«La qualité d'un modèle ne fait que refléter les compétences du scientifique»

Depuis cet automne, le Nowcasting Lab du KOF fournit des prévisions actualisées quotidiennement concernant le taux de croissance du produit intérieur brut (PIB) réel pour la Suisse, la zone euro et certains États membres de l'UE (Belgique, Allemagne, France, Italie, Pays-Bas, Autriche, Espagne, Pologne et Suède) ainsi que pour le Royaume-Uni. L'économiste Heiner Mikosch, explique le fonctionnement du KOF Nowcasting Lab et parle des extensions possibles de la plateforme.

Le Nowcasting Lab du KOF n'intègre aucune expertise provenant de spécialistes et le modèle apprend par lui-même. Cela signifie-t-il que les économistes deviendront superflus à l'avenir et que nous n'aurons besoin que de programmeurs intelligents ?

Non, pas du tout. Les modèles économétriques sont réalisés par des personnes. Tous les modèles sont une simplification de la réalité afin d’en réduire la complexité. Les modèles en tant qu'approche ne peuvent pas refléter la totalité d’une réalité complexe. Un modèle n'est que le reflet des capacités du chercheur qui le conçoit.

Comment fonctionne idéalement la coopération entre le modèle et la personne qui le réalise ?

Nous, les modélisateurs, donnons au modèle une certaine réalité qui représente une partie indispensable de cette réalité. En revanche, une introduction dans un modèle de toutes les données qui existent dans le monde ne peut pas fonctionner. Le modèle dépend de ce qu'on lui donne. Le modèle tente ensuite d'établir des corrélations, en l’occurrence dans le cas du KOF Nowcasting Lab, cela s’applique entre certains indicateurs avancés tels que les enquêtes conjoncturelles, les taux d'intérêt et la production industrielle et le produit intérieur brut (PIB) disponibles mensuellement. L'objectif du modèle est de pouvoir prévoir du mieux possible le PIB.

Quelle est alors cette partie de la réalité que ne recouvre par le KOF Nowcasting Lab ?

Nous devons donner un cadre au modèle. Les modèles, tels que ceux utilisés dans le Nowcasting Lab du KOF, sont généralement basés sur des relations linéaires. Cela signifie que nous faisons fi des corrélations non linéaires. Chaque modèle représente des parties de la réalité. D'autres modèles peuvent saisir des relations non linéaires, mais présentent d'autres faiblesses. C'est pourquoi le pluralisme des modèles, dans lequel plusieurs modèles se font concurrence et se complètent, est important.

L’apprentissage automatique (Machine Learning) et le Big Data sont de nos jours présents un peu partout. Cela signifie-t-il que le chercheur n'aurait plu qu'à alimenter les modèles avec un grand nombre de données afin de parvenir à des prévisions aussi précises que possible ?

Non. L'apprentissage automatique est pertinent pour le calcul de liens de causalité dans un échantillon à partir d'une masse de données du passé, mais il a ses limites. Trouver une explication mathématique se basant sur le passé n'est que la première étape pour le chercheur. Pour nous, établir des prévisions précises concernant l'avenir c’est comme jouer en première division. Ce faisant, nous allons au-delà des données disponibles et on se retrouve alors dans un nouvel échantillon. L'idée principale repose sur le fait que les modèles qui sont censés fonctionner doivent être simples. Plus nous rendons les modèles complexes, plus ils fonctionnent mal pour les prévisions. Il ne s'agit pas seulement de Big Data, mais de Smart Data. Pour expliquer ceci de manière succincte en termes techniques, on peut dire que la mesure de détermination R²  indique la proportion de la variation des données que le modèle peut expliquer. Au-delà d'un certain point, la R²  présente souvent une corrélation négative avec la capacité prédictive. Une certaine valeur minimale de R ² est nécessaire pour une bonne prévision. Mais un modèle avec une R² relativement élevée donne généralement de mauvaises prévisions. La complexité ne doit pas entrainer de signaux erronés.

Quelle est la principale différence entre le Nowcasting Lab du KOF et les prévisions économiques trimestrielles du KOF ?

Il existe une différence fondamentale entre une prévision économique trimestrielle comme celle que nous produisons au KOF et le Nowcasting Lab du KOF. Les prévisions économiques du KOF intègrent à la fois des calculs de modèles mathématiques et des évaluations d'experts. Les résultats des modèles sont examinés de manière critique et réajustés par nos experts, par exemple pour le marché du travail, la consommation ou les investissements. L'expertise économique est au moins aussi importante dans une prévision que le pur calcul mathématique de nos modèles. Un résultat irréaliste d'un modèle ne serait jamais accepté par les experts. Cela est par contre différent avec le KOF Nowcasting Lab. Il est tout à fait possible qu'un résultat irréaliste ou même complètement farfelu en ressorte sans que nous prenions de mesures correctives. C'est la raison pour laquelle nous le concevons également comme un laboratoire à caractère expérimental, qui se trompe parfois, mais qui donne aussi parfois des résultats étonnamment bons.

Que réserve l'avenir au Nowcasting Lab du KOF ? Dans quelle direction pourrait-il se développer ?

Le KOF Nowcasting Lab n'est pas un produit fini. Nous l'avons conçu, de manière intentionnelle, afin qu’il soit techniquement ouvert à diverses extensions. Le « Lab » est d'autant plus vivant que plusieurs modèles alternatifs fonctionnent simultanément sur la plateforme. C'est la raison pour laquelle nous serions heureux de coopérer avec d'autres instituts de recherche.