Crise financière et crise sanitaire : deux cas de panique épistémique
Dans le cadre du cycle « Les Grandes Conférences du GEMASS » organisé par Nathalie Bulle et Sylvie Mesure, la conférence 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. Dans les deux cas, les modèles mathématiques ont joué un rôle très important dans la gestion du danger, à partir de la modélisation du risque financier en 2008 ou du risque épidémique en 2020. Dans les deux cas, les modélisateurs ont été sollicités pour appréhender les risques et développer des modèles de gestion de ces risques. 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 un contexte de crise, 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 conceptuelle 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 trouver un rapprochement imprévu entre la crise sanitaire et la crise financière. Dans les deux cas, une modélisation mathématique de gestion des risques mettant en forme une organisation du social a eu des conséquences sociétales très importantes. Le modèle de Li en 2008, le modèle de Ferguson en 2020 (plus précisément des familles de modèles issues de ceux-là).
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 gestion des risques pour prendre des décisions. À 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. Ainsi dans le cas de l’investissement dans le non coté, la spéculation sur l’avenir consiste à estimer si (par exemple) la situation de l’entreprise dans un an permet d’envisager un achat ou non à tel prix. 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 !
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.
Il est vrai qu’il y a de grandes différences entre les modèles. Dans la finance, les modèles ont le pouvoir de transformer le « vrai » monde économique (on dit qu’ils sont performatifs) tandis que, en épidémiologie, le virus existe indépendamment des modèles qui cherchent à représenter sa dynamique épidémique. Ce sont des modèles qui sont davantage exploratoires : « que se passerait-il si » (par exemple on ne confinait pas). Mais il y a malgré tout un point commun dans ces deux approches : on ne peut jamais vérifier la « vérité » ou la « fausseté » de modèles performatifs ou exploratoires. Dans le cas financier, un modèle sera efficace (il n’est ni « vrai » ni « faux ») si le monde est changé à son image. Dans le cas épidémiologique, un modèle sera efficace (il n’est ni « vrai » ni « faux ») si le monde ne devient pas ce que le modèle prédisait. C’est tout le contraire.
Modèle mental : le rôle de la moyenne
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). La simulation par des modèles est devenue la forme que prennent les spéculations sur le futur. 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.
En postulant l’intégrité scientifique 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.
Démocratie technique participative
Dans les deux crises, l’idée qu’il puisse exister d’autres modèles de gestion des risques semble avoir été ignorée alors même que ces autres modèles étaient connus. Un modèle dominant a été protégé de toute contestation par une « ceinture de protection » scientifique, pour parler comme Lakatos. Mettre la science en démocratie implique d’accepter que plusieurs modélisations soient acceptables pour expliquer et décrire un même phénomène. Un seul modèle ne peut à lui seul suffire à justifier des décisions de grande ampleur pour la société. 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. 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 » ?
Nous estimons 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 démocraties, celle de panique épistémique (notion introduite ici) : une tension entre l’urgence de la décision à prendre et l’état des connaissances disponibles, insuffisant pour la prendre en toute sécurité.
Il me semble qu’il y a une différence fondamentale entre les modèles de risques financiers pré-existant à la crise financière de 2007 et les modèles épidémiologiques utilisés en 2020 pour prévoir la trajectoire de contamination du Covid et en déduire les actions appropriées. La défaillance des modèles de risque financier lors de la crise des subprimes s’explique en grande partie par leur incapacité à rendre compte des phénomènes de contagion lorsqu’un marché immobilier local subit une baisse de prix : les modèles supposaient en effet qu’un choc négatif de prix dans telle région des Etats-Unis n’avait pas de conséquence sur les marchés immobiliers voisins. Or, on a observé justement que des baisses du marché immobilier – au départ locales – se sont propagées au reste du monde, entraînant dans leur chute tous les produits financiers qui dépendaient des actifs immobiliers. En résumé, les modèles de risques financiers considéraient le risque immobilier comme un risque idiosyncratique alors qu’il s’agit d’un risque potentiellement systémique. A l’inverse, les modèles épidémiologiques supposent par construction que le risque de contamination est systémique : une contamination localisée se propage à la vitesse du fameux paramètre “R” qui mesure le nombre moyen de personnes contaminées à partir d’un cas isolé. Cela ne veut pas dire que ces modèles sont nécessairement supérieurs aux modèles de risques financiers, mais à tout le moins, cela implique que les critiques adressées à ces derniers ne s’appliquent pas aux modèles épidémiologiques. Au demeurant, je trouve remarquable – et il faut se réjouir – que, pendant la crise Covid, des discussions ont eu lieu publiquement sur le paramètre fondamental des modèles, de nouveau le fameux “R”, alors que son pendant dans les modèles de risques financiers (i.e. le taux de corrélation entre les marchés immobiliers) ne l’a jamais été pendant la crise financière, beaucoup préférant ramener la discussion à un débat politique où les “dominants” (i.e. les banques) auraient sciemment mené les “dominés” (i.e. le reste du monde) à leur perte. Il était difficile d’entonner cette partition facile dans le cas de la crise covid puisque le méchant/dominant aurait été le virus, ce qui empêche nos intellectuels d’inventer un combat politique, et que les autres méchants potentiels (i.e. l’industrie pharmaceutique) étaient dans le même temps employés à trouver un vaccin le plus vite possible, par appât du gain, ce qui est précisément le reproche fait à l’économie de marché. Ce n’était donc pas facile d’élaborer dans nos démocraties libérales un discours sur le grand combat entre le bien et le mal. Cette solution facile n’ayant pu se faire, le débat public s’est focalisé sur les modèles, sur leurs prévisions, sur les incertitudes de leurs prédictions, sur leurs paramètres et sur l’arbitrage coût / risque des actions qui pouvaient en découler. Il y a donc lieu de se réjouir qu’en matière d’épidémiologie, le débat public a été finalement beaucoup plus mature, tout au moins dans les pays où le populisme et le monde intellectuel et politique ont échoué à réduire le débat à un combat entre le bien et le mal.