14.4 Aspects macroéconomiques de la transition énergétique

EN

Les répercussions économiques très variées des transitions énergétiques ne peuvent être rendues par un seul modèle ou une seule approche (Chang et al., 2021). Les modèles de moindre complexité sont souvent considérés comme plus appropriés pour la prise de décision, en raison de leur apparente transparence. Par exemple, dans les années 1990, le modèle Dynamic Integrated Climate Economy (DICE) [modèle dynamique d’économie climatique intégrée] a tenté de comprendre les interactions entre l’économie et les changements climatiques en ne tenant compte que de quelques variables (Nordhaus, 1992). Bien que ce modèle ait été initialement conçu à titre indicatif, certains pays s’en sont servi à des fins politiques (Mercure et al., 2016). Les modèles plus complexes peuvent être plus difficiles à exploiter, mais présentent souvent des représentations plus réalistes des systèmes économiques et énergétiques. Au-delà de ces considérations, on peut en réduire à deux approches principales pour l’évaluation des aspects macroéconomiques des transitions énergétiques.

La première approche repose sur une analyse descriptive des données historiques exprimées par un ensemble d’indicateurs; elle se prête particulièrement bien à un aperçu informatif et quantifiable de la situation actuelle. Ces approches « de base » (EPA, 2011) ou « analytiques » (Hardt et O’Neill, 2017) peuvent servir à obtenir des estimations générales. On peut considérer les modèles comme étant de nature analytique s’ils contiennent peu d’équations, qui peuvent être résolues numériquement par des techniques itératives, c’est-à-dire qu’on peut les expliciter au moyen d’équations décrivant la relation entre les différents paramètres. Toutefois, sans chercher à représenter la complexité sous-jacente entre la macroéconomie et les systèmes énergétiques, on peut caractériser ces modèles au moyen de formulations et de données relativement simples.

Les approches analytiques nécessitant moins de données d’entrée, de temps et d’expertise technique, elles peuvent également servir à des fins d’analyses préliminaires (EPA, 2011). L’évaluation au moyen de Jobs and Economic Development Impact (JEDI) [Incidence sur l’emploi et le développement économique] est un exemple de modèle permettant d’estimer les répercussions économiques entraînées par la construction et l’exploitation de centrales électriques (EPA, 2011). Les modèles fondés sur des tableaux d’entrées-sorties peuvent fournir une vue instantanée de l’économie et sont couramment utilisés pour l’analyse des interactions et des effets de rétroaction entre des secteurs industriels interdépendants (Berg et al., 2015). Un modèle analytique a été mis au point pour déterminer les effets sur le PIB par habitant de la transition des combustibles fossiles vers les énergies renouvelables (D’Alessandro et al., 2010).

En revanche, la seconde approche s’appuie sur des modèles « numériques » plus complexes (Hardt et O’Neill, 2017). Ces modèles numériques reposent sur des simulations par ordinateur et contiennent souvent un plus grand nombre d’équations et d’hypothèses. Les techniques de modélisation dans les approches numériques, comme les modèles d’équilibre général calculable (ECG) (Vrontisi et al., 2019), les modèles hybrides (Ghersi, 2015) et l’approche économétrique (Režný et Bureš, 2018; Garcia-Casals et al., 2019) se révèlent utiles lorsque la rigueur analytique est souhaitée et que l’on dispose de suffisamment de données, de temps et de ressources. Pour réaliser une analyse macroéconomique des transitions énergétiques fondée sur une approche numérique, il est nécessaire de représenter les relations entre les systèmes de production énergétique et le reste de l’économie afin de saisir comment les aspects énergétiques, socio-économiques et environnementaux interagissent (EPA, 2011; Lutz et al., 2014). La modélisation computationnelle servait déjà à la planification énergétique au milieu des années 1970, afin de comprendre les incidences du premier embargo pétrolier (Nakata, 2004).

Toutefois, les résultats des modèles numériques sont tributaires d’aspects théoriques implicites. Par exemple, les modèles d’équilibre classiques sous-entendent que toutes les ressources économiques sont actuellement allouées de la manière la plus productive possible, même si on ne peut vérifier cette hypothèse de manière empirique. D’autres études font l’objet de critiques pour leur prise en compte limitée des acteurs sociaux et des dynamiques sociopolitiques, tandis que les modèles numériques fondés sur l’analyse coûts-avantages et l’optimisation des coûts présentent de nombreuses lacunes (Hardt et O’Neill, 2017). Ces considérations mettent en doute le réalisme des représentations par les approches numériques ainsi que leur capacité à fournir des preuves fiables pour les processus politiques (Mercure et al., 2016). Il est donc crucial de présenter les hypothèses et les aspects théoriques des approches numériques de manière à permettre l’interprétation des résultats au-delà des incertitudes et des limites.

Dans l’ensemble, les approches analytiques et numériques présentent des niveaux de complexité différents et leur portée varie, mais toutes les deux reposent sur des approximations et des tendances. Les approches analytiques ont souvent recours à des reproductions simplifiées des dimensions macroéconomiques, alors que dans le cadre d’approches numériques on peut observer des difficultés à prévoir l’adoption et la diffusion des technologies (IEA, 2020b), l’évolution des comportements humains (D’Aprile et al., 2020; Larson et al., 2020) ainsi que la mise en œuvre et l’efficacité des politiques (Mercure et al., 2019). L’élément clé pour décider de la démarche spécifique à employer consiste donc à savoir si l’interface science-politique peut exploiter les résultats de ces approches afin d’éclairer des processus décisionnels particuliers.