GAGI: A Gini-Adjusted GDP-per-Capita Index for Distribution-Aware Macroeconomic Welfare Monitoring

Résumé Technique : GAGI – Un indice du PIB par habitant ajusté au coefficient de Gini pour le suivi du bien-être macroéconomique sensible à la distribution

Énoncé du problème
Le suivi macroéconomique actuel repose largement sur le Produit Intérieur Brut (PIB) par habitant comme principale mesure de la prospérité économique. L'article soutient que cet indicateur est fondamentalement insuffisant pour suivre les conséquences de la prospérité sur le bien-être lors des changements technologiques rapides, spécifiquement l'automatisation pilotée par l'IA. Le PIB par habitant est une moyenne au niveau de la population qui est « aveugle » à deux déterminants de premier ordre de la prospérité vécue : la distribution des revenus (inégalité) et le pouvoir d'achat (inflation). Par conséquent, un pays peut afficher une croissance record de son PIB tout en voyant le niveau de vie réel, ajusté à l'inégalité, du ménage médian stagner ou décliner. L'auteur identifie une lacune dans la boîte à outils réglementaire : l'absence d'une statistique minimale, reproductible et transparente pouvant servir de « déclencheur d'alerte précoce » opérationnel pour les dommages distributionnels, calculable annuellement à partir de données publiques sans hypothèses de modélisation propriétaires.

Méthodologie : La métrique GAGI
L'article introduit l'Indice du PIB par habitant ajusté au Gini (GAGI). Il est conçu comme un indice de bien-être à usage général applicable à toute population, région ou période donnée, bien que l'article l'applique spécifiquement aux économies du G7 (2010–2026).

La métrique est définie pour le pays $k$ et l'année $t$ comme suit :
$$GAGI_{k,t} = \frac{(1 - G_{k,t}) \times \frac{PIB\text{-}pc_{k,t}}{\pi_{k,t}}}{(1 - G_{k,2010}) \times \frac{PIB\text{-}pc_{k,2010}}{\pi_{k,2010}}}$$

Où :

• $G_{k,t}$ est le coefficient de Gini (inégalité).
• $PIB\text{-}pc_{k,t}$ est le PIB par habitant en dollars constants de 2015.
• $\pi_{k,t}$ est l'indice des prix à la consommation (IPC), avec 2010 comme base (100).

Caractéristiques clés de conception :

1. Ajustement à l'inégalité : L'indice redimensionne le PIB par $(1 - G)$, pénalisant ainsi la croissance qui s'accompagne d'une hausse de l'inégalité.
2. Correction du pouvoir d'achat : L'auteur divise explicitement le PIB en prix constants (déjà déflaté par le déflateur du PIB) par l'IPC. Il s'agit d'un choix de modélisation délibéré pour tenir compte de l'« écart » entre les prix des biens produits (production nationale) et les prix des biens consommés (panier des ménages), ce qui est particulièrement pertinent lors de chocs d'offre où les prix des importations et de l'énergie divergent des prix de la production nationale.
3. Normalisation : Le résultat est normalisé par rapport à une base de 2010 (valeur = 1,0). Cela convertit la métrique d'un niveau absol로 à une mesure de changement, permettant des comparaisons transfrontalières significatives malgré les vastes différences de niveaux de revenus et d'inégalités.
4. Minimalisme des données : L'indice repose sur trois intrants (Gini, PIB par habitant, IPC) publiés annuellement par la Banque mondiale, le FMI ou les agences statistiques nationales, garantissant une pleine auditabilité et reproductibilité sans données propriétaires.

Résultats empiriques (G7, 2010–2026)
L'application du GAGI aux économies du G7 révèle cinq modèles empiriques distincts :

1. L'écart GAGI–PIB : Dans toutes les économies du G7, l'indice GAGI se situe systématiquement en dessous de l'indice standard du PIB par habitant. Cet écart s'est creusé matériellement depuis 2022, coïncidant avec l'accélération des investissements dans l'IA. Cela indique que la croissance brute surestime systématiquement la prospérité ajustée au bien-être.
2. Trajectoires nationales divergentes :
   • États-Unis : Présentent la divergence GAGI–PIB la plus large et la plus soutenue. Cela corrèle avec un investissement élevé dans l'IA et de faibles institutions d'absorption de la main-d'œuvre (faibles dépenses de politique active du marché du travail, faible couverture de la négociation collective). L'article note une augmentation de 13 fois des licenciements attribués à l'IA par les employeurs aux États-Unis entre 2023 et 2025.
   • Japon et Italie : Affichent un GAGI quasi plat malgré un faible investissement dans l'IA, révélant un mode de défaillance de « stagnation structurelle » où le bien-être échoue en raison d'un manque de croissance de la productivité sous-jacente, indépendamment de l'intensité de l'automatisation.
   • Comparateurs Nordiques (Danemark, Suède) : En dehors du G7, ces économies présentent une « automatisation avec absorption ». Malgré des densités de robots élevées, leur GAGI reste stable grâce à des mécanismes de redistribution solides (fortes dépenses de l'ALMP, taux de remplacement des prestations élevés et couverture de la négociation collective).
3. Divergence Productivité–Salaires : L'article documente un écart cumulé de 14 points de pourcentage entre la croissance de la productivité du travail et la croissance des salaires réels dans les pays à revenu élevé (1999–2024). Aux États-Unis, l'écart est de 20 points de pourcentage ; au Japon, la productivité a augmenté de 18 % tandis que la rémunération réelle a chuté de 4 %.
4. Évidement des compétences intermédiaires : Les données confirment un déclin des parts d'emploi des compétences intermédiaires (par exemple, les professions à salaires moyens aux États-Unis sont passées de 38,4 % en 2000 à 26,4 % en 2024), avec une exposition spécifique dans les rôles administratifs, juridiques et de service client.
5. Projections de scénarios (2024–2035) : L'article présente trois projections basées sur des scénarios pour la moyenne du G7 pour le GAGI :
   • Scénario A (Maintien du statu quo) : Suppose une hausse de l'inégalité et une croissance modeste, projetant le GAGI en dessous d'un seuil de stabilité critique (environ 0,85) d'ici le début des années 2030.
   • Scénario B (Gouvernance contrainte) : Suppose que l'inégalité est stabilisée par l'activation de politiques, maintenant la stabilité du GAGI.
   • Scénario C (Complémentarité totale) : Suppose une optimisation de l'emploi et de la transformation des compétences.
     L'auteur souligne que ce sont des illustrations de l'enjeu politique et non des prévisions ponctuelles.

Signification et revendications
L'article positionne le GAGI non pas comme un nouveau concept de l'économie du bien-être (citant ses prédécesseurs comme l'indice d'Atkinson et l'IDH ajusté à l'inégalité), mais comme un outil de suivi opérationnel. Sa contribution primaire est l'« aptitude à la gouvernance » :

• Auditabilité : Il fournit un déclencheur transparent et reproductible pour que les régulateurs agissent sur les dommages distributionnels, de la même manière que les banques centrales suivent l'inflation.
• Détection des dommages cachés : Il démontre que le suivi de la seule production globale occulte systématiquement les coûts distributionnels de l'automatisation, même lorsque la croissance globale reste forte.
• Pertinence politique : La divergence entre le GAGI et le PIB sert de preuve que la « prospérité ajustée au bien-être » d'une nation se déconnecte de sa « prospérité ajustée à la production ».
• Intégration avec l'HUF : Le GAGI est présenté comme un proxy empirique de type « plug-in » pour la composante « Stabilité Économique (E) » du Facteur d'Utilité Humaine (HUF), un cadre plus large visant à aligner l'automatisation avec le bien-être macro-socio-économique.

L'article conclut que les modèles observés — spécifiquement l'élargissement de l'écart GAGI–PIB et la séparation des régimes nationaux selon les politiques — sont visibles dans les statistiques publiques sans modélisation spéculative, nécessitant un changement vers un suivi macroéconomique incluant des mesures sensibles à la distribution.