Mouvement pour une Organisation Mondiale de l'Agriculture
momagri est un think tank présidé par Christian Pèes,  qui rassemble des responsables du monde agricole
et des personnalités d’horizons extérieurs (santé, développement, stratégie et défense,…).
Son objectif est de promouvoir une régulation des marchés agricoles en créant de nouveaux outils d’évaluation
(modèle économique, indicateurs,…) et en formulant des propositions pour une politique
agricole et alimentaire internationale.

Modélisation économique et pensée complexe
L’exemple des marchés financiarisés de matières premières



Bertrand Munier, Professeur à l’IAE de Paris et GRID-GREGOR
Affiliate Professor, New York University Polytechnic Institute


Chef Economiste de momagri



Nous reproduisons ci-dessous un article du chef économiste de momagri Bertrand Munier, publié dans l’ouvrage « Agir et Penser en Complexité – Avec Jean-Louis Le Moigne - Témoignages de mises en actes », dirigé par D. Genelot M.J. Avenier1. Mettant en évidence les limites des outils économiques traditionnels pour la compréhension des marchés financiarisés de matières premières, il offre un éclairage important pour les débats actuels relatifs à l’agriculture, dont les marchés sont particulièrement turbulents.

La rédaction de momagri



“The revolution in Finance [happened] as it was realized that asset prices show large volatility that does not reflect anything about fundamentals. […]. Macroeconomics [did not] keep up with [this] revolution, […] to the great detriment of contemporary macroeconomics”.

Lawrence Summers
Ancien Secrétaire au Trésor des Etats-Unis
Professeur et Président Emérite, Université Harvard
Interview au Financial Times, 2008



L’analyse économique traditionnelle présente tous les marchés comme des outils d’ajustement des plans de consommation aux plans de production. La version la plus simple de ce modèle est la version Walrassienne statique. Dans cette version de concurrence pure sur des marchés parfaits, quasi-universellement répandue, chaque bien ou service est doté d’un prix d’équilibre unique, celui qui ajuste l’offre et la demande globales. Ce résultat surprenant tient évidemment aux hypothèses posées, et notamment celle de « tâtonnement » aux termes de laquelle le prix doit d’abord être déterminé avant que consommateurs et producteurs n’aient le droit d’échanger. Il est donc exclu – compte tenu des hypothèses de ‘preneurs de prix’ faites dans ce régime de marché qu’il y ait des prix multiples pour un même bien ou service. La version statique peut se limiter à cette description sommaire.

Dans la version inter-temporelle du modèle, il faut en outre expliquer comment les acteurs peuvent percevoir en les anticipant les prix des périodes suivantes, faute de quoi le modèle serait sous-déterminé. L’extension logique de la démarche commande alors de poser que chaque acteur a la capacité d’anticiper le prix d’équilibre de la période suivante. L’extension supplémentaire au cas du risque est immédiate : on pose simplement que chaque acteur anticipe la distribution de probabilité du prix de la période suivante ou, dans une version légèrement plus faible, l’espérance de cette distribution. C’est l’hypothèse d’anticipations rationnelles. Dans un tel système, toute fluctuation de prix a nécessairement une cause exogène : modification des ressources disponibles, de la technologie mise en route (via l’aléa naturel en agriculture, p.ex.) ou des préférences des consommateurs.

Alternativement, dans une vision plus « dynamique », où la fin de chaque période voit se jouer l’équilibre de la suivante, on peut aussi concevoir une « erreur » temporaire d’anticipation de la part d’au moins un acteur, le prix fluctuant alors, au moins pour la période concernée, le feed-back négatif intrinsèque du modèle rappelant le système vers l'équilibre, au moins dans le cas général. L’expérience montre que de tels modèles ne peuvent engendrer, en équilibre général macroéconomique (modèles dits « d’équilibre général calculable dynamiques »), que des fluctuations de prix limitées, de l’ordre de quelque 3 à 5 % d’une période à l’autre. C’est beaucoup plus que ce que l’on constate sur des marchés comme l’automobile, mais infiniment moins que ce que l’on observe sur les marchés de matières premières – minérales ou agricoles – dont les moyennes annuelles de prix fluctuent allègrement, depuis les années 2003-2004, de quelque 25 à 30%. Entre la fin mars 2008 et le début décembre de la même année, le prix du blé a ainsi chuté de près de 60% en cotations quotidiennes – davantage encore en cotations instantanées. Il y a donc très loin de l’observation des marchés de matières premières aux modèles qu’en donne l’équilibre général Walrassien – micro- ou macro-économique - des offres et des demandes. Quant à l’équilibre partiel – un appauvrissement du précédent – de l’offre et de la demande globales du produit considéré, il ne permet de prédictions pseudo-savantes qu’après-coup sur les marchés examinés ici. Il en a été d’ailleurs de même pour le marché hypothécaire américain, de la crise dite « des subprimes » ou de la crise tout court.

Dès que l’on approfondit l’étude des marchés de matières premières, il apparaît inévitable de reconnaître – comme des Summers, des Greenspan, des Eichengreen, des Lux, des Rogoff, des Stiglitz et bien d’autres - que l’outillage économique traditionnel ne permet pas de comprendre l’évolution non seulement des marchés d’actifs financiers – ce que l'on sait depuis longtemps – mais aussi des marchés financiarisés que sont les marchés de l’immobilier dans certains pays et, depuis le début des années 2000 plus particulièrement, les principaux marchés de matières premières. Le but des lignes qui suivent est d’indiquer en quoi la notion de système complexe permet alors de fournir un cadre d’analyse susceptible d’améliorer la compréhension de ces derniers marchés


1. Nœuds d’interaction, microstructure des marchés et systèmes de financiarisation

L'observation des cours des matières premières agricoles dans les années 1990 conduisait à conclure qu’il existait une faible corrélation – parfois une anti-corrélation – entre les actifs de matières premières et les actifs financiers. Or, ces mêmes années 1990 ont été marquées par une apparente « exubérance irrationnelle », selon le mot d’A. Greenspan en 1994, sur les marchés financiers. Une opportunité était ainsi offerte de constituer des portefeuilles utilement diversifiés pour mitiger les risques des investisseurs. Mais ces derniers n’étaient pas libres d’acheter ou de vendre des options sur ces marchés de matières premières. Le Commodity Futures Modernization Act fut alors conçu puis poussé par l’administration Clinton et le texte fut voté dans le courant de l’année 2000, aux fins de « déréguler » les marchés à terme de matières premières.

Une vague d’opérations en provenance des marchés financiers s’est alors déclenchée, non seulement sur les marchés organisés comme le Chicago Mercantile Exchange, le Chicago Board of Trade (qui ont fusionné par la suite) et bien d’autres bourses de matières premières, mais aussi à travers des grappes d’opérations de gré à gré dites « Over The Counter » (O.T.C.) et réputées constituer des « marchés » - dans un sens quelque peu relâché du terme. La question est d’autant plus importante que ces dernières opérations ont rapidement constitué 80 à 90% de l’ensemble des opérations dérivées sur matières premières, selon les diverses sources disponibles (notamment la Banque des Règlements Internationaux). Le volume de ces opérations a augmenté en valeur relative incommensurablement plus vite pour le pétrole et les produits agricoles que pour les sous-jacents plus traditionnels d’opérations dérivées, tels les divers minerais et métaux précieux, voire les actions et les taux d’intérêt. Une situation inédite s’est ainsi créée.

On peut désormais convenir de définir un marché financiarisé comme un marché sur lequel des biens physiques ou des services tangibles font non seulement l’objet d’offres et de demandes au comptant ou à terme ferme, mais servent aussi massivement de sous-jacents à des opérations financières dérivées, soit de couverture, soit de prise de positions ouvertes sur l’achat, la vente ou le financement de productions réelles. On estime que les volumes d’opérations financières sur les matières premières agricoles atteignent ainsi 20 fois la valeur des récoltes.

Mais la financiarisation n’est pas seulement cela, elle modifie le mode de fonctionnement des marchés concernés. En effet, elle introduit de nouveaux opérateurs sur ces marchés, que nous désignerons ici par le vocable neutre d’ « investisseurs à court terme ». Or, cette introduction n’a pas été un simple ajout au reste des opérateurs d’offre ou de demande2: les comportements typiques des acteurs traditionnels, surtout des producteurs agricoles et des intermédiaires grossistes, ou des coopératives, se sont trouvé modifiés du point de vue de leur gestion des risques3. Pour rester brefs, on se bornera à souligner que ces marchés sont en conséquence devenus des marchés d’anticipations davantage que des marchés d’interactions physiques offre/demande. Le changement n’est pas mince et l’apparition de positions spéculatives change très substantiellement la donne. On a pu ainsi repérer, dans la décennie 2000-2010, des périodes allant jusqu’à près de deux années pendant lesquelles le prix de telle matière première est en hausse alors que l’offre de celle-ci est excédentaire, et inversement. Ce qui prédomine en effet, ce sont les interactions d’anticipations entre les différents acteurs. Ainsi, la seule annonce par les Autorités Japonaises qu’elles allaient vendre leurs stocks de riz a été considérée comme crédible par les opérateurs et cela a suffi à faire baisser le prix de cette denrée avant même qu’un seul quintal ait été mis sur le marché. Inversement, lorsque le Président Russe Medvedev a indiqué son intention d’interdire les exportations de blé par la Russie, le prix de la denrée est monté en flèche alors que l’interdiction n’avait pas eu le temps d’être même simplement notifiée aux services douaniers ! Et on relève des interactions entre opérateurs privés en nombre beaucoup plus grand encore, bien qu’elles soient moins médiatisées que les annonces politiques que l’on vient de mentionner et qu’elles sont cantonnées à ce que l’on appelle pudiquement « l’information de marché ».

Du point de vue de la modélisation, on peut admettre de conserver « hors système » les interventions politiques dont on vient de parler – relativement peu nombreuses, heureusement – mais on ne peut évidemment pas en rester à une simple analyse de l’offre et de la demande lorsque l’on considère les autres opérateurs de marchés, comme on vient d’ailleurs de l’observer4. Cette observation est renforcée par le fait que les décisions d’offre de matières premières, notamment agricoles, ne sont ni prises « au fil de l’eau » ni modifiables à discrétion en fonction de l’évolution constatée, comme on peut le faire dans le domaine de la production d’automobiles par exemple. Une fois les surfaces emblavées, un agriculteur n’a plus guère de choix, sinon d’encadrer plus ou moins activement – toujours à la marge - le processus productif. Ezekiel (1938) avait conjecturé dans le petit modèle simple du Cobweb que cette irréversibilité était la source principale des fluctuations de prix, mais nous développons ici un autre point de vue, qui repose sur la microstructure des marchés financiarisés, l’irréversibilité des décisions de production ne faisant que renforcer la volatilité. Bien entendu, des aléas naturels se produisent en cours de campagne et, le cas échéant, les anticipations des investisseurs à court terme s’en trouveront modifiées – ce qui les place dans une situation d’information asymétrique par rapport aux producteurs que l’on vient d’évoquer. A leur tour, ces anticipations modifiées influeront souvent sur celles des producteurs en fin de campagne – qui se couvriront en conséquence plus ou moins contre le risque de prix (sous-couverture si les dernières anticipations des investisseurs ont été revues à la hausse et inversement). Or, sous-couverture en deçà de ce qui correspondrait à ce que l’attitude par rapport au risque de l’acteur justifie, comme sur-couverture au-delà, équivalent à des positions spéculatives. Les « spéculateurs » ne se trouvent donc pas seulement parmi les nouveaux acteurs et ne sont pas toujours des acteurs financiers.

Dans ces situations successives d’incertitude, les anticipations ne sauraient être parfaites, ni même « rationnelles » au sens faible évoqué dans l’introduction, et il est donc imprudent - ou partisan - d’affirmer par avance que toutes les positions spéculatives que l’on vient d’évoquer n’auront aucun impact sur la chronique des prix observables. Les décisions en « rationalité limitée » conduisent à ce que les positions à terme, dérivées ou pas, aient un impact sur les cours, contrairement à ce qu’une connaissance trop approximative de l’analyse d’équilibre économique général pourrait laisser croire. Dire que la spéculation n’aura d’autre effet que celui de l’ « écume des vagues » est faire preuve d’ignorance - ou de partialité dans l’analyse.


2. Des résultats étranges de structures simples ou l’illustration des systèmes complexes

2.1. Impact de l’analyse de système

Si l’on souhaite concilier rigueur de pensée et opérationnalité de résultats dérivés formellement – par exemple, capacité à engendrer des simulations – on ne peut que fermer le système ainsi décrit pour en dégager des équations stables. Mais comprendre auparavant comment fonctionne le système dans son environnement au lieu de « plaquer » un modèle de marché standardisé sur ce type de situations est d’une importance cruciale : c’est l’une des nombreuses et riches leçons que j’ai retenues des douze années passées avec Jean-Louis le Moigne dans le laboratoire que nous avons créé ensemble en 1976, le GRASCE. Tout l’art du modélisateur consiste ensuite à chercher la fermeture qui dénaturera le moins le sens de l’évolution du système en question. C’est la signification renouvelée à accorder au principe du ‘rasoir d’Ockham’, si précieux pour les modélisateurs.

Dans le cas particulier des matières premières, on aboutit à une modélisation mettant l’accent sur les acteurs (« agent-based ») en retenant quelques traits simples de leurs psychologies respectives, touchant à la formation de leurs anticipations et à leur attitude par rapport au risque – un sujet sur lequel nous avons davantage appris dans le dernier quart de siècle que dans les trois cents ans précédents (Munier et Tapiero, 2008). Des équations très simples liées par des conditions simples suffisent cependant à provoquer des résultats tout-à-fait contre-intuitifs (Gribbin, 2006). Mais on ne peut, en outre, faire l’impasse sur l’hétérogénéité de ces acteurs.

2.2. Hétérogénéité des acteurs du système

Les agents ainsi modélisés sont en effet hétérogènes dans leurs comportements respectifs, liés aux règles de rationalité très simples auxquelles ils choisissent d’adhérer respectivement. La proportion de ceux de acteurs qui adhèrent à telle ou telle règle varie bien entendu dans le temps et va bien entendu expliquer ou contribuer à expliquer les mouvements de prix observables. On voit ainsi que les interactions entre les acteurs sont la variable cruciale. Elles sont en particuliers beaucoup plus riches que la simple interdépendance par le système de prix. Le premier à avoir véritablement insisté sur cet aspect des mouvements économiques d’ensemble a sans doute été Oskar Morgenstern dans un texte peu connu et sans doute oublié (Morgenstern, 1928). L’interdépendance par les prix apparaît alors comme un cas-limite, un peu comme celui des gaz parfaits en Physique. L’analogie est plus prégnante qu’on ne pourrait croire : il est en effet des marchés pour lesquels la formation des prix selon le modèle d’équilibre (partiel ou général) néo-classique peut constituer une approximation tout à fait acceptable. Ce n’est pas le cas des marchés financiarisés, comme on l’argumente ici. Evidemment, le réseau et les modalités des interactions entre les acteurs jouent un rôle essentiel dans la stabilité et éventuellement l’efficience de second ordre des marchés en question.

2.3. Conséquences statistiques

Les anticipations peuvent avoir divers supports, selon la ‘microstructure’ du marché, c’est-à-dire selon la manière et les circonstances dans lesquelles les agents entrent en contact les uns avec les autres. Maurice Allais (1968, p.ex.) avait déjà insisté sur l’importance des marchés par opposition au marché Walrassien standardisé. Les travaux de Jacques Lesourne (1991) et d’André Orléan (1998, 2002), ceux de Daniel Friedman (2007), parmi d’autres, ont élargi la perspective. En général, les anticipations s’appuient sur ce qu’on a pu voir faire aux autres et sur la mémoire qu’on en a, de même que sur ce que ce que l’on perçoit qu’ils font couramment et aussi sur ce que l’on peut savoir qu’ils pensent (Munier, 1989, 1993, 1994). C’est ce dernier point qui permet de modéliser les effets de « Herding » ou de « Panurgisme » (Poincaré, 1908) que l’on doit à juste titre redouter sur ce type de marchés d’anticipations. On assiste alors à une sorte de « polarisation des anticipations » (Munier, 1970), souvent à l’origine des crises financières et économiques5. C’est l’une des raisons pour lesquelles l’hypothèse de distributions de probabilité de Laplace-Gauss est à écarter, comme l’avait observé Henri Poincaré dans sa critique – sévère, mais pertinente - de la thèse de Bachelier (Bachelier, 1900, 1995). L’autre raison principale tient à la structure des réseaux au sein desquels interviennent les interactions d’anticipations. Lorsque les réseaux sont largement distribués et de grande taille, la polarisation des anticipations est faible. Mais s’ils sont soit de taille très restreinte, soit concentrés sur quelques nœuds (on peut prendre l’exemple de NYSE/Euronext – Chicago – Francfort –Tokyo au sein du vaste réseau financier mondial), la probabilité de polarisation devient élevée et les crises menacent.

Hélas, la conviction simple qu’avec deux moments – dont la signification intuitive donne par ailleurs l’impression de s’imposer – on puisse saisir la totalité d’une distribution de probabilité est si alléchante pour l’esprit humain que la Finance moderne s’y est précipitée et enlisée (Markowitz, 1959, Black and Scholes, 1973), avec les conséquences que l’on a pu constater6. Si l’on ajoute à tout cela les effets de levier proprement terrifiants que comportent les opérations dérivées, on comprend le mot de Warren Buffet selon lequel ces opérations dérivées représentent une artillerie lourde propre à faire exploser le marché aux fondamentaux les plus solides. On comprend aussi que les instruments de la finance moderne qui, sous leur aspect mathématique massif, semblent reposer sur un socle de science inaltérable, ne soient suffisants que dans les périodes caractérisées par un régime de croisière - dans lesquelles ils ne sont parfois que d’une faible utilité – c’est-à-dire les périodes les moins intéressantes à étudier et les moins propices au déclenchement d’une éventuelle crise. On comprend enfin que la perspective de polarisation des anticipations ait pu faire dire à Keynes (en substance) que le marché puisse être suffisamment longtemps « irrationnel » pour que nos réserves financières s’épuisent à s’investir rationnellement. Cette dernière remarque est, à son tour, une puissante incitation à jouer la convention au sens Keynésien du terme et donc, à adhérer au panurgisme. Les marchés d’actifs financiarisés auront donc tendance à demeurer semblables au modèle de marchés d’anticipations esquissé ci-dessus. La sortie éventuelle d’un tel contexte reste donc conditionnée à une modification du système suite à une intervention extérieure. Les enjeux économiques méritent donc d’être examinés scrupuleusement.

2.4. Conséquences économiques

Sur de tels marchés, ce n’est pas l’équilibre qui est la norme, mais le déséquilibre ou plutôt les types de déséquilibre, parfois ‘l’équilibre de coin’ – mathématiquement non ‘régulier’ – que la théorie économique considère comme exceptionnel et de court terme, alors que ce n’est vrai que sous l’hypothèse de « régime de croisière ». Un tel état de déséquilibre reflète donc la norme, l’équilibre l’exception. Walras l’avait lui-même bien senti lorsqu’il écrivait : « l’état d’équilibre de la production est, comme l’état d’équilibre de l’échange, un état idéal, non un état réel. Il n’arrive jamais » (Walras, 1874, 1926).

L’évolution n’est donc pas une succession d’équilibres réguliers – contrairement à ce que postulent nombre de modèles de prévision, notamment pour la prévision à long terme – mais une suite de déséquilibres plus ou moins contenus, suite ponctuée de « crises » lorsque le déséquilibre ne peut plus être contenu. La volatilité des prix est donc la norme, la stabilité des prix des matières premières ne peut être obtenue que par une modification du système résultant d’une intervention extérieure – hier, de l’Etat, aujourd’hui sans doute de la Communauté internationale ou au moins d’une partie d’entre elle. Le contraste avec la vieille analyse de Newbery et Stiglitz (1981) qui faisait du seul aléa naturel le facteur explicatif de la volatilité des prix des matières premières est complet. Le même Stiglitz a aujourd’hui changé d’avis, passant ainsi du camp ‘des anciens’ dans celui ‘des modernes’. Avec raison.


3. Conclusions

On peut tirer deux types de conclusions des réflexions qui précèdent, à caractère épistémologique et d’histoire de la pensée économique, d’une part ; à caractère plus immédiatement pratique d’autre part.

D’un point de vue pratique, on notera d’abord que la prévision économique au sens des années Soixante est, pour le type de marchés d’actifs que l’on a envisagé dans cet article, fortement dépendante de la trajectoire du système. Toute bifurcation rendra une prévision établie selon les méthodes usuelles de l’économétrie, quels que soient leurs raffinements, illusoire. Quelques organismes officiels seraient sans doute bien inspirés d’investir davantage de leurs ressources ailleurs que dans ce type d’illusion. On sait par ailleurs l’instabilité des variances et covariances sur le marché financier et le caractère discutable du « retour à la moyenne » des grandeurs économiques. La psychologie des marchés mériterait une plus large audience.

Les questions importantes pour les chercheurs sont aujourd’hui celles du type de volatilité à attendre, du diagnostic et si possible de la prévision du phénomène de polarisation des anticipations et, finalement, des points de retournement possibles des marchés. Observons d’abord que, sur ces sujets, l’analyse économique orthodoxe (‘mainstream’) est muette. Il n’existe ailleurs aussi que très peu de travaux sur ces questions. Sur la volatilité à attendre de politiques économiques ou/et douanières données, on a besoin de modèles d’interaction générale mondiaux. De tels modèles n’existent pas, même si l’on a pu, ici ou là, fabriquer des substituts acceptables. Ainsi du modèle Momagri (2009, puis 2010-2011, en attendant une version 3 améliorée)7.

Sur la prévision de la polarisation des anticipations, très peu d’éléments existent, apparentés plutôt à la psychologie cognitive et à la psychologie sociale. Sur la prévision des points de retournement éventuels, c’est plutôt à la physique que les premiers emprunts ont été faits (Sornette, 2003). Ce sont pourtant là des sujets essentiels tant pour les responsables des politiques économiques que pour les acteurs du marché.

D’un point de vue épistémologique, la pensée complexe est d’abord une méthode qui débouche sur une appréciation critique de beaucoup de développements récents de l’analyse économique – asymétrie de l’information, analyse du risque et de l’incertitude, formation des anticipations, etc. – qui vont parfois dans le même sens que cette pensée complexe – voire dont quelques-uns ont pu, ici ou là, la précéder. Il faut bien entendu se garder de comparer LA ‘pensée économique’ (que l’on fixe alors grosso modo à la fin du XIXème/début du XXème siècle, avec la pensée de Walras et de Pareto, en ignorant donc les développements intervenus pendant un siècle), à LA ‘pensée complexe’, dont l’essentiel des développements sont postérieurs de bien des décennies et bénéficient d’une expérience scientifique en tout point incomparable avec la pensée précédente. Dans le respect de cette condition, l’apport de la pensée complexe ne sera pas regardé comme un outil de rejet de tous les modèles économiques actuels, mais comme une source de refondation et d’enrichissement potentiel des modèles traditionnels (Smith, 2002 ; Markose, 2003) pour les sous-ensembles économiques (marchés, économies, filières) auxquels ces derniers ne sont pas adaptés. C’est ce que nous avons voulu montrer dans cet article sur les cas des marchés financiarisés de matières premières. Sans doute pouvons-nous apprendre beaucoup encore pour parer, autant que faire se pourra dans le futur aux crises semblables à celles qui ont émaillé la chronique des années 80 jusqu’à la crise majeure de 2008.

C’est le pari que nous avons formé, avec Jean-Louis Le Moigne, en 1976 lorsque nous avons travaillé ensemble, en partant de nos travaux respectifs sur la décision (Le Moigne, 1974 ; Munier, 1970, 1972) à la création du GRASCE8. Certes, de nombreux verrous n’ont pas encore sauté, mais c’est un pari qui n’a non seulement rien perdu de son actualité, mais auquel l’actualité de ces dernières années a conféré une valeur dramatiquement accrue.



Références

Allais, Maurice, 1968, “The Conditions of Efficiency in the Economy”, Economia Internazionale, XXI, 3-24.

Bachelier, Louis, 1995, Théorie de la Spéculation, Paris, Gabay, (reproduction de la thèse de 1900, Annales de l’E.N.S., Série 3, 17, 21-86)

Black, Fischer and Myron Scholes, 1973, “The Valuation of Options and Corporate Liabilities”, Journal of Political Economy, 637-659.

Ezekiel, Mordecai, 1938, The Cobweb Theorem, Quarterly Journal of Economics, 52, 255-280.

Friedman, Daniel, 2007, Market theories do evolve, so do markets, JEBO, 63, 247-255.

Gribbin, John, 2006, Simplicité profonde : le chaos, la complexité et l’émergence de la vie. Paris, Flammarion. (ed. originale : 2004).

Le Moigne, Jean-Louis, 1974, Les systèmes de décision dans les organisations, Paris, Lavoisier.

Le Moigne, Jean-Louis, 1977, La théorie du Système Général, théorie de la modélisation, Paris, P.U.F.

Le Moigne, Jean-Louis, 1999, La modélisation des systèmes complexes, Paris, Dunod.

Le Moigne, Jean-Louis, 2007, Les épistémologies constructivistes, Paris, P.U.F.

Lesourne, Jacques, 1991, Economie de l’ordre et du désordre, Paris, Economica.

Lesourne, Jacques et André Orléan, eds., 1998, Advances in Self-Organization and Evolutionary Economics”, Londres, Economica

Lesourne, Jacques, André Orléan et Bernard Walliser, 2002, Leçons de microéconomie évolutionniste, Paris, Odile Jacob.

Markose, Sheri, M., 2003, “Computability and Evolutionary Complexity: Market As Complex and Adaptive systems (CAS)”, University of Essex, Economics Department, Mimeo.

Markowitz, Harry, 1959, Portfolio Selection, Efficient Diversification of Investments, New York, Wiley, Monograph 16, Cowles Foundation.

Morgenstern, Oskar, 1928, Wirtshaftsprognose, eine Untersuchung ihrer Voraussetzungen und Möglichkeiten, Vienne, Julius Springer, 1928.

Munier, Bertrand, 1970, Le Cambisme et les mouvements de capitaux à court terme, Paris, P.U.F., préface d’Oskar Morgenstern.

Munier, Bertrand, 1972, « Contribution de la théorie des Jeux à la critique du théorème d’Heckher-Ohlin-Samuelson », Economie Appliquée, XXV, 61-90.

Munier, Bertrand, 1989, “Cognition and Uncertainty”, Theory and Decision, 27, 93-106.

Munier, Bertrand, 1993, « Komplexität, das Konzept Unsicherheit und beschränkte Rationalität des Menschen », Zeitshcrift für Wissenschaftsforschung, Graz, Ludwig Boltzmann Institut für Wissenschaftsforschung, 113-125.

Munier, Bertrand, 1994, « Décision et Cognition », Revue Française de Gestion, 99, 79-91.

Munier, Bertrand, 2010, “Boundedly rational exuberance on commodity markets”, Risk and Decision Analysis, 2, 33-50 et “Reply”, 59-62.

Munier, Bertrand, ed., 2011, Global Uncertainty and the Volatiliy of Commoditiy Prices, Amsterdam, IOS Press (forthcoming)

Munier, Bertrand et Charles Tapiero, « Risk Attitude », Encyclopedia of Quantitative Risk Assessment and Analysis, New York, Wiley, Band IV, 1512-1524.

Newbery, David et Joseph Stiglitz, 1981, Theory of Commodity Price Stabilization, Studies in the Economics of Risk,

Pareto, Vilfredo, 1896, Cours d’économie politique, Lausanne, F. Rouge.

Pareto, Vilfredo, 1917, Traité de sociologie générale, Paris, Payot,

Poincaré, Henri, 1908, La valeur de la Science, Paris, Flammarion.

Simon, Herbert A., 1995, “Near-Decomposability and Complexity: How a Mind Resides in a Brain”, in: H.J. Morowitz and J.L. Singer (Eds.), The mind, the brain and complex adaptive systems”, Sata Fe Institute Studies in the Sciences of complexity, Vol. XXII, Reading, Addison-Wesley

Smith, Lewis, L., 2002, “Economies and markets as complex systems: Looking at them in this way may provide fresh insight”, Business Economics, January.

Sornette, Didier, 2003, Why stock markets crash: critical events in complex financial systems, Princeton, Princeton University press.

Stein, Jerome, 1987, “Informational Externalities and Welfare Reducing Speculation”, Journal of Political Economy, 95, 1123-1145

Walras, Léon, Eléments d’Economie Politique Pure, Paris, Pichon et Durand-Auzias, 1926 (Ed. originale 1874). Nous renvoyons ici à : Dockès et al., eds., Œuvres Complètes d’Auguste et Léon Walras, Paris, Economica, 1988, Vol. VIII.


1 Chapitre 14, pp. 157-168, aux éditions L’Harmattan
2 Si l’on se borne à ne considérer que les offres et les demandes physiques et financières, ces dernières ne peuvent qu’avoir un impact faible, dans la mesure où, s’agissant d’investissements à court terme, les offres de revente suivent rapidement les achats et ne créent donc que très peu de déséquilibres d’ajustement entre offre et demande. Mais c’est précisément l’erreur à ne pas commettre : le système n’a plus la même logique de fonctionnement.
3 Jerome Stein a sans doute été le premier à introduire cette observation et à la modéliser sous le nom de « informational externalities » (Stein, 1987)
4 Il est surprenant de constater à quel point les modèles conventionnels enferment souvent la pensée. Par exemple, le document technique du modèle « Linkage » ne contient pas une seule fois le mot de « risque » dans la centaine de pages qu’il renferme. Le modèle lui-même ne contient en conséquence aucune modélisation correspondante, alors qu’il a longtemps prétendu servir de support aux politiques économiques agricoles mondiales ! Il est, bien entendu, très facile, après coup, « d’expliquer » un mouvement de prix par un excès relatif – ou par une insuffisance relative – d’offre - ou de demande. Mais, prévoir, ex ante, sinon le niveau précis, du moins le type d’évolution d’un prix est une autre affaire et, en cette matière, la pertinence de la modélisation compte évidemment. Les affirmations erronées abondent dans les textes qui en restent au modèle d’offre-demande.
5 Les informations répétées sur ce que font l’acteur X ou/et l’acteur Y et d’autres éventuellement, devraient être de faible impact, selon les statisticiens, puisqu’elles ne font que reprendre la même information, qui provient de la même source d’observation. C’est exactement l’inverse qui se produit lorsque l’on introduit les psychologies des acteurs (biais dit de surconfiance) et les interactions entre acteurs qui peuvent aller au-delà (et faire croire, par exemple, à des sources différentes d’information).
6 Un théorème peu connu de Maurice Allais (1988) montre que, dans le cas d’une distribution à support discret, le nombre de moments nécessaire pour décrire complètement la distribution est une fonction simple du nombre de valeurs retenues par le support. Cf. B. Munier, ed., 1988, p. 357 et s.
7 Le sigle Momagri est mis pour « MOuvement pour l’organisation Mondiale de l’AGRIculture. Il s’agit d’un think tank basé à Paris, mais à caractère international. Le modèle qui a été construit pour éclairer les responsables internationaux sur les politiques agricoles internationales est en fait un système de modèles, organisé autour d’un modèle d’équilibre général classique entouré de modèles partiels générant des changements d’équilibres qui approximent les déséquilibres successifs. On pourra voir pour davantage de détails un premier article (Munier, 2010) ou un ouvrage édité (Munier, ed., 2011). Quelque 15000 équations permettent de donner une signification raisonnable et ressentie par les praticiens de la branche des observations récentes sur l’économie agricole internationale.
8 Initialement Groupe de Recherche en Analyse de Système et Calcul Economique (1976-1992). Le sigle a été conservé mais en lui associant par la suite les termes que l’on sait. La conjugaison voulue de l’économique et du complexe est néanmoins restée prégnante dans l’équipe.
Haut de page
Le modèle momagri
Paris, le jeudi 20 juin 2019