Explorer le futur avec CCEM: population, intelligence artificielle et impact du dérèglement climatique

 

1. Introduction

Cet été de canicule a été marqué par des feux de forêts dramatiques et inquiétants. Quoique l’augmentation de la sévérité puisse en partie s’expliquer par des conditions de température, sécheresse et de vent qui sont elles-mêmes impactées par le réchauffement climatique, nous sommes surpris. La brutalité de ces conséquences est difficile à prévoir même si certaines causes le sont. Nous sommes renvoyés au besoin crucial d’adaptation au réchauffement, un sujet que j’ai évoqué de multiples fois, par exemple autour de l’excellent livre « Survivre à la chaleur – Adaptons-nous ». Il est néanmoins frappant de voir subsister des discours culpabilisants sur l’absence de réduction des émissions de gaz à effets de serre (discours qui se justifient par ailleurs), qui sont hors sujet ici (ce n’est pas parce que « nous » n’avons pas fait assez d’efforts depuis 20 ans que le CO2 s’accumule, sauf à parler d’un « nous » qui désigne l’humanité toute entière). Au contraire, on voit se dessiner une boucle systémique cruelle : une mauvaise compréhension des causes et des effets a conduit nos gouvernements de ces dernières années à des politiques énergétiques désastreuses, conduisant à une perte de compétitivité, qui mène à un déclin économique, qui restreint considérablement ce que nous devrions faire en termes d’adaptation (qu’il s’agisse des feux ou de la canicule elle-même).

Fin Juin, certains ont eu le plaisir de pouvoir écouter Jean-Marc Jancovici lors d’une interview par X, intitulé « Canicule, IA, détroit d’Ormuz : le regard amer de Jean-Marc Jancovici ». Si vous ne l’avez pas vu, je vous le recommande chaleureusement ; je vais emprunter quelques idées mais de façon très partielle par rapport à un contenu fort riche (et vraiment remarquable). Une des idées clés est que le choc énergétique a commencé en Europe il y a presque 20 ans, avec la diminution de la production propre des énergies fossiles, puis nucléaires. Cette baisse de l’abondance de l’énergie a entraîné mécaniquement une contraction de l’économie en Europe, puis une baisse du pouvoir d’achat (très visible dans la modélisation CCEM mais devenue surtout un sujet d’importance politique), qui conduit à son tour au « social unrest » et à la montée des populismes. On retrouve ici une idée clé que CCEM a empruntée depuis longtemps à Jancovici : la raréfaction de l’énergie disponible étrangle l’économie (par exemple, en réduisant le volume de transports rentables), au-delà de ce que l’on peut voir dans les prix, puisque cette asphyxie réduit à son tour la demande (effaçant partiellement la hausse de prix). Jancovici souligne également la « boucle cruelle » évoquée plus haut : si l’on se trompe de trajectoire de politique énergétique, on n’a plus les moyens de s’adapter, donc il faut bien décarboner notre énergie puisque l’Europe n’a quasiment pas d’énergie fossile adaptée à ses besoins, mais il faut le faire avec soin.

Au même moment, le débat sur l’impact de l’IA (intelligence artificielle) sur le marché de l’emploi et l’économie continue de faire rage, alimenté par les déclarations tonitruantes des acteurs qui ont investi pas loin de mille milliards de dollars, et qui ont un véritable besoin que leur rêve se transforme en réalité. Il n’y a d’ailleurs aucun doute sur les capacités phénoménales de l’IA en tant qu’outil, la question que se pose le citoyen est de savoir si cette IA va l’augmenter ou le remplacer. J’ai déjà abordé ce sujet ailleurs et la réponse n’est pas binaire, c’est un peu des deux suivant le domaine d’activité et la satisfaction présente du besoin initial. C’est aussi une réponse politique car elle impacte fortement à la fois l’économie et le moral des citoyens. Dans l’approche CCEM que je vais décrire plus loin, cet impact est extrêmement fort pour des pays tels que la Chine, qui voit s’annoncer une crise démographique sans précédent. Dans ce cas l’automatisation via les robots et l’IA est une nécessité, mais elle va causer une double vague d’insatisfaction : comment gérer le « droit à l’utilité »  que j’ai évoqué dans plusieurs billets (en l’empruntant à Pierre-Noël Giraud) et comment maîtriser l’amplification encore plus menaçante des inégalités qui se nourrit  du développement des monopoles de la tech ? Ce double dilemme est très bien évoqué par « Hello Future ! The World in 2035 » de Langdon Morris, que j’ai résumé précédemment.

On peut donc formuler une question : « quelle est la transition la plus disruptive, d’ici la fin de ce 21e siècle, entre la transition démographique, la transition écologique et la transition de l’intelligence artificielle ? ».  Le thème de ce billet est de vous présenter l’approche de la dynamique des systèmes, au travers de CCEM v9, pour aider à appréhender ces questions. Soyons clairs, je n’ai aucune idée de la réponse à la question précédente, mais l’enrichissement de CCEM en termes de population (et de son vieillissement), d’économie (et de l’impact de l’intelligence artificielle) et de transition énergétique permet des expériences de pensée intéressantes. Rappelons ici deux choses : un modèle de dynamique des systèmes n’est pas un outil de prévision, mais un outil pour explorer les conséquences des hypothèses que vous tenez pour vraies ; CCEM  signifie « coupling coarse earth models ». Les lecteurs de ce blog savent que CCEM évolue en continu depuis plusieurs années et le chemin est loin d’être terminé, mais le choc démographique qui arrive à l’échelle du 21e siècle est exceptionnel, et la version 9 de CCEM permet d’en examiner certaines facettes.

Ce billet est organisé comme suit. La section 2 porte sur la modélisation de la population mondiale, en reprenant les cinq blocs de CCEM (US, EU, Chine, Inde et « Reste du Monde »). Avec une modélisation simple des cohortes, on peut représenter des boucles d’interaction entre le réchauffement et la population et entre la population active et l’économie. La section 3 s’intéresse à la modélisation des économies des cinq blocs, en combinant un modèle classique avec des intuitions plus modernes autour de la puissance des écosystèmes « tech et innovation » et du concept de destruction créatrice, augmenté d’une forte dépendance à l’énergie et des impacts du réchauffement sur les hommes comme sur les actifs. Nous introduisons alors le concept de remplacement par l’IA dans ce modèle, capable d’atténuer les impacts démographiques. La section 4 traite de la transition énergétique et de certains ajustements apportés dans CCEM v9. Je vais essayer de rester bref, donc le détail du nouveau modèle est disponible ailleurs. La section 5 présente quelques résultats de simulation que vous pourrez reproduire vous-même avec G2WS, l’implémentation de CCEM disponible en ligne. L’intérêt d’une approche dynamique des systèmes n’est pas de produire des trajectoires statiques (la seule chose que je puisse montrer ici) mais de ressentir les couplages en « jouant » avec les hypothèses. La conclusion sera l’occasion de partager quelques enseignements, que mon expérience de simulation avec G2WS m’a conduit à formuler.

2. Population 

CCEM tient compte de la population mondiale estimée depuis longtemps, c’est un des KNUs (Key Known Unknown) du modèle, pour lequel j’utilise les prévisions de IIASA. Depuis la version précédente, il y a une boucle de rétroaction du réchauffement vers l’évolution de la population, mais jusqu’ici, je n’avais pas considéré le vieillissement de la population. L’illustration qui suit vous donne un aperçu de ce qui arrive d’ici 2100. Ce ne sont que des prévisions, mais les prévisions de démographes sont moins fausses que celles des économistes. Le vieillissement de la population est spectaculaire sur l’ensemble du globe, mais encore plus en Chine et en Inde. Si l’on combine la baisse de la population en Chine avec le vieillissement, la baisse de la population active est spectaculaire, du niveau de l’effondrement en Angleterre au 14e siècle à cause de la peste. Même si je ne partage pas ses opinions sur les liens entre démographie et réchauffement climatique, je vous recommande le livre de Thibault Prebay, « Démographie – La bombe tranquille » car il commence par une analyse précise et spectaculaire de ce que les prévisions des démographes nous disent, et sur le couplage avec l’évolution de l’économie.     

CCEM v9 enrichit la composante démographique du modèle en introduisant une représentation explicite du vieillissement de la population. CCEM  v9 distingue désormais trois classes d’âge : les jeunes de moins de 20 ans, la population active et les seniors de plus de 60 ans. À partir de prévisions exogènes des taux de mortalité pour chaque zone, le modèle reconstruit de manière cohérente l’évolution des taux de natalité ainsi que celle de ces trois catégories. Cette approche fournit une représentation volontairement agrégée, mais utile d’un point de vue systémique, du vieillissement et, surtout pour le modèle économique, de l’évolution de la part de la population active. La figure suivante représente l’ensemble du modèle de population utilisé par CCEM sous forme d’un schéma « Dynamique des systèmes ».

Les formules utilisées pour le calcul différentiel de l’évolution des trois groupes (jeunes, actifs, vieux) sont approximatives, mais calibrées pour retrouver de façon satisfaisante (à quelques pourcents près) les prévisions de la première figure. L’intérêt de ce modèle SD (par opposition à faire de l’évolution des âges un autre KNU), c’est qu’il est couplé avec d’autres variables du modèle. Sous des hypothèses « moyennes », on retrouve le calibrage d’origine, mais le réchauffement produit un effet sur l’évolution de la population.

 

3. Économie

Le sous-modèle M4, qui gouverne l’évolution de l’économie, et en particulier celle du PIB, a évolué constamment. Dans la version précédente (v8), nous avions fait évoluer le modèle pour pouvoir le calibrer à la fois depuis 2010 et depuis 1980, ce qui avait conduit à introduire la notion de « decay / délabrement », l’idée que les actifs se délitent avec le temps (une idée clé du modèle World3 de « The Limits To Growth »). CCEM est basé sur la distinction entre deux trajectoires : 

• Le PIB « maximal théorique », appelé « maxOutput », qui correspond à l’évolution prévue en fonction des évolutions des investissements et de la population ;
• Le PIB contraint, qui tient compte de deux limites : l’énergie qui devient plus rare et les dommages liés au réchauffement climatique.

Le PIB « théorique » est lui-même obtenu en fonction de deux composantes, en suivant un cadre général qui s’inspire du modèle de croissance de Solow :

• La valeur produite par les actifs disponibles, modulo la désintégration continue. Cette valeur dépend également de la population active (modèle de Solow) mais avec la possibilité de moduler cette influence si l’on fait l’hypothèse du remplacement de la force de travail par des robots ou par l’IA (ce qui est nouveau en v9).
• La génération de nouveaux actifs à partir des investissements. La formule clé est celle du « retour sur investissement », dont l’objectif est de rester simple (suivant l’objectif SD de faire un modèle « from first principles ») mais qui puisse reproduire la réalité passée de façon grossière. CCEM introduit des facteurs connus : la compétitivité du coût du travail et le poids des dépenses sociales, ce qui reste à expliquer est un facteur KNU (inconnu connu) qui représente l’efficacité du bloc géographique du point de vue de l’utilisation de la technologie et l’efficacité de l’écosystème d’innovation. Il se trouve que la nécessité de ce facteur, et l’analyse de ce qu’il représente, sont superbement expliquées dans le livre « Le Pouvoir de la destruction créatrice », écrit par Philippe Aghion, Céline Antonin et Simon Bunel.

Il y a un double couplage entre le résultat du modèle précédent (population active) et M4 : un facteur de productivité existe, qui peut évoluer selon l’inconfort (la variable pain du modèle), et le facteur précédemment évoqué permet de moduler l’impact du déclin de la population active sous hypothèse de remplacement par l’IA. La figure suivante représente la modélisation de M4 du point de vue de la dynamique des systèmes. Le haut de la figure représente la composition du « PIB théorique » tandis que les deux bulles du bas représentent l’impact négatif du manque d’énergie et des dommages causés par le réchauffement climatique. Un couplage qui n’est pas représenté sur cette illustration mais qui est clé concerne l’influence de « pain » sur « labor productivity ». Bien que très grossier, ce couplage permet de représenter le « social unrest » dont parle Jancovici, sous toutes ses formes : absentéisme, grèves, émeutes, etc. Le mécanisme est général puisque la variable pain est fonction des manques (énergie), de la faible performance économique et de l’intensité du réchauffement climatique.

 

Le facteur KNU « Tech & Efficiency » est calibré à partir des données. La figure suivante donne la comparaison par zone géographique, et son évolution entre 2010 et 2020. L’existence de ce KNU de calibration est une facilité (elle permet de reproduire des phénomènes comme la stagnation/récession de l’Europe de 2010 à 2020, ou la baisse continue de la croissance de la Chine, qui se poursuit jusque 2025), l’objectif d’un bon modèle est de réduire la part de cette calibration exogène. La modélisation M4 est donc loin d’être terminée puisqu’il serait intéressant d’extraire de nouveaux facteurs de l’analyse de Philippe Aghion et ses co-auteurs.

 

Parmi les variables dont parle Aghion, il y a bien sûr le taux de dépense en R&D qui semble un facteur pour expliquer le graphe plus haut. C’est aussi l’avis de Antonin Bergeaud dans son excellent livre « La Prospérité retrouvée : Les leviers de la croissance au XXIe siècle », sur lequel je reviendrai dans un prochain billet : « L’un des premiers symptômes du décrochage européen se lit dans les chiffres de la recherche et développement. Aujourd’hui, l’Union européenne dans son ensemble – les États et les entreprises – consacre environ 2 % de son produit intérieur brut à la recherche et développement (R&D), un niveau stable depuis près de vingt ans ».

 

Le fait de pouvoir obtenir des trajectoires réalistes de PIB depuis 1980 ou 2010, une fois débarrassé de l’influence perturbatrice de l’inflation (tous les chiffres de CCEM sont calculés en « dollars constants de 2010 »), n’est pas une mince affaire. Pour l’illustrer, je vous renvoie à l’intéressant rapport du BCG intitulé « Beyond Tomorrow : Four Scenarios for the World in 2050 ». Je vous encourage à le lire, car l’analyse qualitative des 4 scénarios est instructive, mais j’ai des réserves sur l’aspect quantitatif. Les chiffres sur l’évolution du PIB (en dollars constants) sont très élevés, à la fois pour le futur et pour le passé (ce qui est plus ennuyeux). Je vous encourage à poser la question suivante à votre LLM favori: « Can you give me a clean estimate of real GDP growth, from 1990 to 2020, for the world, including the CAGR with inflation, the inflation ratio from 1990 to 2020, and the CAGR without inflation? ». Les réponses que j’obtiens varient entre 2.57% pour GPT et 2.8% pour Opus ou Gemini. La variation s’explique par les différentes références pour l’inflation, mais dans tous les cas on est loin des 3.2% (valeur moyenne 1990-2020, page 6 du rapport BCG). CCEM, comme ChatGPT, utilise une valeur de référence de l’inflation différente de celle de la World Bank utilisée par Opus et Claude. Puisque tous les chiffres sont traduits en dollars (avec une évidente perte de précision à cause des taux de change), utiliser l’inflation américaine sur les produits (CPI) est logique, ce qui conduit au chiffre bas de la fourchette : 2.5% sur 1990-2025.  J’ai une deuxième réserve, fondée sur ma propre expérience de modélisation et prévision de PIB : il me semble important de raisonner par zone (le passage d’une zone mondiale à la décomposition US/Chine/EU/Inde/RestOfWorld a profondément modifié la modélisation et les résultats de CCEM). J’apprécie que le rapport BCG soit fondé sur un découpage avec les 5 mêmes blocs, mais j’ai du mal à croire à une prévision de 5% de croissance (hors inflation) sur le PIB mondial, même dans un scénario poussé par les progrès de l’IA. Si vous lisez le rapport, méfiez-vous des chiffres de « world trade » qui utilisent une méthodologie discutable consistant à compter deux fois les flux, en importation et exportation.

4. Énergie 

Dans CCEM v9, le modèle de transition énergétique est enrichi selon trois dimensions complémentaires. Tout d’abord, CCEM réintroduit une sensibilité de la vitesse de transition aux prix de l’énergie : la transition reste pilotée par les politiques propres à chaque zone, comme dans les versions récentes, mais le rythme effectif des substitutions peut désormais aussi dépendre du niveau des prix. Ensuite, la contrainte physique sur le taux maximal de croissance des capacités d’énergie propre (maxGrowth) a été recalibrée à partir de données récentes de l’IRENA, avec en parallèle la correction d’un problème dans la manière dont cette contrainte était appliquée aux différentes zones dans v8. Ce paramètre constitue un « Known Unknown » particulièrement important, car les scénarios de type net-zero reposent implicitement sur l’hypothèse d’une accélération très forte du déploiement des énergies propres par rapport à celle observée récemment. Enfin, v9 rend plus explicite l’incertitude sur les ressources fossiles en distinguant les réserves actuellement connues des ressources susceptibles d’être découvertes dans le futur : là où les premières versions de CCEM utilisaient essentiellement les réserves prouvées, et où v8 s’appuyait au contraire sur un total « prouvé + futur », v9 retient par défaut une hypothèse intermédiaire, tout en permettant dans G2WS d’explorer l’ensemble de l’intervalle. Ces évolutions prolongent les apports de v7 sur les gains d’efficacité associés aux substitutions énergétiques et ceux de v8 sur les matrices de transition sectorielles, en rendant le modèle progressivement plus explicite sur les contraintes physiques, technologiques et économiques de la transition.
Pour apprécier la suite de la discussion, il est utile de rappeler deux ordres de grandeur :

• La production d’énergie renouvelable (solaire, éolien, hydraulique), selon IRENA, est passée de 4,1PWh en 2010, à 7,6PWh en 2020 et à environ 10PWh en 2025.
• L’électrification de l’énergie, si on la définit simplement comme le ratio d’énergie électrique produite sur la production d’énergie primaire, est un paramètre clé très bien suivi par les électriciens et qui évolue lentement mais sûrement : 9,6% en 1980, 13,4% en 2000, 17,8% en 2025.

J’ai déjà utilisé ces ordres de grandeur dans des billets précédents ; ils permettent de lire certaines propositions avec un peu de prudence. Dans le rapport « climate change 2023 » du GIEC, on lisait que « solar and wind mitigation » pourraient permettre d’économiser 8Gt de CO2 d’ici 2030, soit 2.6Gtoe = 30 PWh. Je vous laisse juge de la vraisemblance de cette prévision.

Je vais revenir brièvement sur le rapport du BCG mentionné plus haut et sur deux de ses scénarios : le scénario 1 « AI Abundance » dans lequel le PIB augmente de 5% avec une consommation énergétique à 45% d’énergie fossile et 55% d’énergie propre, et un taux de 85% d’électricité décarboné ; et le scénario 2 « Climate Coalition » dans lequel le PIB augmente de 2.5%, avec une énergie à 35% d’énergie fossile / 65% de propre et une électricité décarbonée à 92%. Comme le document ne donne pas les valeurs de production d’énergie, je les ai évaluées à partir de la courbe de dématérialisation du PIB, pour pouvoir obtenir les deux KPI précédemment évoqués : le taux d’électrification des usages en 2050 et le nombre de PWh « clean » ajoutés de 2025 à 2050. Je vous épargne les détails ; dans le premier scénario, pour 189 PWh annuels en 2050, on obtient 65% d’électrification et 87PWh de nouvelle électricité décarbonée ; pour le second scénario, c’est 140 PWh (niveau de 2010) correspondant à 70% d’électrification des usages et 70 PWh de nouvelle électricité propre installée. Ceci conduit à deux remarques :

• Ces scénarios ne respectent pas les contraintes physiques du déploiement des capacité renouvelables (la production n’est pas le goulot d’étranglement), ni surtout la viscosité du déplacement des usages, de l’énergie fossile vers l’électricité. Je ferais d’ailleurs le même commentaire pour le scénario de décarbonation évoqué par Jean-Marc Jancovici dans son interview ...
• La seule façon d’obtenir de tels taux d’électrification en 2050 est de faire réduire le PIB, en renonçant à des usages fossiles. On peut l’imaginer pour des « dictatures vertes » en Europe, mais sûrement pas pour le monde dans son ensemble.

Cela n’enlève pas l’intérêt de l’analyse prospective proposée par le BCG avec ses 4 scénarios, mais cela montre l’intérêt d’une approche SD avec un calibrage soigneux des ordres de grandeur. Je vais conclure avec une anecdote amusante : il y a tellement de rapports faux sur le Web que nos LLMs se trompent très souvent sur les questions énergétiques. Il est alors savoureux de leur faire refaire les calculs étape par étape, jusqu’à ce qu’ils admettent « vous avez raison, je m’étais lourdement trompé dans mon évaluation ».

5. G2WS : Résultats et Simulateur 

Dans cette 5e section, je vais commenter quelques résultats de simulation. J’utilise ici le simulateur G2WS accessible à tous. Une fois de plus, répétons que quelques images ne peuvent pas reproduire la richesse du modèle dynamique qui permet d’explorer les dépendances entre les différents paramètres. La figure suivante décrit le « scénario médian » (lorsque les curseurs de G2WS sont à la moitié, ce qui signifie la valeur la plus naturelle suite au data mining de calibration, ce qui ne veut pas dire « probable » ou « meilleure approximation », puisque beaucoup de ces paramètres sont des KNUs). Les résultats se caractérisent par:

• Une consommation d’énergie qui augmente jusqu’en 2060, pour revenir ensuite au niveau de 2010. Le « peak Oil » est un long plateau de 2030 à 2060. Le taux d’électrification augmente doucement jusqu’à 35% (voir plus loin selon les hypothèses de transition énergétique).
• Une économie qui souffre du manque d’énergie, du choc démographique et des dommages climatiques. En dollars constants, on passe de $67T en 2010 à 160 en 2100, mais surtout avec un début de repli. Par rapport aux versions précédentes de CCEM, le poids des réserves fossiles, la lenteur de l’électrification et la baisse démographique se font sentir.
• Des émissions qui mettent beaucoup de temps à trouver une trajectoire décroissante (plateau de 2040 à 2070). Le CO2 passe de 415 ppm à 620 à la fin du 21e siècle, pour une température de 16.9C.

La partie la plus intéressante d’une simulation « dynamique des systèmes » est d’observer les sensibilités. Sans surprise, la trajectoire globale est très dépendante de la quantité de réserves fossiles. Jean-Marc Jancovici parle des réserves comme « un placard de taille inconnue que l’on vide », mais le prix d’extraction est lui aussi inconnu. La figure suivante contraste, dans sa partie gauche, les réserves fossiles connues en 2025 (avec l’incertitude qui existe déjà sur le premier chiffre) et les réserves estimées en ajoutant les futures découvertes (bien sûr, l’incertitude augmente). La partie droite montre les deux scénarios : les réserves sûres et les réserves « prévues ». On voit que cela change tout : le profil de consommation, le PIB, les émissions et donc le réchauffement.

L’illustration suivante reproduit une investigation de la capacité à augmenter les énergies renouvelables. La première illustration à gauche consiste à augmenter les limites de production d’énergie renouvelable (production et déploiement). On voit qu’il ne se passe rien du point de vue du profil énergétique : il ressemble au scénario médian. Le goulot d’étranglement est ailleurs, l’illustration du milieu représente ce qui se passe si le monde conduit une politique énergique de transition énergétique du point de vue des usages, c’est-à-dire une politique d’électrification agressive. On voit un premier changement plus significatif. Ce levier est un levier « politique » qui décrit la volonté des pays f’effectuer cette (couteuse) transition. Les limites physiques, telles qu’énoncées par Vaclav Smil, sont un KNU de CCEM. L’illustration de droite représente ce qu’on obtient en déplaçant ce KNU avec un curseur, si l’on pense que l’électrification peut s’accélérer de façon significative. Dans ce cas, on obtient un profil plus décarboné avec une électrification à 50%, un PIB plus haut parce que la tension sur les énergies fossiles se fait moins sentir, et une réduction (modeste) des émissions de CO2.

 

La dernière illustration qui suit montre l’impact de l’utilisation de l’IA et des robots sur l’évolution du PIB. La colonne de gauche représente le monde, tandis que celle de droite est un zoom sur la Chine, qui est particulièrement exposée à la diminution de sa population active. La partie basse de la figure représente les résultats obtenus sans faire appel au remplacement (cela ne veut pas dire sans impact de l’IA, qui fait partie du « tech factor » qui accélère le RoI, mais sans impact sur les ressources humaines nécessaires à la conduite des activités). Dans cette partie basse, le GDP suit un modèle de croissance de Solow (human x capital) et l’absence de population active a un impact sensible. Dans chaque cas, la figure représente ce que nous avons expliqué dans la section 4 : La partie rouge est l’évolution du PIB réel, les couches colorées représentent les pertes de PIB (par rapport à un maximum théorique) dues aux dommages climatiques, au manque d’énergie abondante et bon marché et à la perte de productivité. On voit à la fois des pertes significatives (les dommages à 5% du PIB – ce qui est un des KNUs du modèle), mais pas d’effondrement non plus.         
La partie haute représente les résultats quand on laisse chaque pays déterminer sa politique de remplacement par l’IA (et robots).  Dans le cas de la Chine, la valeur optimale est 100%, ce qui signifie remplacer toute la partie de la population active qui a disparu suite à la transition démographique.

 

Je termine ici, mais il y beaucoup d’autres analyses de sensibilité qui sont intéressantes et significatives. Le facteur de dématérialisation de l’économie est un KNU qui change beaucoup (par construction) la quantité de valeur que l’on peut produire pour une quantité d’énergie donnée. Il n’en reste pas moins que l’évolution depuis 40 ans, évaluée en dollars constants, est lente et à la baisse (l’efficacité énergétique augmente, mais de moins en moins vite). Il est bien sûr tentant de jouer avec les paramètres qui gouvernent le retour sur investissement, et donc la croissance, mais on s’aperçoit qu’ils ont peu d’effet sur le réchauffement, qui est majoritairement déterminé par la production contrainte d’énergie fossile. Il est également possible de jouer avec les KNUs qui déterminent l’ampleur des dommages et l’efficacité des politiques d’adaptation. Dans un « scénario médian », les conséquences sont plutôt faibles en termes de PIB même si elles sont plus fortes en termes de souffrance (pain) des populations.  Avec cette nouvelle version de CCEM, il est possible d’explorer des boucles plus complexes de rétroaction du réchauffement, en tenant compte du « social unrest » et des conséquences démographiques, ce qui sera l’objet d’un prochain billet.

 

6. Conclusion politique 

Lorsqu’on joue avec les paramètres du modèle et que l’on étudie par l’exemple les sensibilités des « facteurs connus inconnus », on se forge progressivement des convictions. Par construction, il ne s’agit nullement de preuves, mais de raffinement de ses croyances et modèles mentaux. Je vais commencer par 4 idées relativement consensuelles en 2026, mais que la pratique de CCEM permettait de cerner beaucoup plus tôt :

• Le réchauffement climatique est parti, et il dépend peu de nous (Européens, encore moins Français) d’ici 2050 (Je recite ici un excellent article, « Anticipating Climate Change Across the United States », par Adrien Bilal & Esteban Rossi-Hansberg, dont les premières pages font exactement cette constatation). Par ailleurs le « cône des émissions » (l’ensemble des trajectoires -cf. RCP – entre des bornes inférieures et supérieures plausibles) est plus fermé que ce qu’on disait il y a 5 ans : les scénarios à moins de +2°C, ou plus de +4°C, ont quasiment disparu. Les scénarios « net zero » pour 2050 apparaissent de plus en plus comme des fictions pour les enfants. Il y a de multiples « tipping points » qui peuvent amplifier les émissions mais, pour la plupart, les effets se situent sur des échelles de temps plus longues, pour les siècles à venir. Si le réchauffement au 21e siècle est « borné », ses effets restent très difficiles à prévoir, donc une forte prudence s’impose. Comme le remarque Jean-Marc Jancovici dans son entretien cité plus haut, on trouve très peu de références aux grêlons dans les prospectives « dommage » d’il y a dix ans, tandis que maintenant qu’ils ont atteint une taille spectaculaire, leurs impacts sur les immeubles et voitures se voient dans les comptes des assureurs.
• Construire une stratégie de transition énergétique qui s’assure de la compétitivité du prix de l’énergie est essentiel pour la durabilité de l’économie. On retrouve ici, pêle-mêle, l’analyse de Jancovici citée en introduction, le rapport de Mario Draghi ou le livre d’Anne Lauvergeon.
• L’économie européenne est « un mulet qu’il convient de ne pas trop charger ». L’ensemble des contraintes et régulations ajoutées depuis des décennies ont conduit à une perte de compétitivité, au sens du rapport Draghi (une fois de plus) ou de l’analyse de Philippe Aghion  (retrouvé empiriquement pendant la calibration de CCEM). Je vous recommande chaleureusement la conférence inaugurale de Philippe Aghion au Collège de France. Très profondément, il y a un manque d’humilité, voire d’arrogance, à penser que l’économie européenne peut rester compétitive avec le fardeau qu’on lui impose. Pour changer de référence, je vous renvoie à l’interview de Florent Ménégaux au Sénat en mars 2025.

 

Au-delà de ces constatations qui commencent à s’imposer, il est intéressant de dériver de l’exercice de simulation des convictions sur ce que devraient être les priorités de la France, en plus de la règle de bon sens qu’il faut arrêter de construire un modèle social à crédit.  Ce point sort du thème de ce billet, mais je vous renvoie au livre de Jean Peyrelevade, « La France : du populisme au chaos »,  dans lequel il énonce deux vérités incontournables, « La première est qu’on ne peut pas distribuer durablement des richesses qui n’ont pas été d’abord produites, sauf à les faire venir d’ailleurs (donc de les importer) et à les financer par de la dette. La seconde est que seules les entreprises sont productrices de valeurs marchandes, c’est-à-dire de richesses dont les prix sur le marché permettent de couvrir les coûts », avant d’ajouter « L’analyse est pourtant limpide. Notre appareil productif, surtaxé, n’est pas capable d’investir suffisamment pour empêcher notre taux de croissance de descendre en dessous de 1 % par an ".

1. La première priorité climatique est l’adaptation. Les effets du réchauffement qui arrivent seront de plus en plus désagréables et ils vont toucher les Français, les communautés urbaines et les entreprises de façon très inégalitaire. La solidarité de la nation est indispensable.
2. La deuxième priorité est d’appliquer une politique de transition énergétique tournée vers la décarbonation (parce que nous n’avons pas d’énergie fossile et qu’elle va manquer – cf. la section 5) sous contrainte de compétitivité des prix de l’énergie (je vous renvoie à l’excellente interview cité en introduction, ou au rapport de Mario Draghi, ou au livre d’Anne Lauvergeon)
3. La troisième priorité est, pour la France comme pour l’Europe, de devenir un leader de l’électrification. Parce que nous le pouvons, en termes de ressources comme de talents (et nous avons des grandes entreprises leaders de ce domaine), et parce que c’est le futur de toute façon (ce que montrent encore plus les simulation CCEM jusque 2200). L’Europe peut prendre un leadership qui se transformera en avantage compétitif, sans invoquer un impératif moral d’initier de nouveaux chemins technologiques qui se diffuseront plus largement dans le monde lorsque les effets d’échelle se seront construits.
4. Enfin, et uniquement en quatrième position, il faut continuer une politique de réduction des émissions, pour être un acteur crédible dans le jeu politique entre nations (cf. les COP et les accords de Paris). A l’échelle de la planète, il faut que le monde entame, puis accélère, sa décarbonation. La réduction des émissions de l’Europe est une petite contribution d’un point de vue pratique et physique, mais elle est importante d’un point de vue symbolique.

Pour terminer, il est intéressant de décliner cette pratique aux recommandations que je peux faire à une entreprise (étant donné que chaque entreprise est différente, il s’agit ici d’idées générales, et comme nous le dit Alain « les idées générales sont fausses. Ceci est une idée générale ») :

• Les entreprises doivent décliner leurs plans d’adaptation, pour protéger les hommes et les femmes, ainsi que les ressources matérielles essentielles à leur activité

• Elles doivent se préparer à l’augmentation des coûts de l’énergie sur le long terme, à la fois par la sobriété et l’efficience, et surtout par l’électrification de leurs usages (en espérant que le gouvernement ne décide pas de transférer son poids fiscal sur l’électricité).

• Le choc démographique sera moins brutal en Europe qu’en Chine … parce qu’il a déjà commencé. Il suffit de regarder les prévisions du nombre d’élèves dans les lycées d’ici 2035 pour comprendre que recruter et conserver ses talents va être plus important que jamais dans les décennies qui viennent (la démographie est une science du long terme).

• Enfin, il est essentiel de comprendre les marchés de demain (le pouvoir d’achat des Européens va baisser et la Chine va chercher des marchés pour les produits dont les clients ne sont pas des robots).