Uncertainty and Optimal Economic Growth: Insights from a Bibliometric Analysis

La croissance économique est le moteur qui détermine la manière dont les sociétés améliorent leur niveau de vie, mais prédire exactement comment ce moteur fonctionnera est notoirement difficile. Pendant des décennies, les économistes ont tenté de construire des modèles mathématiques pour expliquer pourquoi certaines nations s'enrichissent tandis que d'autres luttent. Ces modèles reposent généralement sur l'idée que l'avenir peut être prévu en se basant sur les tendances passées, en supposant que les changements se produisent selon un rythme régulier et prévisible. Cependant, le monde réel est rarement aussi ordonné. Il est rempli de chocs soudains — comme une pandémie, un krach financier ou une invention révolutionnaire — qui perturbent le flux régulier des données. Pour donner un sens à ce chaos, les chercheurs ont commencé à introduire directement le concept d'incertitude dans leurs équations. Au lieu de supposer une ligne droite, ils utilisent des outils qui tiennent compte des sauts aléatoires et des fluctuations imprévisibles, traitant l'économie davantage comme un système constamment poussé par des forces invisibles. Ce changement leur permet de poser une question plus réaliste : quelle est la meilleure façon de gérer une économie lorsque l'avenir est fondamentalement inconnu ?

Un chercheur de l'Université Cadi Ayyad au Maroc a décidé de prendre du recul pour observer l'ensemble du paysage de ce domaine en pleine évolution. Plutôt que de construire un nouveau modèle lui-même, il a mené une vaste enquête sur la littérature scientifique existante pour comprendre comment l'étude de la croissance économique a évolué au cours de la dernière décennie. Il a rassemblé des milliers d'articles provenant d'une base de données académique majeure et a utilisé une méthode spécialisée appelée analyse bibliométrique. Imaginez ce processus comme la cartographie d'une immense bibliothèque encombrée, non pas en lisant chaque livre de couverture en couverture, mais en analysant quels livres sont cités ensemble le plus souvent. En observant ces connexions, le chercheur a pu voir quelles idées sont les plus populaires, quels auteurs mènent la conversation et où les lacunes de connaissances subsistent encore. Son objectif était de créer une image claire de la manière dont les économistes utilisent actuellement les mathématiques pour gérer l'incertitude.

Le chercheur a découvert que le domaine s'est éloigné des calculs simples, étape par étape, et qu'il est désormais dominé par deux approches mathématiques puissantes : les modèles en temps continu et les modèles qui tiennent compte des sauts soudains. Par le passé, de nombreux économistes traita l'époque comme une série de moments distincts, comme les images d'un film. Aujourd'hui, les travaux les plus influents traitent le temps comme un fleuve fluide, utilisant des équations qui décrivent comment les variables changent à chaque instant précis. Au sein de ce flux continu, les outils les plus proéminents sont les équations différentielles stochastiques. Ce sont des cadres mathématiques qui permettent des variations aléatoires et continues, un peu comme le suivi du chemin d'une feuille flottant sur un ruisseau où le courant de l'eau change de manière imprévisible. Cette approche aide les économistes à comprendre comment de petites perturbations fréquentes s'accumulent au fil du temps pour façonner la santé à long terme d'une nation.

Cependant, l'étude a également souligné que les changements fluides ne constituent pas toute l'histoire. Le chercheur a identifié une seconde approche, tout aussi importante, connue sous le nom de modèles de diffusion à sauts. Ces modèles reconnaissent que l'économie est également sujette à des événements rares mais massifs — des chocs soudains qui ne peuvent être expliqués par de petits changements graduels. Il peut s'agir de catastrophes naturelles, de changements de politique soudains ou de percées technologiques majeures. Dans ces modèles, l'économie évolue de manière fluide la plupart du temps, mais effectue occasionnellement des « sauts » vers un état complètement différent. L'analyse a montré que la combinaison de ces deux idées — le flux continu des changements quotidiens et les bonds soudains des événements majeurs — offre la manière la plus robuste de simuler la croissance économique réelle. Le chercheur a noté que cette combinaison permet une représentation plus précise de la manière dont l'incertitude fonctionne réellement, capturant à la fois le bruit de fond discret de l'économie et les événements bruyants et perturbateurs qui définissent l'histoire.

Lorsque le chercheur a examiné qui réalise ce travail, il a trouvé une hiérarchie d'influence claire. Un petit groupe de revues de premier rang, telles que l'American Economic Review et le Journal of Political Economy, publie la majorité des recherches les plus citées dans ce domaine. Ces revues agissent comme les principaux gardiens des études les plus rigoureuses et les plus marquantes. De même, une poignée d'auteurs de premier plan domine la conversation. Des noms comme Robert Barro et Daron Acemoglu apparaissent fréquemment, non seulement parce qu'ils publient souvent, mais parce que leurs travaux sont cités des milliers de fois par d'autres chercheurs. L'analyse a révélé que ces figures clés affinent constamment les outils mathématiques utilisés pour décrire la croissance économique, poussant le domaine vers des méthodes plus sophistiquées pour gérer le risque et l'aléa.

Le chercheur a également cartographié les sujets spécifiques qui font progresser le domaine actuellement. L'analyse par mots-clés a montré que les domaines d'étude les plus actifs concernent l'interaction entre la croissance économique et des facteurs tels que l'investissement, la consommation et le capital. Il existe un intérêt croissant pour la manière dont ces modèles peuvent être appliqués à des problèmes concrets du monde réel, tels que le changement climatique, la politique énergétique et la stabilité financière. L'étude suggère que l'avenir de ce domaine réside dans l'extension de ces outils mathématiques pour couvrir des réseaux plus complexes, tels que la manière dont différents pays ou industries sont liés entre eux. Le chercheur souligne que, bien que les modèles actuels soient puissants, ils sont encore testés et affinés. Le domaine n'est pas encore stabilisé ; c'est plutôt un domaine dynamique où de nouvelles méthodes sont constamment proposées pour mieux capturer la nature imprévisible des économies humaines.

En fin de compte, cette revue sert de feuille de route pour l'avenir. Elle confirme que l'intégration de l'incertitude dans la théorie économique n'est plus un intérêt de niche, mais un pilier central de la recherche moderne sur la croissance. Les conclusions suggèrent que la voie la plus prometteuse consiste à continuer de mélanger les modèles continus et fluides avec les modèles basés sur des sauts soudains. Ce faisant, les économistes peuvent créer des simulations qui ne sont pas seulement élégantes sur le plan théorique, mais aussi utiles en pratique pour les décideurs politiques qui doivent prendre des décisions dans un monde incertain. L'étude conclut que, bien qu'il existe encore des limites dans les données et les méthodes utilisées, la direction est claire : l'avenir de la modélisation de la croissance économique dépend de notre capacité à embrasser mathématiquement l'inconnu.