Sovereign ESG and the Hydrological Constraint: Rethinking the Determinants of Water Stress

Résumé technique : ESG souverain et la contrainte hydrologique

Énoncé du problème
Le document traite d'une fragmentation conceptuelle et méthodologique dans la littérature sur le stress hydrique. Tandis que l'hydrologie traite le stress hydrique (le ratio entre les prélèvements d'eau douce et les ressources renouvelables disponibles) comme un résultat physique déterminé par le climat et les systèmes terrestres, la science politique et les études de développement le traitent comme un résultat institutionnel piloté par la gouvernance et les règles d'allocation. Ces deux perspectives ont rarement été testées conjointement sur un même échantillon de pays à l'aide d'un cadre unifié. De plus, les études transversales existantes échouent souvent à distinguer les mouvements temporels intra-pays des différences structurelles inter-pays, et elles négligent fréquemment les non-linéarités et la validation par apprentissage automatique (machine learning). Les auteurs appliquent pour la première fois le cadre ESG (Environnemental, Social et Gouvernance) de la Banque mondiale au stress hydrique, testant si ces trois piliers expliquent la contrainte hydrologique et identifiant les déterminants spécifiques au sein de chacun.

Méthodologie
L'étude analyse jusqu'à 170 économies observées entre 2002 et 2022 (avec des variations de la taille de l'échantillon dues à la disponibilité des données pour des indicateurs spécifiques). La variable dépendante est le logarithme naturel du ratio prélèvement d'eau douce/disponibilité. Les auteurs estiment trois équations distinctes, partageant la même variable dépendante mais différant uniquement par le bloc de régresseurs fournis par les piliers ESG :

1. Équation Environnementale : 170 économies, 3 501 observations (2000–2021).
2. Équation Sociale : 99 économies, 2 113 observations (2001–2022).
3. Équation de Gouvernance : 170 économies, 3 421 observations (2002–2022).

Chaque équation est analysée selon trois pistes parallèles afin d'assurer la robustesse et la triangulation méthodologique :

• Piste 1 : Économétrie de panel. Utilisant sept estimateurs, dont les Moindres Carrés Ordinaires (MCO) groupés, les Effets Fixes (EF), les Effets Aléatoires (EA), le modèle "Between", les Moindres Carrés Pondérés (MCP), ainsi que deux étapes de la Méthode des Moments Généralisés (GMM) en différence et en système. Les diagnostics incluent des tests de dépendance transversale (Pesaran), d'autocorrélation (Wooldridge) et de colinéarité. Crucialement, le bloc de gouvernance traite la forte colinéarité (0,81–0,95) parmi les indicateurs de gouvernance mondiale (WGI) en employant une Analyse en Composantes Principales (ACP) pour créer des variables orthogonalisées (Qualité Institutionnelle et Équilibre Institutionnel) plutôt que d'introduire des dimensions corrélées côte à côte.
• Piste 2 : Clustering non supervisé. Six algorithmes (DBSCAN, Fuzzy C-Means, Hiérarchique, K-Means, GMM basé sur un modèle, proximité de Forêt Aléatoire) s'affrontent pour classer les pays selon leurs profils ESG-eau. La sélection est basée sur onze indices de validité interne (ex. Silhouette, Calinski-Harabasz, HHI) et une règle d'admissibilité exigeant que toutes les économies soient assignées à un groupe.
• Piste 3 : Validation supervisée. Six apprenants (Régression Linéaire, Arbre de Régression, KNN, SVM Linéaire, Boosting, Forêt Aléatoire) sont évalués pour valider la forme fonctionnelle des spécifications économétriques plutôt que pour la prédiction. Un choix de conception critique implique deux schémas de validation : un échantillon de test aléatoire 70/30 et une validation croisée en cinq blocs groupés où des pays entiers sont mis de côté pour éviter la fuite de données (mémorisation de l'identité du pays).

Résultats clés

• Nature structurelle du stress hydrique : La conclusion la plus fondamentale est que 99,1 % de la variance logarithmique du stress hydrique se situe entre les pays, tandis que seulement 0,9 % se situe à l'intérieur de ceux-ci sur la période de 20 ans. Cela indique que le stress hydrique est un attribut structurel du territoire national, et non une variable qui fluctue de manière significative d'une année à l'autre en réponse aux politiques ou aux chocs climatiques.
• Pilier Environnemental :
  • Déterminants : La couverture forestière et la densité de population sont les prédicteurs dominants. La couverture forestière montre une forte relation transversale négative, tandis que la densité de population est la seule variable qui reste significative dans le modèle à Effets Fixes (intra-pays), suggérant que l'urbanisation est le moteur de la pression dynamique.
  • Non-linéarité : L'apprentissage automatique révèle une dépendance partielle en forme de U pour les terres agricoles (le stress diminue puis augmente). L'indice de sécheresse (SPEI), bien qu'il porte le plus grand coefficient transversal dans le bloc, s'effondre vers une quasi-irrélevance sous la validation groupée (perte de dropout de 0,71 %), indiquant qu'il discrimine entre les pays mais n'explique rien en leur sein.
  • Validation : Sous validation croisée groupée, la Forêt Aléatoire surpasse légèrement les modèles linéaires (R² 0,41 contre 0,31), mais la spécification linéaire capture la majeure partie de la structure.
• Pilier Social :
  • Inversion de signe : Il existe une inversion systématique de signe entre les estimateurs "Between" et "Fixed Effects" pour des variables telles que l'assainissement et le combustible de cuisson propre. Les coefficients transversaux reflètent des biais géographiques (les économies arides à haut revenu ont une couverture de services élevée et un stress élevé), et non des mécanismes sociaux causaux.
  • Moteurs intra-pays : Seuls le taux de fécondité et l'insécurité alimentaire survivent à la transformation "within", évoluant de concert comme faisant partie d'une trajectoire de développement commune.
  • Clustering : Le bloc social est largement unidimensionnel (gradient de développement). Cependant, un cluster distinct de "Stress élevé / faible participation" émerge, caractérisé par des niveaux de développement intermédiaires mais des contraintes de participation à la population active et un stress hydrique élevé.
  • Validation : Les apprenants flexibles performent moins bien que les modèles linéaires lorsque les pays sont mis de côté (le R² tombe à près de zéro ou devient négatif), indiquant que les indicateurs sociaux sont de faibles prédicteurs de la variation inter-pays une fois l'identité du pays retirée.
• Pilier de Gouvernance :
  • Le néant sur la qualité institutionnelle : Le niveau de qualité institutionnelle (la première composante principale des quatre indicateurs WGI, absorbant 91,9 % de leur variance) n'est lié à aucun stress hydrique dans aucun estimateur.
  • Le signal dans la composition : La seconde composante principale, représentant la "responsabilité relative à la capacité de l'État", porte un coefficient négatif fort (−1,10) dans les modèles transversaux. Les économies dotées d'une haute capacité administrative mais d'une faible responsabilité (ex. les États rentiers du Golfe) présentent le stress hydrique le plus élevé.
  • Prédicteur dominant : Le ratio de participation des femmes à la population active par rapport aux hommes est le prédicteur le plus significatif à travers les trois piliers. Sa dépendance partielle révèle une discontinuité nette (une fonction en escalier) concentrée dans un intervalle de cinq points (55–59 %), une caractéristique invisible pour les spécifications linéaires.
  • Validation : Dans le bloc de gouvernance, la Régression Linéaire surpasse tous les apprenants flexibles sous validation croisée groupée (R² 0,27 contre 0,08), confirmant que la relation est effectivement linéaire et qu'aucune structure non linéaire n'est manquée par le modèle économétrique.

Signification et revendications
Le document affirme résoudre trois lacunes dans la littérature :

1. Conceptuelle : C'est la première étude à appliquer la décomposition ESG souveraine au stress hydrique en tant que variable dépendante, comparant le pouvoir explicatif des trois piliers sur un échantillon commun.
2. Estimation : En séparant le mouvement intra-pays de la structure inter-pays, elle démontre que les études de cas et la littérature transversale répondent à des questions différentes. La conclusion selon laquelle 99,1 % de la variance est structurelle remet en question l'hypothèse selon laquelle le stress hydrique est une variable de politique réactive aux ajustements annuels.
3. Méthodologique : Elle traite la colinéarité des indicateurs de gouvernance comme un problème de mesure substantiel (nécessitant l'orthogonalisation) plutôt que comme un simple désagrément d'estimation. Elle utilise également l'apprentissage automatique non pas pour la prédiction, mais pour valider l'adéquation des formes fonctionnelles linéaires et pour détecter des non-linéarités spécifiques (U de la terre agricole, fonction en escalier de la participation au travail).

Les auteurs concluent que le stress hydrique est une contrainte que les États héritent plutôt qu'une performance qu'ils délivrent. Par conséquent, le "niveau" de qualité institutionnelle est peu informatif pour l'évaluation de l'eau souveraine ; au lieu de cela, la composition des institutions (spécifiquement l'équilibre entre capacité et responsabilité) et les facteurs structurels comme la participation à la population active sont les déterminants critiques. Le document soutient que le cadre ESG souverain devrait intégrer le stress hydrique non pas comme une métrique de performance notée, mais comme un facteur de risque structurel, étant donné sa nature lente et dictée par les dotations.