France : Prévoir l’activité économique en temps réel

L’analyse conjoncturelle s’attache à étudier les fluctuations du cycle économique à court terme. Elle s’est développée grâce à l’essor de la comptabilité nationale et à la multiplication des données économiques disponibles en continu. Au cœur de cette démarche se trouvent la mesure et la prévision de la croissance du PIB. Pour améliorer la précision des prévisions du PIB, de nombreux modèles ont été développés au fil du temps , allant des régressions simples aux régressions multiples, en passant par des modèles à facteurs dynamiques. Les régressions multiples pénalisées, inspirées des techniques de machine learning , se distinguent par leur facilité d'implémentation. A l’inverse , les modèles à facteurs dynamiques, bien que plus complexes à mettre en œuvre, tendent à offrir une précision supérieure. Dans ce rappor t , nous dress ons un état des lieux des principales méthodes utilisées ( régressions simples, régressions multiples, modèle à facteurs dynamiques, g raphique 1 ) qui contribue n t à enrichir notre bibliothèque de modèles de n owcasting pour la France. Les principaux enseignements sont les suivants : Les différents modèles de n owcasting que nous avons développés suggèrent que la croissance du PIB en France serait comprise entre 0,1% et 0,2% au deuxième trimestre 2025 puis de l’ordre de 0,2% au troisième trimestre . Parmi les modèles à régressions multiples, ceux reposant sur le BIC et l’ ElasticNet obtiennent de meilleures performances que celui reposant sur l’algorithme GETS. Notre modèle à facteurs dynamiques voit ses performances s’améliorer sensiblement depuis début 2024 et présente l’avantage de pouvoir se décliner facilement sur la zone euro et les autres grandes économies européennes.