1La montée en puissance de la modélisation constitue l’une des évolutions les plus marquantes connues par l’économie ces dernières décennies, au point d’ailleurs qu’elle se substitue de plus en plus à la théorisation au sens strict et qu’elle représente aujourd’hui une partie majeure de l’activité de l’économiste [2]. La modélisation participe au moins de deux mutations récentes de l’économie. Elle contribue, d’une part, à l’extension de ses frontières. De manière de plus en plus nette, en effet, les économistes sont tentés d’appliquer à différents « morceau(x) de réalité » un même « morceau de mathématique » [3]. Ainsi, dans la foulée de l’« impérialisme économique » initié par Gary Becker dans les années 1960 et 1970, ces dernières années ont par exemple connu le développement de l’économie du terrorisme [4], de l’économie de la guerre [5], de l’économie de la médecine [6], ou de l’économie des civilisations [7]. Dans tous les cas, la démarche repose sur l’application à divers phénomènes de quelques modèles économiques (par exemple les modèles de rationalité individuelle ou les modèles de jeux stratégiques), qui permettent de reproduire divers faits stylisés. Par ce biais, l’économie quitte ainsi de plus en plus nettement ses « fondamentaux » pour investir de nouveaux champs [8] et même pour conquérir de nouvelles disciplines. D’autre part, la modélisation constitue un instrument qui, à bien des égards, va dans le sens de la construction d’une « science sociale dure » : par le biais des modèles, l’économie se dote d’un équivalent des cadres expérimentaux auxquels recourent certaines sciences de la nature. Un modèle, en effet, renvoie aux « expériences que nous aimerions réaliser afin de voir si certains phénomènes économiques réels, lorsqu’ils sont isolés artificiellement d’‘autres influences’, vérifient certaines hypothèses » [9], et pour Robert Lucas, le chef de file de la « Nouvelle École Classique », les modèles sont des « systèmes économiques artificiels » [10] qui « peuvent servir de laboratoires dans lesquels on peut tester à des coûts très inférieurs des politiques dont l’expérimentation se ferait à un prix prohibitif dans les économies réelles » [11], « quelque chose que l’on peut faire entrer dans un ordinateur et faire tourner » [12]. Dans le cadre de ces modèles, l’économiste peut alors raisonner, développer des « récits » [13], se livrer à des exercices de prévision, reproduire des faits stylisés, ou simuler des mécanismes et des variantes, dans une perspective positive ou normative.

Histoire de modèles

2Une brève mise en perspective historique permet de comprendre la place qu’occupe aujourd’hui la modélisation dans la recherche économique, et même le pouvoir qu’elle confère à la discipline. Le développement de la modélisation – associé à celui de l’économétrie et de l’utilisation des mathématiques – a en effet joué un rôle sociologiquement important, permettant à l’économie de « s’engager dans la voie royale de la science » [14] et de se positionner comme la plus « scientifique » des disciplines humaines et sociales. Ce positionnement résulte de la combinaison d’une démarcation vis-à-vis d’approches littéraires ou graphiques et d’une stratégie de conquête s’inspirant ou se revendiquant (par le biais d’analogies, analytiques ou méthodologiques) des sciences de la nature.

3La modélisation est d’abord le résultat d’un travail de démarcation. Lorsque, dans les années 1870, Léon Walras dévoile son modèle d’équilibre général – un modèle abstrait, purement mathématique –, il rompt radicalement avec le style d’exposition et d’analyse de l’économie politique française du siècle, qui reste très majoritairement littéraire et parfois très descriptive [15]. Quelques décennies plus tard, lorsque la modélisation économétrique commence à se déployer, la jeune Cowles Commission [16] effectuera un même travail de démarcation vis-à-vis du National Bureau of Economic Research [17], dont les choix méthodologiques visent non à construire des modèles structurels, mais à connaître, en particulier sur la base d’un suivi statistique, l’économie en l’inscrivant dans une perspective large [18]. La controverse Koopmans-Vining sera ainsi l’occasion pour Koopmans de positionner la méthodologie de la Cowles Commission comme représentative de l’« âge de Newton », le NBER et sa collecte de données étant considérés comme restant au stade d’une « mesure sans théorie », au stade « de Kepler » [19]. Plus récemment, la modélisation financière s’est imposée par le même processus : son approche est supposée relever de la « connaissance scientifique », le chartisme étant relégué à de la « superstition », à du « folklore » [20] ; Olivier Godechot montre clairement de quelle manière, au sein des salles de marché, le chartisme peut être considéré comme du savoir « païen » [21] ou « parascientifique » [22], méprisé par les modélisateurs.

4Par ce travail de démarcation, l’approche s’imposera progressivement en économie. Elle revendique une scientificité reposant sur des analogies récurrentes (analytiques ou méthodologiques) avec les sciences de la nature [23]. Une mise en perspective historique est instructive. Le Tableau Économique de François Quesnay, modèle graphique et algébrique indissociable de la « science nouvelle » des Physiocrates [24], trouve ses origines dans l’identification par William Harvey du circuit sanguin comme dans les sciences expérimentales et le machinisme de son temps [25] ; dans la seconde moitié du xix^e siècle, des formes mathématiques de modélisation se développent, dont les représentations emblématiques – le modèle d’équilibre général de Léon Walras ou les modèles d’échange ou de comportement humain de Stanley Jevons [26] – visent à ériger une « mécanique sociale » [27] ; dans les années 1930, le terme même de modèle est introduit en économie, quasi simultanément, par Georges Guillaume en 1932 puis par Jan Tinbergen en 1935 [28], sur la base de rapprochements avec la physique [29]. Plus généralement, les années 1930 et 1940 verront l’économie s’ouvrir de manière décisive à cette approche, par le biais du développement de l’économétrie et des modèles mathématiques [30] – une institution comme la Cowles Commission sera à cet égard un vecteur de diffusion particulièrement important. Une partie de la modélisation macroéconomique et économétrique est alors inaugurée par des auteurs ayant reçu une formation de physicien [31], ou est étroitement inspirée d’avancées issues de la physique [32]. Depuis 1945, cette tendance ne connaîtra aucune inflexion – une évolution favorisée par les interactions entre économie, industrie, et industrie militaire durant la guerre froide [33] ou par le mode de formation des économistes [34]. La place qu’occupe dans la discipline John von Neumann est à cet égard révélatrice [35]. La modélisation pourra alors conquérir progressivement de multiples branches de l’économie, même celles qui y semblaient réfractaires [36].

5Tout en cultivant ses particularismes, la modélisation économique a ainsi pu offrir à l’analyse économique des bases expérimentales : le modèle apparaît comme un cadre expérimental qui est l’équivalent de celui que l’on peut trouver dans les sciences de laboratoire. Depuis une quinzaine d’années, la modélisation économique a suscité une littérature méthodologique significative. Celle-ci a en particulier permis d’établir la spécificité des modèles comme instruments [37] – instruments de « médiation » entre la théorie et le réel [38], instruments de simulation [39], instruments de prévision [40], instruments de questionnement [41] ou d’investigation [42]. De cette littérature émerge clairement le positionnement complexe des modèles vis-à-vis du réel : ils peuvent parfois être radicalement déconnectés du réel (il s’agit alors de modèles totalement abstraits), et dans d’autres cas ils peuvent entretenir des rapports de divers ordres avec le réel – reproduction de données, prévision, définition de types idéaux, confection de politiques économiques. Mais, comme toute représentation, ils se démarquent nécessairement du réel : ils constituent des constructions basées sur des hypothèses (implicites ou explicites) et, en tant que cadres expérimentaux, ils reposent sur des conditions d’isolation. Même s’ils entretiennent des rapports avec le réel, ils n’en sont qu’une représentation, partielle ou idéale. Les modèles sont ainsi, par principe, des « fictions » [43] et, par leur biais, l’économie apparaît de plus en plus nettement comme une « science fiction » [44].

Nature et usages des modèles

6C’est à ce courant de recherche que peut être rattaché l’ouvrage de Marcel Boumans, How economists model the world into numbers. L’objectif est de définir une méthodologie des modèles économiques – et donc aujourd’hui d’une grande partie de l’économie –, de comprendre de quelle manière ces objets spécifiques et « autonomes » (3), ces « instruments de recherche » (2) se construisent, fonctionnent « en tant que représentations », ou d’analyser « la robustesse de l’information qu’ils fournissent » (175), à travers en particulier leur association à la mesure et à la connaissance quantitative qu’ils nous livrent sur le monde et qui nous permettent de lire ce monde. À ce titre, l’une des originalités de l’ouvrage est de montrer en quoi les modèles constituent des instruments de mesure.

7L’ouvrage se compose de six chapitres. Le chapitre introductif explicite d’abord certaines caractéristiques des modèles : ils constituent des agents « autonomes » [45], non matériels, dont la construction repose sur l’intégration, subtile [46], « de notions théoriques, de vues politiques, de concepts et de techniques mathématiques, d’analogies et de métaphores, et également de données empiriques et de faits » (3). L’analyse est en particulier illustrée par deux modèles construits au début des années 1930 : le modèle du cycle de Michael Kalecki et le modèle de construction navale de Jan Tinbergen. Le chapitre 2 (« A New Practice ») retrace certaines origines historiques de la modélisation économique, en particulier les premiers modèles macroéconométriques construits par Jan Tinbergen dans les années 1930. Cette histoire permet de faire apparaître le nouveau sens que le terme de « modèle » commence à acquérir durant cette période en économie – celui d’un modèle mathématique – et, au-delà, de quelle manière Tinbergen s’inspire de nouvelles orientations de sa discipline d’origine : la physique. Le chapitre 3 (« Autonomy ») examine la manière dont les modèles peuvent viser à identifier et mesurer des relations autonomes, c’est-à-dire invariantes ou structurelles – comme le montre Marcel Boumans, une quête qui remonte aux années 1930. Ici, l’accent est en particulier mis sur le rôle croissant des considérations a priori (en particulier théoriques) et des théories de la causalité (dans ce dernier registre, une place particulière est accordée à Herbert Simon). Dans le chapitre 4 (« Design of Experiments »), Marcel Boumans examine la question du contrôle de l’environnement en modélisation. Un certain nombre de travaux récents [47] analysent en effet la manière dont les modèles peuvent ou non être considérés comme le strict équivalent d’un cadre expérimental dans certaines sciences de la nature. Marcel Boumans revient sur cette question à travers une analyse des stratégies développées par trois auteurs. Tout d’abord, Milton Friedman, défenseur du ceteris paribus marshallien [48] et de la qualité prévisionnelle, tout en défendant l’irréalisme des modèles – une méthodologie souvent critiquée et dont certaines ambiguïtés fondamentales sont ici levées [49]. Ensuite, Herbert Simon, dont l’analyse de la complexité conduit à envisager la possibilité de décomposer un système complexe en sous-systèmes liés, pouvant être traités comme des « boîtes noires » (85). Enfin, Robert Lucas, qui développe des modèles conçus comme des « économies artificielles ». Sur cette base, Marcel Boumans explique en particulier de quelle manière l’économiste envisage la stricte notion d’« expériences contrôlées » (102), et de quelle manière des « systèmes analogues » peuvent nous « informer » (105). Dans le chapitre 5 (« Measurement »), l’association entre modèles et mesure est abordée. Après une analyse de la notion de mesure, et de ses diverses acceptions, le rôle des procédures actuelles de calibrage en économie (qui se déploient principalement depuis les années 1980) est en particulier examiné. En n’occultant pas les possibles travers de l’approche, Marcel Boumans explique de quelle manière un modèle calibré peut devenir un référent, et les modèles économiques des instruments de mesure. Enfin, le chapitre 6 (« Rigour ») traite de la manière dont les modèles (ici analysés à travers le prisme de la construction des nombres-indices, et en particulier les travaux de Irving Fisher au début du xx^e siècle) exigent des critères particuliers d’évaluation : ces critères ne doivent pas être recherchés du côté de la rigueur axiomatique mais relèvent plutôt du pragmatisme, parce que la modélisation relève plus d’une science de l’ingénieur que de la pure logique.

8Ce résumé est loin d’épuiser le contenu de cet ouvrage. Si l’auteur présente sa recherche en mettant l’accent sur une trame méthodologique (17), en particulier sur la nature des « réglages fins » qui accompagnent la confection des modèles, la démonstration repose étroitement sur une analyse historique solide, et c’est à ce titre que l’ouvrage peut intéresser les lecteurs de la Revue d’Histoire des Sciences Humaines. En effet, l’une des grandes vertus de l’ouvrage est de pouvoir être lu dans une perspective méthodologique comme dans une perspective historique, sur laquelle je me concentrerai ici. Car How economists model the world into numbers est une contribution particulièrement riche à l’histoire de l’émergence et du développement de la modélisation économique et de l’économétrie, depuis le début du xx^e siècle. Sans viser une quelconque exhaustivité, le lecteur pourra y trouver des analyses solides de la méthodologie de Irving Fisher, des travaux pionniers menés dans les années 1930 en matière de modélisation du cycle économique (ceux de Ragnar Frisch, Michael Kalecki, et Jan Tinbergen), de l’émergence de la méthodologie de la Cowles Commission (et sa démarcation vis-à-vis d’approches telles que celles des baromètres des affaires), de l’évolution du programme de recherche des économètres – avec un accent particulier sur les modifications ayant affecté la construction des modèles, par exemple en terme de rapport au réel et d’utilisation des données [50] –, et des fondements de la macroéconomie contemporaine, à travers des lignes de force structurantes et soigneusement étayées. L’analyse de la position de Robert Lucas est ainsi fort convaincante. Ce dernier puise en effet des ressorts dans certains travaux de la Cowles Commission (92) pour orienter totalement la modélisation économique vers la construction de « systèmes analogues », de « mondes artificiels », d’instruments de pure reproduction de traits du réel mais qui permettent, cependant, d’en identifier des propriétés essentielles. De même, les développements sur le calibrage, une pratique qui se développe depuis les années 1980, contribuent de manière importante à la compréhension de l’histoire de l’analyse économique récente – en particulier la confection de modèles comme « instruments de calibrage » (125).

9Mais, sur le plan historique, il y a plus. L’ouvrage de Marcel Boumans est, une fois de plus, instructif dans la mesure où il restitue fort bien le fait que l’histoire de la modélisation économique ne peut être saisie indépendamment d’une histoire plus générale des sciences. Dès ses origines, nous l’avons vu précédemment, la modélisation économique ne peut être dissociée d’analogies avec les sciences de la nature. L’auteur analyse ainsi, avec pertinence, ce que la méthodologie de Tinbergen doit à la physique [51], sa discipline d’origine, et, au-delà, la manière dont la définition et la pratique de la modélisation économique ont pu trouver un appui sur la modélisation en physique. De même, on peut découvrir dans cet ouvrage de nombreux développements sur l’histoire de ces éléments externes qui rythment l’essor et le développement de la modélisation économique – la mesure, la géométrie, les mathématiques, ou l’intelligence artificielle.

10À certains égards, cet ouvrage peut dérouter. D’abord parce qu’il exige une connaissance préalable certaine de la modélisation économique (en particulier économétrique) et de son histoire [52]. Ensuite, parce que, sur le plan philosophique, la nature même de la connaissance fournie par la modélisation est peut-être rapidement évacuée. Il est par exemple supposé qu’un modèle permet de « comprendre » (45, 48). Pourtant, comme le montre par exemple Gilles-Gaston Granger, les modèles, et la simulation qui leur est désormais associée, ne produisent que des faux-semblants – « simuler n’est pas comprendre », explique-t-il [53]. Enfin, l’ouvrage est présenté de manière aride, et pas toujours suffisamment explicite. La part de l’analyse historique et de l’analyse méthodologique y reste également parfois ambiguë – sauf si l’on admet que l’auteur développe une certaine nostalgie de pratiques passées – et les conclusions tirées d’épisodes particuliers ne sont pas toujours clairement dégagées.

11Cependant, le lecteur intéressé par l’histoire de la modélisation économique comme par l’histoire de l’analyse économique contemporaine pourra trouver dans cet ouvrage de très riches enseignements. Marcel Boumans y fournit en effet des clés originales et essentielles pour comprendre ce qu’est aujourd’hui l’économie. Et, ajouterons-nous, ce qu’elle n’est pas : car, par un effet de miroir particulièrement instructif, une partie de la modélisation contemporaine semble bien éloignée de ce que devrait ou pourrait être pour Marcel Boumans la modélisation économique : une clé de compréhension du monde. En creux, alors, apparaissent certaines formes de pragmatisme exacerbé ou de laxisme ambiant [54], en particulier dans la manière dont l’économie tente aujourd’hui de conquérir de nouveaux territoires, d’une manière très instrumentale, incluant souvent beaucoup de partis pris idéologiques mais souvent basée sur peu de considérations ontologiques et sur un faible respect de l’histoire.