Jean-Baptiste Crettez est docteur en sciences économiques de l’Université Paris-Panthéon-Assas et directeur de l’aide au pilotage et de la qualité de l’Université PSL.
Il suffit parfois de quelques degrés pour changer le cours d’une journée. Une nuit trop chaude raccourcit le sommeil, une averse fait renoncer à un café en terrasse, un dimanche ensoleillé éloigne de la télévision. Pris séparément, ces comportements ont peu d’importance, mais lorsqu’une même situation météorologique concerne simultanément plusieurs millions de personnes, leurs effets finissent par apparaître statistiquement et économiquement.
La météo est particulièrement intéressante pour les économistes car elle affecte directement notre organisme ; elle modifie aussi les conditions dans lesquelles les individus et les ménages font leurs choix car elle rend certaines activités plus ou moins attractives, influence les déplacements, modifie la demande de certains biens et services et peut changer la fréquence des interactions.
La météo présente aussi une propriété bien pratique pour le chercheur : elle ne dépend pas des comportements que l’on cherche à expliquer. La pluie d’un dimanche n’est pas provoquée par l’audience de la télévision, une vague de chaleur ne survient pas parce que la productivité diminue. Les variations météorologiques constituent donc une forme d’expérience naturelle que les économistes ont appris à exploiter dans leurs modélisations.
Mais que signifie réellement « un degré de plus » ? Les études qui vont suivre montrent comment les variations de température peuvent affecter comportements et économie. Elles montrent aussi que leurs effets dépendent du lieu, du moment de l’année et de notre capacité d’adaptation. Un degré supplémentaire n’a donc pas nécessairement une signification uniforme.
Effets sur l’organisme
Les effets de la météo sur l’organisme sont aujourd’hui observables à une échelle difficile à imaginer il y a encore quelques décennies. Les montres connectées et autres capteurs enregistrent quotidiennement le sommeil, l’activité physique ou encore le rythme cardiaque de centaines de milliers de personnes. Ces données permettent notamment de mesurer ce qui se passe lorsque la température varie.
Lechat et ses coauteurs (2026) ont ainsi analysé près de 165 millions de nuits enregistrées entre 2020 et 2023 auprès de 317 758 utilisateurs de montres connectées et de capteurs placés sous les matelas de Withings, société spécialiste des objets connectés. Leur approche permet de suivre les mêmes individus au cours du temps et de comparer leur sommeil lorsque les conditions météorologiques auxquelles ils sont exposés varient. La relation entre température et sommeil est estimée par des modèles non linéaires, de sorte qu’un degré supplémentaire ne se voit pas imposer le même effet à toutes les températures. Entre une journée à 12,2 °C, température médiane dans leur échantillon, et une journée particulièrement chaude à 27,3 °C, les utilisateurs dorment en moyenne quinze à dix-sept minutes de moins, selon le type de capteur utilisé.
Les épisodes caniculaires de l’été 2026 en ont donné une illustration récente. En exploitant les données de ses utilisateurs européens, Withings observe qu’en France, pendant les périodes étudiées, le sommeil médian a diminué d’environ quarante minutes et l’activité de près de mille pas par jour (Withings, 2026). Il s’agit ici d’une analyse descriptive réalisée par l’entreprise et non d’une estimation permettant d’isoler l’effet propre de la température.
Les conséquences sanitaires de la température vont cependant bien au-delà de ces modifications des comportements quotidiens. Gasparrini et ses coauteurs (2015) ont étudié plus de 74 millions de décès enregistrés dans 384 localités de treize pays. Leur modèle permet à la relation entre température et mortalité d’être non linéaire et tient compte du fait que les conséquences d’une journée chaude ou froide peuvent se prolonger pendant plusieurs jours. Les relations estimées dans les différentes localités sont ensuite combinées afin d’en dégager les caractéristiques communes. Les auteurs estiment qu’environ 7,7 % de la mortalité observée sur leur période d’étude est attribuable à des températures supérieures ou inférieures à celle pour laquelle le risque de décès est le plus faible. La majeure partie de cette mortalité est associée au froid, notamment au froid modéré. Le risque associé à une journée modérément froide est moins élevé que celui d’un épisode extrême, mais ces journées sont beaucoup plus fréquentes. Leur accumulation représente donc une part plus importante de la mortalité attribuable à la température.
Les épisodes de chaleur extrême restent néanmoins dangereux. La canicule française d’août 2003 en fournit un exemple marquant. Fouillet et ses coauteurs (2006) comparent le nombre de décès observés à celui attendu à partir de la mortalité des années 2000 à 2002 et de la population de 2003. Ils vérifient ce nombre attendu par deux méthodes, dont l’une repose sur un modèle de Poisson prenant en compte la tendance annuelle et la saisonnalité. Ils évaluent à environ 14 700 le nombre de décès supplémentaires entre le 1er et le 20 août 2003.
Le travail
Les économies des pays développés pourraient sembler relativement protégées des effets de la météo sur le travail. Si l’agriculture et le bâtiment restent directement exposés aux conditions extérieures, une grande partie de la population travaille désormais dans des bureaux, des commerces ou des usines chauffés et climatisés, ou en télétravail.
Les effets de la température ne disparaissent pourtant pas complètement lorsque l’on travaille à l’intérieur. Chen et ses coauteurs (2023) ont suivi 635 salariés d’une usine chinoise pendant 35 190 journées de travail. À l’aide d’effets fixes individuels, les auteurs comparent la productivité d’un même salarié sous différentes conditions météorologiques, plutôt que celle de salariés structurellement différents. Malgré des conditions de production très contrôlées, une augmentation de 10 °C de la température humide extérieure est associée à une baisse de 8,3 % de la production moyenne par salarié. La chaleur peut en effet intervenir avant ou après la journée de travail, pendant les déplacements ou encore en perturbant le sommeil. L’étude montre ainsi que ses effets ne concernent pas uniquement les personnes travaillant directement à l’extérieur.
Ces effets peuvent devenir importants lorsqu’ils sont considérés à l’échelle d’une économie. García-León et ses coauteurs (2021) adoptent une démarche différente. À partir de données météorologiques horaires, ils calculent le stress thermique auquel sont exposés les travailleurs, puis traduisent cette exposition en pertes de productivité selon les secteurs. Ces pertes sont ensuite introduites dans un modèle économique couvrant 274 régions européennes. Ils estiment que les pertes associées aux grandes vagues de chaleur de 2003, 2010, 2015 et 2018 représentent environ 0,3 à 0,5 % du PIB européen et dépassent 1 % dans certaines régions particulièrement exposées.
La météosensibilité des audiences télévision
Un dimanche froid et pluvieux offre moins de possibilités de sorties qu’une journée chaude et ensoleillée. Une heure devant l’écran du téléviseur n’a donc pas la même « valeur » selon ce à quoi l’on renonce pour la passer. Une promenade ou une terrasse par beau temps constituent des alternatives plus attractives que lorsque la pluie empêche de sortir. C’est ce que les économistes appellent le coût d’opportunité, que la météo fait varier d’un jour à l’autre.
Eisinga, Franses et Vergeer (2011) ont étudié dix années d’audience télévisuelle quotidienne aux Pays-Bas entre 1996 et 2005. Leur modèle de séries temporelles tient compte de la forte saisonnalité de l’audience et de sa dépendance aux audiences des jours précédents, ainsi que de la programmation et des événements susceptibles de modifier le temps passé devant la télévision. Les téléspectateurs passent davantage de temps devant leur écran lorsque les journées sont froides, sombres ou pluvieuses.
Ma thèse de doctorat a été consacrée à l’étude de cette relation à partir de 26 millions d’observations quotidiennes portant sur 24 334 panélistes de Médiamétrie, croisées avec les données de Météo-France entre 2011 et 2019 (Crettez, 2021). La variable expliquée est la durée quotidienne individuelle de vision de la télévision en direct. Le modèle économétrique exploite la dimension longitudinale du panel pour suivre les mêmes téléspectateurs au cours du temps, avec des effets fixes individuels et une composante autorégressive. Dans les 21 régions étudiées, selon l’ancien découpage régional en vigueur avant 2016, une hausse de la température est associée à une diminution du temps passé devant la télévision. Cet effet est statistiquement significatif dans chacune d’entre elles, mais son ampleur varie fortement d’une région à l’autre. En Basse-Normandie, par exemple, un degré supplémentaire est associé à environ 50 secondes de télévision en moins par jour.
La météo entre dans les paniers de consommation
La météo influence naturellement la consommation de nombreux produits, des glaces ou boissons fraîches aux vêtements en passant par le chauffage. Les entreprises maîtrisent ces variations saisonnières de la demande et peuvent adapter leurs décisions.
Escobar, Chenavaz et Dimitrov (2026) l’observent sur le marché français des yaourts à boire à partir de trois années de ventes hebdomadaires. Leur modèle étudie conjointement les relations entre température, demande, prix et publicité, ce qui permet de tenir compte du fait que les décisions commerciales peuvent elles-mêmes réagir aux conditions météorologiques. Les auteurs mettent en évidence un effet direct de la température sur la demande, auquel s’ajoutent des effets indirects passant par les prix et la publicité.
Les entreprises peuvent même agir avant de connaître le temps qu’il fera réellement. Steinker, Hoberg et Thonemann (2017) estiment, à partir des données de la société Zalando, plusieurs modèles de prévision des ventes intégrant ou non des variables météorologiques. Ils comparent ensuite leurs performances prédictives hors échantillon, notamment à l’aide du test de Diebold-Mariano. L’intégration des prévisions météorologiques réduit sensiblement les erreurs de prévision des ventes, avec des gains particulièrement importants à court terme, lorsque les prévisions météorologiques sont plus précises.
Les consommateurs disposent, eux aussi, d’une certaine marge d’adaptation. Un départ en week-end peut être décidé quelques jours à l’avance en fonction des prévisions, alors qu’un voyage réservé plusieurs mois auparavant laisse beaucoup moins de possibilités. Falk (2014) étudie la fréquentation touristique estivale en Autriche entre 1960 et 2012. Il effectue d’abord des régressions en différences premières par les Moindres Carrés Ordinaires (MCO), puis des modèles à correction d’erreur, estimés notamment par Pooled Mean Group pour les touristes étrangers, afin de prendre en compte la dynamique de la demande touristique. Une hausse de 1 °C de la température moyenne en juillet et août est associée à une augmentation de 1,1 % des nuitées domestiques au cours de la même saison. Pour les touristes étrangers, les effets positifs de la température et de l’ensoleillement apparaissent avec un décalage d’un an, notamment pour les visiteurs des pays voisins.
La météo ne crée donc pas nécessairement de nouvelles activités économiques mais elle peut aussi modifier leur moment, leur lieu ou leur nature.
Neuf mois plus tard
Les effets de la température apparaissent dans les statistiques démographiques plusieurs mois après l’épisode météorologique lui-même. Hajdu (2024) étudie près de 244 millions de naissances dans 32 pays européens entre 1969 et 2021. Son modèle exploite les variations de température observées au sein des pays au cours du temps. Les effets fixes permettent notamment de tenir compte des différences entre pays, de leurs saisonnalités propres et des chocs qui affectent simultanément l’ensemble des pays.
Une journée dont la température moyenne dépasse 25 °C est associée à une baisse statistiquement significative d’environ 0,68 % du taux de natalité neuf mois plus tard. L’effet reste négatif le mois suivant, avant qu’une partie de la baisse ne soit compensée au cours des mois ultérieurs.
Les mécanismes de causalité sont plus difficiles à identifier. La chaleur peut affecter la fertilité biologique, les comportements sexuels ou les deux à la fois.
Les conséquences d’un épisode météorologique ne se manifestent donc pas toutes au même rythme. Certaines sont presque immédiates, comme celles observées sur nos déplacements ou notre consommation télévisuelle, tandis que d’autres ne deviennent perceptibles que plusieurs mois plus tard.
La chaleur nous rend-elle plus violents ?
La relation entre température et violence a été observée dans de nombreux pays. Une littérature importante met en évidence une augmentation des violences lorsque les températures s’élèvent. Deux grandes explications sont généralement avancées. La chaleur pourrait affecter directement les comportements en augmentant notamment l’inconfort ou l’irritabilité ; elle peut aussi modifier les activités et multiplier les interactions entre individus. Plus augmente l’interaction avec d’autres personnes, plus les occasions d’entrer en conflit sont nombreuses.
La manière dont la température est introduite dans les modèles joue également un rôle. C’est la question étudiée dans un travail en cours à partir d’un panel mensuel des 95 départements de France métropolitaine entre 1996 et 2019 (Crettez, 2026). Les données sur les agressions enregistrées par la police et la gendarmerie sont rapprochées des relevés quotidiens des stations de Météo-France. L’exposition à la chaleur est mesurée par le nombre de jours où la température maximale atteint au moins 30 °C.
L’analyse fait varier les effets fixes afin de modifier progressivement le point de comparaison qui permet d’identifier le coefficient associé à la chaleur. Avec des effets fixes par département et année-mois, un département est comparé aux autres départements au même moment. Un jour supplémentaire au-dessus de 30 °C est alors associé à 0,170 agression enregistrée supplémentaire pour 100 000 habitants. Lorsque des effets fixes par département × mois calendaire sont introduits, chaque département est comparé au même mois des autres années. Un mois de juillet dans le Var est ainsi comparé aux autres mois de juillet du même département. Le coefficient tombe alors à 0,074.
Ce changement de spécification permet de distinguer la chaleur habituelle d’un lieu à une période donnée des écarts à cette situation habituelle. La décomposition montre que la majeure partie du coefficient initial est portée par la première composante. Celle-ci ne mesure toutefois pas l’effet propre de la chaleur puisqu’elle englobe également tout ce qui revient localement avec l’été, comme le tourisme, les activités extérieures, l’organisation des forces de l’ordre ou les conditions dans lesquelles les infractions sont déclarées et enregistrées.
Une difficulté supplémentaire vient de la série des agressions elle-même. En mars 2015, leur règle de comptabilisation a changé, les infractions étant désormais comptées par victime plutôt que par plaignant. Lorsque le modèle permet à chaque département d’avoir un profil saisonnier différent avant et après cette rupture, le coefficient passe de 0,074 à 0,035 et n’est plus statistiquement significatif. Cette spécification est volontairement exigeante puisqu’elle absorbe toute modification de la saisonnalité locale autour de 2015, et pas seulement celle qui résulte du changement de comptage.
Le choix du point de comparaison change donc fortement le résultat. Comparer le Var aux autres départements pendant un même mois ne revient pas à comparer un mois de juillet dans le Var aux autres mois de juillet du même département. Dans le premier cas, la température capte aussi une partie de ce qui distingue habituellement les étés varois. Dans le second, on isole davantage les écarts aux conditions habituellement observées localement.
Un degré de plus ou de moins, par rapport à quoi ?
Les études présentées dans cet article ne mesurent pas toutes la température de la même manière. Certaines estiment l’effet d’un degré supplémentaire, d’autres comparent des niveaux de température ou étudient le dépassement d’un seuil. Leurs résultats ne sont donc pas directement comparables.
Mais le problème va plus loin. Un degré supplémentaire n’a pas nécessairement la même signification partout. Passer de 29 à 30 °C à Lille n’est pas tout à fait comparable à la même évolution à Marseille. Les populations ne sont pas habituées aux mêmes températures, les logements et les équipements diffèrent et les activités ne sont pas organisées de la même manière.
Le moment de l’année compte également. Une température de 30 °C peut être exceptionnelle au printemps et habituelle au cœur de l’été. Pour mesurer les effets de la météo, il faut donc savoir si l’on s’intéresse à la température elle-même ou à son caractère inhabituel pour un lieu et une période donnés.
Cette question devient particulièrement importante lorsque l’on cherche à tirer des enseignements sur le changement climatique. Les études présentées dans cet article mesurent principalement les conséquences de variations météorologiques à court terme. Elles observent ce qui se passe lorsqu’une population habituée à certaines conditions est confrontée à une journée – ou à une période – plus chaude, plus froide ou plus pluvieuse.
Le changement climatique se déroule sur une tout autre échelle de temps. Lorsque les températures évoluent durablement, les comportements et les équipements évoluent eux aussi. Les ménages peuvent s’équiper davantage en climatisation, les bâtiments être rénovés, les horaires de travail modifiés et les villes aménagées différemment. Les entreprises peuvent également adapter leur production, leurs stocks ou leurs prévisions. Cette adaptation peut réduire certains effets de la hausse des températures, sans nécessairement les faire disparaître, et elle a elle-même un coût.
On ne peut donc pas simplement prendre l’effet observé aujourd’hui d’un degré supplémentaire et le multiplier par le nombre de degrés de réchauffement attendu à la fin du siècle. La météo renseigne sur la manière de réagir à l’environnement à court terme. Le changement climatique de fond modifie progressivement cet environnement et, avec lui, notre adaptation.
Références bibliographiques
Chen, J., Fonseca, M. A., Heyes, A., Yang, J. & Zhang, X. (2023). « How Much Will Climate Change Reduce Productivity in a High-Technology Supply Chain? Evidence from Silicon Wafer Manufacturing ». Environmental and Resource Economics, 86, 533–563. doi: 10.1007/s10640-023-00803-4.
Crettez, J.-B. (2021). « Audience de la télévision et performances publicitaires : impacts de la météorologie, de la régulation et des interactions familiales ». Thèse de doctorat en sciences économiques, Université Paris-Panthéon-Assas, soutenue le 26 novembre 2021.
Crettez, J.-B. (2026). « Hot summer or exceptional episode? What the point of comparison changes in the relationship between temperature and violence in France, 1996–2019 ». Working paper, Université Paris-Panthéon-Assas.
Crettez, J.-B. (2026). « Weather, Live Television, and the Chnaging Predictive Valueof Demand Signals in France ». A paraître dans Managerial and Decision Economics.
Eisinga, R., Franses, P. H. & Vergeer, M. (2011). « Weather Conditions and Daily Television Use in the Netherlands, 1996–2005 ». International Journal of Biometeorology, 55, 555–564. doi: 10.1007/s00484-010-0366-5.
Escobar, O., Chenavaz, R. Y. & Dimitrov, S. (2026). « Outdoor Temperature and Marketing Mix in Retailing ». Applied Economics, publication en ligne. doi: 10.1080/00036846.2026.2645243.
Falk, M. (2014). « Impact of Weather Conditions on Tourism Demand in the Peak Summer Season over the Last 50 Years ». Tourism Management Perspectives, 9, 24–35. doi: 10.1016/j.tmp.2013.11.001.
Fouillet, A., Rey, G., Laurent, F., Pavillon, G., Bellec, S., Guihenneuc-Jouyaux, C., Clavel, J., Jougla, E. & Hémon, D. (2006). « Excess Mortality Related to the August 2003 Heat Wave in France ». International Archives of Occupational and Environmental Health, 80, 16–24. doi: 10.1007/s00420-006-0089-4.
García-León, D., Casanueva, A., Standardi, G., Burgstall, A., Flouris, A. D. & Nybo, L. (2021). « Current and Projected Regional Economic Impacts of Heatwaves in Europe ». Nature Communications, 12, 5807. doi: 10.1038/s41467-021-26050-z.
Gasparrini, A., Guo, Y., Hashizume, M. et al. (2015). « Mortality Risk Attributable to High and Low Ambient Temperature: A Multicountry Observational Study ». The Lancet, 386(9991), 369–375. doi: 10.1016/S0140-6736(14)62114-0.
Hajdu, T. (2024). « The Effect of Temperature on Birth Rates in Europe ». Population and Environment, 46, article 9. doi: 10.1007/s11111-024-00450-x.
Lechat, B., Toson, B., Scott, H. et al. (2026). « How Do We Sleep While Our Beds Are Burning? High Ambient Temperatures Are Associated with Substantial Sleep Loss ». Sleep, 49(7), zsaf323. doi: 10.1093/sleep/zsaf323.
Steinker, S., Hoberg, K. & Thonemann, U. W. (2017). « The Value of Weather Information for E-Commerce Operations ». Production and Operations Management, 26(10), 1854–1874. doi: 10.1111/poms.12721.
Source descriptive complémentaire
Withings (2026). Analyse descriptive des effets des épisodes de chaleur de l’été 2026 sur le sommeil et l’activité physique de ses utilisateurs européens, données agrégées et anonymisées communiquées par l’entreprise. https://www.linkedin.com/posts/withings_our-latest-data-from-the-current-european-activity-7476721065969315841-5LNb
Dossier Statistiques 2 – Sommaire :
