Quelles sont les limites de la prévision macroéconomique ?

Réponse synthétique

La prévision macroéconomique fonctionne raisonnablement bien pour anticiper que le PIB, l’inflation ou l’emploi du trimestre prochain ressembleront à ceux du trimestre actuel. Elle fonctionne mal pour anticiper que les données du prochain trimestre seront fondamentalement différentes — récessions, désinflation soudaine, crises financières. L’asymétrie est structurelle, pas seulement une question de talent du prévisionniste.

L’intuition est que les récessions sont précisément les événements où les relations historiques entre variables se rompent. Un modèle entraîné sur des données d’expansion stable ne peut pas, par construction, anticiper les transitions vers un régime différent. C’est le contenu empirique de la critique de Lucas appliquée à la prévision.

La complication est que le taux d’échec n’a guère progressé avec des méthodes sophistiquées. Les approches d’apprentissage automatique réduisent les erreurs in-sample mais améliorent rarement la détection des points de retournement out-of-sample dans les séries macro. Le goulot est dans les données et le système, pas dans la technique.

→ Nouveau sur les cadres de prévision ? Macroéconomie et géopolitique

Ce que disent les données

L’enregistrement empirique de la performance des prévisions est publiquement documenté sur plusieurs décennies.

Les chiffres (FMI, SPF, Réserve fédérale, 1968-2024) :

• Loungani (FMI, 2001) a passé en revue les Consensus Forecasts sur 60 pays de 1989 à 1998 : seuls environ 5 cas pays-année de récession sur 150 ont été prédits l’année qui précède leur déclenchement
• La médiane des prévisions de PIB du Survey of Professional Forecasters a manqué chacune des cinq dernières récessions US dans l’année qui les a précédées
• Les prévisions SEP de la Réserve fédérale pour l’inflation US 2022 émises fin 2020 ont sous-estimé le pic CPI d’environ 600 pb
• Le même SEP a surestimé l’inflation 2024 projetée depuis 2023 de 80-150 pb selon l’horizon

Le schéma est constant : les prévisions lissent vers les tendances centrales et sous-pondèrent les queues. C’est rationnel sous incertitude (les prévisions de moyenne ont une erreur attendue plus faible que les paris de queue), mais cela produit un échec persistant à anticiper les événements que les utilisateurs souhaitent le plus anticiper.

L’exception à signaler concerne les prévisions issues des marchés (courbe des taux, spreads de crédit) qui ont détecté plusieurs récessions US plus tôt que les prévisions d’enquête, dont 2007 et sans doute les retournements 2022-2023 (bien que ces derniers n’aient pas produit de récession au moment de la rédaction). Les prévisions de marché agrègent les positions des participants plutôt que des anticipations déclarées, ce qui capte parfois une information manquée par les enquêtes.

→ Dataset : Spread 10 ans / 3 mois

Pourquoi cela se produit — le mécanisme macro

Trois raisons structurelles expliquent la persistance des échecs de prévision aux retournements.

Canal 1 — Non-stationnarité des régimes. Les relations macroéconomiques ne sont pas constantes. La pente de la courbe de Phillips change ; la relation entre croissance monétaire et inflation se rompt dans certaines périodes ; l’élasticité de la consommation au patrimoine évolue avec les niveaux de levier. Les modèles estimés sur les données passées portent des paramètres qui peuvent ne plus s’appliquer au présent, et il n’existe pas d’indicateur fiable du moment où les paramètres ont basculé avant d’observer les conséquences.

Canal 2 — Endogénéité des anticipations. C’est l’angle le plus négligé. La prévision elle-même fait partie du système prévu. Si la Réserve fédérale prévoit une récession et agit pour l’empêcher, la prévision est « fausse » mais d’une façon qui prouve son utilité. Inversement, si tout le monde prévoit une récession, le comportement change (l’épargne de précaution monte, le capex baisse) ce qui peut soit accélérer la récession (auto-réalisatrice) soit déclencher des réponses politiques qui l’évitent. La prévision n’est pas séparable du résultat.

Canal 3 — Dépendance de queue et événements rares. Récessions et crises sont rares dans les données. Avec sept récessions US post-WW2, l’échantillon est petit pour toute inférence quantitative sur les déclencheurs. La plupart des techniques de modélisation reposent sur de nombreuses observations de l’événement modélisé ; les événements rares brisent cette hypothèse.

Synthèse par régime : en régime d’expansion stable, les prévisions fonctionnent raisonnablement à courts horizons car les paramètres du système sont approximativement constants ; en période de transition de régime (choc pétrolier 1973, crise financière 2008, pandémie 2020, poussée d’inflation 2021-2022), les erreurs de prévision se multiplient par un ordre de grandeur car les paramètres eux-mêmes basculent ; en régime de reprise post-choc, les prévisions persistent souvent avec les hypothèses du régime précédent et retardent sur la reprise réelle. Trois régimes, trois profils d’erreur.

Les prévisions fonctionnent là où elles sont le moins utiles — en régime stable — et échouent là où elles seraient le plus précieuses — aux transitions de régime ; la limite est dans le système prévu, pas dans les prévisionnistes.

→ Cadre : Cycle économique

Implications pour les différents acteurs

Allocataires — implication pratique : aucune prévision ponctuelle ne mérite un poids déterminant pour le portefeuille. Construire des portefeuilles autour de scénarios à probabilités explicites et testés sous des stress de changement de régime tend à mieux performer que les construire autour d’une trajectoire attendue unique.

Décideurs publics — doivent décider malgré l’incertitude des prévisions. Les erreurs de prévision de la Réserve fédérale en 2021-2022 ont contribué à un démarrage tardif du resserrement ; les erreurs comparables de la Bank of England ont conduit à des critiques similaires. Une humilité de prévision — accepter des bandes d’erreur plus larges — aurait été coûteuse autrement mais possiblement moins coûteuse globalement.

Citoyens et journalistes — interprètent souvent les échecs de prévision comme des échecs des institutions qui les produisent. Une lecture plus exacte est que les échecs de prévision aux retournements sont intrinsèques à l’activité, et la question est de savoir si les prévisions sont plus utiles que pas de prévision du tout (elles le sont généralement, en particulier sur courts horizons en régime stable).

Une erreur fréquente est de supposer qu’un prévisionniste ayant correctement appelé le dernier retournement appellera correctement le suivant. L’historique de la précision en série est humblement édifiant — ceux qui appellent un grand retournement appellent rarement le suivant, suggérant que la plupart du talent apparent est spécifique au régime plutôt que persistant.

Observation pratique

Pour approfondir

Questions associées

• Pourquoi les économistes sont-ils si divisés sur les questions de base ?
• Que valent les indicateurs économiques avancés ?
• Pourquoi les récessions ne sont-elles confirmées qu’après leur début ?
• Comment les récits façonnent-ils la réalité économique ?

Foire aux questions

L’apprentissage automatique améliore-t-il la prévision macro ?

Il améliore la précision dans certains domaines — nowcasting du PIB à courts horizons à partir de données haute fréquence, par exemple, où les Google Trends et les données de cartes de crédit ont produit des gains documentés. Il n’améliore pas systématiquement la détection de retournement aux horizons de 6-18 mois, où le problème de rupture structurelle domine. Faust et Wright (2013) ont passé en revue les compétitions de prévision et constaté que les combinaisons simples battent souvent les méthodes sophistiquées seules — un résultat qui a tenu dans la littérature ultérieure.

Pourquoi les marchés « prévoient »-ils parfois mieux que les économistes ?

Les marchés agrègent les positions révélées de participants ayant la peau dans le jeu, pas les anticipations déclarées de prévisionnistes dont la carrière dépend de ne pas être trop contrariens ni trop dans l’erreur. L’inversion de la courbe des taux a précédé la plupart des récessions US depuis 1969 de 6-18 mois, dont 2007, alors que les prévisions de consensus continuaient de projeter une expansion. Le marché n’est pas un meilleur prévisionniste — c’est un signal différent, intégrant positionnement et tarification du risque plutôt que projections moyennes.

À quoi peuvent réellement servir les prévisions ?

Trois usages sont défendables. Premièrement, les scénarios centraux en régime stable pour la budgétisation et la planification à courts horizons. Deuxièmement, les outils de communication pour les décideurs (forward guidance, dot plots) où la prévision elle-même façonne les anticipations. Troisièmement, la discipline scénaristique — forcer les analystes à spécifier ce qui devrait être vrai pour que leur thèse se réalise. La défendabilité vient de la reconnaissance des limites, pas de l’affirmation d’une précision que l’historique empirique n’étaye pas.

Mis à jour le 30 juillet 2026