Overblog Tous les blogs Top blogs Économie, Finance & Droit Tous les blogs Économie, Finance & Droit
Suivre ce blog Administration + Créer mon blog
MENU
22 mai 2024 3 22 /05 /mai /2024 08:50

La reprise suite à la pandémie de Covid-19 a été hétérogène, notamment parmi les pays développés. Aux Etats-Unis, la croissance a été suffisamment vigoureuse depuis la crise sanitaire pour que le PIB réel américain retourne à sa tendance prépandémique en 2023. Dans les autres pays développés, la reprise post-pandémique a été en général plus lente. Pour beaucoup d’entre eux, la croissance n’a pas été assez forte pour ramener le PIB à sa trajectoire d’avant crise : les dommages occasionnés par la pandémie ont été permanents, un phénomène que l’on qualifie d’« hystérésis ». En l’occurrence, en 2023, le PIB restait inférieur de 4 % à sa tendance d’avant-crise dans le cas du Canada, de 5 % dans le cas de la zone euro et de 6 % dans le cas du Royaume-Uni. En fait, pour ces pays, le rythme de la croissance s’est avéré ces dernières années plus faible qu’avant la pandémie, si bien que le PIB s’est davantage éloigné de sa trajectoire tendancielle antérieure ; c’est un phénomène que Larry Ball (2014) avait pu observer suite à la crise financière mondiale et qu’il avait qualifié de « super-hystérésis ». Cela n’est pas sans alimenter les craintes quant à un nouveau décrochage de l’Europe vis-à-vis des Etats-Unis [Bock et alii, 2024 ; Le Chevallier, 2024 ; Mone, 2024].

GRAPHIQUE PIB réel des pays développés (en indices, base 100 au quatrième trimestre 2007)

Pourquoi la reprise a-t-elle été plus forte aux Etats-Unis que dans les autres pays développés ?

François de Soyres et alii (2024) ont cherché à déterminer les facteurs susceptibles d’expliquer cette hétérogénéité des performances entre Etats-Unis et autres pays développés dans le sillage de la pandémie. Ils notent tout d’abord que cette meilleure performance de l’économie américaine repose pour l’essentiel sur une forte consommation finale et à un fort investissement domestique.

Cette vigueur de la consommation et de l’investissement américains tient vraisemblablement à l’orientation davantage expansionniste de la politique budgétaire aux Etats-Unis que dans les autres pays développés. D’après les données du FMI capturant les mesures annoncées et adoptées par les gouvernements en réponse à l’épidémie de Covid-19, les Etats-Unis ont fourni davantage de soutien budgétaire au cours de celle-ci que les autres pays développés.  Entre janvier 2020 et septembre 2021, les dépenses discrétionnaires ont représenté l’équivalent de 25 % du PIB dans le cas des Etats-Unis, contre par exemple 8 % dans le cas de la France. Or, de Soyres et ses coauteurs observent une corrélation positive entre l’ampleur de ces dépenses discrétionnaires et l’écart entre les PIB et leur trajectoire prépandémique : les pertes en PIB ont été d’autant plus faibles que l’impulsion budgétaire a été importante.

Il y a certainement là une importante différence par rapport à la reprise consécutive à la crise financière mondiale. Suite à celle-ci, les gouvernements, des deux côtés de l’Atlantique, avaient rapidement adopté des mesures d’austérité budgétaire, ce qui avait freiné leur croissance économique et même fait basculer la zone euro dans une seconde récession. Un tel resserrement de la politique budgétaire n’a pas été observé suite à la pandémie, du moins jusqu’à présent, ce qui contribue certainement à expliquer pourquoi les pertes en production ont été plus limitées suite à la pandémie que suite à la crise financière mondiale. Le cas des Etats-Unis suite à la pandémie est plus singulier : non seulement ils n’ont pas adopté l’austérité, mais ils ont en fait certainement maintenu une politique budgétaire expansionniste. 

Il y a également des différences entre les économies concernant la politique monétaire ou, plus précisément, sa transmission. Depuis 2022, face à la hausse de l’inflation, les banques centrales ont fortement resserré leurs politiques monétaires. La Fed a légèrement plus augmenté ses taux directeurs que ne l’ont fait les banques centrales des autres pays développés. Cela dit, la transmission du resserrement monétaire aux taux d’intérêt sur les crédits des ménages et des entreprises a été plus limitée aux Etats-Unis que dans les autres pays développés. Cela s’explique notamment par le fait que les entreprises américaines recourent relativement moins au crédit bancaire pour se financer et que les crédits immobiliers et les crédits bancaires des entreprises sont plus souvent à taux fixes aux Etats-Unis. 

Outre ces différences dans l’orientation des politiques conjoncturelles et leur transmission à l’économie réelle, de Soyres et ses coauteurs mettent également en avant les différences structurelles entre l’économie américaine et les autres économies avancées pour expliquer l’hétérogénéité des reprises. En premier lieu, les marchés du travail sont réputés être plus rigides dans les pays européens qu’aux Etats-Unis et cette rigidité a pu se traduire par un chômage structurel plus élevé dans les premiers. Plusieurs pays développés ont mis en place des dispositifs de chômage partiel pour maintenir le lien des salariés avec leur emploi pendant la pandémie. Ces dispositifs ont certes permis à ces pays de connaître une bien moins ample hausse du taux de chômage lors de la crise sanitaire que les Etats-Unis, mais ils ont pu freiner la réallocation sectorielle de la main-d’œuvre en leur sein. 

La plus forte stimulation de la demande et la plus grande flexibilité des marchés du travail aux Etats-Unis que dans les autres pays développés ont certainement permis aux premiers de connaître de plus fortes créations d’entreprises depuis la récession pandémique. Les créations d’entreprises étaient encore récemment bien plus fortes qu’avant-crise aux Etats-Unis. Dans la zone euro, elles sont simplement revenues à leur niveau d’avant-crise.  

Il y a enfin des chocs spécifiques aux pays qui expliquent la meilleure performance de l’économie américaine relativement aux autres économies avancées. En l’occurrence, des chocs négatifs ont touché l’Europe. Dans le cas du Royaume-Uni, la sortie de l’Union européenne, annoncée en 2016 à l’issue du référendum, puis définitivement entérinée début 2020, a pesé sur l’économie britannique en augmentant l’incertitude en son sein et en réduisant son accès aux marchés. La zone euro a quant à elle été particulièrement affectée par la reprise de l’invasion russe de l’Ukraine et notamment ses effets sur les marchés de l’énergie. 

 

Références

BALL, Laurence M. (2014), « Long-term damage from the Great Recession in OECD countries », NBER, working paper, n° 20185.

BOCK, Sébastien, Aya ELEWA, Sarah GUILLOU, Mauro NAPOLETANO, Lionel NESTA, Evens SALIES & Tania TREIBICH (2024), « Le décrochage européen en question », OFCE, Policy brief, n° 128.

DE SOYRES, François, Joaquin GARCIA-CABO HERRERO, Nils GOERNEMANN, Sharon JEON, Grace LOFSTROM & Dylan MOORE (2024), « Why is the U.S. GDP recovering faster than other advanced economies? », FEDS Notes, 17 mai.

DE SOYRES, François, Ana Maria Santacreu & Henry Young (2023), « Demand-supply imbalance during the Covid-19 pandemic: The role of fiscal policy », in Federal Reserve Bank of St. Louis Review.

LE CHEVALLIER, Juliette (2024), « Pourquoi l’Europe décroche par rapport aux Etats-Unis », in Alternatives économiques, 18 avril.

MONE, Vianney, (2024), « États-Unis vs Europe : la grande divergence », Des Hauts et Débats (blog), 13 mai.

Partager cet article
Repost0
11 avril 2024 4 11 /04 /avril /2024 14:06
Quel sera l’impact de l’IA sur la croissance économique ?

Les progrès réalisés par l’intelligence artificielle (IA) ces toutes dernières années, notamment le lancement de GPT-4 d’OpenAI il y a un an, marquent peut-être les prémices d’une nouvelle Révolution industrielle, une ère d’innovations bouleversant non seulement l’économie, mais aussi tous les pans de l’existence humaine. L’IA pourrait notamment mettre un terme à la faible croissance de la productivité que connaissent les pays développés depuis quelques décennies. Elle pourrait aussi fortement bouleverser l’emploi et la place du travail dans nos sociétés [Acemoglu et Restrepo, 2019 ; Acemoglu et Restrepo, 2020].

Les gains de productivité peuvent venir de quatre canaux différents. Avec les avancées en matière d’IA, celle-ci peut réaliser un éventail toujours plus large de tâches que seuls les travailleurs pouvaient jusqu’alors réaliser, ce qui pousse à l’automatisation ; celle-ci n’augmente toutefois la productivité que si l’IA réalise plus efficacement la tâche automatisée que ne la réalisaient les travailleurs. Il peut aussi y avoir complémentarité des tâches : l’IA peut accroître la productivité des travailleurs dans la réalisation de leurs tâches ou bien elle peut prendre en charge certaines sous-tâches, ce qui permet alors aux travailleurs de se concentrer sur le reste de leurs tâches ainsi de gagner en efficacité. Il peut aussi y avoir un approfondissement de l’automatisation : les avancées en matière d’IA peuvent accroître la productivité du capital pour les tâches qui ont déjà été automatisées. Enfin, l’IA peut innover, créer de nouvelles tâches et, par ce biais, accroître l’efficacité de l’ensemble du processus productif.

Jusqu’à présent, ce sont essentiellement des tâches routinières que les IA réalisent ; mais elles progressent dans la réalisation des tâches cognitives, des tâches qui étaient réalisées jusqu’à présent par les travailleurs qualifiés, par exemple préparer des dossiers juridiques et diagnostiquer des maladies. Certains pronostiquent l’apparition ces prochaines décennies d’une intelligence artificielle générale (IAG), c’est-à-dire d’une IA capable d’accomplir toutes les tâches que les êtres humains peuvent réaliser. Anton Korinek et Donghyun Suh (2024) ont étudié comment la production et les salaires sont susceptibles d’évoluer dans une telle éventualité. Selon leur scénario de référence, supposant l’arrivée d’une IAG d’ici vingt ans, la production suit une trajectoire explosive : les avancées en matière d’IA accroîtraient le PIB de 100 % d’ici dix ans (cf. graphique). Selon leur scénario radical, supposant que l’IA parvienne au stade d’IAG d’ici cinq ans, comme le croit Jensen Huang, le PDG de Nvidia, les avancées en matière d’IA entraîneraient une hausse de 300 % du PIB d’ici dix ans. Dans les deux cas, les salaires s’écroulent, plus ou moins rapidement, en conséquence de l’automatisation.

GRAPHIQUE Effet de l’intelligence artificielle générale sur la production et les salaires (en indices, base 100 l’année initiale)

Quel sera l’impact de l’IA sur la croissance économique ?

Dans les modèles de croissance endogène ou semi-endogène, la croissance tient à la production d’idée, mais celle-ci reste contrainte le nombre de travailleurs [Jones, 1995]. Mais si l’IA peut parfaitement se substituer au travail humain, ces modèles suggèrent qu’une forte accélération de la croissance est possible, dans la mesure où elle pourrait ne plus dépendre du facteur travail [Davidson, 2021 ; Erdil et Besiroglu, 2023]. Si les rendements sont croissants, du fait de la non-rivalité des idées [Romer, 1990], la croissance pourrait même devenir explosive. 

Les plus optimistes quant aux avancées de l’IA prédisent qu’elle s’améliorera au point d’être capable de s’améliorer par elle-même et de se doter de capacités illimitées. Cela pourrait ainsi la voie à une « singularité technologique » [Good, 1965 ; Vinge, 1993 ; Kurzweil, 2005] : l’innovation, la production et la consommation exploseraient et deviendraient infinies [Nordhaus, 2021]. Philippe Aghion et alii (2019) ont distingué deux régimes de croissance explosive possibles. Le premier est celui d’une « explosion de croissance de type I » : les taux de croissance augmenteraient au fil du temps, sans limite, mais ils resteraient finis en un instant donné. Le second est celui d’une « explosion de croissance de type II » : la croissance accélérerait tant qu’une production infinie serait réalisée sur un laps de temps fini. 

Il y a certainement des phénomènes de goulots d’étranglement qui pourraient empêcher la croissance de suivre une trajectoire explosive ou du moins l’empêcher qu’elle se maintienne durablement sur une telle trajectoire. Il semble y avoir des rendements décroissants à la recherche-développement : les idées se révèlent en effet de plus en plus dures à trouver [Bloom et alii, 2020]. Aghion et alii (2019) estiment qui la croissance pourrait rester limitée du fait que certains domaines essentiels soient difficiles à améliorer ; c’est l’idée de la « maladie des coûts » de Baumol. La production peut rester contrainte par l’existence de facteurs de production non accumulables. Ce pourrait être le cas si certaines étapes du processus d’innovation requièrent une intervention humaine. Et bien sûr, toute croissance requiert l’usage de ressources naturelles et d’énergie, or les quantités disponibles de celles-ci en un instant donné restent limitées.

Beaucoup d’estimations sont plus mesurées, mais pointent tout de même des effets massifs ; elles suggèrent une hausse significative et durable, voire permanente, du taux de croissance. Par exemple, les économistes de Goldman Sachs (2023) prédisent une hausse de 7 % du PIB mondial, soit l’équivalent de 7.000 milliards de dollars, d’ici dix ans. Michael Chui et alii (2023), chez McKinsey, estiment que l’IA générative pourrait ajouter 17.100 à 25.600 milliards de dollars au PIB mondial. Ils estiment que l’IA et les autres technologies d’automatisation pourraient relever de 1,5 à 3,4 points de pourcentage la croissance annuelle du PIB dans les pays développés au cours de la prochaine décennie.

Ces estimations pourraient, elles aussi, être trop enthousiastes ; n’oublions pas le paradoxe relevé par Robert Solow en 1987 (« vous pouvez voir l’informatique partout, sauf dans les statistiques de productivité »). Tout d’abord, le potentiel d’une innovation n’est pas immédiatement exploité. Les entreprises ne pourraient que lentement adopter l’IA et seule une minorité d’entre elles, en l’occurrence les plus grosses, pourraient l’utiliser. D’amples changements organisationnels sont sûrement nécessaires pour exploiter toutes les potentialités de l’IA. En outre, les entreprises pourraient se contenter d’utiliser l’IA pour économiser en main-d’œuvre et non pour réallouer celle-ci vers les emplois les plus qualifiés et créatifs, freinant la croissance de la productivité. Cette dernière pourrait davantage freiner si l’IA conduit finalement les entreprises à réallouer la main-d’œuvre vers les emplois les moins qualifiés. En fait, le potentiel même de l’IA pourrait être moindre qu’on ne le croit. D’autres innovations récentes, comme l’imprimante 3D et la voiture autonome, avaient soulevé un énorme enthousiasme, avant que celui-ci ne se tempère fortement. Dans tous les cas, les avancées déjà réalisées en matière d'IA ne semblent guère avoir stimulé la croissance jusqu'à présent [Brynjolfsson et alii, 2019].

Daron Acemoglu (2024) se montre quant à lui très réservé [Calignon, 2024]. Il a cherché à estimer quel pourrait être l’effet de l’IA sur la croissance américaine  via les canaux de l’automatisation et de la complémentarité des tâches. Plusieurs études ont récemment cherché à déterminer quelle proportion de tâches est susceptible d’être réalisée par l’IA : par exemple, Tyna Eloundou et alii (2023) suggèrent que 19,9 % des tâches réalisées par les travailleurs américains sont susceptibles d’être automatisées, tandis que Maja Svanberg et alii (2024) estiment qu’il serait rentable d’automatiser 23 % des tâches automatisables. En s’appuyant sur ces estimations, Acemoglu conclut que les avancées en matière d’IA n’augmenteraient la PGF étasunienne que de 0,71 % d’ici dix ans, soit de 0,07 % par an. 

Mais Acemoglu estime que ces chiffres sont excessivement optimistes, dans la mesure où les estimations de l’automatisation de tâches faciles à apprendre. Or, l’IA aura plus de difficultés à prendre en charge les autres tâches, notamment parce qu’elles impliquent des interactions plus complexes entre l’action et le contexte. En prenant en compte le fait que les tâches prises en charge par l’IA seront de plus en plus difficiles à apprendre, Acemoglu revoit ses estimations à la baisse et conclut que l’IA ne devrait accroître la PGF que de moins de 0,55 % d’ici dix ans.

Dans la mesure où l’automatisation et la complémentarité de tâches devraient entraîner un plus grand investissement, l’impact sur le PIB devrait être plus important que le seul impact sur la PGF, mais il reste modeste selon Acemoglu : d’après ses estimations, le PIB américain ne devrait augmenter que de 0,9 % à 1,1 % si l’IA n’entraîne qu’une faible hausse de l’investissement et de 1,6 % à 1,8 % si elle entraîne un grand boom de l’investissement.

Acemoglu conclut son analyse en évoquant brièvement les effets pervers associés à l’IA, notamment la désinformation ; celle-ci est notamment favorisée par la création d’images et de vidéos de synthèse formellement réalistes. Ces effets pervers pourraient non seulement peser sur l’activité économique, mais aussi fortement réduire le bien-être des populations. Mais le risque est aussi existentiel : l’IA pourrait conduire à l’apparition d’une superintelligence dont les fins et les valeurs ne sont pas alignées sur celles de l’humanité. Un tel avènement pourrait entraîner des catastrophes, voire même l’extinction de l’espèce humaine. 

Charles Jones (2016) avait déjà mis en regard les bénéfices des nouvelles technologies et leurs coûts potentiels en termes de vies perdues, par exemple avec le nucléaire, qui augmente l’offre énergétique, mais peut aussi détruire des vies avec les accidents nucléaires et l’usage des armes nucléaires. Jones affirmait qu’à mesure que l’on s’enrichissait, il pouvait être optimal de ralentir le rythme de la croissance économique ou, du moins, de réorienter l’innovation vers le développement de technologies sauveuses de vie. Jones (2023) estime que le potentiel de destruction de l’IA est corrélé à son potentiel de stimulation de la croissance, si bien que son développement est une épée à double tranchant. Il s’est alors demandé quel pourrait être l’usage optimal de l’IA. Il estime que celle-ci dépend à la fois de la forme de la fonction d’utilité de la population et de son degré d’aversion au risque. Pour Daron Acemoglu et Todd Lensman (2023), l’éventualité que les dommages provoqués par l’IA soient irréversibles justifie une attitude attentiste même si la population est neutre au risque : l’adoption d’une innovation comme l’IA doit certainement être freinée pour permettre d’en évaluer les risques. 

 

Références

ACEMOGLU, Daron (2024), « The simple macroeconomics of AI », MIT, working paper.

ACEMOGLU, Daron, & Todd LENSMAN (2023), « Regulating transformative technologies », NBER, working paper, n° 31461.

ACEMOGLU, Daron, & Pascual RESTREPO (2018), « The race between man and machine: Implications of technology for growth, factor shares, and employment », in American Economic Review, vol. 108, n° 6.

ACEMOGLU, Daron, & Pascual RESTREPO (2019), « Artificial intelligence, automation, and work », in Ajay Agrawal, Joshua Gans & Avi Goldfarb (dir.), The Economics of Artificial Intelligence: An Agenda, University of Chicago Press. 

ACEMOGLU, Daron, & Pascual RESTREPO (2019), « Automation and new tasks: How technology displaces and reinstates labor », in Journal of Economic Perspectives, vol. 33, n° 2.

ACEMOGLU, Daron, & Pascual RESTREPO (2020), « The wrong kind of AI? Artificial intelligence and the future of labor demand », in Cambridge Journal of Regions, Economy and Society, vol. 13, n° 1.

AGHION, Philippe, Benjamin F. JONES & Charles I. JONES (2019), « Artificial intelligence and economic growth », in Ajay Agrawal, Joshua Gans & Avi Goldfarb (dir.), The Economics of Artificial Intelligence: An Agenda, University of Chicago Press.

BLOOM, Nicholas, Charles I. JONES, John VAN REENEN & Michael WEBB (2020), « Are ideas getting harder to find? », in American Economic Review, vol. 110, n° 4.

BRYNJOLFSSON, Erik, Daniel ROCK & Chad SYVERSON (2019), « Artificial intelligence and the modern productivity paradox: A clash of expectations and statistics », in Ajay Agrawal, Joshua Gans & Avi Goldfarb (dir.), The Economics of Artificial Intelligence: An Agenda, University of Chicago Press.

BRYNJOLFSSON, Erik, & Gabriel UNGER (2023), « The macroeconomics of artificial intelligence », in FMI, Finances & Développement. Traduction française, « Les enjeux macroéconomiques de l'intelligence artificielle », in FMI, Finances & Développement.

CALIGNON, Guillaume de (2024), « Les gains de productivité promis par l'intelligence artificielle mis en doute », Les Echos, 9 avril.

CHUI, Michael, Eric HAZAN, Roger ROBERTS, Alex SINGLA, Kate SMAJE, Alex SUKHAREVSKY, Lareina YEE & Rodney ZEMMEL (2023), « The economic potential of generative AI: The next productivity frontier », McKinsey & Company.

DAVIDSON, Tom (2021), « Could advanced AI drive explosive economic growth? », Open Philanthropy.

ELOUNDOU, Tyna, Sam MANNING, Pamela MISHKIN & Daniel ROCK (2023), « GPTs are GPTs: An early look at the labor market impact potential of large language models », document de travail.

ERDIL, Ege, & Tamay BESIROGLU (2023), « Explosive growth from AI automation: A review of the arguments », document de travail.

GOLDMAN SACHS (2023), « Generative AI could raise global GDP by 7 percent », 2023.

GOOD, Irving John (1965), « Speculations concerning the first ultraintelligent machine », in Advances in Computers, vol. 6.

JONES, Charles I. (1995), « R&D-based models of economic growth », in Journal of Political Economy, vol. 103, n° 4.

JONES, Charles I. (2016), « Life and growth », in Journal of Political Economy, vol. 124, n° 2.

JONES, Charles I. (2023), « The A.I. dilemma: Growth versus existential risk », NBER, working paper, 31837.

KORINEK, Anton (2023), « Scenario planning for an A(G)I future », in FMI, Finance & Dévelopment. Traduction française, « Scénarios pour un avenir sous le signe de l'IA(G) », in FMI, Finances & Développement.

KORINEK, Anton, & Donghyun SUH (2024), « Scenarios for the transition to AGI », NBER, working paper, n° 32255.

KURZWEIL, Ray (2005), The Singularity is Near, Penguin.

NORDHAUS, William D. (2021), « Are we approaching an economic singularity? Information technology and the future of economic growth », in American Economic Journal: Macroeconomics, vol. 13, n° 1.

ROMER, Paul (1990), « Endogenous technological change », in Journal of Political Economy, vol. 98, n° 5.

SVANBERG, Maja, Wensu LI, Martin FLEMING, Brian GOEHRING & Neil THOMPSON (2024), « Beyond AI exposure: Which tasks are cost-effective to automate with computer vision? », document de travail.

TOURPE, Hervé (2023), « Artificial intelligence's promise and peril », in FMI, Finances & Développement. Traduction française, « Les promesses et périls de l'intelligence artificielle », in FMI, Finances & Développement.

TRAMMELL, Philip, & Anton KORINEK (2023), « Economic growth under transformative AI », NBER, working paper, n° 31815.

VINGE, Vernor (1993), « The coming technological singularity: How to survive in the post-human era », Vision-21: Interdisciplinary Science and Engineering in the Era of Cyberspace.

Partager cet article
Repost0
9 avril 2024 2 09 /04 /avril /2024 12:45

Avec la forte hausse de l’inflation amorcée en 2021, dans le sillage de la pandémie de Covid-19, les banques centrales ont amorcé un cycle de resserrement monétaire (cf. graphique 1). Il s’agit en l’occurrence du resserrement le plus puissant et le plus synchronisé au niveau mondial que l’on ait pu observer depuis une quarantaine d’années ; il met fin, dans les pays développés, à une longue période de taux d’intérêt extrêmement faibles. Dans beaucoup de pays, les taux d’inflation ont atteint un pic en 2022 et  déclinent depuis. L’une des questions est de savoir dans quelle mesure ce resserrement a contribué à cette désinflation ; la littérature suggère que les effets de la politique monétaire sur l’activité économique se manifestent après des « délais longs et variables ». En revanche, les prix des actifs réagissent plus rapidement à la politique monétaire. En l’occurrence, il semble que le resserrement des politiques monétaires ait entraîné un retournement sur les marchés de l’immobilier.

GRAPHIQUE 1  Taux directeurs des banques centrales (médianes, en %)

Comment la politique monétaire affecte les marchés de l’immobilier

La crise financière mondiale avait été marquée par une chute des prix de l’immobilier dans plusieurs pays développés (cf. graphique 2). Ceux-ci ont toutefois rapidement renoué avec leur hausse et cette dernière s’est accélérée dans le sillage de la pandémie de Covid-19, notamment sous l’effet de l’extrême faiblesse des taux d’intérêt. Avant le récent resserrement des politiques monétaires, les taux d’intérêt effectif sur les prêts immobiliers avaient atteint dans de nombreux pays leur plus bas niveau depuis plusieurs décennies. Le resserrement monétaire a marqué un tournant dans la dynamique des prix de l’immobilier : ils ont eu tendance à stagner dans les pays émergents et en développement et à baisser dans les pays développés.

GRAPHIQUE 2  Prix nominaux des logements (médianes, en indices, base 100 en 2005)

Comment la politique monétaire affecte les marchés de l’immobilier

La dynamique des prix de l’immobilier n’est pas sans importance macroéconomique. En effet, la consommation des ménages et les activités immobilières représentent ensemble environ 70 % du PIB dans la plupart des pays. Les logements constituent le principal actif du patrimoine des ménages. Ces derniers s’endettent avant tout pour accéder à l’immobilier et, lorsqu’ils utilisent un actif comme collatéral pour emprunter, il s’agit souvent de leur logement. La dette des ménages a d’ailleurs fortement augmenté depuis la fin de la Seconde Guerre mondiale [Jordà et alii, 2016a ; Jordà et alii, 2016b]. En conséquence, la dette des ménages et la dette immobilière jouent un rôle clé dans les cycles macroéconomique et financier [Jordà et alii, 2015 ; Mian et alii, 2017 ; Jordà et alii, 2016a]. Ce fut singulièrement le cas lors de la crise du crédit subprime aux Etats-Unis en 2007 : c’est notamment au travers de l'endettement immobilier des ménages que les déséquilibres menant à la crise se sont accumulés et l’effondrement immobilier a été le principal vecteur de la récession qui s’ensuivit. Et la politique monétaire avait joué un rôle déterminant dans cette dynamique : les faibles taux d'intérêt de la Réserve fédérale au début des années 2000 ont alimenté le boom immobilier, avant que le resserrement monétaire qu'elle opéra de 2004 à 2006 ne rende insoutenable l'endettement des ménages.

Dans les dernières Perspectives de l’économie mondiale du FMI, Mehdi Benatiya Andaloussi, Nina Biljanovska, Alessia De Stefani, Rui Mano (2024a, 2024b) se sont donc interrogés sur la transmission de la politique monétaire sur les marchés de l’immobilier et du crédit immobilier dans un large ensemble de pays. 

La politique monétaire est susceptible d’affecter la consommation des ménages et l’investissement résidentiel via plusieurs « canaux immobiliers » :

1. Le canal du taux d’intérêt (interest-rate channel) et le canal du crédit (credit channel). Si la banque centrale baisse ses taux d’intérêt, les banques commerciales tendront également à baisser les leurs et elles seront plus enclines à prêter, notamment aux ménages désireux d’acquérir un logement. La baisse même des taux d’intérêt incite les ménages à emprunter davantage. La consommation et l’investissement résidentiel devraient s’en trouver stimulés. Inversement, la hausse des taux directeurs amène les banques à relever leurs taux, ce qui incite les ménages à retarder l’achat d’un logement.

2. Le canal des liquidités (cash-flow channel). La hausse des taux directeurs déprime directement la consommation des propriétaires ayant des crédits à taux variable qui ne peuvent pas facilement emprunter. Ce canal opère aussi dans les pays où les prêts sont souvent à taux fixe si le refinancement est coûteux, mais seulement dans le cas d’une baisse des taux directeurs : le refinancement permet aux ménages de réduire leurs paiements hypothécaires et de dépenser davantage. Ce canal est susceptible d’être plus puissant quand une grande proportion des prêts hypothécaires est à taux variable et si la dette des ménages est importante.

3. Le canal des anticipations (expectations channel). Si les ménages pensent que les prix de l’immobilier continuent à augmenter, cela aura tendance à alimenter la demande courante de logements, donc à pousser les prix de l’immobilier à la hausse ; inversement, lorsque les ménages pensent que les prix des logements vont baisser dans le futur, ils tendent à réduire leur demande de logements, ce qui pousse à la baisse le prix de ces derniers. Ce canal est susceptible d’être plus puissant dans les territoires où les prix de l’immobilier ont fortement augmenté et où ils sont surévalués. 

4. Le canal du patrimoine (wealth channel). Si les prix de l’immobilier augmentent, cela entraîne un effet de richesse positif : se sentant plus riches, les ménages sont incités à consommer davantage. Inversement, une baisse des prix de l’immobilier entraîne un effet de richesse négatif : les ménages réduisent leur consommation. 

5. Le canal du collatéral (collateral channel). Ce canal apparaît lorsque les ménages utilisent le logement comme collatéral pour emprunter. Dans ce cas, si les prix des logements baissent, les collatéraux perdent en valeur, si bien que les ménages peuvent moins emprunter, ce qui déprime la consommation et l’investissement résidentiel ; c'est ce qu'on appelle l'« accélérateur financier ». Ce canal est susceptible d’être plus puissant dans les pays où les ménages sont très endettés et où les limitations des ratios prêts sur valeur sont souples, dans la mesure où les propriétaires peuvent alors utiliser leur logement comme collatéral pour emprunter davantage.

Benatiya Andaloussi et ses coauteurs observent que les canaux de transmission de la politique monétaire aux marchés immobiliers ne sont pas les mêmes d’un pays à l’autre. Cela tient notamment aux différences dans les caractéristiques mêmes des marchés de l’immobilier : la politique monétaire affecte davantage les marchés de l’immobilier dans les pays où l’offre de logements est la plus restreinte et où les prix ont été récemment surévalués.

Les différences dans les canaux immobiliers de la politique monétaire tiennent aussi aux différences entre les marchés de prêts immobiliers : la part des prêts à taux fixe dans l’ensemble des prêts immobiliers, est quasiment nulle au Chili et en Afrique du Sud, mais proche de 100 % en Allemagne, en France  et aux Etats-Unis ; la dette des ménages représente moins de 50 % du PIB dans certains pays, souvent émergents, mais plus de 200 % du PIB dans d’autres, notamment en Corée du Sud, aux Pays-Bas, en Suisse et dans les pays scandinaves ; les ratios prêts sur valeur sont limités à 45 % en Corée du Sud, mais à 100 %, voire plus, en France, en Allemagne et aux Etats-Unis. Or, la politique monétaire affecte davantage les marchés de l’immobilier dans les pays où les prêts à taux variable constituent une grande part des prêts immobiliers, où les ménages sont les plus endettés et où les ratios prêts sur valeur sont les plus souples. 

Benatiya Andaloussi et ses coauteurs notent que plusieurs changements récents, touchant les marchés immobiliers et les marchés du crédit, ont pu modifier les canaux immobiliers de la politique monétaire. Dans beaucoup de pays, suite à la crise financière mondiale de 2008 et à la pandémie de Covid-19 en 2020, la part des prêts à taux variable dans l’ensemble des prêts immobiliers a eu tendance à diminuer, les ratios prêts sur valeur ont été resserrés et les populations ont eu tendance à s’éloigner des zones où l’offre de logements est la plus contrainte. Par conséquent, les canaux de transmission de la politique monétaire aux marchés immobiliers pourraient s’être affaiblis.

L’éventuel affaiblissement des canaux immobiliers de la politique monétaire pourrait contribuer à expliquer pourquoi les économies sont restées, du moins jusqu’à présent, relativement résilientes face aux resserrements monétaires. Benatiya Andaloussi et ses coauteurs mettent toutefois en garde contre les risques d’un maintien de politiques monétaires restrictives : avec la révision des taux sur les prêts immobiliers, la transmission de la politique monétaire pourrait soudainement s’accélérer, augmentant le risque de crise financière et de décrochage de la consommation. 

 

Références

BENATIYA ANDALOUSSI, Mehdi, Nina BILJANOVSKA, Alessia DE STEFANI & Rui MANO (2024a), « Feeling the pinch? Tracing the effects of monetary policy through housing markets », in FMI, World Economic Outlook: Steady but Slow: Resilience amid Divergence, chapitre 2.

BENATIYA ANDALOUSSI, Mehdi, Nina BILJANOVSKA, Alessia DE STEFANI & Rui MANO (2024b), « Housing is one reason not all countries feel same pinch of higher interest rates », FMI, blog, 8 avril.

JORDÀ, Oscar, Moritz SCHULARICK & Alan M. TAYLOR (2015), « Betting the house », in Journal of International Economics, vol. 96.

JORDÀ, Oscar, Moritz SCHULARICK & Alan M. TAYLOR (2016a), « The great mortgaging: Housing finance, crises and business cycles », in Economic Policy, vol. 31, n° 85.

JORDÀ, Oscar, Moritz SCHULARICK & Alan M. TAYLOR (2016b), « Macrofinancial history and the new business cycle facts », in NBER Macroeconomics Annual 2016.

MIAN, Atif R., Amir SUFI & Emil VERNER (2017), « Household debt and business cycles worldwide », in The Quarterly Journal of Economics, vol. 132, n° 4.

Partager cet article
Repost0

Présentation

  • : D'un champ l'autre
  • : Méta-manuel en working progress
  • Contact

Twitter

Rechercher