La répartition rural-urbain dans le temps long (1876-2021)

L’INSEE a publié une étude nationale sur l’évolution de la population entre 2015 et 2021  ainsi que des déclinaisons par région (voir ici). Le titre de l’étude nationale “la croissance démographique est deux fois plus élevée dans l’espace urbain que dans le rural”, me semble peu approprié, mais c’est malheureusement l’idée que de trop nombreuses personnes ont retenue, alors qu’en matière de dynamique de population, la répartition rural-urbain est particulièrement stable depuis 50 ans.

Pour preuve le graphique associé à ce billet, où j’ai exploité les données de l’INSEE sur les populations par commune (dans leur géographie actuelle) entre 1876 et 2021 (vous les trouverez ici. On y distingue les communes en fonction de leur degré de densité, des communes les plus denses (les grands centres urbains) aux communes les moins denses (les communes rurales à habitat dispersé).

Entre 1876 et 1975 on voit le poids de l’urbain augmenter continûment pour atteindre son maximum de près de 70% en 1975. Depuis, la part rural-urbain est particulièrement stable : 2/3 de la population environ vit dans l’urbain, 1/3 dans le rural). Ce qui ne signifie pas qu’il n’y a pas de mouvements, il y en a, mais ils obéissent à d’autres logiques. Les dynamiques macro-territoriales, au profit de l’Ouest et du Sud du pays, notamment, également évoquées dans l’étude de l’INSEE, dominent très largement les différences rural-urbain.

Taux de croissance annuel moyen de la population entre 2015 et 2021, données recensement INSEE

La carte ci-dessus permet de visualiser le jeu de ces logiques macro-territoriales, avec des taux de croissance plus élevés le long de ce qu’on appelle le U de la croissance, qui descend le long du littoral atlantique, suit le Sud du pays et remonte jusqu’en Alsace.

Les approximations de l’Insee : nouvel épisode

Dans mon dernier billet, j’ai analysé une note de l’Insee relative à l’évolution de la population par commune de 2011 à 2016 et à la façon (erronée) dont la presse s’en est fait l’écho. Une des critiques essentielles adressées à l’Insee portait sur les limites des comparaisons de moyenne par catégorie de territoire, qui masquent l’hétérogénéité au sein de chaque catégorie.

Je découvre aujourd’hui une nouvelle note de l’Insee, sur le même jeu de données mais sur un autre découpage géographique par EPCI (Etablissements Publics de Coopération Intercommunale), parmi lesquels on distingue les métropoles (ME) au nombre de 22, les Communautés Urbaines (CU) au nombre de 11, les Communautés d’Agglomérations (CA) au nombre de 221 et les Communautés de Communes(CC) au nombre de 1005, soit 1259 EPCI au total.

Cette nouvelle note est titrée « Démographie des EPCI : la croissance se concentre dans et au plus près des métropoles ». On y trouve des choses intéressantes (notamment les cartes), mais aussi, hélas, toujours les mêmes erreurs et approximations, qui conduisent à des conclusions contestables. Comme les données utilisées par l’Insee sont mises en ligne en annexe du document, j’ai pu me livrer à quelques traitements. Je vous propose de me concentrer sur un point pour illustrer mon propos : la comparaison par catégories d’EPCI du taux de variation annuel de la population sur la période 2011-2016, résumée notamment par le graphique ci-dessous.

(Il y aurait encore une fois des choses à dire pour éviter toute mauvaise interprétation : les métropoles dont il s’agit sont les métropoles instituées par la loi, qui ont peu à voir avec les métropoles au sens des économistes ou des géographes. On notera également que pour ceux qui considèrent que la seule vraie métropole française (au sens de Saskia Sassen par exemple), Paris, ne va pas très bien si l’on en juge par l’indicateur retenu, mais cet indicateur a-t-il seulement du sens ? Je passe).

Le cœur de mon propos est le suivant : une fois encore l’Insee propose des comparaisons de moyenne, mais oublie de s’interroger sur la dispersion au sein de chaque catégorie, que l’on peut mesurer par exemple par l’écart-type. Terme étrange pour beaucoup, mais finalement assez simple, qui correspond  à la moyenne des écarts à la moyenne : un écart-type important signale que c’est un peu le bazar au sein de la catégorie, un écart-type faible que c’est plutôt homogène (exemple pédagogique : pour une classe de lycée où tous les élèves ont 10 à une épreuve, la moyenne de la classe sera de 10 et l’écart-type de 0 ; pour une classe où la moitié des élèves a zéro et l’autre moitié a 20, la moyenne sera toujours de 10, mais l’écart-type sera de 10. Vous conviendrez que ces deux classes diffèrent sensiblement, ce que la moyenne ne montre pas, puisqu’elle est identique dans les deux cas). C’est vraiment facile de calculer ces écarts-types, voilà ce que ça donne.

Tableau 1 : moyenne et écart-type des taux de croissance de la population des EPCI, 2011-2016, non pondérés

EPCI Moyenne Ecart-type Nombre
CC          0.25          0.75        1 005
CA          0.36          0.64           221
CU          0.27          0.43             11
ME          0.60          0.55             22
Total          0.27          0.73        1 259

La moyenne simple des Métropoles est effectivement sensiblement supérieure à celle des autres catégories d’EPCI, mais l’écart-type de 0,55 est loin d’être négligeable, il est notamment supérieur à celui des Communautés Urbaines, qui sont donc moins hétérogènes. Réciproquement, pour les CC et les CA, l’importance des écarts-types suggère que si, en moyenne, leur croissance est plus faible, certaines présentent des taux de croissance très forts (bien plus forts que les plus dynamiques des ME en vérité) et d’autres très faibles. Dès lors, il n’est pas possible d’avancer une proposition générale du type « les métropoles sont plus dynamiques que les autres catégories de territoires », puisque cela dépend desquelles, idem pour chacune des catégories retenues, d’ailleurs.

On peut aller plus loin dans l’analyse, en faisant un peu d’économétrie, ce que tous les statisticiens de l’Insee savent faire, et sans doute mieux que moi, si bien que je me demande pourquoi ils ne le font pas. Plutôt que de calculer des moyennes par catégorie d’EPCI, il s’agit par exemple de procéder à des comparaisons de moyenne non pas par grande catégorie, mais en régressant le taux de croissance de la population 2011-2016 de chaque EPCI sur la catégorie à laquelle elle appartient. Ceci permet de savoir si les différences de moyenne observées entre catégories sont statistiquement significatives.

Je me suis livré à cet exercice et la conclusion est implacable : les différences de moyenne ne sont pas statistiquement significatives. Par rapport à la catégorie de référence « Communautés d’Agglomération », seule la catégorie « Communautés de Communes » présente un coefficient significativement plus faible et encore, loin du seuil de 1%. Pas de différence statistiquement significative aux seuils de 1, 5 ou 10%, en revanche, entre CA, CU et ME. On note de plus que cette typologie en EPCI n’explique quasiment rien des différences géographiques de taux de croissance, le R² étant de moins de 0,5% (ce qui signifie que cette typologie explique seulement 0,5% des différences observées, que donc d’autres choses en expliquent… 99,5%).

Pour les initiés, voici le tableau de résultat :

variable expliquée : taux de croissance 2011-2016 de la population par EPCI, données Insee

Coefficient écart-type t P>t
CA référence
CC –            0.11              0.05 –            1.99              0.05
CU –            0.08              0.22 –            0.37              0.71
ME              0.25              0.16              1.53              0.13
Constante              0.36              0.05              7.28                   –

Compte-tenu des données disponibles, on peut s’amuser à procéder à d’autres estimations. Si l’on régresse les taux de croissance non plus sur les catégories d’EPCI mais sur les populations de 2011, pour identifier un éventuel effet taille initiale de la population, on aboutit à la même conclusion : le modèle global est très mauvais (R² inférieur à 0,5%) et le coefficient associé à la taille initiale n’est pas significatif au seuil de 1%.

Comme on dispose également du département d’appartenance de la commune la plus peuplée de chaque EPCI, j’ai régressé les taux de croissance des EPCI sur ces départements. Cette fois les choses s’améliorent, le R² monte à 40% environ. Je pense que si l’on agrégeait par région, cela s’améliorerait encore un peu, car, comme les cartes le montrent, on voit bien que les dynamiques de population sont macro-régionales, avec un avantage aux territoires de l’Ouest et du Sud.

Je réitère donc mon conseil à l’Insee : présentez dans vos documents les écarts-types, et procédez en amont de vos commentaires à quelques régressions. Vos documents sont « grand public », ces calculs n’ont sans doute pas vocation à y figurer, mais cela vous permettrait de ne pas dire n’importe quoi, dans vos commentaires.

Variations sur les variations

Suite à mon dernier post, où je montrais notamment que la croissance de l’emploi était plus forte aux Herbiers qu’à Paris, le commentaire suivant a été posté sur Linkedin :

Pour me faire l’avocate de la partie adverse : peut-on vraiment comparer les taux de croissance de deux zones de taille si différente ? 1000 emplois créés aux Herbiers ça vous booste le taux de croissance (parce que c’est beaucoup par rapport au stock d’emplois initial), alors que c’est quasi invisible dans le taux de croissance parisien…

Ce n’est pas la première fois que l’on me fait cette remarque. J’ai donc posté sur twitter un sondage, voici le résultat :

Plus de 80% des sondés répondent le territoire A. La variation absolue est la même (création de 20 emplois pour chaque territoire), mais la variation relative est bien supérieure en A : taux de croissance de l’emploi de 20% en A et de seulement 0,4% en B. Or, ce qui compte, c’est bien la variation relative, donc la majorité a raison.

Pourquoi ? Parce qu’une partie de l’activité économique est liée à la population présente. Petit exemple pour le comprendre : supposons que pour vivre correctement, un coiffeur a besoin de 10 clients par jour et que la population se rend deux fois par mois chez le coiffeur. Supposons en outre qu’aucun résident ne dispose des compétences de base pour vous coiffer. En A, cela va « attirer » 1 coiffeur (100 personnes, 2 rendez-vous par mois, répartis sur 20 jours ouvrables : (100*2)/20= 10 clients par jour en moyenne, soit de quoi faire vivre un coiffeur). En B, 50 ((5000*2)/20=500, soit potentiellement 50 coiffeurs). Soit, un passage de 100 à 101 personnes en A, et de 5000 à 5050 en B. Variation absolue supérieure en B, mais taux de croissance similaires (1%).

Une autre partie de la croissance n’est pas liée à la population, mais à la capacité des acteurs à vendre des produits à des consommateurs localisés hors de leur territoire. Si la probabilité de créer une telle entreprise performante est la même pour tous les territoires, on observera un nombre d’entreprises performantes proportionnel, une fois encore, à la taille initiale des territoires.

Cette relation de proportionnalité n’est pas toujours vérifiée : dans certains cas, la grande taille confère un avantage, dans d’autres cas, elle pénalise. Pour le savoir, on peut par exemple estimer des lois d’échelle (voir mon dernier article pour un exemple d’application) :

e=αpβ

Avec e l’emploi, p la population, α et β des paramètres à estimer. Si l’emploi est strictement proportionnel à la taille de la population, β est égal à 1. C’est le cas avec mon exemple des coiffeurs (α étant quant à lui égal à 1%).Si β est supérieur à 1, cela signifie que l’emploi est plus que proportionnel à la taille des territoires, on parlera d’économies d’agglomération ; symétriquement, si β est inférieur à 1, on parlera de déséconomies d’agglomération.

Dès lors, ceux qui pensent qu’il est plus facile de créer de l’emploi au sein de territoires de plus petites tailles font l’hypothèse, sans s’en rendre compte je pense, que β est inférieur à 1, donc qu’il existerait des déséconomies d’agglomération. Dans les faits, cela dépend des activités : la recherche, par exemple, est surreprésentée dans le haut de la hiérarchie urbaine, alors que l’agriculture et l’industrie y sont sous-représentées.

Au final, Les Herbiers sont donc bien plus performants que Paris, sans que l’on puisse affirmer que cela est plus facile pour eux.

En dehors des Métropoles, point de salut ? Une analyse critique de la note de France Stratégie

France stratégie vient de publier une note intitulée “Dynamiques de l’emploi et des métiers : quelles fractures territoriales?”, sous la plume de Frédéric Lainé. L’auteur exploite des données sur l’emploi des 25-54 ans sur longue période et montre que sur la période la plus récente (2006-2013), les “métropoles”, c’est à dire Paris et le paquet des 12 plus grandes villes de province, connaissent une croissance positive, alors que les autres tranches de taille d’aires urbaines régressent. D’où la première phrase de la note : “Le début du XXIe siècle est marqué par un mouvement de concentration de l’emploi dans une douzaine de métropoles françaises”. La messe est dite, la presse s’en est emparée, titrant en gros qu’en dehors de cette douzaine de métropoles, point de salut.

Le contenu est pourtant plus nuancé que ce que la presse en a retenu, mais encore fallait-il lire jusqu’au bout : Frédéric Lainé montre notamment l’importance des effets de structure dans ces évolutions (les métropoles sont tirées par la croissance plus rapide des métiers de cadre, plus présents en leur sein), il explique aussi que les métropoles sont un ensemble hétérogène, et que d’autres effets comptent, notamment l’existence d’effets macro-régionaux.

Passons sur cela, revenons à l’affirmation initiale : en dehors d’une douzaine de métropoles, point de salut ? Non, je vous propose de le montrer en quelques chiffres.

J’ai récupéré sur le site de l’Insee l’emploi total par commune pour 2008 et 2013, ainsi que l’emploi correspondant aux fonctions dites métropolitaines (conception-recherche, culture-loisir, gestion, commerce inter-entreprises, prestations intellectuelles) et parmi elles les emplois de cadre. J’ai agrégé cela par Aire Urbaine (771 aires urbaines), puis j’ai fait quelques calculs.

Si l’on raisonne par paquets d’Aires Urbaines comme le fait l’auteur, effectivement, Paris et les 12 aires les plus grandes ont une croissance positive, les autres une croissance négative ou nulle. Je n’ai pas tout à fait les mêmes résultats car je ne suis pas sur la même période (2008-2013 contre 2006-2013) et pas tout à fait la même population (ensemble des actifs pour moi, 25-54 ans pour lui), mais c’est qualitativement similaire : la croissance de l’emploi France entière a été de 0,8%, elle a été de 1,3% pour Paris, 3,2% pour les 12 métropoles, 0,02% pour les Aires de 50 000 à 200 000 emplois et -1,6% pour les Aires de moins de 50 000 emplois.

Sauf que ce sont des moyennes et que raisonner sur des moyennes conduit à dire beaucoup de bêtises : certaines des 12 métropoles sont dynamiques, d’autres moins. Certaines des aires de taille inférieure sont dynamiques, plus que nombre de métropoles, d’autres moins.

Regardons le sous-ensemble des aires de plus de 50 000 emplois, soit les 68 aires urbaines les plus grandes, et voyons quelles sont les vingt plus dynamiques (les “métropoles” sont indiquées par une *) :

Aire urbaine emploi 2008-2013
Douai – Lens* 8.1%
Limoges 7.4%
Toulouse* 6.8%
Montbéliard 6.8%
Nantes* 6.6%
Alès 5.8%
Bordeaux* 5.8%
Lorient 5.4%
Mulhouse 5.3%
Chambéry 4.6%
Lyon* 4.5%
Grenoble* 4.0%
Poitiers 3.7%
Quimper 3.3%
Beauvais 3.2%
Valence 3.0%
Périgueux 2.9%
Lille (partie française)* 2.7%
Saint-Quentin 2.6%
Annecy 2.4%

Ce n’est pas parce que en moyenne les aires comprises entre 50 000 et 200 000 emplois ont une croissance nulle que chacune connaît une croissance nulle, comme on le voit…

A contrario, comme indiqué dans la note, la croissance moyenne des 12 métropoles masque des disparités : baisse de l’emploi de 0,8% sur Nice et de 0,7% sur Rouen ; croissance inférieure à la moyenne pour Strasbourg (+0,1%) et pour Toulon (+0,2%), juste au dessus de la moyenne pour Tours (+0,9%). Cinq métropoles sur douze patinent, on a fait mieux comme modèle générique de développement…

Idem si l’on restreint l’analyse aux cadres des fonctions métropolitaines. Leur croissance a été France entière de 10,6%, 9,3% sur Paris, 15,9% sur les 12 métropoles et 8,6% sur les aires de 50 à 200 000 emplois. Mais de 26,1% à Niort, qui truste la première place, ou 22,4% à Lorient, troisième derrière Douai-Lens, tandis qu’elle n’est que de 6,7% à Nice, 7,2% à Rouen ou 7,6% à Strasbourg.

Pour identifier plus rigoureusement l’existence éventuelle d’un effet taille des métropoles, il convient de passer à l’économétrie. Résultat des courses : pas d’effet taille significatif si l’on raisonne sur l’ensemble de l’emploi ou sur l’emploi des fonctions métropolitaines. Effet faiblement significatif (au seuil de 5% mais pas au seuil de 1%) pour le sous-ensemble des cadres des fonctions métropolitaines, mais les différences de taille n’expliquent alors que moins de 5% des différences de taux de croissance. Résultats conformes à ceux obtenus sur la croissance de l’emploi privé, voir cet article pour des détails.

Bref, il y a un salut en dehors des métropoles, et évitez de raisonner sur les moyennes pour ne pas dire trop de bêtises…

Nouvelle économie régionale et réforme territoriale

L’OFCE vient de mettre en ligne un numéro spécial intitulé “nouvelle économie régionale et réforme territoriale”, qui vient à point nommé à l’approche des élections régionales.

Vous y trouverez la version révisée de l’article co-écrit avec Michel Grossetti, titrée, comme la première version, “la métropolisation, horizon indépassable de la croissance économique?”.

Nous avons approfondi sur pas mal de points, notamment (mais pas que) sur l’effet très hauts salaires, qui explique une bonne part, si ce n’est la totalité, de la “surproductivité apparente” de l’Ile-de-France (les “conducteurs de voiture particulière” sont très créatifs, donc très rémunérés, sur Paris).

Je vous laisse découvrir cela, ainsi que les autres contributions. Commentaires bienvenus.

Le graphique du jour : à qui profite la croissance ?

Graphique très intéressant, trouvé via @g_allegre (économiste, OFCE Sciences Po), qui reprend, dans sa partie haute, le taux de croissance du PIB de quelques pays développés des années 1950 à nos jours, et, dans sa partie basse, le taux de croissance du revenu des 90% des ménages aux revenus les moins élevés (on enlève donc les 10% des plus hauts revenus). Une façon efficace de saisir à la fois la dynamique de croissance et la dynamique des inégalités sur longue période.

graph_1En France, on observe par exemple que la croissance économique 2010-2013 d’un peu plus d’1% s’est accompagnée d’une croissance des revenus hors top 10% des revenus du même ordre. Au Royaume-Uni, la croissance économique a été plus forte qu’en France, mais c’est entièrement au profit du top 10. La situation américaine depuis le début des années 2000, enviable en matière de croissance, l’est peu en matière d’inégalités.  C’est pire au Japon. Je vous laisse découvrir la situation de chacun des pays.

Sur ce sujet “croissance et inégalités”, je vous recommande vivement, en complément, la lecture de ce document de l’OCDE, qui montre que, sur la période d’étude, les inégalités freinent la croissance dans quasiment tous les pays de leur échantillon. La raison invoquée ? La montée des inégalités freine l’investissement dans l’éducation des enfants des ménages les plus pauvres (pas seulement les 10% les plus pauvres, mais les 40% les plus pauvres d’après l’étude), et comme le capital humain est l’un des principaux facteurs de croissance, la croissance économique ultérieure en est entamée.

La métropolisation, horizon indépassable de la croissance économique ?

En septembre 2014, Terra Nova a publié une note de Laurent Davezies et Thierry Pech intitulée « La nouvelle question territoriale ». Cette note repose pour une bonne part sur les travaux menés depuis une dizaine d’années par Laurent Davezies (2008, La République et ses territoires ; 2012, La crise qui vient ; tous deux au Seuil/La République des Idées).

Laurent Davezies est un chercheur influent, dont les travaux diffusent largement hors sphère académique. Le problème est que, s’il a dans le passé mis en évidence des choses intéressantes (la déconnexion entre PIB par habitant et Revenu par habitant à l’échelle régionale par exemple), ses analyses souffrent parfois de sérieux défauts. Ce qui ne les empêche pas d’être mobilisées pour justifier certaines réformes.

Cela fait plusieurs années que Michel Grossetti et moi-même nous disions qu’il nous fallait rédiger quelque chose d’un peu consistant pour mettre en évidence ces limites. Nous l’avons fait un peu, chacun de notre côté, lui ici par exemple, moi dans ce billet là, mais de manière partielle. Cette fois, nous nous sommes décidés à développer nos analyses convergentes dans un texte commun.

Nous avons fini une première version de ce texte, que nous venons de déposer sur Hal. Voici le résumé :

En septembre 2014, Terra Nova a publié une note de Laurent Davezies et Thierry Pech intitulée « La nouvelle question territoriale ». Cette note repose pour une bonne part sur les travaux menés depuis une dizaine d’années par Laurent Davezies (2008, 2012). Elle nous semble représentative des travaux menés par cet auteur et par d’autres chercheurs qui partagent ses analyses, travaux qui inspirent en partie les réformes politiques en cours, qu’il s’agisse de la fusion des régions ou du soutien à la métropolisation. Dans ce texte, nous discutons leur analyse, qui souffre à notre sens de plusieurs limites importantes, limites à la fois théoriques, méthodologiques et empiriques, ce qui invalide largement certaines de leurs conclusions et de leurs préconisations. Cette discussion s’appuie d’une part sur un traitement des mêmes données selon une perspective différente et d’autre part sur une critique de l’usage qu’ils font de l’économie géographique.

Nous avançons plus précisément quatre grandes critiques : 1) l’inversion de la courbe de Williamson, base empirique qui sous-tend tout leur raisonnement, n’est pas d’actualité, 2) le fait empirique majeur en matière d’évolution des disparités interrégionales est celui d’un accroissement, sur les dernières années, du PIB par habitant de l’Ile-de-France relativement à la moyenne des régions, ce qui n’est pas synonyme de surproductivité intrinsèque de la région capitale, mais qui pose plutôt question en termes d’évolution des inégalités sociales, 3) le renvoi systématique aux analyses de la nouvelle économie géographique pour légitimer d’un point de vue théorique le soutien à la métropolisation est insatisfaisant, les auteurs faisant selon nous une lecture erronée de ces travaux qui ne concluent pas au renforcement inéluctable de la concentration des activités, 4) si les auteurs montrent que quelques métropoles réussissent très bien en matière de création d’emplois, ils montent ensuite trop vite en généralité pour affirmer que les métropoles sont désormais le lieu presque unique de concentration de l’activité productive ; l’analyse systématique du lien entre taille des territoires et croissance de l’emploi montre en effet clairement l’absence d’effets taille, ainsi que l’existence d’autres effets, sur lesquels il convient de se pencher.

N’hésitez pas à nous faire part de toute remarque, commentaire, question, critique et, bien sûr, à diffuser largement si vous le jugez utile. Nous travaillons à une version plus synthétique que nous devrions pouvoir diffuser bientôt.

L’économie mondiale en 2050

Goldman Sachs se livre régulièrement à un exercice intéressant : des prévisions de croissance économique à l’horizon 2050, pour un certain nombre de pays, l’accent étant mis sur l’évolution différenciée entre le club des six pays les plus développés (G6), composé des Etats-Unis, du Japon, de l’Allemagne, de la France, du Royaume-Uni et de l’Italie, et les grands pays émergents, à savoir le Brésil, la Russie, l’Inde et la Chine (BRIC).

Premier exercice du genre, à ma connaissance, en 2003, résultats synthétisés dans ce document. Ils ont récidivé récemment (décembre 2011), en actualisant l’analyse, résultats ici. Bien sûr, les prévisions reposent sur différentes hypothèses (forme de la fonction de production, évolution démographique, taux de participation, investissement, progrès technique, etc.), mais les simulations faites sur la période passée sont plutôt convaincantes. Il ne s’agit de toute façon pas de déterminer la valeur du PIB pour tel ou tel pays à la virgule près, mais plutôt d’identifier des tendances.

Dans un premier temps, on peut s’amuser à se faire peur, en se focalisant sur le PIB des pays. On obtient alors ce premier graphique :

En 2050, le leader économique mondial, si l’on considère que le leadership est mesuré par le poids dans le PIB mondial, est la Chine. L’Inde est troisième, le Brésil quatrième et la Russie cinquième. La France, cinquième en 2010, rétrograde au dixième rang. On notera que, selon les projections de Goldman Sachs, la France est derrière l’Allemagne en 2010 mais devant l’Allemagne en 2050…

Même idée, sur un temps plus long, dans ce tableau :

Raisonner sur le PIB n’a cependant qu’un intérêt très limité du point de vue économique : c’est un indicateur de la taille des pays, pas du niveau de vie des habitants. Il convient donc plutôt de regarder les estimations faites sur une autre variable, le PIB par habitant. On obtient alors ce nouveau graphique :

Plusieurs remarques : i) les pays développés restent en tête du classement, avec quelques évolutions en leur sein (recul du Japon, progression du Royaume-Uni), ii) chez les BRIC, c’est la Russie qui progresse le plus, elle passe même devant l’Italie, iii) la forme générale du graphique laisse deviner un processus de convergence entre les pays, les écarts étant plus faibles.

Ce dernier point est confirmé par un dernier graphique :

Les deux graphiques montrent, chacun à sa manière, que le monde devient de moins en moins inégalitaire, conclusion plutôt rassurante.

Au final, la dynamique économique fait grimper dans le classement du PIB les pays dont la population pèse le plus dans la population mondiale, ce qui est une bonne chose : dans un monde égalitaire, après tout, chaque pays devrait peser dans le PIB ce qu’il pèse dans la population. Ceci ne se fait pas au détriment des pays de plus petite taille et/ou des pays développés, puisque les niveaux de vie de l’ensemble des habitants de la planète augmentent. La dynamique économique n’est pas un jeu à somme nulle mais, potentiellement, un jeu à somme positive. C’est aussi ce que montrent ces graphiques.

Soixante ans d’histoire économique en un graphique

Trouvé via Arthur Charpentier (@Freakonometrics), ce magnifique graphique, qui résume soixante ans d’histoire économique, américaine en l’occurrence :

Il s’agit du taux de croissance annuel moyen du revenu des ménages, sur la période, par quintile de revenu (les 20% les plus pauvres, puis les 20% suivants, etc.) et pour les 5% les plus riches.

On peut y voir beaucoup de choses :

  • la forte croissance d’après la seconde guerre mondiale, avec une tendance à la réduction des inégalités (surtout sur 1950-1960), les taux de croissance étant d’autant plus fort que les revenus sont faibles,
  • la crise des années 1970 (les chocs pétroliers pour aller vite), avec des taux de croissance faibles mais malgré tout positifs, et la crise actuelle, d’ampleur beaucoup plus forte, avec des taux de croissance tous négatifs,
  • la très forte montée des inégalités sur la période 1980-2000, avec cette fois des taux de croissance du revenu des ménages d’autant plus forts que les revenus sont forts. Les 20% les plus riches s’en sortent bien, les 5% encore mieux, si on avait les chiffres pour les 1% ou les 0,1%, ce serait encore mieux pour eux (voir les travaux de Piketty/Saez).
J’ai décidé d’ajouter une catégorie pour classer mes articles, intitulée “Graphiques”, histoire de poster de temps en temps un petit billet sur les graphiques qui auront retenu le plus mon attention.

Pauvre Europe…

Je crois que l’on a atteint des sommets que je pensais inaccessibles avec la déclaration de Herman Van Rompuy, Président de l’Union Européenne :

l’austérité est le fondement sur lequel nous devons développer une stratégie complète en faveur de la croissance

Je suggère à notre Président de réviser un peu son économie. Consulter un manuel de macroéconomie de première année d’Université devrait suffire. Il peut également lire cet article de Christina D. Romer (trouvé via Gizmo), Professeur d’Economie à Berkeley et Directrice du Council of Economic Advisers d’Obama, paru dans les colonnes du New York Times et justement intitulé Hey, Not So Fast on European Austerity. Il peut lire aussi, régulièrement, les tribunes de Paul Krugman, en commençant par celle-là, par exemple.

Vu la situation actuelle de l’Europe, prôner l’austérité en période de récession, c’est s’assurer de plus de récession encore. Avec un creusement encore plus important des déficits et de la dette, panne de croissance oblige. Que dire d’autre? S’en amuser s’en doute, comme le fait Maître Eolas sur twitter, en détournant la formule  : “La maladie est le fondement sur lequel nous devons développer une stratégie complète en faveur de la guérison”… Pour ma part, je proposerais bien quelque chose comme : “La stupidité est le fondement sur lequel nous devons développer une stratégie complète en faveur de l’intelligence”. Ça colle bien à l’Europe en ce moment, je trouve…