas une marge d’erreur ordinaire. Le cycle réel procède par enchaînements non linéaires : un resserrement du crédit peut rester sans effet visible pendant trois trimestres, puis déclencher un ajustement brutal de l’investissement quand un seuil de bilan est franchi. Les modèles linéaires lissent ces effets de seuil — c’est leur propriété mathématique, pas un défaut de calibration. Chaque cycle, singulier dans sa configuration, prend les prévisionnistes à contre-pied parce qu’il diffère du précédent sur la variable qui n’avait pas été identifiée comme critique au moment de la calibration.

Le consensus comme producteur de cécité collective

Le consensus — moyenne des prévisions institutionnelles — pose un problème supplémentaire. Il n’est pas l’agrégation d’analyses véritablement indépendantes : c’est un point d’ancrage que chaque institution utilise pour calibrer sa propre estimation. Une banque centrale, un grand broker, un institut national publient des prévisions qui s’écartent rarement de plus de 0,2 à 0,3 point du consensus, parce que s’en écarter davantage expose à un risque réputationnel asymétrique : un prévisionniste qui se trompe avec le consensus est excusé, un prévisionniste qui se trompe seul est sanctionné. L’OCDE publiait en novembre 2025 une prévision de croissance mondiale de 3,0 % pour 2026, avec un écart de 0,4 point seulement entre scénario haut et scénario bas. Cette fourchette est étroite au regard des incertitudes documentées sur la trajectoire des taux, la soutenabilité budgétaire américaine et les tensions sino-américaines. Elle ne reflète pas la véritable dispersion des futurs plausibles : elle reflète la convergence sociologique des prévisionnistes. Les signaux avancés censés détecter les retournements sont intégrés tardivement dans cet équilibre, précisément parce qu’un signal isolé ne fait pas dévier une médiane qui s’auto-renforce. Les prévisions conservent une utilité : elles fournissent un cadre de référence, un scénario médian autour duquel construire d’autres lectures. Le problème n’est pas leur existence, c’est leur statut. Traitées comme des certitudes, elles produisent de la fausse précision et retardent l’intégration des signaux de rupture. Confrontées aux données à haute fréquence, aux indicateurs avancés et aux signaux de marché — spreads, courbes, primes de risque — elles deviennent un instrument de cadrage parmi d’autres. Les grilles structurelles de lecture du cycle rendent cette confrontation systématique, et c’est ce qui les distingue de la confiance aveugle dans un chiffre central.

Mis à jour le 30 juillet 2026