Les prévisions à très court terme et les nouvelles sources de données permettent de publier des indicateurs plus rapidement et plus fréquemment
Thierry Kalisa a commencé il y a une dizaine d’années à travailler avec de nouvelles données pour établir des projections économiques en temps réel, dites aussi « prévisions immédiates », mais c’est la pandémie qui a mis en évidence le potentiel de ces prévisions.
En poste au ministère rwandais des Finances quand la COVID a frappé Kigali, la capitale du pays, il a participé à un groupe de travail conjoint avec la Banque centrale pour surveiller une économie contrainte à la fermeture par le premier confinement qu’ait connu l’Afrique subsaharienne. Les indicateurs économiques officiels allaient bientôt être obsolètes, avant même leur publication.
Le groupe a lancé un indice d’activité économique hebdomadaire fondé sur une mesure de la Banque centrale intégrant des facteurs comme les exportations, les importations et les dépenses de consommation en temps réel, récupérées dans les magasins grâce au système de facturation électronique du fisc. Les perspectives se sont assombries. L’économie n’allait pas tarder à se contracter.
« Cet indice a aidé les pouvoirs publics à réviser les projections de croissance, à ajuster le cadre macroéconomique et à prendre des mesures en temps opportun », a expliqué Kalisa, devenu économiste en chef de la Banque centrale en 2021.
Aujourd’hui, la Banque nationale du Rwanda inclut des prévisions immédiates dans les notes d’information aux services en amont des réunions trimestrielles du Comité de politique monétaire, et de nouveaux économistes, statisticiens et experts en science des données rejoignent l’équipe de Kalisa pour aider à fournir les prévisions. « C’est un travail très exigeant en matière de capacités d’analyse, mais il produit aussi des indicateurs à haute fréquence », indique ce dernier.
Manque de données
Le Rwanda fait partie des pays en développement qui adoptent une nouvelle approche pour mesurer leur économie. Beaucoup cherchent à réduire les écarts avec les pays avancés et la plupart des pays émergents en ce qui concerne les indicateurs officiels, que de nombreux pays en développement publient rarement ou tardivement. Ces pays avancés ou émergents disposent des personnels, des financements et des autres ressources nécessaires. Mais dans les pays en développement, des populations importantes sont laissées de côté.
Les initiatives portent entre autres sur des indicateurs en temps réel de la croissance économique, de l’inflation, du commerce et de la consommation. Plusieurs pays à faible revenu développent leurs activités de traitement de données et bénéficient à cet effet de l’aide au développement des capacités et de l’assistance technique du FMI (voir l’encadré).
Les pays à faible revenu sont de très loin les plus concernés par le problème du manque de données. Les pays avancés et la plupart des pays émergents publient leur PIB chaque trimestre, tandis qu’environ un tiers des pays dans le monde ne publient qu’un PIB annuel, laissant les responsables de la politique économique dans le flou pendant de longues périodes.
Et même dans les pays qui le publient rapidement, le PIB sort toujours un mois, voire plus, après la fin du trimestre. En période de crise, ce décalage est extrêmement perturbant pour les autorités, qui doivent diriger l’économie à vue.
Les bouleversements sans précédent provoqués par la pandémie ont mis cette réalité en évidence, soulignant la nécessité de disposer de mesures plus rapides et plus fréquentes pour compléter les données officielles. Certaines activités se sont arrêtées, d’autres ont explosé, et la collecte des données nécessaires aux indicateurs n’a pas été épargnée non plus, ce qui a créé des distorsions. Bruno Tissot, responsable des statistiques à la Banque des règlements internationaux (BRI) et secrétaire du comité Irving Fisher de la BRI sur les statistiques de banque centrale, a parlé à ce propos d’« obscurité statistique ».
Dans un rapport de 2023 sur les statistiques de banque centrale postérieures à la pandémie, le Comité observait que « les banques centrales du monde entier [avaient] reconnu qu’il était primordial de fournir des indicateurs en temps opportun, par exemple en se tournant vers des sources de données à haute fréquence non traditionnelles, en construisant des indicateurs hebdomadaires, voire quotidiens, et en renforçant leurs exercices de prévision immédiate ».
Outil de prévision
L’expression « prévision immédiate » date des années 80. Elle était initialement utilisée en météorologie pour désigner les prévisions fournies juste quelques heures à l’avance. En économie, elle prend une signification différente.
« S’agissant du temps, vous regardez par la fenêtre et vous voyez s’il pleut ou non, résume Domenico Giannone, l’un des pionniers de la prévision immédiate. Pour ce qui est de l’économie, vous devez attendre ».
Il semble que l’on doive l’introduction de cette expression en économie à l’article publié en 2008 par Giannone et coécrit avec Lucrezia Reichlin et David Small.
Giannone et Reichlin, qui étaient alors à l’Université libre de Bruxelles, ont commencé en 2002 à mettre au point un modèle de prévision à court terme à la demande d’un des gouverneurs de la Réserve fédérale de l’époque, Ben Bernanke. Il s’agissait d’étudier la faisabilité d’un modèle complet de mégadonnées pour la prévision et l’analyse des politiques, qui couvrirait les interactions entre des secteurs clés de l’économie. Giannone et Reichlin ont découvert qu’il n’était possible d’établir des prévisions que pour le présent, le passé très récent et le futur très proche, qu’ils ont appelées « prévisions immédiates », et ont construit un modèle pour utiliser les données en temps réel à cet effet. Ce modèle s’est servi d’éléments jusque-là informels et fondés essentiellement sur le jugement pour créer un cadre statistique formel.
« La Fed voulait savoir si ce type de cadre pouvait être adapté pour résoudre le problème que posait la lecture de toutes les publications de données en temps réel, se souvient Reichlin, enseignante à la London Business School et ancienne directrice des études à la Banque centrale européenne (BCE). À l’époque, les modèles macroéconomiques étaient relativement petits — on ne parlait pas encore de mégadonnées — et nous avons commencé à réfléchir aux modèles qui seraient capables de traiter une grande quantité de séries temporelles tout en conservant une certaine simplicité pour ne pas produire des estimations volatiles et peu fiables. »
Giannone s’est ensuite inspiré de ces travaux quand il était à la Réserve fédérale de New York et a supervisé l’établissement de prévisions immédiates sous la forme d’estimations hebdomadaires de la croissance trimestrielle américaine.
Arrivé à l’Université John Hopkins cette année, après avoir occupé différents postes à la BCE, chez Amazon et au FMI, il travaille aujourd’hui essentiellement à améliorer les mesures de l’activité économique dans les pays à faible revenu. Giannone s’est en effet rendu compte que les outils de prévision immédiate des grandes puissances les plus prospères couvraient la quasi-totalité de l’économie mondiale, mais que les pays à faible revenu étaient pratiquement démunis dans ce domaine-là.
Navigation à l’aveugle
Pour les pays à faible revenu, établir des prévisions immédiates et produire les données officielles qu’elles complètent demeure un défi, surtout dans un contexte de contraintes budgétaires et de pénurie de personnels qualifiés. Mais, pour les spécialistes de ces questions, le perfectionnement des mesures en temps réel reste prometteur.
Dans bon nombre de pays avancés, les premières estimations du PIB sont publiées un mois environ après la fin du trimestre (deux mois dans certains grands pays émergents), puis sont révisées. Dans les pays en développement, le délai peut être supérieur à trois mois.
Au Kenya, par exemple, le bureau national de la statistique publie le PIB environ trois mois après la fin du trimestre, mais la Banque centrale se sert d’outils de prévision immédiate — dont les services du FMI et Giannone ont assuré le réglage de précision — pour commencer à évaluer le PIB une semaine seulement après la fin du trimestre, en utilisant les données de la consommation privée, puis les données sur les envois de fonds, qui sont disponibles au bout de deux semaines. Les données sur le commerce, la masse monétaire, le tourisme et la consommation d’électricité, dont le délai de publication est d’environ 40 jours, aident à préciser les contours et permettent d’avoir une idée assez fiable de la vigueur de l’économie durant le trimestre, et ce, en deux fois moins de temps que d’habitude.
Loading component...
Signaux et variations
Dans les pays où les données sont rares, par exemple les pays à faible revenu, les données sur les transactions comme celles qui alimentent le modèle kenyan « seront extrêmement utiles », analyse Giannone, et beaucoup plus informatives que dans les pays avancés, où des indicateurs sortent presque quotidiennement.
Ses derniers travaux se concentrent sur les liens entre les pays et sur la prévision immédiate de l’activité d’un pays à partir de données mesurées dans les pays voisins, chez ses partenaires commerciaux et dans l’économie mondiale grâce à un modèle intégrant le PIB de tous les pays.
« Chaque pays a une composante mondiale et une composante régionale à partir desquelles nous effectuons des interpolations pour les pays disposant de moins d’informations, en nous servant de ceux où les informations sont plus nombreuses, ajoute Giannone, expliquant comment les voisins et les principaux partenaires commerciaux d’un pays peuvent aider à voir la direction que prend son activité économique. Quand vous disposez du PIB pour les États-Unis, cela vous donne aussi une indication quant au Cambodge. Les corrélations sont fréquentes. »
Selon Giannone, les progrès récents des grands modèles de langage et de l’intelligence artificielle ouvrent des possibilités incroyables d’exploiter les données, notamment textuelles, et d’intégrer les données et les métadonnées.
La perspective de pouvoir estimer en temps réel les phases d’expansion et de contraction est encore plus prometteuse et il en fait une priorité de recherche. « Pour savoir s’il y a récession dans un pays où le PIB n’est pas disponible chaque trimestre, il faut attendre un an, indique‑t‑il. Dans l’intervalle, les dirigeants ne savent pas exactement où en est le pays. Il est donc extrêmement important de travailler dans cette direction. »
Source de données à haute fréquence
En Afrique du Sud, qui est le plus grand pays émergent du continent africain, les chercheurs de la Banque centrale veulent mieux comprendre les signaux économiques envoyés par les données en temps réel, y compris les nouvelles sources de données qui peuvent aider à évaluer les effets des facteurs de déstabilisation. Cette année, par exemple, le pays a connu une épidémie de fièvre aphteuse. À cause des ruptures d’approvisionnement, les prix du bœuf se sont envolés, contribuant à la plus forte hausse des prix à la consommation en glissement annuel depuis 10 mois.
Les économistes de la Banque de réserve sud-africaine ont pu s’appuyer très vite sur les données agricoles commerciales concernant la viande et d’autres produits pour évaluer l’inflation des prix alimentaires.
C’est une bonne illustration du fonctionnement pratique des prévisions immédiates et de l’intérêt qu’elles présentent. L’Office statistique sud-africain a publié l’indice des prix à la consommation pour septembre trois semaines après la fin du mois. Les données commerciales correspondantes, elles, étaient disponibles deux semaines plus tôt.
D’après Mpho Rapapali, une économiste du département des études qui travaille sur ces mesures, les données sous-jacentes proviennent de sources à haute fréquence comme les ventes de gros et de détail, les ventes aux enchères de bétail et les marchés de produits. Ces sources fournissent des informations extrêmement détaillées sur des produits alimentaires comme la viande, les fruits ou les légumes. L’analyse statistique montre que les indicateurs commerciaux précèdent l’indice des prix à la consommation de un à trois mois selon les produits considérés.
« Cela nous a été extrêmement utile pour établir nos prévisions, a confié Rapapali lors d’un entretien. Nous pouvons aussi faire un point hebdomadaire sur les évolutions observées dans ces catégories de produits alimentaires. »
S’occuper d’abord des données
Depuis quelques années, les modèles de prévision immédiate sont plus sophistiqués et les grands modèles de langage donnent accès à plus de données que par le passé. Ces nouveaux instruments de mesure prometteurs peuvent paraître très attrayants, mais quelques mises en garde s’imposent. Les spécialistes du domaine précisent bien que l’on ne peut pas faire l’économie d’un développement des indicateurs officiels ou d’une augmentation de la fréquence et de la granularité des mesures existantes. Les nouvelles méthodes peuvent contribuer à l’effort et seront appliquées en parallèle pour mieux éclairer la politique économique, mais elles ne sauraient se substituer à une collecte de données rigoureuse.
Reichlin estime que les techniques avancées ne sont généralement pas les plus indiquées pour les pays qui débutent avec des ressources très limitées. « La priorité est d’essayer de savoir si le pays produit des données de qualité ou s’il existe des données de substitution quand les données exactes font défaut, indique‑t‑elle. Il faut s’occuper en premier lieu des données, la question de la technique ne vient qu’après. C’est très important. » Les modèles simples sont souvent les plus efficaces, et la prévision immédiate consiste surtout à exploiter différentes séries publiées pour envoyer un signal opportun et à combiner des séries de fréquences différentes.
Les nouvelles données peuvent aussi être bruitées et ne pas être représentatives, et les modèles qui fonctionnent bien peuvent devenir inopérants quand le monde change, précise Joshua Blumenstock, qui a conseillé des pays africains et sud-asiatiques en tant que codirecteur du Global Opportunity Lab de l’Université de Californie à Berkeley et utilise ces nouvelles données tout en misant sur l’interdisciplinarité pour guider l’élaboration des politiques économiques. Selon lui, l’utilisation des nouveaux outils est associée à des problématiques plus générales comme la confidentialité, la transparence, la légitimité et la gouvernance.
Les pays en développement rencontrent aussi des difficultés en matière de capacités. Les banques centrales et les gouvernements n’ont pas nécessairement le budget ni les moyens requis pour se constituer des listes de réserve d’économistes, de statisticiens et d’experts en sciences des données, et les doter d’outils informatiques avancés.
Changement de point de vue
Nonobstant les difficultés à résoudre, la tendance dans les pays en développement est à l’augmentation du nombre de prévisions immédiates, pour disposer de données plus nombreuses en fonction des besoins, mais aussi au développement des indicateurs économiques officiels.
Au Rwanda, Kalisa étoffe son service et, à l’autre bout du monde, l’un de ses homologues en fait autant : Samoa, qui est un des pays les moins peuplés de la planète avec seulement 220 000 habitants, s’est équipé voilà deux ans d’un système de prévisions immédiates officielles pour lequel il bénéficie de l’assistance technique des services du FMI. À la Banque centrale, qui compte moins de 90 collaborateurs, le directeur du département économique, Karras Lui, prévoit d’augmenter ses effectifs, qui passeront de 8 à 10 personnes.
« Nos ressources vont augmenter progressivement, à mesure que nous développerons nos capacités de prévision immédiate, assure-t-il. Désormais, le Conseil apprécie non seulement les nouveaux outils, mais aussi notre travail d’analyse. »
Données et innovation en Afrique subsaharienne
Les études de cas sur l’aide au développement des capacités fournie par le FMI montrent comment de meilleures mesures de l’économie et l’innovation technologique peuvent contribuer à la formulation de politiques économiques avisées
RÉPUBLIQUE DÉMOCRATIQUE DU CONGO
Des décisions politiques plus pertinentes
La Banque centrale du Congo fait partie des établissements qui se dotent d’un système de prévision et d’analyse des politiques, avec l’appui du FMI. Ce système favorise une prise de décisions plus systématique et améliore la communication avec le public.
L’une de ses innovations essentielles est la prévision immédiate, qui est cruciale dans un pays où il est toujours difficile d’établir des statistiques fiables et où les chiffres du PIB officiels ne sont publiés qu’une fois par an, avec des délais importants. En disposant d’informations en temps opportun, les responsables de la politique économique sont plus à même d’identifier les points d’inflexion de la croissance et d’ajuster plus efficacement la politique en conséquence. Les décideurs font aussi face à des défis comme la dollarisation importante de l’économie, l’alternance de phases d’expansion et de contraction dans le secteur clé des industries extractives (qui contribue à environ un tiers du PIB) et l’effet inflationniste des taux de change et des prix des produits de base.
Les prévisions immédiates de la Banque centrale identifient les signaux économiques en temps réel en combinant les indicateurs à haute fréquence traditionnels (production et prix du cuivre et du cobalt, masse monétaire, etc.) et des données plus inhabituelles comme l’intensité des lumières nocturnes visibles sur les images satellites et les tendances de recherche sur Google. Les résultats sont intégrés dans un modèle de projection trimestrielle qui met en relation des évaluations à court terme avec des prévisions à moyen terme et des scénarios d’action publique. La banque centrale se sert de tous ces outils pour mener une politique monétaire prospective, transparente et fondée sur des données.
GUINÉE-BISSAU
Transparence de la chaîne de blocs
En 2020, la Guinée-Bissau faisait face à un défi budgétaire colossal : la masse salariale du secteur public consommait environ les quatre cinquièmes de ses recettes fiscales, ce qui constituait l’un des ratios les plus élevés en Afrique subsaharienne. La gestion des traitements et pensions des fonctionnaires était opaque et entachée d’erreur et le risque d’abus, élevé.
En mai 2024, en collaboration avec le FMI, le consultant EY et plusieurs donateurs, la Guinée-Bissau est devenue l’un des premiers pays de la région à se servir de la technologie des chaînes de blocs pour gérer la masse salariale dans ses ministères des Finances et de l’Administration publique.
La plateforme sécurisée crée un registre numérique inviolable des traitements et pensions versés aux fonctionnaires, qui détecte les anomalies liées aux transactions et permet de vérifier en temps quasi réel qui est payé, combien et si les paiements sont autorisés. Le travail de vérification s’en trouve allégé, les autorités disposent de données budgétaires exactes et ponctuelles, et toutes ces évolutions sont autant de jalons posés pour l’utilisation ultérieure d’outils fondés sur l’IA.
Ce projet axé sur la chaîne de blocs est un outil utile qui facilite plusieurs réformes visant à maîtriser les dépenses salariales ; il a été introduit dans le cadre d’un programme appuyé par le FMI, et ses résultats sont prometteurs : la masse salariale publique ne représentait plus que la moitié des recettes fiscales en 2024. Les progrès sont donc considérables, même si le ratio reste supérieur aux niveaux de référence régionaux. La plateforme sera étendue afin de couvrir la totalité des 26 000 agents et 8 100 retraités de la fonction publique du pays.
KENYA
Informations en temps réel
Par rapport à ses pairs, le Kenya dispose de données macroéconomiques de grande qualité. Néanmoins, les estimations officielles du PIB trimestriel paraissent souvent avec un décalage d’au moins trois mois et d’autres indicateurs à plus haute fréquence de l’activité économique sont également publiés avec retard. Dans ce contexte, la construction de modèles de prévision immédiate à partir des données disponibles permettrait aux décideurs de se faire rapidement une idée de l’activité économique avant la publication des chiffres officiels du PIB.
D’après les travaux en cours au FMI sur la prévision immédiate, il semble possible d’estimer la croissance économique kényane dans ses grandes lignes avant la publication des chiffres officiels du PIB en utilisant la covariation d’une série d’indicateurs (économiques, financiers et autres) tout au long des cycles économiques. Avec le concours de l’assistance technique du FMI, la Banque centrale du Kenya réfléchit aussi à la manière dont elle peut se faire une idée plus juste de la croissance économique en se servant des techniques de prévision immédiate et en extrayant le contenu informatif de ses enquêtes bimensuelles.
La prévision immédiate, quand elle s’accompagne de progrès en matière de disponibilité des données et de technologie informatique, aide les économistes, les investisseurs et les décideurs à évaluer les résultats économiques en temps réel. Les travaux de recherche du FMI montrent enfin que la prévision immédiate peut être utilisée dans les pays ne disposant pas d’estimations trimestrielles de leur PIB.
MADAGASCAR
L’IA au service de l’administration douanière
Comme de nombreux pays dans le monde, Madagascar rencontre des difficultés non négligeables liées à la complexité et au volume des opérations commerciales internationales qu’elle doit gérer, en particulier en ce qui concerne la détection des fraudes dans les déclarations en douane.
Les taxes sur le commerce international représentent une source de recettes essentielle pour l’État malgache. Or, bien que la plupart des procédures douanières soient déjà numérisées, l’automatisation de certaines composantes (l’analyse des risques de fraude par exemple) n’est pas encore effective, notamment parce que les données disponibles sont limitées, tout comme les méthodes d’analyse des données non structurées et textuelles.
En octobre, les agents douaniers ont introduit l’IA agentive, une forme d’intelligence artificielle capable de prises de décisions autonomes qui permet de détecter les incohérences signalant des fraudes grâce à une analyse croisée des déclarations en douane, des factures, des manifestes et des bases de données externes et internes. Grâce à l’automatisation d’une grande partie des tâches manuelles effectuées par les inspecteurs de première ligne, les experts peuvent se concentrer sur les dossiers complexes.
Bénéficiant des services d’assistance technique et de développement des capacités du FMI, cette initiative, qui s’appuie également sur le soutien que les services douaniers coréens lui ont fourni précédemment, améliore les capacités technologiques tout en permettant à l’administration douanière de s’approprier les outils d’IA et de les développer. Le travail accompli montre à quel point les nouvelles technologies peuvent renforcer l’intégrité et l’efficience des douanes, et moderniser le contrôle du commerce international.
SOURCE: services du FMI.
JEFF KEARNS fait partie de l’équipe de rédaction de Finances & Développement.
Les opinions exprimées dans la revue n’engagent que leurs auteurs et ne reflètent pas nécessairement la politique du FMI.
BIBLIOGRAPHIE
Giannone, D., L. Reichlin, and D. Small. 2008. “Nowcasting: The Real-Time Informational Content of Macroeconomic Data.” Journal of Monetary Economics 55 (4): 665–76.
