Spéculations financières et spéculations épidémiologiques : 2020 comme 2008 ?

Dans le cadre du cycle « Les Grandes Conférences du GEMASS » organisé par Nathalie Bulle et Sylvie Mesure, la Grande conférence du GEMASS du 21 mai 2021 avait pour thème, « Face à l’urgence sanitaire : quel rôle pour la science ? » (vidéo ICI). J’y ai présenté un exposé sur le thème « Crise financière et crise sanitaire : deux cas de panique épistémique » (vidéo ICI). Le texte ci-dessous est un résumé de cet exposé.

La crise financière de 2008 et la crise sanitaire de 2020 présentent, au-delà de leurs différences, un point commun : le recours massif à des modèles mathématiques de prévision des risques. Dans les deux cas, des spéculations mathématiques ont été à l’origine de décisions lourdes de conséquences, économiques ou politiques. 2008 et 2020 posent la question de la pertinence des modèles choisis et, au-delà, de la confiance dans le savoir élaboré par la science. Quand les modèles sont l’objet de controverses scientifiques ou d’enjeux de pouvoir entre chercheurs, ils ne peuvent plus « dire la vérité ». Dans le contexte de crises, il apparaît alors une panique épistémique.


Alors qu’une impression de flou prédomine toujours sur l’ensemble des mesures prises dans la gestion de la crise sanitaire depuis un an (ont-elles été les bonnes, ont-elles été appropriées etc.), il est intéressant de regarder du côté d’un domaine de recherche interdisciplinaire actif mais peu connu, celui des « Sciences, techniques et sociétés » (STS). Les travaux STS placent au centre des questionnements politiques les objets et les instruments du savoir (outils de calculs, statistiques, modèles mathématiques etc.). Les études STS ont montré comment l’ordre des savoirs et l’ordre social sont construits en même temps, comment se combinaient la fabrique des connaissances et la fabrique de l’organisation de la société. Loin d’un déterminisme technoscientifique selon lequel le savoir scientifique transformerait le monde social à partir d’une science qui révèle le « vrai », ou d’un déterminisme social selon lequel l’organisation de la société produirait des connaissances scientifiques selon les enjeux économiques ou sociaux, les STS ont fait apparaître quelque chose de simple mais central : l’ordre social, l’ordre naturel et l’ordre technique s’élaborent en même temps, dans une même matrice qui imprime une façon globale de voir le monde, d’en comprendre les problèmes et de chercher à les résoudre.

Ainsi les approches STS amènent à repenser la gestion de la crise sanitaire et à trouver un rapprochement imprévu avec la crise financière de 2008. Dans les deux cas, une modélisation mathématique de gestion des risques mettant en forme une organisation du social a eu des conséquences sociétales extrêmement lourdes. Le modèle de Li en 2008, le modèle de Ferguson en 2020 (plus précisément des familles de modèles issues de ceux-là). Dans les deux cas, l’idée qu’il puisse exister d’autres modèles pour gérer les risques a été délibérément ignorée alors même que ces autres modèles étaient connus. Un modèle dominant a été protégé de toute contestation par une « ceinture de protection » scientifique, à la Lakatos. Ce modèle a été appliqué sans discernement par les décideurs (financiers en 2008, politiques en 2020) qui suivaient les recommandations des « savants ». Une fois que furent établies ses conséquences catastrophiques, le modèle de Li fut alors qualifié d’« équation qui a tué la bourse ». Le modèle de Ferguson sera-t-il un jour qualifié d’« équation qui a tué la vie sociale » ?

Spéculations : de la finance à l’épidémiologie

La crise financière de 2008 et la crise sanitaire de 2020 présentent en effet, au-delà de leurs différences, un point commun tout à fait remarquable : le recours massif à des modèles mathématiques de prévision des risques pour prendre des décisions. A l’aide d’outils mathématiques, on a voulu contrôler les risques de diffusion de l’épidémie comme on avait voulu contrôler les risques de diffusion des faillites financières. La modélisation mathématique en finance avait la même fonction que la modélisation mathématique en épidémiologie : modéliser des dynamiques (de prix, de contamination) pour mieux prévenir les risques (de faillites, d’infection). Dans les deux cas, il s’est agi de spéculation. Un mot d’origine latine (speculum) qui veut dire « miroir ». User d’un modèle revient à regarder le monde dans le miroir du modèle et permet de spéculer, littéralement scruter l’avenir pour prendre des décisions dans le présent.

Avec un modèle épidémiologique, la spéculation sur l’avenir consiste à estimer si (par exemple) un confinement généralisé ou un couvre-feu permettront de réduire les infections. Celui qui utilise un modèle à cette fin est, au sens propre, un spéculateur, dans l’exact sens où l’on emploie ce mot dans les métiers de la finance : chercher à deviner l’avenir pour agir sur le présent. Ici, le profit est en quelque sorte inversé, il s’agira d’une perte négative. On ne cherchera pas à augmenter un nombre d’euros mais à diminuer un nombre de morts. On a parfois qualifié la finance de « commerce des promesses », précisément à cause de ce caractère spéculatif des modèles de prévision. On pourrait donc tout aussi bien ici considérer que les modèles épidémiologiques participent d’un commerce de promesses, la promesse que l’on pourra réduire le nombre de malades en prenant une décision permettant de freiner la propagation de l’épidémie. C’est une forme de « couverture » (une protection du capital, le capital étant, dans le cas du Covid, le nombre de lits de réanimation) dans le sens précis où ce mot est utilisé dans la sphère financière sur les marchés dérivés : une action dans le présent qui permet de compenser dans le futur des effets négatifs non souhaités. On voit bien comment ces actions, politique (par exemple le confinement) comme financière (par exemple diversifier), dépendent du miroir du modèle.

Toute spéculation repose sur des calculs, calculs mentaux ou calculs mathématiques. Perrette, nous dit La Fontaine, « comptait déjà dans sa pensée » (La Laitière et le pot au lait). Par exemple une société nouvelle en création (« start-up ») est amenée, pour convaincre les investisseurs ou les banques, à élaborer des projections de résultats, et tournent les modèles ! La simulation par des modèles est devenue la forme que prennent les spéculations sur le futur. Il en va de même pour les modèles épidémiologiques, même si les calculs sont plus complexes. Comme le rappelle un article du Monde, dès le 20 mars 2020, des projections de saturation des hôpitaux français avaient été faites région par région et mises en ligne (article ici). L’article qui présentait ces projections alertait : « si des mesures drastiques d’éloignement social peuvent tempérer nos résultats, une réorganisation massive conduisant à une expansion des capacités des unités de soins intensifs françaises semble nécessaire pour gérer la prochaine vague de patients gravement atteints par le Covid-19. » Il s’agit bien d’une spéculation sur le futur. Comme dans les prévisions de chiffre d’affaire des sociétés en croissance, et pour des raisons identiques, liées à l’incertitude radicale des environnements, l’exercice est très périlleux.

Modèle mental : le rôle de la moyenne

En postulant l’éthique intellectuelle des modélisateurs (épidémiologistes comme financiers), le problème vient de l’incertitude intrinsèque au phénomène que l’on veut scruter dans le miroir. Cette incertitude prend la forme d’un brouillard sur les données qui empêche de « voir » clairement le futur sur lequel on spécule, et qui nécessite de faire – dans le brouillard – des choix de modélisation. Ces choix ne dépendent pas de la « réalité » qu’on voit mal, mais de nos propres représentations de cette réalité par le miroir du modèle. On voit comment la crise sanitaire, en soulevant la question du rapport entre les modèles et la réalité, a posé à nouveaux frais l’ancienne question du réalisme dans les sciences, comme la crise financière l’avait déjà fait en 2008.

Dans la finance, l’histoire est connue (voir par exemple ici). Un modèle mathématique avait été utilisé pour estimer les pertes potentielles des crédits hypothécaires attribués aux particuliers peu solvables. Les prévisions de pertes très faibles avaient conduit les décideurs financiers ouvrir le flux des crédits aux particuliers. En épidémiologie l’histoire est identique mais inversée. Le modèle mathématique avait prédit des pertes élevées (nombre de décès), ce qui avait conduit les décideurs politiques à fermer le flux de rencontres entre particuliers (confinement). Il existe un point commun entre les deux modélisations (financière comme épidémiologique), la croyance en la régularité des risques, une idée qui fait croire que l’on peut gérer des risques par la moyenne. Davantage qu’un modèle mathématique, il s’agit d’un modèle mental.

S’il est possible de questionner un modèle mathématique, il est extrêmement difficile de changer de modèle mental : comme le rappelle le dialogue initial du film Inception,

Une idée, c’est comme un virus, des plus résistants, des plus contagieux. La moindre graine d’idée peut germer. Et en germant, elle peut te caractériser, ou te détruire.

Les spéculations financières ou épidémiologiques des familles de modèles de Li et de Ferguson reposent sur la moyenne pour gérer les risques. Les mises en ordre sociales et techniques qui en résultent sont co-construites par ce modèle mental qui agit telle une matrice conceptuelle qui imprime une façon de voir le monde.

Panique épistémique et démocratie technique participative

Nous estimons donc qu’il serait utile, du point de vue du débat public, de pouvoir discuter des hypothèses des modèles et de leur base empirique. Pas nécessairement pour les invalider ou les rejeter, mais pour permettre un débat démocratique sur les simulations produites par les modèles, comme celles qui ont justifié la restriction des libertés ou l’augmentation des encours de produits dérivés. Un tel débat éviterait les réactions de colère ou d’incompréhension que l’on a vu surgir après l’annonce du couvre-feu ou la découverte des pertes abyssales des banques en 2008. Bref, éviterait l’effet de sidération.

La dépendance croissante des décisions aux modélisations mathématiques pose la question de la responsabilité face aux savoirs utilisés. La crise sanitaire – des autorités savantes qui imposent des modèles non compris et des populations qui critiquent les décisions gouvernementales – comme la crise financière – des autorités savantes qui imposent des modèles non validés puis des pertes dont personne ne comprenaient vraiment l’origine – mettent en lumière une situation nouvelle pour les régimes de vérité, celle de panique épistémique (notion introduite ici) : un conflit entre l’urgence de la décision à prendre et l’état des connaissances disponibles, insuffisant pour la prendre en toute sécurité.

Mettre la science en démocratie implique d’accepter que plusieurs modélisations soient acceptables pour expliquer et décrire un même phénomène. Plusieurs explications possibles sont possibles. Un seul modèle ne peut à lui seul suffire à justifier des décisions de grande ampleur pour la société. C’est pourtant ce qui s’est passé avec la famille de modèles qui a été utilisée pour gérer la crise sanitaire, ou avec la famille de modèle de gestion des risques avant 2008, familles de modèles dont il est aujourd’hui admis que les impacts négatifs qu’elles entraînaient ont été démesurés. Entretenir une pluralité de modèles et établir une cartographie des controverses scientifiques comme outil pédagogique à l’usage du débat public sont deux tâches indispensables à la bonne articulation entre sciences, techniques et société.


Christian Walter

Actuaire agrégé, chercheur en philosophie et sciences sociales, spécialiste de la finance / Fully qualified actuary, my research activities relate to financial modelling, history of financial thought, epistemology of finance and ethics of finance.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search