Monthly Inflation Dynamics in Somalia Using Seasonal ARIMA Models

Dans l'engrenage complexe d'une économie nationale, peu de forces sont aussi immédiates ou aussi ressenties personnellement que le prix des biens. Lorsque le coût du pain, du carburant ou des médicaments augmente régulièrement au fil du temps, on appelle cela l'inflation. Ce phénomène érode le pouvoir d'achat de la monnaie, ce qui signifie qu'une famille peut acheter moins avec la même somme d'argent qu'elle ne le pouvait l'année précédente. Pour les gouvernements, prédire ces changements de prix est une question de survie ; des prévisions précises permettent d'ajuster les salaires, de planifier les budgets et de protéger les citoyens les plus vulnérables contre les chocs économiques soudains. Cependant, dans de nombreux pays en développement, les données nécessaires pour établir ces prédictions sont souvent rares, irrégulières ou difficiles à interpréter. Dans des endroits comme la Somalie, où les marchés sont fragiles et les chaînes d'approvisionnement facilement perturbées par le climat ou les conflits, comprendre le rythme des variations de prix n'est pas seulement un exercice académique, mais un outil critique pour la stabilité.

Le défi pour les économistes dans de tels environnements est de distinguer le bruit aléatoire d'un motif prévisible. Les prix ne progressent pas en ligne droite ; ils montent et descendent souvent selon les saisons, poussés par les cycles de récolte, les fêtes religieuses ou les modèles météorologiques. Pour naviguer dans cette situation, les chercheurs s'appuient sur des modèles statistiques qui traitent l'économie comme un système météorologique, cherchant des cycles récurrents plutôt que de simples tempêtes aléatoires. L'une de ces approches consiste à analyser comment les prix d'un mois donné sont liés aux prix du même mois de l'année précédente, ou comment un pic de prix aujourd'hui pourrait influencer les prix le mois suivant. En cartographiant ces connexions, il devient possible de percevoir la structure sous-jacente de l'inflation, en séparant les fluctuations saisonnières prévisibles du chaos imprévisible de la vie quotidienne.

C'est précisément la tâche entreprise par Abdirashiid Mohamud Mohamed, chercheur à l'Université nationale somalienne, dans une nouvelle étude axée sur les taux d'inflation mensuels de la Somalie. L'objectif n'était pas simplement de décrire ce qui s'est passé dans le passé, mais de construire un outil fiable pour regarder vers l'avenir. Utilisant les données officielles du Bureau national des statistiques de Somalie, couvrant la période de février 2018 à décembre 2024, le chercheur a appliqué un type spécifique de cadre statistique connu sous le nom de modèle de moyenne mobile autorégressive saisonnière intégrée (SARIMA). En termes simples, il s'agit d'une méthode conçue pour trouver des motifs dans les données qui se répètent selon un cycle fixe, tel que les douze mois d'une année. L'étude s'est concentrée spécifiquement sur le taux de variation mensuel des prix, plutôt que sur le niveau de prix total, afin de capturer plus précisément la vitesse et la direction de l'inflation.

L'analyse a commencé par vérifier la stabilité des données. Le chercheur a confirmé que les taux d'inflation mensuels étaient suffisamment stables pour être modélisés sans nécessiter d'ajustements mathématiques complexes pour les forcer à suivre une ligne droite. Lorsque les données ont été examinées pour déceler des motifs, un rythme clair et dominant est apparu : le taux d'inflation de n'importe quel mois donné est fortement lié au taux du même mois de l'année précédente. Ce cycle annuel était le signal le plus puissant dans les données, dépassant de loin l'influence de ce qui s'est passé le mois immédiatement précédent. Bien qu'il y ait eu une certaine persistance à court terme, où une hausse des prix ce mois-ci pourrait pousser les prix à la hausse le mois suivant, la récurrence annuelle était le principal moteur.

Pour trouver la meilleure façon de décrire ce comportement, le chercheur a testé neuf structures mathématiques différentes contre les données historiques. La gagnante fut un modèle combinant une mémoire simple à court terme avec une forte mémoire saisonnière. Ce modèle optimal a réussi à capturer la réalité selon laquelle l'inflation en Somalie est largement un phénomène saisonnier. L'étude a révélé que les changements de prix d'un mois spécifique, par exemple mars, sont fortement déterminés par ce qui s'est passé en mars de l'année précédente. Les preuves statistiques ont montré que ce lien saisonnier est fort, positif et hautement significatif, ce qui signifie que le cycle annuel est une caractéristique fiable de l'économie somalienne, et non un hasard aléatoire.

Une fois le modèle validé, le chercheur l'a utilisé pour générer des prévisions pour les années 2025 et 2026. Les résultats ont brossé le portrait d'une économie qui reste relativement stable en moyenne, mais qui est marquée par des sommets et des creux distincts et prévisibles. Le modèle projette que l'inflation aura tendance à augmenter durant la première moitié de l'année, avec des pics spécifiques en mars, avril et mai. Ces mois correspondent à des périodes de pression saisonnière, probablement dues aux ajustements de l'offre alimentaire après les saisons des pluies et à l'augmentation de la demande lors des célébrations religieuses. À l'inverse, le modèle prévoit des périodes de baisse des prix, ou de déflation, en janvier, août et décembre. Ces baisses ne sont pas nécessairement des signes de faiblesse économique, mais font partie du flux et reflux naturel des saisons sur le marché.

L'exactitude de ces prédictions a été testée par rapport à des données réelles de 2024, qui avaient été écartées de l'analyse initiale pour servir de test à l'aveugle. Le modèle a performé avec une grande précision, son erreur moyenne étant inférieure au tiers de la fluctuation mensuelle typique des prix. Ce niveau de précision suggère que le modèle a réussi à identifier le véritable moteur qui dirige l'inflation dans le pays. De plus, une vérification de la stabilité du modèle a montré que le motif saisonnier est resté cohérent au fil du temps, sans ruptures ou changements soudains qui rendraient les prévisions inutiles.

Les implications de ces conclusions sont pratiques et immédiates. Pour les décideurs politiques, l'étude offre un avertissement clair : les mois de printemps apporteront probablement des prix plus élevés, et des préparatifs doivent être faits à l'avance pour protéger les ménages à faible revenu. Les baisses de prix prédites en hiver et à la fin de l'été ne doivent pas être confondues avec une amélioration permanente de l'économie, mais comprises comme faisant partie du cycle saisonnier. Bien que le modèle fournisse une base solide pour la planification, le chercheur note qu'il ne peut pas rendre compte des chocs externes soudains, comme les pics mondiaux du prix du carburant ou les sécheresses sévères, qui peuvent perturber le schéma à tout moment. Néanmoins, en cartographiant les rythmes prévisibles de l'économie, ce travail fournit une fondation cruciale pour une gestion économique plus stable et plus efficace en Somalie.