Partagez cette page :

Quelle attitude convient-il d’adopter face à un projet tel que le stockage géologique des déchets nucléaires, étant donné l’état de nos connaissances, de ses avantages, de ses coûts et des risques ? En matière de politiques publiques comme dans le monde économique et dans la vie commune, de tels problèmes de décision en présence d’incertitude abondent. Les risques sociaux, tels que ceux liés aux catastrophes naturelles, aux grands accidents industriels ou aux épidémies, en sont des archétypes, et constituent de ce fait un terrain d’étude fertile pour les sciences sociales. La science économique ne fait pas exception, et elle a tenté d’approcher le sujet tant sur le plan conceptuel que sur celui des applications. Nous proposons ici un survol de ces approches, de leurs enseignements et de leurs limites.

1. La théorie

Une grande partie de la théorie économique moderne est fondée sur le choix de l’individualisme méthodologique : son objectif premier est de rendre compte de façon satisfaisante des comportements individuels ; lorsqu’elle s’intéresse à des dynamiques ou des choix collectifs, elle tente de les reconstituer à partir de l’échelon individuel, quitte à accepter pour cela des hypothèses fortement simplificatrices. C’est aussi la voie principale suivie par la théorie dans le domaine qui nous intéresse.

Le principal cadre conceptuel relatif aux choix et comportements individuels en présence d’incertitude est celui de la théorie bayésienne de la décision. Il représente le problème d’un décideur qui ne connaît pas les conséquences de ses actes de façon certaine, mais qui est capable d’en faire un inventaire complet, et aussi d’exprimer des préférences entre les actes qui lui sont proposés. La théorie de la décision détermine des conditions nécessaires et suffisantes pour que ces préférences soient décomposables en une distribution de probabilités et une fonction d’utilité, que le décideur combine selon le critère bien connu d’espérance d’utilité : entre deux options, il préfère celle qui maximise l’espérance de son utilité selon des probabilités reflétant son incertitude à l’égard des conséquences de son choix. L’un des attraits de ce résultat est qu’il appréhende naturellement le comportement d’aversion pour le risque, qui est notamment à l’origine de l’assurance.[1] La théorie distingue en outre les situations où la distribution de probabilités est préétablie (ou « objective ») de celles où elle est implicite aux choix du décideur et semble refléter ses croyances personnelles (sous forme d’une distribution de probabilités « subjectives »).[2] Il est convenu de qualifier les premières de situations de risque et les secondes de situations d’incertitude.

Ce cadre de référence a constitué le socle de nombreux résultats théoriques en économie et en finance. Pour ses auteurs, il représentait l’un des piliers de la construction d’une « science économique » au sens de l’empirisme logique : un champ d’investigations théoriques dont les principaux résultats (ici la maximisation de l’espérance d’utilité) sont déduits à partir d’une axiomatique claire (les conditions nécessaires et suffisantes portant sur les préférences du décideur) et peuvent être testés empiriquement. Son ancrage positiviste se doublait d’une ambition normative. En effet, comme il peut être facilement montré qu’un parieur dérogeant au critère d’espérance d’utilité courrait à sa ruine (argument dit des paris hollandais), les axiomes de la théorie de la décision ont souvent été interprétés comme une norme de rationalité individuelle.

À peine formulés, cependant, ces axiomes, ainsi que l’idée qu’ils pourraient constituer une norme comportementale, firent l’objet de critiques fondamentales. Les premières mises en cause prirent la forme d’expériences de pensée dans lesquelles des attitudes naturelles face à une situation particulière d’incertitude entraient en contradiction avec les hypothèses de la théorie.[3] Les psychologues Daniel Kahneman et Amos Tversky s’employèrent tout au long des années 1970 à montrer, cette fois à partir d’expériences réelles, que les préférences des individus s’écartaient en tous points des critères de rationalité de la théorie bayésienne, par exemple en se montrant sensibles aux effets de « cadrage ».[4] Dans le prolongement de leurs travaux, des études dites psychométriques montrèrent que les appréciations individuelles du risque dépendaient d’aspects qui n’entraient pas dans le cadre conceptuel de la théorie, comme le caractère volontaire ou subi de la situation, ou encore l’angoisse liée à l’hypothèse d’un accident.[5]

Cette littérature suscita des réactions importantes dans le champ de la théorie de la décision. La branche empirique de la discipline abandonna progressivement le cadre bayésien et, en s’enrichissant des apports de la psychologie puis des sciences cognitives, contribua à la naissance de l’économie comportementale. La branche théorique chercha à élargir la représentation du comportement humain à des phénomènes tels que l’envie, le regret, l’impatience ou la préférence pour la flexibilité. L’un de ses principaux axes de réflexion fut la remise en cause de l’hypothèse (fondamentalement bayésienne) selon laquelle tout état d’incertitude peut être entièrement résumé par une distribution de probabilités subjectives. Pour rendre compte des situations où le décideur ne peut pas se donner des probabilités avec une grande précision ou une grande confiance, comme lorsqu’il fait face à une technologie ou une maladie nouvelles, les chercheurs proposèrent de distinguer une nouvelle catégorie de situations d’incertitude qualifiée d’ambiguïté.[6] Le décideur peut alors montrer une aversion pour l’ambiguïté qui vient se cumuler à son aversion pour le risque.

Pour passer des décisions individuelles aux décisions collectives, la principale piste suivie par la théorie est celle de l’agrégation des préférences. C’est là le domaine de la théorie du choix social, qui s’intéresse aux conditions dans lesquelles les préférences de la société peuvent être dérivées à partir de celles de ses membres. John Harsanyi a montré qu’en présence de probabilités objectives, un décideur social pouvait s’appuyer sur une combinaison linéaire des utilités individuelles tout en respectant à la fois les conditions de rationalité de la théorie de la décision et des critères minimaux de représentativité.[7]

L’hypothèse d’existence de probabilités objectives ou, plus précisément, l’absence de relation entre la distribution de probabilités utilisée par le décideur social et celles des individus peuvent être considérées comme une limitation du théorème d’agrégation de Harsanyi. Mais les choses se compliquent dès que l’on cherche en outre à agréger les probabilités individuelles en se déplaçant de l’univers du risque dans celui de l’incertitude. Les critères de représentativité entrent alors en conflit avec les conditions de rationalité de la théorie de la décision, aboutissant à des résultats d’impossibilité.[8]

En raison de ces difficultés, l’essentiel des développements théoriques s’intéressant aux problèmes de décision collective se réfère à une situation de risque où, de surcroît, le décideur public est considéré a priori représentatif. Les applications du modèle d’utilité espérée permettent alors d’étudier les choix collectifs statiques et dynamiques face au risque.[9] L’un des avantages prêtés au modèle dans un contexte de risque social est le résultat de neutralité collective au risque : si la population est suffisamment grande, le décideur social peut n’avoir aucune aversion au risque en raison de la faiblesse de la part de risque portée par chaque individu.[10] En évitant ainsi la tâche délicate d’estimation d’un degré d’aversion collective pour le risque, on se ramène à un critère de décision fondé sur la simple comparaison des avantages et des coûts espérés.

2. Les applications

A l’instar des développements théoriques, les évaluations pratiques des risques sociaux ont été parcourues par les tensions entre la représentation des comportements face à l’incertitude tels qu’ils sont et la définition de choix rationnels tels qu’ils devraient être. L’approche empirique du risque social s’est articulée autour de la notion d’acceptabilité, qui a gagné en influence au point de devenir, depuis les années 1990, un instrument central de gestion et de communication des risques sociaux, notamment dans le domaine industriel et technologique. Son origine remonte à des travaux qui, à la fin des années 1960, simplifiaient à l’extrême l’approche de la théorie de la décision.

En 1967, dans le cadre d’échanges internationaux sur la sûreté des centrales nucléaires, Frank Farmer proposa de définir le seuil d’acceptabilité du risque posé par ces installations à partir d’une droite tracée de façon relativement arbitraire dans le plan (probabilité d’un accident, logarithme des conséquences).[11] La proposition de Farmer constituait un progrès notable par rapport aux pratiques de l’époque, qui consistaient à ne prendre en compte que la probabilité d’un hypothétique « accident maximal crédible ». Elle relevait cependant d’un raisonnement d’ingénierie de la sûreté qui ne s’intéressait pas à l’ensemble des coûts et avantages en jeu pour la société.

Deux ans plus tard, Chauncey Starr publia une étude dans laquelle il faisait figurer sur un diagramme (bénéfices, risques) une vaste gamme de situations de risque, allant des catastrophes naturelles à la guerre du Vietnam, en passant par le ski ou les déplacements en voiture.[12] Les risques étaient mesurés par une probabilité de décès par heure d’exposition, et les bénéfices par une estimation de surplus économique. La position des points délimitait une plage bordée en bas par une courbe d’aspect logarithmique regroupant les situations subies et en haut par une deuxième courbe reliant les situations choisies. Ces courbes, selon Starr, reflétaient les préférences de la société dans ses choix de situations à risque, notamment de technologies risquées, à la manière de la méthode des préférences révélées en économie. Elles permettaient, disait-il, de déterminer si les risques posés par une technologie étaient acceptables au regard des bénéfices qui en étaient attendus.

L’approche de Farmer avait néanmoins l’avantage d’une plus grande simplicité et dans les décennies suivantes, l’acceptabilité du risque, abusivement simplifiée sous forme d’un seuil de probabilité annuelle pour un accident d’un certain type ou un décès causé, devint une notion centrale pour la gestion des risques sociaux. Ce n’est qu’au tournant du siècle que cet état de fait commença à évoluer, grâce notamment à l’intérêt retrouvé des économistes pour l’application des méthodes de calcul économique à des problèmes de décision publique en situation d’incertitude.

Une contribution emblématique à cet égard est le rapport de Nicholas Stern sur l’économie du changement climatique, publié en 2006.[13] L’étude prenait pour point de départ la description de l’incertitude relative au changement climatique fournie par les scénarios du Groupe d’Experts Inter-gouvernemental sur l’Évolution du Climat (GIEC) et l’estimation des impacts économiques, sociaux et environnementaux du réchauffement dans chaque scénario. En évaluant la probabilité que différentes actions de mitigation du changement climatique mènent à chacun des scénarios, l’étude proposait une analyse détaillée des avantages et coûts espérés de ces actions et montrait qu’une politique ambitieuse de lutte contre le réchauffement était économiquement justifiée. L’étude innovait notamment en tenant compte d’une aversion collective pour le risque et pour l’ambiguïté, qu’elle justifiait par l’ampleur des pertes possibles et de l’incertitude ; elle plaidait aussi pour l’application de taux d’actualisation particulièrement faibles afin de respecter un principe d’équité intergénérationnel. Ce dernier choix suscita de vives critiques de la part de certains économistes, d’autant qu’il conditionnait largement les conclusions de l’étude. La controverse qui s’ensuivit eut le mérite de conduire à un renouveau de la réflexion sur la pratique de l’actualisation dans l’analyse des décisions publiques engageant le très long terme.[14]

L’exigence d’évaluation des politiques publiques, inscrite dans la loi dans un nombre croissant de pays et de domaines, a également été un puissant catalyseur du renouveau des applications de la théorie de la décision. Aux Etats-Unis, la loi intitulée Regulatory Right to Know Act adoptée par le Congrès en 2002 donna mandat au Bureau de la gestion et du budget (Office of Management and Budget) de la Maison Blanche pour évaluer systématiquement l’activité réglementaire des agences fédérales du pays par le biais d’une analyse coûts-avantages. La loi renforça la pratique d’évaluation économique des réglementations des risques sociaux, déjà répandue outre-Atlantique.[15] Les pays européens connurent une évolution similaire, bien que plus tardive, notamment sous l’influence des directives de l’Union Européenne. Le règlement européen n°1907/6006 concernant l’enregistrement, l’évaluation et l’autorisation des substances chimiques (REACH), par exemple, imposa en 2006 que dans certains cas, la proposition de restrictions par un pays membre soit accompagnée et motivée par une analyse socio-économique de l’impact de la mesure.

En France, la révision constitutionnelle du 23 juillet 2008 inscrivit le principe de l’évaluation des politiques publiques par le Parlement dans la loi fondamentale. La loi organique du 15 avril 2009 établit que les projets de loi feraient désormais l’objet d’une étude d’impact exposant notamment « l’évaluation des conséquences économiques, financières, sociales et environnementales, ainsi que des coûts et bénéfices financiers attendus ». Par la suite, la loi de programmation des finances publiques pour les années 2012 à 2017 imposa également la conduite d’une évaluation socio-économique préalable pour les projets d’investissements civils financés par l’Etat et ses établissements publics.

Certaines de ces évaluations concernent directement des situations de risque social et continuent de poser des défis à la mise en œuvre des outils de la théorie de la décision. Considérons par exemple le projet Cigéo de stockage géologique des déchets radioactifs sur le site de Bure, dont les demandes de déclaration d’utilité publique et d’autorisation de création doivent être déposées dans les prochains mois par l’Andra. Le principal avantage attendu du projet est de ne pas préjuger de la capacité de la société à assurer le confinement de la matière radioactive pour les centaines de millénaires à venir, et d’en confier le soin à la lithosphère.[16] Comment évaluer l’ampleur des risques évités grâce à cette « sûreté passive » ? Comment rendre même compte de notre incertitude sur de telles échelles de temps ? C’est à de telles questions que l’évaluation socio-économique du projet devra tenter de répondre.

3. En guise de conclusion

L’influence croissante des méthodes issues de la théorie de la décision dans l’évaluation (et, par ce biais, dans l’élaboration) des politiques publiques n’a pas manqué de susciter des critiques y voyant une nouvelle illustration de « l’impérialisme de l’économie ». Il est vrai que les tenants de ces méthodes n’ont pas toujours su garder en vue leurs limites et le caractère relatif des préconisations qui en découlent. Cependant, comme ce court tour d’horizon a cherché à le montrer, la discipline elle-même s’est progressivement éloignée d’une vision monolithique de l’analyse des décisions publiques.

Les contradictions du modèle canonique du comportement rationnel sont apparues de façon plus claire dans la théorie de la décision que dans la théorie du choix, son équivalent en univers certain. La prise en compte de la diversité des situations d’incertitude a conduit, par exemple, à valider l’usage du principe de précaution.

En outre, il est apparu que la mise en œuvre pratique des outils de la théorie faisait intervenir de nombreux choix en dehors du champ de la théorie elle-même, particulièrement s’agissant de décisions publiques. Ainsi, le choix de la mesure de l’incertitude et des croyances considérées admissibles, celui du degré d’aversion pour le risque ou l’ambiguïté, ou encore celle du taux d’actualisation, sont en partie du domaine de l’éthique et même de la politique.

De même, les débats au sujet de la valorisation de la vie ont conduit au remplacement progressif de l’approche « objective » fondée sur le capital humain par des mesures subjectives fondées sur le consentement à payer ou à recevoir.[17] Enfin, la contestation de l’usage d’une unité de mesure unique des conséquences, généralement monétaire, a conduit au développement de l’analyse multicritères.[18]

A la lumière de ces considérations, il faut bien constater qu’en matière de décision face aux risques sociaux, comme dans bien d’autres domaines de l’analyse économique, nous ne disposons pas de théorie générale fournissant des réponses « clé en mains » à des questions pratiques. Nous disposons en revanche d’un ensemble d’outils théoriques et empiriques permettant de mieux poser et analyser quantité de problèmes de décisions complexes – et donc d’améliorer nos choix collectifs. Ces outils restent très pertinents et productifs pour mener une analyse systématique des alternatives, qui permette d’intégrer les points de vue de différentes parties prenantes et les apports de disciplines diverses. La théorie de la décision s’enrichit en retour de ces expériences, comme elle l’a fait depuis son origine.


[1] Un décideur a de l’aversion pour le risque si, entre deux loteries présentant la même espérance de gains, il préfère celle dont la variance est la moindre, ce qu’il fait précisément lorsqu’il choisit de verser des primes d’assurance pour se prémunir contre une perte actuariellement moindre.

[2] Les références centrales pour ces deux cas sont respectivement von Neumann, J. et O. Morgenstern (1944), Theory of Games and Economic Behavior. Princeton University Press, Princeton; et Savage, L. (1954), The Foundations of Statistics. Dover Publications, New York.

[3] Allais, M. (1953), ‘Le comportement de l’homme rationnel devant le risque : Critique de l’école

américaine’, Econometrica, 21, pp. 503-46; Ellsberg, D. (1961), ‘Risk, Ambiguity, and the Savage Axioms’, Quarterly Journal of Economics, 75(4), pp. 643-69.

[4] Tversky, A. et D. Kahneman (1973), ‘Availability: A Heuristic for Judging Frequency and Probability’, Cognitive Psychology, 5, pp. 207-232, Tversky, A. et D. Kahneman (1974), ‘Judgment Under Uncertainty: Heuristics and Biases’, Science, 185, pp. 1124-31; Tversky, A. et D. Kahneman (1981), ‘The Framing of Decisions and the Psychology of Choice’, Science, 211, pp. 453-8.

[5] Slovic, P. (sous la direction de) (2000), The Perception of Risk. Earthscan, Londres.

[6] Une incertitude de ce type peut être représentée par des probabilités de second ordre ou par des mesures sous-additives. Voir Etner, J., Jeleva, M. et J.-M. Tallon (2012), ‘Decision Theory Under Ambiguity’, Journal of Economic Surveys, 26 (2), pp.234-70.

[7] Les critères de représentativité, dits de Pareto, assurent que le décideur est indifférent entre deux états A et B lorsque tous les membres de la société le sont (Pareto faible) et qu’il préfère strictement A à B lorsqu’un seul individu en fait de même et qu’aucun autre n’a la préférence inverse (Pareto fort). Voir Harsanyi, J. (1955), ‘Cardinal Welfare, Individualistic Ethics, and Inter-personal Comparisons of Utility’, Journal of Political Economy, 63, pp. 309-21.

[8] On démontre ainsi que les préférences d’un groupe d’individus ayant des goûts et des croyances divers ne pouvaient être agrégées sans contrevenir soit aux critères de rationalité bayésienne, soit à l’une des conditions de représentativité parétienne. Voir Mongin, P. (1995), ‘Consistent Bayesian Aggregation’, Journal of Economic Theory, 66, pp. 313-51.

[9] Gollier, C. (2001), The Economics of Risk and Time. The MIT Press, Cambridge, Massachussetts.

[10] Arrow, K. J. et R. C. Lind (1970), ‘Uncertainty and the Evaluation of Public Investment Decisions’,

American Economic Review, 60, pp. 364-78. Il faut toutefois noter que ce résultat dépend du rapport entre l’importance des pertes encourues et le nombre d’agents et, de ce fait, ne peut être supposé valide pour des risques catastrophiques tels que ceux d’une pandémie ou d’un accident nucléaire.

[11] Farmer, F. R. (1967), ‘Siting Criteria: A New Approach’, Proceedings of the IAEA Symposium

on Nuclear Siting, pp. 303-29. Agence Internationale de l’Énergie Atomique, Vienne.

[12] Starr, C. (1969), ’Social Benefit versus Technological Risk’, Science, 165, pp. 1232-8.

[13] Stern,  N.  (2006), The Economics of Climate Change: The Stern Review. Cambridge University Press, Cambridge et New York.

[14] Voir Gollier, C. et M. Weitzman (2010), ‘How should the distant future be discounted when discount rates are uncertain?’, Economics Letters, 107(3), pp.350-3; Arrow. K. J. et al. (2014), ‘ Should Governments Use a Declining Discount Rate in Project Analysis?’, Review of Environmental Economics and Policy, 8(2), pp.145–63.

[15] Pour une revue des applications à la réglementation des risques sanitaires et environnementaux, on pourra se reporter à Viscusi, W. K. (2007), ’Regulation of Health, Safety and Environmental Risks’, in A. M. Polinsky et S. Shavell (sous la direction de), Handbook of Law and Economics, Vol. 1, Elsevier, North- Holland.

[16] Voir Andra (2016), Dossier d’options de sûreté – Partie après fermeture (DOS-AF). Document technique 398-B. Agence nationale pour la gestion des déchets radioactifs.

[17] Pour une discussion synthétique et assez complète des méthodes de l’analyse coûts-bénéfices, on pourra se reporter à Adler, M. D. et E. A. Posner (1999), Rethinking Cost-Benefit Analysis, Yale Law Journal, 109(2), pp. 165-230.

[18] Keeney, R. L. et H. Raiffa (1976), Decisions with Multiple Objectives: Preferences and Value Trade-offs. Wiley, New York.

Les derniers articles par Reza Lahidji (tout voir)

Partagez cette page :