La Prévision économique est l'estimation, généralement par des méthodes économétriques, des valeurs actuelles ou futures de grandeurs économiques.
Elle est utilisée par exemple pour estimer l'évolution du PIB ou de l'inflation, et orienter les comportements d'investissement des entreprises ou la politique économique de la banque centrale et du gouvernement.
La prévision économique est toujours incertaine, et aux estimations des valeurs futures sont toujours associés des intervalles de confiance. L'incertitude sur les décisions politiques, les chocs économiques (et les réactions en chaîne qui en découlent) et l'ampleur des cycles économiques rend l'exercice de prévision périlleux. En économie ouverte, les changements dans un pays ont des conséquences sur l'activité économique des partenaires commerciaux.
Certaines variables, comme les taux de change, sont particulièrement difficiles à prévoir. Plusieurs auteurs ont ainsi relevé l'incapacité des experts à anticiper les variations importantes des cours du dollar et la sous-évaluation systématique des mouvements de toutes les grandeurs macro-économiques.
La science économique est une discipline qui a fort évolué depuis les années 1930. Les mécanismes de fonctionnement de l'économie sont à présent mieux compris que par le passé et la gamme des outils et des théories à la disposition des économistes s'est largement étendue. La prévision économique a connu également de nombreux développements. Il existe une diversité impressionnante de théories et de techniques qui tentent de répondre à la variété des tâches de prévision économique existant de par le monde. Les progrès de l’informatique ont joué un rôle prépondérant dans l’élargissement du spectre des méthodes de prévision. Étant donné la taille énorme prise par la discipline de la prévision économique, nous nous sommes restreints à mentionner certains de ses aspects dans cet article.
Quelques définitions Prévision Une prévision peut être définie comme un ensemble de probabilités associées à un ensemble d’événements futurs (Fischhoff, 1994). Cette prévision est basée sur un ensemble d'informations disponibles à l'instant t où elle a été effectuée. Cet ensemble noté (l'indice temporel t correspond à l'instant t) représente les données disponibles, les connaissances et les théories concernant le phénomène que l'on souhaite prévoir. La prévision au temps t d'horizon h de la variable , considérée comme une variable aléatoire, peut donc s'écrire (Granger et Newbold, 1977) sous la forme d'une fonction de distribution conditionnelle (à l'ensemble d'informations ) :
Prévision ponctuelle - Intervalle de confiance des prévisions En ce qui concerne les variables numériques (les plus rencontrées en économie), il est plus fréquent que l'on se contente en pratique de fournir une valeur centrale des prévisions, comme la moyenne ou la médiane. On qualifie cette prévision de ponctuelle (point forecast en anglais) et on la note . L'autre façon d'exprimer sa prévision est de donner un intervalle de confiance des prévisions (prediction interval) que l'on note , . Cela revient à révéler une information partielle sur la fonction de distribution attendue.
Un exemple de prévision centrale: « La croissance du PIB sera de l'ordre de 2 % en 2009 en France. » Un exemple d'intervalle de prévision : « Le taux de croissance du PIB variera sera compris entre 1,75 et 2,25 % en France en 2009. » Dans la pratique, on rencontre des formes hybrides de prévision. Ainsi, un cas fréquent est l’évocation d'une borne supérieure des prévisions : « la croissance de l'activité économique ne devrait pas dépasser 2 % en 2009 ».
Dans ces différents exemples, aucune probabilité n'est associée à la prévision. Dans le cas contraire, on pourrait avoir : « Nous estimons à 95 %, la probabilité que le taux de croissance du PIB en 2009 soit compris entre 1,75 et 2,25 % en 2009. » Les raisons pour lesquelles on préfère communiquer ou publier uniquement la valeur centrale des prévisions dans la pratique ont été analysées notamment par Chatfield (1993).
Planification et anticipation Le prévisionniste n'a en général pas de contrôle sur le phénomène qu'il essaye de prédire. Dans ce cas, on dit qu'il formule des anticipations. Il existe cependant quelques exceptions. Un entrepreneur qui veut connaître la valeur des ventes futures de sa société a un certain contrôle sur la variable à prédire, dans la mesure où il peut agir directement sur certains de ses déterminants (la politique de prix, le budget de publicité). On parle alors de planification. Formellement, si représente l'ensemble d'informations couvrant l'intervalle de temps , le planificateur possède le contrôle sur un sous-ensemble de .
Il existe évidemment des cas intermédiaires entre l'anticipation et la planification, notamment lorsque le prévisionniste peut agir indirectement sur la variable prédite. Un exemple bien connu en économie est celui des "gourous", des "spécialistes". Par le simple fait d'émettre une prévision, ces "super-agents" peuvent influencer les agents économiques; lesquels vont adapter leur comportement et par conséquent agir sur la variable en question.
Horizon de prévision L'horizon de prévision (noté h) varie de l'immédiat au long terme. Cette notion dépend du domaine étudié ainsi que de l'intervalle de temps s'écoulant entre deux observations successives. Pour des données industrielles mensuelles, le court terme exprime en général un horizon allant de 3 à 15 mois. Pour des données macroéconomiques annuelles, le court terme est utilisé pour les prévisions d'horizon 1 et 2 ans (que l'on appelle aussi prévisions conjoncturelles). Pour certains types des données financières journalières ou disponibles en temps réel, le court terme évoque plutôt l'heure suivante ou le lendemain.
Fonction de perte, de coût Cette notion exprime le coût, les pertes engendrées par les erreurs de prévision. Elle prend son sens lorsque la prévision est exprimée sous la forme d'une valeur centrale . Formellement, l'erreur de prévision d'horizon est notée et définie ainsi : .
Le fait que les erreurs de prévision soient non nulles entraîne des coûts pour les agents économiques qui ont utilisé ces prévisions (firmes, ménage, état) pour prendre des décisions qui s'avèrent non optimales. La fonction de coût notée peut prendre différentes formes. Les plus connues étant les fonctions de coût quadratique et de valeur absolue.
Il existe cependant d'autres fonctions de coût, dont les fonctions de coût asymétriques qui sont fréquentes dans la réalité (Granger et Newbold, 1977, citent notamment quelques exemples).
L'objectif du prévisionniste est en général d’être crédible, c’est-à-dire de minimiser la fonction de coût de son auditoire (l'ensemble des consommateurs de ses prévisions). S'il est rémunéré par un agent particulier (par exemple une firme), le prévisionniste professionnel doit se baser sur la fonction de coût personnelle de cet agent. Dans de nombreux cas, le prévisionniste et le consommateur de la prévision sont une même personne (une firme ou un ménage qui souhaite estimer ses revenus futurs).
Par contre, s'il n'existe pas de lien direct (un contrat de travail ou un engagement moral) entre le prévisionniste et les consommateurs de sa prévision, il peut y avoir un décalage entre la fonction de coût des agents et la fonction de coût implicite du prévisionniste.
Évolution des techniques de la prévision économique Racines de la prévision économique Les premières approches structurées de la prévision économique datent du siècle dernier. Ainsi, Juglar a attiré l'attention sur la périodicité apparente des crises économiques et sur la possibilité de les prévoir (voir cycle économique). Un certain nombre de développements en statistiques concernant les phénomènes saisonniers observés pour des séries chronologiques de nature climatique ont lieu à la même époque et sont envisagés pour les séries économiques.
Au début du , les travaux du comité de Harvard connaîtront leur heure de gloire. Ils aboutissent à un système de prévision automatique se basant sur l'ordre de succession de courbes relatives aux sphères financière, réelle et monétaire. La première version de ce système fut mise au point en 1917. Dans l'optique de ce système, il n'y a aucune recherche des causes des fluctuations des séries étudiées; il y a un rejet de tout élément personnel et subjectif pouvant intervenir dans l'élaboration des prévisions.
Le succès rencontré par les travaux de la Harvard School fut à l'origine de la création d'instituts de conjoncture dans un certain nombre de pays industrialisés. La Grande Dépression porta cependant un coup fatal à la prévision automatique et permit d'accorder plus de crédits à des théories, des méthodes jusque-là embryonnaires.
Déjà, avant la crise des années trente, les travaux de Moore (1923), Fisher (1925) et Slutsky (1927) dénonçaient le caractère déterministe des cycles économiques. Les travaux de Yule (1927) conférèrent une dimension nouvelle au problème de la prévision statistique: la distinction entre processus déterministe et stochastique étant établie. Dans cette lignée les travaux de Wold, qui introduit en 1938 les modèles ARMA (autoregressive moving average), forment la base de l'actuelle discipline de l’analyse des séries temporelles.
Toujours dans les années 1930, la régression multiple est utilisée à des fins prévisionnelles. En ce qui concerne les prévisions macroéconomiques, l'impulsion décisive est donnée par la conjonction des travaux de Keynes (1936) et du développement en matière de comptabilité nationale. Ces progrès débouchent sur la mise au point par Tinbergen (1939) dans les années 1930 du premier modèle économétrique.
Évolution depuis l'après guerre: la diversification des applications et des techniques Après guerre, la continuité des travaux de Tinbergen sera assurée notamment par Klein (1950), qui fournit les premières simulations prévisionnelles.
Dans la période de l'après guerre à nos jours, une conjonction de nombreux facteurs va faire avancer l'art de la prévision économique, qu'elle concerne les phénomènes micro, méso ou macroéconomiques et va faire augmenter de façon explosive le nombre des techniques, des procédures de la prévision économique.
Les progrès dans l'informatique ont une part fondamentale dans ces développements. Tout d'abord, les ordinateurs ont permis d'élargir considérablement le nombre de données économiques publiées, de par la réduction des coûts de leur stockage et de leur traitement. D'autre part, leur faculté de calcul rapide et de traitement de volumes d'information de plus en plus grand, ont permis à de nombreuses disciplines de se développer. La statistique et l'économétrie figurent parmi ces disciplines.
En se développant, l'économétrie — qui constitue en quelque sorte un outil de laboratoire de la science économique — a permis de faire progresser cette dernière. Un cercle vertueux apparaissant, les progrès de la science économique nécessitant de nouvelles techniques économétriques et ainsi de suite. Les développements des techniques économétriques applicables à la prévision sont très nombreux: citons notamment les modèles d'équations simultanées (Zellner, 1962), la causalité (Granger, 1969) les modèles à correction d'erreur et la cointégration (Engle et Granger, 1987).
Les méthodes de prévision "statistiques" se sont également développées. Citons chronologiquement les développements du lissage exponentiel (Brown, 1962), la décomposition saisonnière (Shiskin et Eisenpress, 1957), l'analyse des séries temporelles (Box et Jenkins, 1970, première édition), les modèles non linéaires (Engle, 1982) et les méthodes bayésiennes (Zellner, 1970). En outre, de nouvelles techniques d'inférence statistique ont vu le jour (inférence exacte, méthode du va-et-vient ou 'bootstraping', Méthode de Monte-Carlo, etc.).