Navigation – Plan du site
  • ENS Éditions
  • ENS de Lyon
Entretiens

Manières de dire l’avenir sans nier l’incertitude : de l’économie aux sciences du climat. Entretien avec Michel Armatte

Laurent Jeanpierre et Éric Monnet
p. 217-229

Texte intégral

Le réel et le probable

1Tracés : Comment s’exprime aujourd’hui la distinction entre statistiques et probabilités ? Comment pourriez-vous décrire à un profane les différences d’approche vis-à-vis du réel et du probable entre un statisticien et un théoricien des probabilités ?

2Michel Armatte : La réponse la plus intéressante à ce type de questions n’est pas épistémologique mais historique. Le calcul des probabilités et la statistique (sous ses deux formes de statistique descriptive allemande et d’arithmétique politique anglaise et française) naissent à peu près au même moment (fin xviie et surtout xviiie) mais dans des contextes assez différents : les universités et administrations dans un cas, les cours et académies dans l’autre cas. Dans la France de la Révolution puis de la Restauration, les deux traditions se télescopent. Les mathématiciens de l’Académie des sciences se réservent le droit de développer une géométrie du hasard et un art de la conjecture (s’appuyant sur les travaux de Pascal et de Bernoulli) qui s’applique au dénombrement, à la mortalité, aux rentes viagères, et ils octroient aux autres (les administrateurs, les économistes et politistes de l’Académie des sciences morales et politiques) le droit de faire de la statistique administrative, à l’image des études départementales lancées par Napoléon et Chaptal. Plusieurs administrateurs, comme Duvillard, s’en plaignent parce que l’avalanche de nombres ne prend aucunement en compte les interdépendances entre les grandeurs, les lois comptables ou économiques. La statistique est une statique. Elle classe, elle dresse un tableau et même des tableaux en très grand nombre, elle photographie. La statistique, c’est de l’histoire qui se fige dans des comptabilités aussi imparfaites qu’éphémères. Les princes, les décideurs ont besoin de voir plus loin, du côté de l’interprétation des régularités que révèle la statistique, des lois qui produisent ces successions de nombres.

3Le calcul des probabilités intervient alors comme modèle formel hypothétique du dispositif qui produit ces nombres, qui produit cette variabilité, et dont le tirage dans l’urne, ou le jet de pièces ou de dés, sont des prototypes. Il a cependant fallu tout le xixe siècle pour que cette articulation entre statistiques et probabilités se précise et surtout soit acceptée. À la fin de ce siècle, la grande majorité des économistes a admis l’utilité de la statistique économique et sociale, mais se refuse encore à toute interprétation en termes de probabilité. Selon eux, le calcul qui porte ce nom s’est compromis dans des applications douteuses, il a mauvaise réputation et n’apporte rien de plus à leurs yeux qu’une loi statistique empirique. Les années 1930 et la crise économique qui a précédé vont remettre en cause ce choix ne serait-ce que parce que l’usage sémiotique des baromètres économiques – purement statistiques – a montré ses limites. Il faut en revenir à des mécanismes, à des lois générales, quitte à les mâtiner d’aléa, ce que fera l’économétrie. L’enjeu du xxe siècle est donc la manière dont on peut rendre compte des variations de comportement individuel ou collectif avec des modèles comportant des lois et des aléas.

4Tracés : L’objectif de ce numéro de la revue Tracés est d’évoquer les manières de traiter le possible en sciences humaines. Comment passe-t-on de l’établissement des régularités dont vous venez de parler – quel que soit le nom qu’on leur donne – à une représentation du futur ou à une projection de possibles ?

5M. Armatte : Il faut commencer par Quételet, car c’est lui qui a influencé toute la deuxième partie du xixe siècle en disant qu’il y a des lois dans les sociétés humaines, comme il y a des lois dans la nature. Quételet écrit Sur l’homme et le développement de ses facultés, essai d’une physique sociale (1835), dans lequel il présente sa conception de « l’homme moyen » et évoque trois domaines : l’anthropométrie, les méthodes de statistiques des populations (ce que l’on appellera plus tard la démographie) et ce qu’il appelle la statistique « morale » (et qui correspond environ à la criminologie). Il étudie le crime et montre que chaque année, au sein de la population, il y a le même taux de crime, de suicide, etc. Il y a donc des régularités. D’où sa fameuse conclusion : « On peut faire une mécanique des populations comme on peut faire une mécanique céleste. » On peut prédire les événements de la société humaine comme on prédit les éclipses. Quételet a vécu les révolutions et troubles sociaux de 1815 à 1848, une période où l’on considère de plus en plus la société de manière chaotique. En réaction, il montre qu’il y a un ordre que l’on observe dans les régularités. Pour lui, il suffit d’étudier les moyennes. C’est un outil statistique fabuleux, car il filtre les irrégularités et permet d’obtenir ce qu’il appelle des « causes constantes ». Le fait qu’il parle de causes montre bien que son but est d’établir des relations déterministes alors même qu’on part de phénomènes qui apparaissent chaotiques et variables. De là part l’idée qu’on peut rationaliser le rapport au futur. Cela a évidemment provoqué des débats importants sur le déterminisme, le libre arbitre, etc. Les théories de Quételet interpellent, elles rencontrent des critiques mais, globalement, la fin du xixe siècle leur donne une place majeure. Auparavant, il y avait de la statistique descriptive mais qui prétendait seulement faire une photographie de la société à un moment donné. Les mathématiciens interdisaient de faire ce qu’ils appelaient des conjectures, ils disaient que la statistique ne pouvait pas faire de prévisions. Quételet apporte donc une rupture forte.

6Mais il faut attendre les années 1920 ou 1930, pour que l’on introduise de la dynamique dans les idées de Quételet sur les régularités sociales. Et, dans ce second mouvement, les économistes vont avoir un rôle décisif, alors qu’auparavant ce que faisait Quételet était plutôt de l’ordre de la sociologie. C’est aussi à ce moment que le Cercle de Vienne s’empare de ces débats. Mais c’est avec la Seconde Guerre mondiale que naît véritablement la prévision. Deux nouveaux éléments sont ici fondamentaux : la naissance de l’économétrie structurelle tout d’abord – sur laquelle je vais revenir – qui apporte une réponse à ce programme de recherche ancien, c’est-à-dire qui identifie des régularités dans leur dimension dynamique et s’en sert pour effectuer des prévisions ; la naissance de la recherche opérationnelle, ensuite, qui a pour but de prévoir le futur à la fois pour la stratégie militaire et la planification économique. On part de petits problèmes d’optimisation comme celui-ci : « Quelle trajectoire doit suivre un sous-marin pour éviter d’être bombardé ? » Répondre à cette question implique de prévoir différents scénarios possibles. Pour cela on utilise des statistiques et des algorithmes, avec des ordinateurs. C’est totalement nouveau. L’optimisation devient alors le grand mot. Cela naît d’une situation exceptionnelle qui rend possible et nécessaire une forte hybridation des théories et des problèmes nouveaux, qu’il fallait résoudre très rapidement.

  • 1 Ces modèles, dits non structurels, sont les modèles VAR (vector autoregressions) dont l’origine pri (...)

7C’est là aussi par exemple que naît la notion de processus, c’est-à-dire de variables aléatoires dans le temps. Et finalement la notion de processus permet d’apporter une critique à l’approche de l’économie structurelle. En effet, il n’est plus nécessaire d’avoir une théorie économique pour faire de la prévision avec des processus. Après l’échec des modèles des années 1970, on se tourne par conséquent vers des modèles qui permettent d’établir des régularités ou de prédire l’investissement ou d’autres variables sans recourir à des modèles structurels qui reposent sur des hypothèses théoriques précises entre les variables, ce qu’on appelle en économie des modèles VAR1.

Économie structurelle et prévision par projection

8Tracés : Avant d’évoquer ce moment de crise de l’économie structurelle comme technique de prévision, pouvez-vous préciser comment elle émerge et quels sont ses traits caractéristiques du point de vue scientifique ?

  • 2 Le National Bureau of Economic Research, créé en 1920, est un organisme privé basé à Cambridge aux (...)

9M. Armatte : Celle-ci naît aux États-Unis au sein de la Cowles Commission2, et en conflit avec la tradition descriptive et institutionnaliste du National Bureau of Economic Research (NBER). Le but des recherches conduites à partir des années 1930 dans cette institution est de combler le vide entre la statistique et la théorie économique mathématisée sans renier ni l’une ni l’autre. La solution qui est trouvée à ce problème repose sur trois idées. Premièrement, l’économétrie doit coller à une théorie qui est bien explicitée sous forme de relations autonomes. On considère donc que la théorie mathématique apporte des relations fondamentales. Deuxièmement, ces relations sont insuffisantes pour expliquer totalement le monde et il faut donc inclure de l’aléa. On écrit donc Y = Xa + Ɛ, où Y est une variable endogène à expliquer (avec n valeurs dans le temps ou dans l’espace) et X une matrice de plusieurs variables exogènes explicatives X1, X2, …, Xp ayant également n valeurs, a est un vecteur de coefficients qui expriment les effets de X1, X2, … sur Y, tandis que le vecteur Ɛ (epsilon) représente un vecteur d’aléas. Troisièmement, l’économétrie affirme que l’on possède des théories statistiques pour estimer les paramètres du modèle. L’équation Y = Xa vient de la théorie et représente une relation autonome, structurelle. Par exemple, le profit () dépend des investissements de l’année passée (X1) et des revenus de l’année présente (X2). L’aléa résume les effets d’autres déterminants potentiels du profit (erreurs de spécification), l’effet d’erreurs de mesure sur les variables et l’effet d’une variabilité d’échantillonnage (on n’observe pas toute l’activité).

  • 3 La Société d’économétrie (Econometric Society) est fondée en 1930 par les économistes Ragnar Frisch (...)

10Le problème, c’est qu’on met beaucoup de choses dans cet aléa. Il y a à la fois des erreurs de mesure, d’autres facteurs que l’on ne peut pas tous observer qui vont pourtant expliquer la variable et qui sont aussi dus au fait que ce que l’on observe dans la nature n’est qu’un échantillon. L’aléa a donc à la fois un statut ontique et épistémique. Cela pose un problème aux économistes de l’époque, en dehors de la Cowles Commission, qui ne veulent pas de l’aléa. Ils veulent faire des statistiques sans probabilité et il y a un fort rejet de l’aléa chez beaucoup d’auteurs de cette période. C’est donc très intéressant d’expliquer comment un petit groupe de dix ou quinze économistes réunis à la Cowles Commission ont réussi à convaincre de l’utilité de leur méthode, non seulement les 5 000 membres de la société d’économétrie, mais plus généralement les 25 000 ou 30 000 économistes du monde entier qui rejettent alors l’aléa et les probabilités, et ont de faibles connaissances en mathématiques3. Il ne faut pas faire seulement une histoire des techniques intellectuelles pour comprendre cela mais voir comment ces outils ont trouvé leur place : ils ont rencontré le cadre étatique – surtout keynésien à cette période –, aussi bien aux États-Unis qu’en Europe, qui cherchait à organiser une intervention dans l’économie beaucoup plus qu’auparavant et ils ont bénéficié d’administrations qui se sont dotées d’outils de mesure de l’activité économique : des enquêtes, des conventions de quantification comme la comptabilité nationale. Ils rencontrent aussi l’arrivée d’une nouvelle génération d’ingénieurs qui se pensent comme des ingénieurs sociaux. À ces mouvements de fond s’ajoute encore l’invention des ordinateurs. Il y a donc de nombreux facteurs socio-économiques qui expliquent l’influence rapide de l’économétrie structurelle comme technique réussissant à coupler l’économie mathématique et les statistiques inductives.

11Tracés : Quel est, plus précisément, le rôle de l’aléa dans ces théories et méthodes ?

12M. Armatte : Les prévisions de l’économétrie structurelle conservent leur caractère aléatoire. On ne peut pas se débarrasser, dans la prévision, de l’aléa, dont on estime seulement les paramètres de la loi de variation. Soit on fait des prévisions en moyenne, comme dans la statistique de Quételet, soit on fait des prévisions qui ont un caractère aléatoire (associant estimation ponctuelle et indicateur de variabilité). Il y a eu ensuite une tentative assez intéressante mais avortée, de faire se rencontrer la théorie probabiliste des sondages et la statistique économique. Mon professeur, Pierre Thionet, a ainsi importé à l’INSEE la théorie des sondages probabilistes (Armatte, 2003). Selon Thionet, quand on fait une enquête, on doit la faire par sondage et énoncer les résultats sous forme d’intervalle de confiance. C’est-à-dire qu’on ne dit pas « l’année prochaine, cette variable prendra telle valeur » mais plutôt qu’elle « sera dans une fourchette avec telle probabilité ». Thionet avait raison d’introduire cette méthode même si sa tentative a fini par échouer. La raison pour laquelle il l’a introduite, c’est-à-dire pour être plus clair dans la gestion et la production des résultats, ne tenait pas. Vous ne pouvez pas publier politiquement des chiffres en disant par exemple : « Le taux de chômage sera le mois prochain égal à 8 % plus ou moins 3 %. » La question de l’annonce de l’information est fondamentale. Comment peut-on annoncer une information en disant en même temps qu’elle est fausse ? Nous n’avons pas appris cela au cours de notre éducation. C’est le problème du Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) aujourd’hui. On ne comprend pas le GIEC, on aimerait qu’il énonce avec certitude la température de tous les points du globe dans un certain nombre d’années, parce que notre culture scientifique est encore trop ancrée dans le déterminisme du xixe siècle. La prise en compte de l’incertitude est fondamentale dans la société du risque et dans la science d’aujourd’hui.

13Tracés : Quel est le lien entre le fait que, dans de nombreuses situations, les agents fassent des choix marqués par une forte incertitude et ce que vous appelez l’aléa dans les modèles ? Dans quelle mesure est-ce que ce sont des choses différentes ?

14M. Armatte : Dans l’incertitude, il y a une partie liée à notre méconnaissance : elle est épistémique. On peut donc penser la réduire. Elle peut être connue. Elle est ou non probabilisable. Mais il y a une incertitude qui restera toujours ; une incertitude radicale qui est inhérente au monde. Elle est ontique. Ces deux choses ne se chevauchent pas forcément. Keynes disait par exemple, dans des écrits de jeunesse et dans sa thèse sur les probabilités, sur lesquels il est finalement peu revenu, qu’il y avait une incertitude radicale non probabilisable (Keynes, 1921). Mais c’était une idée assez ancienne. C’est donc toute l’ambiguïté de l’aléa en économétrie. Quand j’ai commencé à étudier l’économétrie, je demandais à mes maîtres : « Que mettez-vous dans cet epsilon (Ɛ) » que j’ai évoqué auparavant ? Il n’y avait pas de réponses claires. C’est un composite. Et cela nous arrange, nous les économètres, de ne pas avoir de réponses claires à cette question finalement. On me répondait que c’étaient des erreurs de spécifications, des erreurs de mesure. Mais finalement, est-ce que cela ne traduit pas aussi une incertitude fondamentale dans les comportements des individus ? Est-ce que vous vous comportez de manière tellement rationnelle que telle connaissance de votre environnement produit telle décision ? Non. Je ne crois pas.

15De même qu’en biologie, l’ensemble des gènes ne produit pas l’intégralité du comportement. Là-dedans, le langage est piégé. Les économètres utilisent le mot erreur pour ce que moi je préfère appeler aléa. Les biométriciens ou les généticiens ont aussi une grande difficulté pour différencier entre une variabilité génétique et une erreur. En biologie comme en économie, l’aléa peut donc n’avoir qu’un rôle de modélisation des erreurs et des fluctuations correspondant à un hasard épistémique (lié à notre méconnaissance, ou laplacien) ou renvoyer de façon plus audacieuse à un hasard objectif (lié aux mécanismes mêmes de l’hérédité, du choix social : un hasard cournotien). Ensuite, la mesure de cet aléa par une probabilité qui peut être subjective (un dire d’expert par exemple) ou objective (symétrie, limite de fréquence) n’est pas toujours explicitée dans la modélisation, bien que l’enjeu en termes de gestion des risques (risk assessment et risk management) soit crucial dans des questions comme celles du changement climatique ou des bulles financières.

Crise de la prévision, montée de la prospective

16Tracés : Une question cruciale en économétrie structurelle, notamment pour la construction de scénarios ou de prévisions, concerne la période d’estimation (ou « l’échantillon »). Les économistes sont donc souvent amenés à utiliser des données historiques, mais sans considérer que leur démarche soit proprement historique. Les modèles ne sont-ils pas ainsi enfermés dans une conception qui voudrait que le possible ne puisse être qu’une répétition de l’histoire ? La notion de scénario que vous étudiez n’est-elle pas une forme de réponse à ces limites et à la restriction du possible qu’impliquent les modèles traditionnels ? Cela expliquerait pourquoi la méthodologie des scénarios a été conçue afin de réfléchir sur des événements de type catastrophique ou inédit, pour lesquels une conception naïve, cyclique, de l’histoire informe peu.

17M. Armatte : L’idée de l’économie structurelle, c’est bien que, sur une période de quelques décennies, il y a invariance d’une structure, c’est-à-dire d’un jeu d’équations comptables et de comportements. Cette stabilité supposée permettait d’estimer les paramètres du modèle sur des données historiques passées (par exemple des données macroéconomiques ou des données boursières) et de projeter sur un futur proche (prévision budgétaire ou plan) la structure estimée. C’est bien cette invariance qui est remise en cause par Robert Lucas au nom des anticipations rationnelles des agents, mais aussi par le changement de régime après le choc pétrolier, ou encore par les crises financières qui se succèdent depuis la fin des années 1980. Les tentatives de construire des modèles d’évolution de long terme sur la base de données historiques sur plusieurs siècles, produites par les historiens de la longue durée, ont été en général considérées comme des échecs. De toute évidence, les modèles macroéconomiques comme les modèles financiers ont une fâcheuse tendance à ne fonctionner à peu près bien que dans les périodes de stabilité relative et de perdre toute pertinence dès que l’on change de régime. On sait en gros que le modèle « tout se passera demain comme hier et aujourd’hui » est le meilleur qui soit à court terme aussi bien pour la météo que pour la conjoncture. Mais pour après-demain, c’est une autre histoire. Il faudrait pouvoir prendre en compte les chocs exogènes et endogènes qui vont intervenir.

18C’est justement ici qu’interviennent les méthodes de la prospective, différentes de celles de la prévision par projection, en un triple sens. Pour le long terme (plusieurs générations) elles rejettent cette hypothèse de stabilité des structures ; elles admettent que le système est soumis à des driving forces qui peuvent le déstabiliser et l’emmener très loin de son régime actuel sans pour autant que l’on puisse en prévoir tous les effets ; et elles postulent que les hommes ont, par leurs décisions individuelles ou collectives, un pouvoir réel d’inflexion des trajectoires du système. Il en résulte que le prospectiviste raisonne sur une multiplicité de futurs possibles, chacun étant le produit d’un scénario (c’est-à-dire un jeu d’hypothèses sur l’évolution du système) compatible inter-temporellement avec le présent et cohérent dans ses composantes, ce qui est assuré par un modèle et par un récit (storylines). Prenant en compte à la fois les possibilités de ruptures, crises, catastrophes, emballements du système soumis à des jeux de forces complexes, et aussi les conséquences de politiques volontaires et d’interventions sur le cours des choses, le prospectiviste est amené à ne pas nier les évolutions prévisibles du système vers des futurs possibles, mais à trier parmi ces futurs ceux qui sont plus vraisemblables que d’autres (la probabilisation en est toutefois quasi impossible) et ceux qui sont souhaitables, au sens d’un intérêt collectif négocié et reconnu.

Modèle, récit, scénario

19Tracés : Vous dites que la prospective est à la fois un modèle et un récit. N’y a-t-il pas pourtant une incompatibilité entre une conception narrative et une conception modélisatrice du futur ?

20M. Armatte : Non, il n’y a pas de contradiction. Dans un modèle, il y a toujours des méta-informations, littéraires, qui permettent de comprendre la signification. Ce n’est pas que de la syntaxe avec des variables, des équations, des opérateurs (+, –, =, etc.) ; mais il y a aussi le fait de dire que cette variable, je l’appelle x et je lui donne tel sens. Il y a donc une sémantique. Et cette sémantique, elle a besoin de la langue ordinaire. Il n’y a donc pas d’incompatibilité entre modèle et récit. Il n’y en a jamais eu. Demandez à quelqu’un qui utilise un logiciel combien de place occupe ce logiciel dans son ordinateur et combien de place occupe tout ce qu’il doit raconter pour expliquer à ses collègues comment s’en servir !

21Le récit sert donc à justifier les hypothèses, le choix de scénarios, l’attention portée à telle politique, etc. Dans les années 1920, les économistes ont dit : « C’est très bien les mathématiques, ça permet de rendre nos phrases rigoureuses. » Maintenant on dit l’inverse : « C’est très bien les phrases, ça permet de rendre explicites nos équations. » Pour communiquer avec un politique, vous ne pouvez pas lui donner vos équations. Il faut des phrases et aussi des graphiques, des images. Et ces phrases ont un autre intérêt : elles assurent la cohérence dans le temps et dans l’espace de votre récit. Car le langage naturel a une richesse sémantique qu’une suite d’hypothèses n’a pas. La communication est donc fondamentale dans la prospective. L’exemple du GIEC est, ici encore, très instructif. Aujourd’hui, dans la recherche opérationnelle, tout le monde fait des scénarios, même ceux qui n’en ont pas conscience. Un scénario est un jeu d’hypothèses très précises plus un récit qui amalgame l’ensemble. Le scénario n’a pas supplanté le modèle. Il est implanté dans le modèle. Le modèle ne peut pas tourner sans qu’on lui injecte un scénario. Et le modèle lui-même suscite de nouveaux scénarios. L’hypothèse qui va être mise en avant dans le scénario est un choix subjectif qui s’appuie sur des éléments objectifs.

Vers une technique participative de scénarisation du futur ?

22Tracés : Quels peuvent être les critères de validité ou de scientificité des scénarios étant donné, d’une part, leur caractère méthodologique hybride, et, d’autre part, leur dimension politique, que vous mettez directement en lumière ? Comment la société civile pourrait-elle se saisir de ces éventuels critères afin d’apporter des solutions au problème que vous soulevez : « La crise des sciences, écrivez-vous, est aussi une crise de l’expertise dont les solutions sont en partie connues : il faut démocratiser l’expertise, diffuser à tous un maximum d’éléments de compréhension des enjeux et des solutions mises en place et redonner au citoyen une place dans la décision en s’appuyant à la fois sur les éléments de la démocratie formelle – la presse, les enquêtes parlementaires, les campagnes électorales – et sur des expériences de démocratie participative s’appuyant sur des forums hybrides mélangeant politiques, experts et populations concernées » (Armatte, 2010, p. 21) ?

23M. Armatte : Les scénarios qui cadrent un travail de prospective n’ont pas un statut épistémologique comparable à celui d’une loi scientifique en philosophie naturelle. Ce sont des descriptions formelles et littéraires d’hypothèses sur l’évolution « naturelle » du système, forcée par un projet politique en partie explicite. Séparer ces deux composantes, naturelles et anthropiques, des driving forces tient d’ailleurs de la gageure, car elles sont liées par de nombreuses causalités et bouclages, et il est plus réaliste finalement de considérer comme Bruno Latour que les systèmes étudiés aujourd’hui (comme le « système Terre ») sont des complexes hybrides mêlant des actants indifférenciés et des échelles spatiales et temporelles très variées. La considération de scénarios mêlant forces naturelles et forces sociales a pour conséquence de fragiliser le statut épistémologique des projections réalisées avec des modèles informatiques implémentant à la fois des lois mathématiques, des quantifications relatives à diverses sciences naturelles et un forçage avec des scénarios dont le caractère politique et utopique est assumé. Il y a là en germe tous les conflits possibles quant à la légitimité de ces modélisations. Cette légitimité ne peut pas être rattachée à la vision d’une science indépendante de choix politiques et dont les certitudes sont attestées soit par des inductions expérimentales, soit par des constructions logiques et formelles.

24En 2009, le flot de critiques des sceptiques visant à déstabiliser les travaux du GIEC par la dénonciation de leur soumission à des impératifs politiques s’explique en grande partie par un attachement à une épistémologie et une éthique de la science idéalisées, qui date d’avant 1930 et se caractérise par deux traits : 1. Elle voit la science comme le royaume de la vérité pure et du déterminisme absolu ne connaissant ni l’incertitude ni l’aléa ; 2. Elle se protège de tout contrôle politique par une attitude totalement fermée, organisant le laboratoire comme un espace confiné et aseptisé, imperméable à toute problématique sociale. Il me semble que les années d’entre-deux-guerres – en France, on peut faire remonter cela plus tôt, au rôle de la science dans l’affaire Dreyfus – témoignent d’une mutation importante de ce modèle d’expertise, par le mouvement technocratique qui diffuse dans le monde des ingénieurs, des juristes et des gestionnaires, lequel assume un a priori inverse, à savoir que seule la science est bien placée pour conseiller les politiques, à condition que ceux-ci ne se mêlent pas de science mais prennent en compte les conclusions des experts. Ce second régime d’expertise conditionne sa mise au service de la société par l’absence d’effet retour de celle-ci sur son travail : c’est un schéma strictement linéaire [science pure → science appliquée → expertise conseil → choix des seuls politiques → décision] qui s’impose un peu partout comme modèle de l’expertise dans les Trente Glorieuses, y compris en économie, où le dogme, c’est que l’économiste n’impose pas ses vues et son système de valeurs, laisse au politique la responsabilité de cela, mais explicite les conséquences économiques de ses choix.

25Depuis la série des crises environnementales, sanitaires, financières et économiques qui ont accompagné la transformation du capitalisme marchand et industriel, et sa financiarisation, qui ont marqué les deux dernières décennies et instauré la « société du risque » chère à Ulrich Beck (1986), le régime de l’expertise s’est inversé et modifié : l’expertise est davantage soumise à l’agenda politique et au cadrage par la demande de résolution de questions de société que par l’offre de régulation, de prévision et d’arbitrage proposée par les scientifiques. Le jeu complexe des négociations climatiques dans le cadre des conventions onusiennes s’est imposé comme un cadrage obligé aux travaux de climatologues et des économistes, qui ont parfois dû lâcher toute recherche fondamentale pour entrer dans le jeu des simulations selon des scénarios fournis par le couple GIEC-UNFCCC (United Nations Framework Convention on Climate Change), et le jeu des propositions en termes de réduction des émissions de CO2 ou d’adaptation au changement climatique. Que ce soit au niveau de la décision locale ou de la gouvernance globale internationale, l’agenda politique formate les travaux de recherche des équipes scientifiques.

26Dans ce cadre nouveau, les dangers de la technocratie sont encore plus grands que dans le modèle linéaire décrit ci-dessus, de voir la décision confisquée par les experts qui, dans leurs travaux, articulent complètement choix de société, évolution du système et réponses politiques, et donc ne présentent en aucun cas des conclusions objectives et consensuelles. Dans ce schéma, il ne reste plus grande place pour le débat public et la décision démocratique. D’où l’urgence de trouver des formes renouvelées de démocratie participative qui a prévalu dans les années 2000. Mais le choc des échecs de Copenhague et de la crise du GIEC, au lieu de déboucher sur de telles avancées, s’est résolu par des pseudo-contrôles des experts par d’autres experts, et par le fatalisme d’une soumission aux intérêts nationaux et au jeu diplomatique et commercial sur les choix énergétiques, dans une ambiance générale de surdétermination par la crise économique des subprimes et des déficits budgétaires. Quel sera l’impact du prochain rapport du GIEC sur les décideurs ? Sans doute assez faible, car si sa fonction d’alerte sera maintenue, et tout porte à croire que le réchauffement annoncé sera amplifié, la fonction d’aide à la décision sera affaiblie par l’impuissance de la gouvernance globale onusienne, et reposera sur les politiques étatiques, prises dans la tourmente économique des subprimes et de la dette. Comment le simple citoyen, en dehors d’un comportement éthique responsable et d’une consommation parcimonieuse, qui ont leur limite, pourra-t-il influencer les choix de ces États et contrebalancer leurs politiques soucieuses de croissance à tout prix, c’est bien une question de nouvelle démocratie à inventer dans laquelle il faudra articuler « un homme une voix », « un dollar une voix », « une tonne de CO2 une voix ».

Haut de page

Bibliographie

Akerlof George, 1970, « The market for “Lemons” : quality uncertainty and the market mechanism », Quarterly Journal of Economics, vol. 84, no 3, p. 488-500.

Armatte Michel, 2003, « Pierre Thionet et l’introduction en France des méthodes de sondage aléatoire », Journal de la société française de statistique, vol. 144, no 1-2, p. 227-255.
  — 2010, La science économique comme ingénierie. Quantification et modélisation, Paris, Presses des Mines.

Beck Ulrich, 2001 [1986], La société du risque. Sur la voie d’une autre modernité, Paris, Aubier.

Keynes John Maynard, 1921, A Treatise on Probability, Londres, Macmillan and Co.

Sims Christopher, 1980, « Macroeconomics and reality », Econometrica, vol. 48, no 1, p. 48.

Stock James et Watson Mark, 2001, « Vector autoregressions », Journal of Economic Perspectives, vol. 15, no 4, p. 101-115.

Haut de page

Notes

1 Ces modèles, dits non structurels, sont les modèles VAR (vector autoregressions) dont l’origine principale est un article de Christopher Sims (1980). Pour une présentation simple de ces modèles, voir notamment Stock et Watson (2001).

2 Le National Bureau of Economic Research, créé en 1920, est un organisme privé basé à Cambridge aux États-Unis, sans but lucratif, politiquement indépendant, consacré aux sciences économiques et aux recherches sur l’économie des États-Unis. Il fut chargé de la mise en place de la comptabilité nationale des États-Unis dans les années 1930. La Cowles Commission est un institut de recherches privé fondé en 1932, dont le but est de lier la recherche théorique en économie aux méthodes statistiques et mathématiques. Fondée dans le Colorado, elle est intégrée à l’Université de Chicago en 1939 puis à l’Université de Yale en 1955.

3 La Société d’économétrie (Econometric Society) est fondée en 1930 par les économistes Ragnar Frisch et Irving Fisher. En 1933, Frisch crée la revue Econometrica qui devient le principal véhicule de la pensée économétrique.

Haut de page

Pour citer cet article

Référence électronique

Laurent Jeanpierre et Éric Monnet, « Manières de dire l’avenir sans nier l’incertitude : de l’économie aux sciences du climat. Entretien avec Michel Armatte », Tracés. Revue de Sciences humaines [En ligne], 24 | 2013, mis en ligne le 01 janvier 2017, consulté le 18 août 2017. URL : http://traces.revues.org/5671 ; DOI : 10.4000/traces.5671

Haut de page

Auteurs

Laurent Jeanpierre

Articles du même auteur

Éric Monnet

Articles du même auteur

Haut de page

Droits d’auteur

© ENS Éditions

Haut de page