Chapter

Chapitre 3: Les effets des chocs météorologiques sur l’activité économique : quelles stratégies pour les pays à faible revenu?

Author(s):
International Monetary Fund. Research Dept.
Published Date:
October 2017
Share
  • ShareShare
Show Summary Details

Depuis une quarantaine d’années, la température mondiale a augmenté à un rythme sans précédent et la planète pourrait connaître encore un réchauffement marqué. Notre capacité à réduire les émissions de gaz à effet de serre sera déterminante. Ce chapitre montre que l’élévation des températures a des effets macroéconomiques inégaux : les retombées négatives se concentrent dans les pays au climat déjà relativement chaud, à savoir la plupart des pays à faible revenu. Dans ces pays, l’élévation des températures fait baisser le produit par habitant, tant à court qu’à moyen terme, car elle entraîne une diminution des rendements agricoles et de la productivité des travailleurs exposés à la chaleur, elle ralentit l’investissement et elle nuit à la santé. Jusqu’à un certain point, de bonnes politiques nationales et le développement en général, combinés à des investissements en stratégies d’adaptation spécifiques, peuvent atténuer les conséquences dommageables des phénomènes météorologiques extrêmes. Mais compte tenu des contraintes que connaissent les pays à faible revenu, la communauté internationale doit jouer son rôle et soutenir les efforts de ces pays pour vivre avec le changement climatique —fléau mondial dont ils ne sont quasiment pas responsables. L’analyse présentée dans ce chapitre est centrée sur l’impact des chocs météorologiques sur les pays à faible revenu, mais presque tous les pays du monde vont pâtir de plus en plus des effets négatifs directs du changement climatique s’il n’est pas enrayé : températures excessives dans certains pays au climat actuellement tempéré, augmentation de la fréquence des catastrophes naturelles, élévation du niveau des mers, destruction de la biodiversité et retombées négatives des pays vulnérables. Désormais, seule une coopération internationale constante et un effort concerté pour contenir les causes anthropiques du réchauffement mondial peuvent limiter les risques à long terme liés au changement climatique.

Introduction

Depuis le début du XXe siècle, la température moyenne à la surface de la Terre a fortement augmenté. Les températures mondiales avaient connu d’importantes fluctuations par le passé, comme le début et la fin des périodes glaciaires, mais à une échelle de temps plus longue. Depuis 30 ou 40 ans, le changement climatique s’est accéléré à un rythme sans précédent depuis 20.000 ans (graphique 3.1)1. La plupart des scientifiques s’accordent à penser que les températures mondiales continueront de s’élever, mais les proportions et le rythme de ce réchauffement dépendront beaucoup de notre capacité à réduire les émissions de gaz à effet de serre, qui sont la principale cause du réchauffement (GIEC, 2013). Les phénomènes météorologiques extrêmes comme les canicules, les épisodes de sécheresse et les inondations devraient être plus fréquents, et le niveau des mers s’élever. Bien que des incertitudes considérables entourent les projections de température, le consensus scientifique prévoit que, faute de mesures fortes pour lutter contre le changement climatique, les températures moyennes pourraient augmenter de 4°C ou plus d’ici la fin du XXIe siècle. Pour limiter le réchauffement à moins de 2°C, il faudra réaliser des réductions très importantes des émissions par rapport aux niveaux actuels. Le changement climatique aura-t-il des conséquences macroéconomiques importantes, en particulier dans les pays en développement à faible revenu, généralement plus exposés aux aléas météorologiques? Et comment ces pays peuvent-ils faire face à la hausse des températures qui les attend dans les décennies à venir?

Graphique 3.1.Température mondiale moyenne

(Degrés Celsius)

Sources : Phase 5 du projet d’intercomparaison des modèles couplés du Groupe intergouvernemental sur l’évolution du climat (GIEC), sous-série Atlas; Marcott et al. (2013); Matsuura et Willmott (2007); Institut Goddard d’études spatiales de la NASA; Atlas du changement climatique de l’Institut météorologique royal des Pays-Bas; Shakun et al. (2012); calculs des services du FMI.

Note : Dans la plage 2, les lignes fines représentent chacun des 40 modèles de l’Atlas de l’annexe I du AR5 WG1 du GIEC, où un modèle est considéré comme distinct dès lors que ses paramètres sont différents. Les lignes épaisses représentent la moyenne multi-modèles. Les profils représentatifs d’évolution de concentration (RCP) sont des scénarios pour les concentrations de gaz à effet de serre construits par le GIEC. Le RCP 4.5 est un scénario intermédiaire reposant sur une prise de conscience des enjeux environnementaux : les émissions culminent vers 2050, puis diminuent. Le RCP 8.5 est un scénario sans atténuation : les émissions continuent d’augmenter pendant tout le XXIe siècle.

Prédire les conséquences du changement climatique est un exercice difficile. Au cours du prochain siècle, les températures pourraient augmenter dans des proportions qui n’ont aucune commune mesure avec l’expérience historique récente (et pertinente), et le climat pourrait changer par bien d’autres aspects, notamment l’élévation rapide du niveau des mers et l’acidification des océans, et toucher un grand nombre de pays. Extrapoler la relation observée historiquement entre l’activité et les régimes météorologiques pourrait aussi poser problème, car les populations s’adaptent aux changements durables du climat. Toutefois, l’étude des effets macroéconomiques des fluctuations météorologiques annuelles peut apporter des éléments utiles2. Dans une étude qui a fait date, Dell, Jones et Olken (2012) ont montré que la hausse des températures pourrait pénaliser particulièrement la croissance des pays à faible revenu. Burke, Hsiang et Miguel (2015a) ont montré, preuves à l’appui, que c’est à 13°C que la productivité est la plus élevée, et qu’à partir de ce point, elle décline rapidement à mesure que les températures montent. Les pays à faible revenu étant concentrés dans les zones géographiques chaudes, les conclusions de Burke, Hsiang et Miguel (2015a) suggèrent qu’une hausse des températures serait particulièrement dommageable à leurs économies.

Les pays pour lesquels le changement climatique aura un impact négatif devront devenir plus résilients à l’élévation des températures et aux phénomènes météorologiques extrêmes, tant en améliorant leur capacité à lisser les chocs — lesquels pourraient devenir plus fréquents — qu’en investissant dans des stratégies d’adaptation, par exemple par la diversification de leurs activités, la construction d’infrastructures et l’innovation technologique, afin de réduire les dommages qu’ils causeront. Le changement des conditions climatiques peut aussi déclencher des déplacements massifs de populations, ce qui peut avoir d’importantes répercussions sur les autres pays. Or il existe peu d’éléments factuels sur l’aide que peuvent apporter les politiques publiques aux pays et aux individus pour supporter les chocs météorologiques.

Pour faire en sorte que les pays en développement à faible revenu puissent parvenir à une croissance durable à long terme — condition préalable à la convergence et à la réalisation des Objectifs de développement durable de l’ONU —, il est capital que nous comprenions les effets macroéconomiques des chocs météorologiques et la capacité qu’a l’action publique de les atténuer.

Ce chapitre, qui exploite et enrichit les travaux existants, apporte une contribution au débat sur les politiques publiques en examinant les questions suivantes :

  • Quelle a été par le passé la relation entre les chocs de température et de précipitations et l’activité économique, tant à court qu’à moyen terme? Les pays à faible revenu sont-ils particulièrement vulnérables? Par quels canaux les fluctuations météorologiques affectent-elles l’économie? La sensibilité de la croissance aux chocs météorologiques a-t-elle évolué au fil des années?

  • Comment les pays, en particulier les pays à faible revenu, peuvent-ils affronter les chocs météorologiques? Les politiques publiques et d’autres caractéristiques propres à chaque pays peuvent-elles atténuer la réaction macroéconomique aux fluctuations météorologiques?

  • Étant donné la trajectoire projetée des températures d’ici à la fin du XXIe siècle, quel pourrait être l’impact du changement climatique sur les pays à faible revenu?

Pour répondre à ces questions, ce chapitre commence par établir l’évolution historique et projetée des régimes de température et de précipitations dans les grands groupes de pays selon les principaux modèles de changement climatique, ainsi que les contributions des différents groupes aux émissions de gaz à effet de serre. Il s’intéressera ensuite à l’historique des effets macroéconomiques des variations annuelles des températures et des précipitations dans un large éventail d’économies, en regardant par quels canaux les conditions climatiques influent sur les performances macroéconomiques. Il examinera des éléments factuels montrant comment différentes politiques publiques et caractéristiques des pays influencent la sensibilité de la croissance aux fluctuations météorologiques, à travers des analyses empiriques et des simulations par modèles, ainsi que des études de cas de différentes stratégies d’adaptation aux changements climatiques. Enfin, il incorporera des estimations empiriques des pertes économiques causées par les chocs météorologiques et par les changements projetés des températures dans un modèle dynamique d’équilibre général, afin d’observer les effets que pourrait avoir le changement climatique sur le long terme.

Voici les principales conclusions de ce chapitre :

  • L’élévation des températures qui s’est produite au siècle dernier a concerné toute la planète. Aucun pays n’a échappé au réchauffement de la surface de la Terre, et aucun ne devrait être épargné par de nouvelles hausses des températures. C’est dans les pays les moins chauds que le réchauffement sera le plus fort. La contribution des pays à faible revenu — qui se situent pour la plupart dans les régions les plus chaudes de la planète — aux concentrations atmosphériques de gaz à effet de serre est négligeable, tant en chiffres absolus que si on la ramène au nombre d’habitants.

  • L’effet macroéconomique des chocs de température est inégal entre les pays. Confirmant la non-linéarité de la relation au niveau mondial révélée par Burke, Hsiang et Miguel (2015a) entre températures annuelles et croissance, l’analyse empirique qui s’appuie sur une série de données élargie, suggère que l’élévation des températures pénalise le produit par habitant dans les pays à température annuelle moyenne relativement chaude, ce qui est le cas de la plupart des pays à faible revenu. Dans ces économies, l’effet négatif se prolonge dans le temps et opère par différents mécanismes : baisse de la production agricole et de la productivité de la main-d’œuvre dans les secteurs les plus exposés aux conditions météorologiques, baisse de l’accumulation de capital et détérioration de la santé humaine. De plus, les données indiquent que ces dernières années, la sensibilité des performances macroéconomiques aux chocs de température n’a pas diminué, ce qui pourrait indiquer que l’adaptation progresse peu.

  • Jusqu’à un certain point, de bonnes politiques publiques et des cadres institutionnels adaptés, des investissements infrastructurels et d’autres stratégies d’adaptation peuvent atténuer les effets néfastes des chocs de température dans les pays chauds. Bien que l’interprétation causale soit difficile, les éléments empiriques suggèrent que les pays dotés de marchés de capitaux bien régulés, d’infrastructures développées, de taux de change flexibles et d’institutions démocratiques se rétablissent un peu plus rapidement que les autres des impacts dommageables des chocs de température. Les hausses de température entravent aussi beaucoup plus la croissance dans les régions chaudes des pays émergents et en développement que dans les régions chaudes des pays avancés, ce qui confirme qu’un niveau élevé de développement rend les pays moins vulnérables.

  • La hausse des températures projetée d’ici à 2100 dans un scénario de changement climatique sans atténuation implique de lourdes pertes économiques pour la plupart des pays à faible revenu. Dans l’hypothèse prudente selon laquelle les effets permanents des chocs météorologiques portent sur le niveau du produit par habitant, et non sur le taux de croissance, les simulations par modèles suggèrent qu’en 2100, le PIB par habitant d’un pays à faible revenu type serait inférieur de 9 % à ce qu’il aurait été en l’absence des hausses de température. En valeur actualisée, les pertes représenteraient plus de 100 % du PIB actuel en appliquant un ajustement de 1,4 % en fonction de la croissance.

Prises ensemble, ces conclusions peignent un bien sombre tableau. L’élévation des températures aurait des effets extrêmement inégaux dans les différentes parties du monde, et c’est pour les moins bien armés que les conséquences en seraient les plus négatives. En toute vraisemblance, la plupart des pays ressentiront de plus en plus l’impact direct du changement climatique s’il n’est pas atténué : températures excessives, catastrophes naturelles plus fréquentes (et plus destructrices), élévation du niveau des mers, perte de biodiversité, et une foule d’autres effets difficiles à quantifier. En outre, il faut s’attendre à ce que le changement climatique fasse des gagnants et des perdants, tant au niveau individuel qu’au niveau sectoriel, y compris dans les pays où son effet moyen pourrait être limité ou positif. Mais les pays à faible revenu souffriront de manière disproportionnée des hausses futures des températures, alors qu’ils n’ont que peu contribué à ce phénomène planétaire. Et au sein même des pays à faible revenu, ce sera probablement les pauvres qui seront le plus lourdement touchés par les conséquences du changement climatique (Hallegatte et Rozenberg, 2017). Sachant qu’ils pèsent très peu sur la trajectoire future du climat, comment ces pays peuvent-ils affronter tous les problèmes que leur posera l’élévation des températures?

Les conclusions de ce chapitre suggèrent que les politiques nationales peuvent partiellement amortir les effets négatifs des chocs météorologiques. Améliorer la marge d’action des pouvoirs publics, renforcer et cibler des dispositifs de protection sociale permettant d’apporter de l’aide quand elle est nécessaire sont des moyens d’atténuer certains effets immédiats des chocs météorologiques. Les politiques et institutions visant à flexibiliser les marchés des capitaux et de la main-d’œuvre et à faciliter la transformation structurelle de l’économie pourraient aider les pays à se rétablir un peu plus rapidement et réduire leur vulnérabilité aux chocs futurs. Des stratégies d’adaptation limitant certains effets et risques spécifiques du changement climatique, par exemple la conduite de projets d’infrastructure ciblés, le choix de technologies appropriées et la création de mécanismes de transfert et de partage de ces risques via les marchés financiers pourraient aussi faire partie des outils pour réduire les pertes économiques dues au changement climatique.

Mais mettre en place les bonnes politiques sera particulièrement difficile dans les pays à faible revenu, dont les besoins sont considérables et dans lesquels il est difficile de mobiliser les ressources nécessaires, compte tenu de l’environnement économique difficile. Dans certains cas, les difficultés sont encore aggravées par des incertitudes politiques et des questions de sécurité. De plus, même si elles sont en place, les politiques nationales ne peuvent pas suffire à isoler les pays à faible revenu des conséquences néfastes du changement climatique : les températures élevées mettent à l’épreuve les limites biophysiques des écosystèmes, avec le risque d’une fréquence accrue d’épidémies, de famines et de catastrophes naturelles, parfois de conflits armés et de flux de réfugiés. Les retombées internationales de ces effets difficiles à prévoir du changement climatique pourraient être tout à fait considérables.

Le changement climatique est une externalité mondiale négative qui pourrait prendre des proportions catastrophiques, et seule l’action collective et la coopération multilatérale peuvent être efficaces face à ses causes et à ses conséquences. Pour atténuer le changement climatique, il faut transformer radicalement le système énergétique mondial, notamment par le biais d’instruments fiscaux, pour que les prix de l’énergie reflètent mieux ses coûts environnementaux et pour promouvoir des technologies plus propres (voir encadré 3.6). Pour s’adapter aux conséquences du changement climatique, des investissements de grande ampleur sont nécessaires : il faut renforcer les infrastructures, consolider les zones côtières, sécuriser l’approvisionnement en eau et améliorer la protection contre les inondations (Margulis et Narain, 2010; PNUE, 2016). La communauté internationale devra jouer tout son rôle pour favoriser et coordonner le soutien, notamment financier, apporté aux pays à faible revenu affectés. Les pays avancés et les pays émergents étant responsables de la majeure partie du réchauffement qui s’est produit jusqu’à présent et qui, d’après les projections, va se poursuivre, aider les pays à faible revenu à vivre avec ses conséquences est pour eux un impératif humanitaire autant qu’une sage décision pour la politique économique mondiale. Désormais, seule une coopération internationale suivie et un effort concerté pour lutter contre les causes anthropiques du réchauffement peuvent limiter les risques à long terme du changement climatique (GIEC, 2014; FMI, 2015; Stern, 2015; Farid et al., 2016; Hallegatte et al., 2016).

Il est important de souligner d’emblée la difficulté intrinsèque qu’il y a à quantifier les conséquences macroéconomiques potentielles du changement climatique. Extrapoler à partir des réactions du PIB aux conditions météorologiques observées historiquement pour en déduire l’effet à long terme du réchauffement climatique pose problème pour plusieurs raisons3. D’abord, cette extrapolation risque de surestimer l’impact, car les gouvernements et les autres agents économiques prennent des mesures pour améliorer la situation, font des investissements ou développent des technologies qui permettent aux populations de s’adapter aux changements persistants du climat. D’autre part, l’impact pourrait s’avérer plus fort si la réaction ne reste pas linéaire à mesure que le climat évolue vers des conditions trop différentes de l’expérience récente4. De plus, dans ce chapitre, les effets des catastrophes naturelles, dont la fréquence, accrue d’après les projections, pourrait amplifier les dégâts, ne sont pas quantifiés séparément; les impacts sur la répartition des revenus (aux niveaux individuel et sectoriel), qui pourraient être prononcés, ne sont pas non plus analysés; pas plus que les conséquences d’une multitude d’aspects du changement climatique, comme l’élévation rapide du niveau des mers, l’acidification des océans, qui n’ont pas de précédent historique mais pourraient avoir des conséquences macroéconomiques considérables5. Quoi qu’il en soit, si pendant le reste du XXIe siècle, le réchauffement se poursuit au même rythme que ces 50 dernières années — une série stochastique de chocs annuels suivant une tendance ascendante —, ce chapitre pourrait fournir de précieuses indications sur les vulnérabilités au changement climatique et les besoins d’adaptation dans les conditions actuelles en termes de technologies de production et de répartition géographique des populations (Dell, Jones et Olken, 2012).

Températures et précipitations : régimes historiques et projections

Cette section établit le contexte qui vaudra pour le reste du chapitre et résume le consensus des scientifiques sur l’évolution depuis un siècle du climat et de l’un de ses déterminants anthropiques : les gaz à effet de serre. Elle présente ensuite les changements projetés par les scientifiques pour le restant du XXIe siècle et examine le lien entre températures, précipitations et catastrophes d’origine météorologique.

Régimes historiques

Les températures mondiales ont augmenté d’environ 1°C par rapport à la moyenne 1880–1910 (graphique 3.2). La hausse s’est vraiment accentuée dans les années 70, suite à une forte augmentation des émissions de dioxyde de carbone (CO2)6. Bien que des facteurs naturels expliquent une partie du réchauffement survenu au siècle dernier, d’après le Groupe intergouvernemental sur l’évolution du climat (GIEC), plus de la moitié de la hausse des températures depuis 1950 est imputable à l’activité humaine (GIEC, 2014).

Graphique 3.2.Augmentation de la température mondiale moyenne et contribution des principaux facteurs

(Écart par rapport à la moyenne 1880–1910, degrés Celsius)

Sources : Centre d’analyse des informations sur le CO2; Institut Goddard d’études spatiales de la NASA; Roston et Migliozzi (2015); calculs des services du FMI.

Note : Les lignes représentent l’augmentation constatée de la température terrestre et à la surface des océans par rapport à la période 1880–1910, et l’augmentation prédite par différents facteurs. Parmi les facteurs humains : utilisation des sols, émission d’ozone, d’aérosols et de GES. Parmi les facteurs naturels : changements de trajectoire orbitale, rayonnement solaire, activité volcanique. La contribution de chaque facteur est estimée par le «ModelE2» de l’Institut Goddard d’études spatiales de la NASA. GES = gaz à effet de serre.

La hausse des températures a touché toutes les régions, avec une même tendance à l’accélération, à partir des années 70 (graphique 3.3)7. La température médiane des 15 premières années du XXIe siècle a été supérieure de 1,4°C à celle des 15 premières années du XXe siècle dans les pays avancés, de 1,3°C dans les pays émergents et de 0,7°C dans les pays en développement à faible revenu. Bien que le réchauffement ait été plus prononcé dans les pays avancés, en 2015, la température dans le pays en développement à faible revenu médian (25°C) était plus de deux fois plus élevée que celle dans le pays avancé médian (11°C).

Graphique 3.3.Température et précipitations dans les grands groupes de pays

Sources : Unité de recherche sur le climat (v. 3.24); calculs des services du FMI.

Note : Données annuelles médianes de température terrestre et des précipitations au niveau du point de grille agrégées au niveau pays–année avec les pondérations de la population de 1950. Voir l’annexe 3.1 pour les sources de données et les groupes de pays. mm = millimètres.

D’autres aspects du climat ont aussi connu des changements perceptibles. Depuis 1900, le niveau moyen de la mer s’est élevé de 17 à 21 cm. Comme pour les températures, la montée du niveau de la mer s’accélère : pendant presque tout le XXe siècle, elle était de 0,17 cm par an, et ces 20 dernières années, elle atteint 0,32 cm par an (GIEC, 2014).

Depuis les années 50, avec l’élévation des revenus et la croissance démographique, les émissions de CO2 ont augmenté à un rythme rapide dans toutes les catégories de revenus (graphique 3.4). Toutefois, les émissions des pays en développement à faible revenu ne représentent encore qu’une part infime de celles des pays avancés et des pays émergents, tant en chiffres absolus que rapportées au nombre d’habitants. Et si depuis une dizaine d’années les pays avancés ont réussi à limiter leurs émissions globales, leurs rejets par habitant restent considérablement plus élevés que ceux du reste du monde.

Graphique 3.4.Émissions annuelles de CO2 dans les grands groupes de pays

(Milliards de tonnes, sauf indication contraire)

Sources : Centre d’analyse des informations sur le CO2; calculs des services du FMI.

Note : CO2 = dioxyde de carbone; PA = pays avancés; PDFR = pays en développement à faible revenu; PE = pays émergents.

Projections

La majorité écrasante des climatologues s’accorde à dire que le changement climatique futur dépend largement de la trajectoire des émissions de CO2, lesquelles sont liées à l’évolution démographique, au développement économique, aux avancées technologiques et à la vigueur avec laquelle les pays appliqueront les mesures d’atténuation8. Cela étant, vu l’importante accumulation de gaz à effet de serre et la persistance de leur concentration dans l’atmosphère, même si les émissions sont fortement réduites immédiatement, les températures devraient continuer de s’élever pendant un certain temps, quoiqu’à un rythme moindre. Le GIEC a construit quatre scénarios possibles, baptisés «profils représentatifs d’évolution de concentration» (ou trajectoires RCP, pour «Representative Concentration Pathways»), utilisant différentes hypothèses en matière de concentration de gaz à effet de serre pour projeter les gammes de températures probables au XXIe siècle. Le reste du chapitre se concentre sur deux de ces scénarios : une trajectoire intermédiaire (RCP 4.5) et une trajectoire sans atténuation (RCP 8.5). Ils sont présentés dans la plage 2 du graphique 3.19.

Dans le scénario RCP 8.5, avec changement climatique sans atténuation, la température mondiale moyenne augmenterait de 3,7°C d’ici à 2081–2100 (dans une gamme projetée de 2,6°C à 4,8°C)10. L’ensemble de la planète se réchaufferait, les plus fortes hausses touchant l’hémisphère nord, où certaines zones pourraient connaître des températures près de 12°C plus élevées qu’en 2005 (graphique 3.5). D’après les projections, entre 2005 et 2100, les températures augmenteront de 4,4°C dans le pays avancé médian, et de 4.5°C dans le pays émergent médian et dans le pays en développement à faible revenu médian. Aux latitudes proches de l’équateur, les hausses de température seront plus faibles en termes absolus, mais elles sont en fait très importantes si l’on considère la faible variabilité des températures observée historiquement, tant d’une année sur l’autre que pendant une année. Le régime des précipitations va évoluer différemment selon les régions : les régions sèches devraient devenir plus sèches, et les régions humides devraient connaître une pluviosité accrue.

Graphique 3.5.Projections des températures et des précipitations dans le scénario RCP 8.5

Sources : Earth Exchange Global Daily Downscaled Projections (NEX-GDDP) de la NASA; Unité de cartographie du Groupe de la Banque mondiale; calculs des services du FMI.

Note : La série des données NEX-GDDP comprend des scénarios climatiques à échelle réduite pour la planète qui sont dérivés du modèle de circulation générale (GCM) dans le cadre de la phase 5 du projet d’intercomparaison de modèles couplés (CMIP5) et pour deux scénarios d’émissions de gaz à effet de serre (RCP 4.5 et RCP 8.5). Les applications du modèle GCM du projet CMIP5 ont été réalisées pour le rapport de la cinquième évaluation du Groupe intergouvernemental sur l’évolution du climat. La série de données comprend des projections à échelle réduite réalisées à partir des 21 modèles et scénarios pour la température maximale journalière, la température minimum et les précipitations pour la période 1950–2100. La résolution spatiale de cette série est de 0,25 degré (environ 25 km x 25 km). mm = millimètres.

Dans ce scénario, le niveau moyen mondial de la mer s’élève de près de 0,8 mètre d’ici à la fin du XXIe siècle, exposant les régions côtières, qui abritent d’importants foyers de peuplement, à un risque accru d’inondations et d’érosion. L’élévation du niveau des mers ne sera pas uniforme dans toutes les régions : d’après les projections, elle sera supérieure à la moyenne mondiale aux latitudes proches de l’équateur, et inférieure aux hautes latitudes (GIEC, 2014; Banque mondiale, 2013).

Il est important d’insister une fois encore sur la grande incertitude qui entoure les projections de changement climatique. Les émissions futures dépendent d’une multitude de facteurs difficiles à prédire et, à l’intérieur aussi d’un même scénario d’émissions, les différents modèles climatiques produisent des projections de températures et de précipitations très différentes (graphique 3.1, plage 2). C’est précisément cette incertitude et la possibilité d’avoir des queues de distribution épaisses — la probabilité de survenue d’un changement climatique catastrophique — qui appellent à prendre des mesures fortes d’atténuation, pour réduire les émissions, et d’adaptation, pour préparer les sociétés à des chocs majeurs (Weitzman, 2011).

Catastrophes liées aux conditions météorologiques

Avec l’élévation des températures, les risques de phénomènes météorologiques extrêmes comme les inondations, les sécheresses et les canicules augmenteront (GIEC, 2014). Des analyses statistiques récentes suggèrent que le changement climatique projeté devrait accroître la fréquence des catastrophes d’origine météorologique — entraînant des dégâts considérables ou des pertes de vies humaines11. Cette probabilité est particulièrement importante pour les pays en développement à faible revenu et les petits États qui, historiquement, ont tendance à connaître beaucoup plus de catastrophes naturelles au regard de leur superficie que les pays avancés et les pays émergents (graphique 3.6, plage 1)12.

Graphique 3.6.Catastrophes naturelles : probabilité mensuelle d’occurrence historique et projetée

Sources : base de données internationale sur les catastrophes (EM-DAT); calculs des services du FMI.

Note : Dans la plage 1, chaque couleur renvoie à un type de catastrophes naturelles, les teintes plus claires de chaque couleur correspondant aux catastrophes naturelles survenues dans les pays en développement à faible revenu. Les plages 2 à 6 montrent la probabilité mensuelle prédite d’une catastrophe naturelle en 2050 et 2100, selon le scénario RCP 8.5. La plupart des probabilités projetées pour chaque mois ne sont pas statistiquement significatives : les résultats doivent être envisagés uniquement comme des indications de l’augmentation potentielle de la fréquence des catastrophes naturelles due au changement climatique. PA = pays avancés; PDFR = pays en développement à faible revenu; PE = pays émergents.

À partir de données mensuelles de 1990 à 2014 sur 8.000 catastrophes d’origine météorologique, une analyse statistique révèle la relation historique entre l’occurrence d’une catastrophe et la température et les précipitations13. Elle combine ensuite l’estimation des élasticités et la projection mensuelle de température et de précipitations en 2050 et 2100 dans le scénario RCP 8.5 pour prédire la probabilité de catastrophes naturelles. Les résultats indiquent que la plupart des catastrophes seront plus fréquentes d’ici la fin du siècle dans toutes les catégories de pays. Comme le montre le graphique 3.6, la fréquence des catastrophes causées par les canicules ou les cyclones tropicaux va augmenter considérablement (voir l’encadré 3.1, qui explore l’effet des cyclones tropicaux sur l’activité économique)14. De même, les inondations et les épidémies, qui frappent surtout les pays en développement à faible revenu, deviendront plus fréquentes. Sans amélioration correspondante des capacités de reconstruction, la fréquence accrue des catastrophes d’origine météorologique pourrait amplifier les dégâts causés, car les économies n’auraient pas le temps de se rétablir entre les événements (Hallegatte, Hourcade et Dumas, 2007).

L’impact macroéconomique des chocs météorologiques

Pour concevoir de bonnes politiques propres à affronter le changement climatique, il faut comprendre les conséquences macroéconomiques qu’il pourrait avoir. Comme il n’existe aucune expérience historique du changement climatique qui puisse être pertinente pour les pays aujourd’hui, l’analyse contenue dans cette section part des travaux existants et regarde comment les fluctuations annuelles des températures et des précipitations influent sur les performances macroéconomiques à court et à moyen terme. Elle étudie les canaux par lesquels les effets macroéconomiques se produisent et les variations de la sensibilité de la croissance aux chocs météorologiques, car il semblerait que dans les pays au climat chaud, les hausses de température font baisser le PIB par habitant.

Effets à court et à moyen terme

Pour mesurer l’impact des chocs météorologiques, cette section examine la relation historique entre les régimes météorologiques et l’activité économique, en utilisant les approches de Dell, Jones et Olken (2012) et de Burke, Hsiang et Miguel (2015a). À l’instar de ces études, l’analyse se base sur les fluctuations annuelles de la température et des précipitations à l’intérieur des pays et entre pays, pour établir la relation de causalité entre les conditions météorologiques et les performances globales, tant dans l’immédiat qu’à moyen terme. Elle va plus loin que ces études en étendant la couverture géographique et temporelle de l’analyse, en étudiant les effets des chocs météorologiques sur un plus grand nombre de variables de performance et en établissant la robustesse des conclusions à l’utilisation de différentes sources de données météorologiques et d’autres formules empiriques plus flexibles.

L’analyse de base utilise la méthode de projection locale de Jordà (2005) pour retracer la fonction de réponse impulsionnelle du PIB réel par habitant à un choc météorologique dans un échantillon de plus de 180 pays durant la période 1950–2015. Pour établir la mesure des conditions météorologiques, on calcule la moyenne annuelle de la température et des précipitations dans le pays avec une expression au carré de la température et des précipitations, pour tenir compte du fait que la relation mondiale entre les températures et la croissance n’est pas linéaire, comme démontré dans l’étude Burke, Hsiang et Miguel (2015a)15.

L’analyse confirme l’existence d’un effet non linéaire statistiquement significatif de la température sur la croissance économique par habitant, établi pour la première fois par Burke, Hsiang et Miguel (2015a), dans l’échantillon nettement plus grand utilisé pour ce chapitre. Dans les pays où la température moyenne est élevée, une hausse de température pénalise l’activité économique, alors que sous les climats beaucoup plus froids, l’effet est inverse. Le seuil de température estimé se situe entre 13°C et 15°C (voir tableau de l’annexe 3.3.1)16. Ces résultats suggèrent que les effets du réchauffement seront extrêmement divergents selon les régions du globe (graphiques 3.7 et 3.8).

La plupart des pays avancés se situant dans les régions relativement froides avec des températures annuelles moyennes proches de ce seuil, une augmentation modeste des températures n’a pas un impact important sur leur croissance contemporaine (graphique 3.7, plage 1)17. Les pays émergents, et surtout les pays en développement à faible revenu, sont souvent soumis à des climats beaucoup plus chauds, et une hausse des températures fait fortement baisser leur croissance de PIB par habitant. Pour le pays émergent médian, une augmentation de 1°C à partir d’une température moyenne de 22°C fait baisser la croissance de 0,9 point de pourcentage la même année. Pour le pays en développement à faible revenu médian, une augmentation de 1°C à partir d’une base de 25°C a un effet encore plus fort : la croissance chute de 1,2 point de pourcentage (graphique 3.7, plages 3 et 5)18. Et bien que les pays qui, d’après les projections, seraient fortement pénalisés par une hausse des températures n’aient produit qu’environ un cinquième du PIB mondial en 2016, ils abritent près de 60 % de la population mondiale actuelle et plus de 75 % de la population mondiale projetée à la fin du siècle (graphique 3.8 et graphique de l’annexe 3.3.1).

Graphique 3.7.Effet de la hausse de température sur le produit réel par habitant

(Pourcentage)

Source : calculs des services du FMI.

Note : Dans les plages de gauche, on superpose l’effet immédiat de 1°C d’augmentation de la température sur le produit par habitant à différents niveaux de températures calculés par l’équation (3.3) à la distribution de la température moyenne annuelle enregistrée en 2015 dans les pays avancés (plage 1), dans les pays émergents (plage 3) et dans les pays en développement à faible revenu (plage 5). La ligne bleue montre les estimations ponctuelles et l’intervalle de confiance à 90 %, et les barres bleu clair représentent le pourcentage de pays à chaque niveau de température. La ligne rouge verticale est la température médiane pour le groupe de pays. Les plages de droite représentent la réponse impulsionnelle du produit par habitant à une augmentation de 1°C de la température estimée à la température médiane des pays avancés (plage 2), des pays émergents (plage 4) et des pays en développement à faible revenu (plage 6). L’horizon 0 représente l’année du choc. T = température.

Graphique 3.8.Effet du réchauffement sur le produit réel par habitant dans le monde

(Pourcentage)

Sources : Natural Earth; ScapeToad; Nations Unies, base de données des Perspectives de la population mondiale : révision de 2015; Unité de cartographie du Groupe de la Banque mondiale; calculs des services du FMI.

Note : Les cartes représentent l’effet immédiat d’une hausse de 1°C de la température sur le produit par habitant calculé par l’équation (3.3). La plage 1 utilise les températures de 2005 au niveau du point de grille, et la plage 2 utilise la dernière moyenne sur 10 ans de la température au niveau des pays avec les coefficients estimés dans le tableau de l’annexe 3.3.1, colonne (5). Dans le cartogramme de la plage 2, chaque pays est rééchelonné en proportion de sa population en 2015. Les zones grisées indiquent que l’impact estimé n’est pas statistiquement significatif.

L’activité économique des pays aux climats chauds se rétablit-elle rapidement après une hausse des températures? D’après notre analyse, la réponse est non. Même sept ans après un choc météorologique, le produit par habitant est inférieur de 1 % pour le pays émergent médian, et inférieur de 1,5 % pour le pays à faible revenu médian (graphique 3.7, plages 2, 4 et 6)19. Un creusement de la courbe de la réponse impulsionnelle estimée donne à penser qu’il y a un effet sur la croissance (et donc beaucoup plus de pertes économiques dues aux températures élevées). Toutefois, statistiquement, on ne peut écarter l’hypothèse selon laquelle les effets contemporains et à moyen terme d’un choc de température sur le produit par habitant sont identiques20.

Canaux d’impact

Les conditions météorologiques peuvent influer sur l’activité économique par plusieurs canaux. Le plus évident est la production agricole, puisque les températures et les précipitations sont des déterminants directs des récoltes. Toutefois, des études démontrent qu’il existe des impacts plus larges, notamment sur la productivité du travail, la mortalité, la santé et les conflits21. Les travaux publiés jusqu’à présent étudient souvent ces effets au sein d’un pays donné ou au moyen d’expériences de laboratoire; ce chapitre cherche à établir si ces canaux opèrent aussi dans un contexte transnational. L’encadré 3.1 élargit l’analyse de cette section en examinant les effets macroéconomiques d’un autre phénomène météorologique : les cyclones tropicaux.

L’analyse principale commence par examiner si les chocs météorologiques influent uniquement sur la production agricole ou également sur les autres secteurs. Comme le montre le graphique 3.9, aux températures prévalant dans le pays en développement à faible revenu médian, la valeur ajoutée agricole et la production agricole diminuent aux températures plus élevées, se redressent quelque peu les années suivantes, et restent généralement inférieures à leur niveau normal à moyen terme — exactement comme on peut s’y attendre et comme le montre un important corpus de travaux22.

Graphique 3.9.Effet du réchauffement sur la production sectorielle estimé à la température du pays en développement à faible revenu médian

(Pourcentage; années sur l’axe des abscisses)

Source : calculs des services du FMI.

Note : Ces plages indiquent l’effet d’une hausse de 1°C de la température estimé à la température du pays en développement à faible revenu médian (25°C). L’horizon 0 représente l’année du choc. La production agricole est un indice, produit par l’Organisation des Nations Unies pour l’alimentation et l’agriculture, des quantités pondérées en fonction du prix des denrées agricoles produites, hors semences et alimentation du bétail.

Toutefois, l’analyse confirme aussi les constatations selon lesquelles la production industrielle est également pénalisée lorsque la température s’élève dans les pays chauds, bien que les estimations soient plus imprécises (voir aussi Dell, Jones et Olken, 2012; Burke, Hsiang et Miguel, 2015a). Seule la production du secteur des services semble épargnée par les conditions météorologiques.

Pour porter un éclairage sur les raisons pour lesquelles les chocs météorologiques touchent d’autres secteurs que l’agriculture, l’analyse se concentre sur la manière dont les éléments clés de la fonction de production agrégée — à savoir la productivité et les intrants travail et capital — réagissent aux chocs météorologiques. Comme d’autres études, l’analyse cherche à mesurer les effets nets en forme réduite des conditions météorologiques sur différentes performances, plutôt que de démêler les relations structurelles vraisemblablement complexes qui peuvent exister entre ces variables.

Productivité

D’après les éléments d’enquêtes et d’autres sources, l’exposition à des températures supérieures à un certain niveau amoindrit les performances des individus dans les tâches cognitives et physiques23. L’analyse examine donc si les températures plus élevées dans les régions déjà chaudes diminuent la productivité du travail. Si la productivité est l’un des canaux par lesquels les chocs météorologiques influent sur le PIB global, l’effet devrait être nettement plus marqué dans les secteurs dans lesquels les travailleurs sont directement exposés aux conditions météorologiques24.

L’analyse de données sectorielles sur la valeur ajoutée par travailleur révèle que, aux températures prévalant dans le pays en développement à faible revenu médian, la productivité des travailleurs exposés à la chaleur baisse fortement après une montée des températures (graphique 3.10, plages 1 et 2). Toutefois, la productivité de la main-d’œuvre n’est pas affectée dans les secteurs où le travail se déroule essentiellement à l’intérieur de bâtiments.

Graphique 3.10.Effet du réchauffement sur la productivité et les intrants capital et travail estimé à la température du pays en développement à faible revenu médian

(Pourcentage; années sur l’axe des abscisses)

Source : calculs des services du FMI.

Note : Ces plages indiquent l’effet d’une hausse de 1°C de la température estimé à la température du pays en développement à faible revenu médian (25°C). L’horizon 0 représente l’année du choc. Les activités exposées à la chaleur sont l’agriculture, la sylviculture, la pêche et la chasse, la construction, l’industrie extractive, les transports, les services d’utilité publique et l’industrie manufacturière, d’après Graff Zivin et Neidell (2014).

La productivité globale pourrait aussi baisser si les chocs météorologiques entraînent de l’instabilité politique, déclenchent des conflits ou affaiblissent les institutions gouvernementales de toute autre manière. Une analyse plus détaillée sortirait du cadre de ce chapitre, mais de nombreuses études constatent un lien étroit entre les chocs météorologiques et de telles situations25. Comme la conflictualité est l’un des principaux éléments déclencheurs des flux de réfugiés, ainsi qu’il est démontré dans le chapitre 1 de l’édition d’avril 2017 des Perspectives de l’économie mondiale (PEM), les chocs météorologiques pourraient avoir des retombées non négligeables par ce canal sur les pays voisins, et à terme sur les pays avancés.

Accumulation du capital

Les hausses de température sont des chocs qui affectent principalement l’offre, mais elles peuvent entraîner des pertes de production persistantes et peser sur la croissance si elles ont une influence sur la vitesse d’accumulation des facteurs26. En utilisant les données des comptes nationaux, l’analyse examine la réponse des principales composantes de la demande agrégée — formation brute de capital, consommation, exportations et importations — aux chocs météorologiques dans le cadre empirique décrit ci-dessus. À la température du pays à faible revenu médian, toutes les composantes réagissent négativement à une hausse de température de 1°C. Toutefois, à moyen terme, l’effet est plus prononcé sur l’investissement qui, d’après l’estimation, est inférieur de 6 % sept ans après le choc (graphique 3.10, plage 3). Les importations, qui sont généralement étroitement liées à l’investissement, subissent également une chute importante et durable lorsque la température monte (chapitre 2 des PEM d’octobre 2016)27.

Offre de main-d’œuvre

L’analyse révèle aussi que dans les climats chauds, les hausses de température peuvent diminuer l’offre (future) de main d’œuvre à cause de leur influence sur les taux de mortalité (graphique 3.10, plage 5). Une hausse de 1°C de la température entraîne une augmentation de 0,12 point de pourcentage de la mortalité infantile l’année du choc. L’effet augmente tout au long de la période d’estimation, car la baisse de revenu due aux conditions météorologiques (et l’insécurité alimentaire qui peut en découler) vient s’ajouter à l’impact physiologique direct de l’élévation des températures dans les pays chauds. Ces éléments factuels provenant d’un panel de pays corroborent les conclusions d’une multitude d’études sur les liens entre les conditions météorologiques et la mortalité, la santé prénatale et d’autres paramètres de santé dans différents pays28. Les effets négatifs sur la santé et la réussite scolaire des enfants pourraient expliquer en grande partie pourquoi les conséquences persistent aussi longtemps.

Effets sur la durée

Les pays étant soumis de manière répétée à des fluctuations météorologiques, il est raisonnable de s’attendre à ce qu’ils prennent des mesures pour réduire l’impact des chocs de température sur l’économie. Or l’analyse ne trouve pas de manifestation évidente d’une telle adaptation depuis 60 ans. Les estimations de la réaction du produit par habitant aux chocs de température sur des périodes glissantes de 20 ans suggèrent que la relation entre ces deux variables est restée constante (graphique 3.11)29. Les raisons de cette absence apparente d’adaptation sont mal comprises, mais il est probable que les efforts se heurtent au coût élevé des mesures d’adaptation, à l’accès limité aux crédits pour les financer, à l’insuffisance d’information sur les bienfaits de l’adaptation, au manque de rationalité dans la planification des risques futurs et au manque d’accès aux technologies, comme l’ont montré Carleton et Hsiang (2016).

Graphique 3.11.Effet du réchauffement sur le produit réel par habitant estimé à la température du pays en développement à faible revenu médian sur la durée

(Pourcentage; années sur l’axe des abscisses)

Source : calculs des services du FMI.

Note : Ce graphique représente l’effet d’une augmentation de 1°C de la température à l’horizon 0 estimé à la température du pays en développement à faible revenu médian (25°C) sur une période glissante de 20 ans. Chaque estimation ponctuelle correspond à une période (t, t + 20).

Affronter les chocs météorologiques et le changement climatique

Cette section examine la manière dont les politiques publiques, les institutions et les autres caractéristiques des pays peuvent atténuer les conséquences négatives des chocs de température et du changement climatique. Elle commence par passer en revue les outils dont disposent les responsables politiques et les acteurs privés pour affronter les chocs météorologiques. Elle présente ensuite des exemples pour illustrer dans quelle mesure, historiquement, certaines politiques (accompagnées d’un niveau général de développement) ont influé sur ce lien entre performances macroéconomiques et chocs de température. Les éléments empiriques sont complétés dans l’encadré 3.2 par des scénarios de modèle dynamique d’équilibre général de la réponse des agrégats macroéconomiques aux chocs météorologiques en utilisant différentes valeurs de remplacement pour les politiques étudiées. Les études de cas de stratégies d’adaptation spécifiques sont présentées dans les encadrés 3.3 et 3.4. La section examine aussi les migrations en tant que réponse à des changements persistants du climat lorsque les stratégies d’adaptation atteignent leurs limites. Enfin, elle s’intéressera au rôle de la coopération internationale à l’appui des efforts des pays pour affronter les chocs météorologiques et le changement climatique.

Panoplie d’outils

Pour structurer l’exposé, cette sous-section commence par passer en revue les instruments possibles d’action publique et les choix des acteurs privés qui peuvent contribuer à isoler l’activité économique des chocs météorologiques qui accompagnent le changement climatique (graphique 3.12).

Graphique 3.12.Affronter les chocs météorologiques et le changement climatique : une panoplie d’outils

Source : compilation des services du FMI.

Les fluctuations météorologiques peuvent être considérées comme un choc parmi d’autres susceptibles d’affecter les performances macroéconomiques. À ce titre, leurs conséquences pourraient être atténuées par des politiques macroéconomiques générales et structurelles et par des institutions de nature à renforcer la résilience ex ante et ex post des pays aux chocs. Les priorités peuvent varier selon les particularités de chaque pays et selon les menaces d’origine météorologique, mais on distingue les politiques cherchant à limiter l’impact à court terme lorsque les chocs se produisent, celles visant à accélérer le rétablissement de l’économie, et celles visant à réduire la vulnérabilité aux chocs futurs. Les politiques se renforcent mutuellement pour atteindre ces objectifs. Par exemple, les pays disposant de bonnes marges d’action (espace budgétaire et monétaire, importantes réserves internationales, accès à l’aide extérieure) et de dispositifs de protection sociale bien ciblés peuvent être mieux armés pour aider les personnes frappées par des chocs météorologiques, ce qui va lisser la consommation à court terme. L’adaptation aux chocs météorologiques et au changement climatique nécessitera probablement des réallocations de ressources humaines et financières entre secteurs et entre régions en raison des évolutions des régimes de production et d’échanges. Les politiques et les institutions qui facilitent ces réallocations, comme celles qui améliorent l’accès au crédit, la flexibilité du marché du travail et l’investissement en capital humain et infrastructurel, pourraient permettre un rétablissement plus rapide des économies et favoriser la transformation structurelle nécessaire pour réduire leur vulnérabilité30.

L’atténuation des risques associés au changement climatique nécessitera également certaines politiques d’adaptation très spécifiques pour aider les pays à réduire leur exposition et leur vulnérabilité aux phénomènes climatiques. Une fois que les principaux risques du changement climatique sont identifiés pour une zone donnée, on peut appliquer des mesures «fortes» et des mesures «souples» (Hallegatte, 2009). Les mesures souples peuvent consister à renforcer l’information du public, les codes de construction, les lois d’affectation des sols et d’aménagement du territoire, la conception de systèmes d’alerte et d’évacuation, à inciter de manière ciblée à l’adoption des technologies liées au climat (par exemple la climatisation) et à favoriser le transfert et le partage des risques liés aux phénomènes météorologiques (comme les catastrophes naturelles, dont la fréquence pourrait augmenter) au moyen des marchés financiers. Les mesures fortes concernent l’investissement en infrastructures ingénieuses favorables au climat, comme la rénovation énergétique des bâtiments et la construction (ou la modernisation) de systèmes d’irrigation et de drainage, la construction de digues, etc.31. Les mesures d’adaptation appropriées sont très spécifiques aux risques climatiques locaux et aux circonstances du pays; les besoins d’infrastructure d’une zone soumise à des inondations diffèrent totalement de ceux d’une zone fréquemment frappée par la sécheresse. Cette diversité, ainsi que l’insuffisance de données comparables sur les mesures d’adaptation, interdit une analyse empirique sur plusieurs pays. En revanche, des études de cas de stratégies d’adaptation peuvent apporter des éléments utiles et sont présentées dans l’encadré 3.3. L’encadré 3.4 examine le rôle des marchés financiers dans le partage et le transfert des risques liés aux conditions météorologiques.

D’importantes synergies existent entre les politiques macroéconomiques et structurelles générales et les stratégies d’adaptation spécifiques : le développement économique et institutionnel va probablement renforcer les capacités d’un pays à affronter le changement climatique et à investir en stratégies d’adaptation spécifiques. Par exemple, des institutions fortes rendront plus efficace l’application des mesures souples, tandis que l’espace budgétaire permettra d’investir dans les infrastructures nécessaires. À l’inverse, certaines stratégies d’adaptation, comme l’utilisation plus efficiente de l’eau, la construction de logements climato-résilients, ou la diversification de l’activité, pourraient faciliter le développement, même en faisant abstraction du changement climatique (Farid et al., 2016).

Enfin, si les stratégies d’adaptation atteignent leurs limites, des agents économiques pourraient répondre aux changements persistants du climat et aux pertes de revenu qui en découlent en se déplaçant géographiquement.

Le rôle des politiques et des institutions nationales : éléments empiriques

Pour étudier dans quelle mesure les politiques macroéconomiques et structurelles et les caractéristiques des pays amortissent l’effet des chocs météorologiques, l’analyse élargit l’approche empirique décrite ci-dessus. Pour cela, elle fait varier la réaction du produit par habitant aux chocs météorologiques à différentes valeurs de remplacement des politiques et des configurations institutionnelles, qui sont incorporées l’une après l’autre dans l’analyse32. Il importe de souligner que, si les fluctuations des températures et des précipitations sont vraiment exogènes, ce qui permet de cerner leur impact, les différences entre les politiques et les institutions d’un pays à l’autre et d’une époque à l’autre ne le sont pas. Par conséquent, les corrélations estimées doivent être interprétées comme de simples indications des impacts causés.

Les résultats indiquent que le fait d’avoir les bonnes politiques et les bonnes institutions en place peut contribuer à atténuer en partie les effets des chocs de température. L’effet instantané d’un choc de température est légèrement moins fort lorsque la dette publique est plus faible, que les flux d’aide extérieure sont importants et que les taux de change sont flexibles. La présence d’amortisseurs monétaires (représentés par une inflation inférieure à 10 %) ou de réserves internationales n’entraîne pas de différence notable (graphique 3.13). Toutefois, on estime que le degré d’atténuation permis par les amortisseurs est faible et de courte durée.

Graphique 3.13.Importance des marges d’action

(Pourcentage; années sur l’axe des abscisses)

Source : calculs des services du FMI.

Note : Ces plages montrent comment l’effet d’une hausse de température de 1°C sur le produit par habitant dans l’échantillon de pays ayant une température moyenne supérieure à 15°C varie selon la valeur de remplacement empirique de la marge d’action des pouvoirs publics. L’horizon 0 représente l’année du choc. Les zones grisées indiquent que les lignes bleue et rouge sont assez éloignées l’une de l’autre au niveau de 15 %. Voir à l’annexe 3.3 la définition exacte des variables de l’action publique.

Les faits sont plus convaincants pour les politiques structurelles et les caractéristiques de pays habituellement considérées comme importantes pour faciliter la réallocation sectorielle des facteurs de production et la transformation structurelle en général. Malgré la grande incertitude qui entoure généralement les estimations empiriques, l’effet négatif à moyen terme d’une hausse de température semble moins fort lorsque les marchés financiers intérieur et international sont mieux régulés, que le taux de change est flexible, que les infrastructures sont développées, que les institutions démocratiques sont fortes et que les revenus sont assez bien répartis — c’est-à-dire dans les économies les plus développées (graphique 3.14).

Graphique 3.14.Rôle des politiques structurelles et des institutions

(Pourcentage; années sur l’axe des abscisses)

Source : calculs des services du FMI.

Note : Ces plages montrent comment l’effet d’une hausse de température de 1°C sur le produit par habitant dans l’échantillon de pays ayant une température moyenne supérieure à 15°C varie selon les valeurs de remplacement empiriques de la marge d’action des pouvoirs publics et des configurations institutionnelles. L’horizon 0 représente l’année du choc. Les zones grisées indiquent que les lignes bleue et rouge sont assez éloignées l’une de l’autre au niveau de 15 %. Voir à l’annexe 3.3 la définition exacte des variables de l’action publique.

Les profils révélés par les données correspondent généralement aux simulations d’un modèle dynamique structurel d’équilibre général, qui permet d’isoler correctement l’impact causal de l’existence d’amortisseurs, du coût de l’ajustement du capital, de la qualité des institutions et de l’investissement en stratégies d’adaptation (encadré 3.2). Ils correspondent aussi aux constatations empiriques selon lesquelles les dommages causés par les phénomènes météorologiques extrêmes et les catastrophes naturelles sont d’autant moins importants lorsque les taux de change sont flexibles, les services financiers facilement accessibles et les institutions fortes33,34.

Pour évaluer dans quelle mesure le développement en général diminue la vulnérabilité aux chocs météorologiques, on peut utiliser les données infranationales de différents pays. Il est difficile d’établir avec certitude si, dans les pays avancés, l’effet marginal de la chaleur sur les performances économiques est inférieur, car ils n’ont que rarement des climats chauds. Toutefois, certains d’entre eux, comme les États-Unis, ont un territoire qui s’étend sur plusieurs zones climatiques35. Grâce à cette hétérogénéité géographique, on peut faire une comparaison et voir si l’activité économique des États et provinces «chauds» des pays avancés répond de la même manière à une hausse de température que dans les États ou les provinces des pays émergents et des pays en développement où la température moyenne est similaire. De fait, l’analyse suggère que les chocs de température frappent les régions chaudes des pays émergents et des pays en développement beaucoup plus durement que celles des pays avancés (graphique 3.15). Il semblerait donc que, dans une certaine mesure, le développement économique permet d’isoler les pays des caprices météorologiques36.

Graphique 3.15.Rôle du développement : données infranationales

(Pourcentage; années sur l’axe des abscisses)

Source : calculs des services du FMI.

Note : Le graphique montre comment l’effet d’une hausse de 1°C de la température dans l’échantillon d’États ou de provinces dont la température moyenne est supérieure à 15°C varie en fonction de l’indicateur «pays avancé» ou «non avancé». L’horizon 0 représente l’année du choc. Les zones grisées indiquent que les lignes bleue et rouge sont assez éloignées l’une de l’autre au niveau de 15 %.

Rôle des migrations

La migration est une autre stratégie d’adaptation possible pour les ménages frappés par les chocs climatiques et les changements persistants du climat — avec d’importantes répercussions sur les autres pays. Théoriquement, l’impact des chocs météorologiques sur les migrations est ambigu (voir Dell, Jones et Olken, 2014). La baisse des revenus, l’insécurité et l’inconfort physiologique sont, certes, des facteurs incitatifs forts au déplacement, mais l’effet de revenu négatif des chocs météorologiques fait que certains ménages ne peuvent plus assumer les coûts de transport et de réinstallation (Bryan, Chowdhury et Mobarak, 2014; Carleton et Hsiang, 2016)37. Plusieurs études empiriques se sont penchées sur l’adaptation aux chocs météorologiques et aux catastrophes naturelles par la migration à l’intérieur d’un même pays38. Les éléments factuels sur les migrations internationales sont plus rares et se concentrent généralement sur les flux en provenance d’un pays donné39.

L’analyse s’appuie sur les travaux de Cattaneo et Peri (2016) et cherche à déterminer si les chocs météorologiques et les catastrophes naturelles déclenchent l’émigration40. Les constatations indiquent qu’une élévation des températures et une plus grande incidence des catastrophes naturelles liée aux conditions météorologiques déclenchent l’émigration, mais seulement en provenance des pays où les ménages ont généralement les moyens financiers de le faire, ce qui confirme les résultats de Cattaneo et Peri (2016) (graphique 3.16; tableau de l’annexe 3.4.1). Les ménages des pays en développement à faible revenu, qui n’ont généralement qu’un accès limité à l’épargne et au crédit, semblent être piégés par les chocs de revenu liés aux conditions météorologiques (voir Black et al., 2011; Chen et al., 2017). Cette interprétation coïncide avec les conclusions de l’étude de Hallegatte et al. (2016) : les ménages les plus pauvres des pays à faible revenu sont généralement les plus exposés et les plus vulnérables au changement climatique. Ce sont aussi justement ces ménages qui ont le moins de ressources disponibles pour financer une réinstallation.

Graphique 3.16.Effet de la température et des catastrophes naturelles sur les migrations internationales

(Points de pourcentage de la population totale du pays d’origine)

Source : calculs des services du FMI.

Note : Estimation d’une régression de panel sur les effets d’une hausse de 1°C de la température moyenne sur 10 ans et du nombre de catastrophes naturelles sur la part d’émigrants. Voir l’annexe 3.4 pour plus de détails sur les données, les formules et les estimations. Les lignes verticales représentent les intervalles de confiance à 90 %.

D’importants flux migratoires, éventuellement vers d’autres pays, pourraient se produire si le changement climatique entraîne une forte élévation du niveau des mers. Des centaines de millions d’habitants des zones de faible altitude deviendraient la proie d’inondations, ce qui les contraindrait à abandonner leurs logements pour s’installer ailleurs (Usery, Choi et Finn, 2007, 2009). Rien qu’aux États-Unis, plus de 4 millions d’habitants des zones côtières pourraient être affectés si le niveau des océans s’élevait de 80 cm, comme le projette le GIEC pour 2100 dans le scénario de changement climatique sans atténuation. Si l’élévation du niveau des mers est deux fois plus marquée, plus de 13 millions de personnes seraient touchées (Hauer, Evans et Mishra, 2016).

Soutien international

Le changement climatique est une externalité mondiale, et aucun pays ne peut affronter seul ses causes ou ses conséquences. L’équité comme l’efficience appellent à un soutien actif de la communauté internationale pour aider les pays à faible revenu à planifier, financer et appliquer les mesures d’adaptation afin d’affronter les conséquences du changement climatique sans compromettre leurs objectifs de développement. En ce qui concerne l’équité, les pays à faible revenu n’ont que très peu contribué aux émissions de gaz à effet de serre; or ce sont eux qui sont les plus vulnérables à leurs conséquences négatives, comme le démontre ce chapitre. Pour ce qui est de l’efficience, demander aux pays qui sont ou ont été responsables d’une forte contribution aux concentrations de gaz à effet de serre dans l’atmosphère de supporter une partie des coûts d’adaptation pour les pays à faible revenu compenserait en partie le fait que les pollueurs ne prennent pas entièrement à leur charge le coût des émissions. Et si les bienfaits de l’adaptation sont surtout ressentis au sein des pays, une réponse efficace aux chocs météorologiques et au changement climatique pourrait éviter de retombées importantes dans les autres pays, notamment en limitant les flux migratoires liés au climat.

L’aide de la communauté internationale sous forme de financements climatiques concessionnels sera cruciale pour mobiliser les ressources nécessaires à renforcer la résilience au changement climatique des pays à faible revenu (voir encadré 3.6). L’engagement pris par les pays avancés à fournir un total de 100 milliards de dollars par an jusqu’en 2020 pour l’atténuation et l’adaptation dans les pays en développement, renforcé par l’Accord de Paris de 2015, est une importante étape à cet égard41. Outre le soutien financier, le transfert de technologies d’adaptation et de technologies propres vers les pays à faible revenu peut aussi les aider à affronter le changement climatique en leur offrant un meilleur accès à des technologies, des compétences et des connaissances de pointe. Plusieurs initiatives relevant de la Conventioncadre des Nations Unies sur les changements climatiques (par exemple, le mécanisme d’apprentissage de l’adaptation) favorisent l’échange international de connaissances et de bonnes pratiques d’adaptation et peuvent être incorporées aux plans nationaux et locaux. Des mécanismes multilatéraux de partage du risque, comme le Fonds caraïbes d’assurance contre les risques de catastrophes et l’African Risk Capacity, peuvent aussi aider les pays à organiser la réponse d’urgence après la survenue d’une catastrophe, comme on le verra dans les encadrés 3.3 et 3.4.

Ayant bien conscience des difficultés que pose le changement climatique, le FMI, aux côtés d’autres institutions financières internationales, offre un soutien technique et financier direct aux petits États et aux autres pays vulnérables aux conditions météorologiques. Pour les aider dans l’adaptation, il conseille les responsables politiques et dispense des formations pour améliorer les cadres macroéconomiques et de gestion du risque, déterminer le bon équilibre entre auto-assurance et transfert du risque, et renforcer l’investissement et la croissance de manière à accroître la résilience42. Le FMI a également relevé les plafonds annuels d’accès pour les pays vulnérables à la facilité de crédit rapide et à l’instrument de financement rapide afin de venir en aide sans délai aux pays qui ont des besoins financiers urgents, notamment après des catastrophes naturelles (FMI, 2016b).

Effets à long terme des hausses de température : approche par modèles

Les travaux empiriques présentés jusqu’ici dans ce chapitre ont évalué les effets macroéconomiques des chocs météorologiques à court et à moyen terme. Dans cette section, on cherche à comprendre les effets potentiels à long terme des hausses de température sur le PIB, l’investissement et la dette publique pour un pays à faible revenu représentatif de petite taille et à l’économie ouverte, en incorporant ces estimations à un modèle dynamique d’équilibre général. Le modèle souligne aussi le rôle que pourrait jouer la transformation structurelle des pays à faible revenu (c’est-à-dire le passage d’une économie agricole à une économie plus axée sur les services) pour atténuer l’impact du changement climatique. L’encadré 3.5 complète l’analyse en passant en revue ce que l’on sait des effets à long terme du climat historique sur la performance économique.

Les simulations utilisent le modèle dette—investissement— croissance (DIC) de Buffie et al. (2012), qui intègre des aspects pertinents pour les pays à faible revenu — tels que la faible efficience de l’investissement public et les coûts élevés d’ajustement du capital — et peut être facilement complété pour inclure le processus de transformation structurelle43. De ce fait, pour étudier l’impact du changement climatique sur les pays à faible revenu, le modèle DIC est plus adapté que les modèles d’évaluation intégrés utilisés plus fréquemment pour évaluer les effets du changement climatique44.

Dans le modèle DIC, les entreprises combinent main-d’œuvre, capitaux privés et infrastructures pour générer de la production. Les consommateurs offrent de la main-d’œuvre et retirent une utilité de la consommation de biens marchands et non marchands; le gouvernement collecte l’impôt, redistribue les revenus et fait des investissements en infrastructure, qu’il finance par de l’emprunt intérieur et extérieur, des dons et les remises de fonds de l’étranger. Sur la base des résultats empiriques, les variations de la productivité totale des facteurs (PTF) de chaque secteur établie de manière exogène sont modélisées comme des fonctions quadratiques de la température; tous les autres paramètres sont calibrés à peu près comme dans Buffie et al. (2012)45.

Les effets du changement climatique sont examinés à travers des simulations de la réaction des performances macroéconomiques (production, ratio dette publique/ PIB, investissement privé) aux hausses de température projetées dans deux des scénarios préparés par le GIEC (voir la sous-section «Projections» de ce chapitre). Les simulations suggèrent que dans les deux scénarios, le pays à faible revenu représentatif subira d’importantes pertes économiques par rapport à la situation de référence sans hausse de température, avec un risque notable d’une issue encore plus défavorable (graphique 3.17).

Graphique 3.17.Impact à long terme d’une hausse de la température pour un pays en développement à faible revenu représentatif : simulations sur modèles

Source : calculs des services du FMI.

Note : RCP = profil représentatif d’évolution de concentration.

Dans le scénario plus modéré, la hausse de la température entraîne une réduction de 4 % de la production d’ici à 2100 et de 5 % de l’investissement privé, car les entreprises réduisent leurs dépenses d’investissement en réaction à la baisse de productivité entraînée par la hausse de température. La baisse relative de production entraîne une augmentation du ratio dette publique/PIB de 2 points de pourcentage en 2100. Dans le scénario de changement climatique sans atténuation, l’effet macroéconomique serait beaucoup plus important. La production serait presque 9 % inférieure au scénario sans changement climatique, l’investissement privé serait inférieur de 11 %, et le ratio d’endettement augmenterait de 5 points de pourcentage d’ici à 210046.

À l’inverse, si l’élévation des températures était limitée à moins de 2°C, comme le stipule l’Accord de Paris de 2015, l’effet négatif serait nettement moindre, ce qui souligne l’importance critique des efforts d’atténuation pour limiter les effets dommageables du changement climatique. L’encadré 3.6 présente l’évolution récente en matière d’atténuation climatique.

Une grande incertitude entoure ces projections centrales parce que les estimations empiriques des effets des chocs de température sont imprécises et que les projections de température sont incertaines. Les intervalles de confiance des projections centrales contenues dans ce chapitre sont donc importants47. Il existe 2,5 % de probabilité que la production diminue de plus de 8 % par rapport à la tendance dans le scénario modéré, et de plus de 16 % dans le scénario sans atténuation. Du fait de la baisse de la production, la dette publique augmenterait fortement par rapport à la production (environ 10 % du PIB dans le scénario le plus défavorable), et le ratio investissement privé/PIB pourrait chuter jusqu’à 20 % en dessous de la tendance.

Pour quantifier l’effet négatif du changement climatique pour le pays à faible revenu représentatif, on peut aussi calculer la valeur actualisée de la perte de produit économique par rapport à la référence sans changement climatique, et exprimer la valeur actuelle en proportion du produit actuel48. Si l’on applique le taux d’ajustement modéré de 1,4 %, la valeur actualisée des pertes de production est importante : 48 % du produit actuel dans le scénario RCP 4.5 et 100 % dans le scénario RCP 8.5.

Les simulations ci-dessus supposent une structure économique statique. Toutefois, comme constaté dans la sous-section «Canaux d’impact», les hausses de la température frappent plus certains secteurs que d’autres. Par exemple, comparé à l’agriculture, le secteur des services est relativement préservé des effets néfastes des hausses de température. Par conséquent, la transformation structurelle de l’économie, c’est-à-dire le passage d’un modèle essentiellement agraire à un modèle plus tourné vers les services, pourrait atténuer le coût économique du changement climatique. L’analyse enrichit le modèle DIC de base pour inclure le processus exogène de la réallocation de la main-d’œuvre de l’agriculture et des industries de transformation vers les services. On suppose que le rythme de la transformation structurelle sera modéré, à l’image des tendances passées pour les pays à faible revenu : en l’absence de chocs, la part du secteur des services dans l’emploi augmente de 2,5 points de pourcentage par décennie. D’après les simulations de ce modèle enrichi, pour le pays à faible revenu médian, la transformation structurelle peut réduire à long terme le coût du changement climatique d’environ 25 % dans le scénario RCP 4.5 et 30 % dans le scénario RCP 8.5.

L’impact potentiel du changement climatique quantifié dans cette section nécessite quelques précautions. Premièrement, en extrapolant les effets causés par les chocs météorologiques à court et à moyen terme à partir des données historiques pour en déduire l’impact à long terme du réchauffement climatique potentiel, on risque de surestimer le résultat, car les changements persistants du climat conduisent les agents économiques à adapter leurs activités aux nouvelles conditions. En revanche, les changements permanents du climat peuvent avoir des conséquences que n’ont pas les fluctuations annuelles des conditions météorologiques. De plus, le modèle ne rend pas compte des effets des phénomènes météorologiques extrêmes, qui entraînent des dommages macroéconomiques durables, comme le montre l’encadré 3.1 dans le cas des cyclones tropicaux, et dont la fréquence pourrait augmenter, ce qui amplifierait leurs effets négatifs. Certains événements attendus ou possibles (par exemple, l’élévation du niveau des mers) n’ont pas de précédents historiques qui permettraient de tirer des conclusions, mais pourraient avoir des conséquences économiques très graves dans de nombreux pays à faible revenu, lesquelles ne sont pas non plus quantifiées dans les simulations. En outre, les projections à long terme ne rendent pas compte de plusieurs des canaux par lesquels les hausses de la température et le changement climatique en général pourraient influer sur l’activité économique, tels que la diminution de l’offre de main-d’œuvre due à la mortalité et aux migrations accrues.

Même si l’on fait abstraction de ces difficultés, il y a une forte incertitude sur la manière dont les estimations empiriques des pertes économiques doivent être incorporées dans le modèle dynamique d’équilibre général. L’analyse contenue dans ce chapitre suit une approche très prudente et suppose que les chocs météorologiques ont un effet permanent sur le niveau de production. Or plusieurs études concluent que les éléments empiriques n’excluent pas l’existence d’un effet persistant sur le taux de croissance de la production (Dell, Jones et Olken, 2012; Burke, Hsiang et Miguel, 2015a). Comme un impact sur la croissance, si limité soit-il, serait à terme beaucoup plus important qu’un impact sur le niveau, les conséquences négatives de hausses de température sur un pays à faible revenu médian seraient considérablement plus graves si l’élévation des températures était appliquée au modèle comme agissant sur la trajectoire de croissance de la production49.

Résumé et implications pour les politiques publiques

La réponse au changement climatique est l’un des grands défis du XXIe siècle, et les pays en développement à faible revenu sont en première ligne pour ce qui est des conséquences. Ce chapitre expose la montée extraordinairement rapide de la température qui s’est produite au siècle dernier dans les pays avancés, les pays émergents et les pays en développement à faible revenu, ainsi que l’ampleur du réchauffement qui pourrait advenir d’ici à la fin du siècle, selon la capacité de la communauté internationale à limiter les émissions de gaz à effet de serre. Les pays en développement à faible revenu, souvent situés dans les régions les plus chaudes de la planète, devraient subir d’importantes hausses de température alors qu’ils ont très peu contribué à la concentration de gaz à effet de serre dans l’atmosphère.

Pourtant, l’analyse suggère que l’élévation de la température a des effets macroéconomiques très inégaux et que les conséquences négatives seront ressenties de manière disproportionnée par les pays au climat chaud, ce qui est le cas de la plupart des pays en développement à faible revenu. Ce chapitre montre qu’une hausse des températures entraîne une diminution du produit par habitant dans les pays où la température moyenne est élevée, tant à court qu’à moyen terme, et ce par une multitude de mécanismes. Dans les régions chaudes, les hausses de température entraînent une baisse de la production agricole, une baisse de la productivité des travailleurs exposés à la chaleur, un ralentissement de l’accumulation du capital et une détérioriation de la santé. Ces constatations correspondent à l’impact des chocs météorologiques sur les performances moyennes du pays. Mais les chocs météorologiques peuvent aussi avoir des conséquences redistributives négatives au sein des pays. Les ménages pauvres sont généralement plus vulnérables aux aléas météorologiques, car ils dépendent davantage des revenus agricoles, consacrent une part plus importante de leurs revenus à l’alimentation et ont un accès limité à l’épargne et au crédit (Hallegatte et al., 2016; Hallegatte et Rozenberg, 2017; FMI, 2016b). Malgré l’importance du réchauffement constaté depuis un siècle, la sensibilité du produit par habitant aux chocs de température n’a pas véritablement changé, ce qui semble révéler l’existence de freins puissants à l’adaptation.

Les effets négatifs du changement climatique projeté pourraient être considérables pour les pays à faible revenu. Si l’on considère un aspect du changement climatique, l’élévation projetée de la température, et l’hypothèse modérée selon laquelle la hausse de la température influe sur le niveau de la production et non sur son itinéraire de croissance, les simulations par modèles suggèrent que, faute d’action pour réduire les émissions au niveau mondial, la production d’un pays à faible revenu représentatif pourrait être inférieure de 9 % à son niveau sans hausse des températures, avec des risques considérables que la situation soit encore plus défavorable50. La forte incertitude quant à l’ampleur et aux effets du changement climatique — non seulement l’élévation des températures, mais aussi la réaction de l’environnement — exige que ces risques soient appréhendés avec la plus grande attention.

Comment ces pays peuvent-ils affronter la hausse des températures qui les attend dans les décennies à venir? L’interprétation des causalités est délicate, mais il ressort de ce chapitre que la sensibilité du produit par habitant aux chocs de température varie en fonction de plusieurs facteurs médiateurs, lesquels sont essentiels pour comprendre les implications de ce chapitre pour les politiques publiques. De bonnes politiques publiques, des institutions fortes et le développement d’une manière générale peuvent jouer un rôle en limitant les effets négatifs des chocs météorologiques. Le fait de disposer de marges de manœuvre peut compenser en partie les effets négatifs des chocs météorologiques en maintenant l’investissement public à un niveau suffisant. Les politiques et les dispositifs institutionnels qui facilitent la réaffectation des facteurs de production entre secteurs économiques ou entre régions géographiques, et ceux qui favorisent le développement — tels que l’accès aux marchés financiers intérieurs et internationaux, des infrastructures de qualité et des institutions fortes — peuvent améliorer, dans une certaine mesure, la résilience des pays aux chocs météorologiques. Grâce à ces politiques et à ces dispositifs institutionnels, les pays peuvent remédier plus rapidement aux conséquences négatives des hausses de température et réduire leur exposition et leur vulnérabilité à l’avenir. Les stratégies et les projets d’investissement dans l’adaptation — par exemple, des dispositifs de protection sociale capables d’apporter une aide rapide lorsqu’elle est nécessaire, les infrastructures climato-résilientes, les technologies appropriées — pourraient aussi réduire une partie des dommages causés par le changement climatique, comme l’illustrent certaines études de cas.

Mais les pays à faible revenu ont des besoins considérables et peu de ressources pour entreprendre les investissements nécessaires pour affronter le changement climatique. D’après les estimations de l’ONU, la réalisation des Objectifs du développement durable nécessitera que les pays à faible revenu augmentent leurs dépenses publiques de jusqu’à 30 % du PIB — montant vraisemblablement supérieur à l’espace budgétaire dont disposent la plupart des pays (Baum et al., 2017; Schmidt-Traub, 2015). De plus, les pays à faible revenu n’ont généralement pas les mécanismes institutionnels, les capacités administratives et la stabilité politique nécessaires pour mettre en œuvre les politiques macroéconomiques et les stratégies d’adaptation souhaitables (graphique 3.18). En outre, les politiques intérieures ne peuvent pas suffire à isoler les pays à faible revenu des conséquences du changement climatique : la hausse des températures met à rude épreuve les limites biophysiques des écosystèmes, ce qui risque d’accroître la fréquence des épidémies, des famines et des catastrophes naturelles, tout en alimentant la pression migratoire et le risque de conflits. Les retombées internationales de ces impacts du changement climatique dans les pays vulnérables pourraient être considérables.

Graphique 3.18.Vulnérabilité au réchauffement et perspectives d’adaptation

Sources : Notre Dame Global Adaptation Index; calculs des services du FMI.

Note : Ce graphique représente l’effet estimé d’une hausse de 1°C de la température sur le produit par habitant à l’horizon 0 avec le score des pays en matière de préparation à l’adaptation et de capacité d’adaptation. Plus le score est élevé, plus le pays a une bonne capacité d’adaptation et un bon état de préparation.

Sachant que les pays à faible revenu ont un potentiel limité pour affronter seuls le défi du changement climatique, la communauté internationale doit jouer tout son rôle en apportant une aide financière et non financière à ces pays, et en coordonnant ces efforts (voir encadré 3.6). Les pays avancés et les pays émergents sont responsables de la majeure partie du réchauffement qui s’est produit jusqu’à maintenant et qui, selon les projections, va se poursuivre. Par conséquent, aider les pays en développement à faible revenu à affronter les conséquences du changement climatique est tout à la fois un impératif humanitaire et une décision rationnelle pour l’économie mondiale, car il s’agit de compenser en partie la non-prise en charge par certains pays de la totalité des coûts de leurs émissions de gaz à effet de serre.

L’analyse contenue dans ce chapitre a pour objet central l’impact du réchauffement climatique dans les pays à faible revenu, mais il est important de noter que tous les pays subiront de plus en plus d’effets négatifs directs du changement climatique s’il n’y a pas d’atténuation : catastrophes naturelles plus fréquentes (et plus destructrices) (voir encadré 3.1), élévation du niveau des mers, perte de biodiversité et une multitude d’autres conséquences difficiles à quantifier. Le réchauffement va également commencer à pénaliser la croissance dans un grand nombre de pays avancés où les températures monteront à des niveaux excessifs (voir graphique de l’annexe 3.6.1). Et même dans les pays où son effet moyen pourrait être limité ou positif, le changement climatique fera des gagnants et des perdants, aux niveaux tant individuel que sectoriel. De plus, les infortunes des pays les plus vulnérables pourraient avoir des répercussions considérables sur les autres pays en raison de leur effet sur l’activité économique et les conflits et les flux migratoires. Désormais, seul un effort d’envergure mondiale pour limiter les émissions de gaz carbonique à des niveaux compatibles avec une hausse acceptable des températures peut atténuer les risques à long terme du changement climatique (Farid et al., 2016; Hallegatte et al., 2016; FMI, 2015; Stern, 2015; GIEC, 2014).

Encadré 3.1.L’impact des cyclones tropicaux sur la croissance

Les cyclones tropicaux, appelés ouragans dans l’Atlantique et typhons dans le Pacifique Nord-Ouest, sont l’une des forces les plus destructrices de la nature1. Entre 2000 et 2014, leurs dégâts à l’échelle mondiale se chiffrent à 548 milliards de dollars (en dollars constants de 2010) (base de données internationale sur les catastrophes (EM-DAT); Guha-Sapir, Below et Hoyois, 2015), dont près des trois quarts ont été subis par les pays avancés2. Cet encadré vise à estimer l’effet des cyclones tropicaux sur l’activité économique et examine les conséquences possibles du changement climatique à travers ses effets sur les cyclones tropicaux dans un scénario sans limitation des émissions de gaz à effet de serre (RCP 8.5).

Mesure des cyclones tropicaux et estimation empirique

L’impact macroéconomique des cyclones tropicaux a déjà fait l’objet de plusieurs études, qui concluent généralement à des dégâts économiques importants3.

L’analyse proposée dans cet encadré combine des données détaillées sur la vitesse maximum du vent soutenu et les zones de peuplement pour construire une base de données exhaustive des tempêtes tropicales survenues à proximité de centres d’activité économiques4. Entre 1950 et 2016, 4.597 tempêtes ont passé à moins de 100 milles (160,9 km) d’une grande ville, touchant 3.113 villes de 132 pays ou territoires.

Les cyclones tropicaux peuvent frapper des pays de toutes tailles, des petits États insulaires des Caraïbes et du Pacifique jusqu’aux grands pays tels que la Chine, le Mexique et les États-Unis; mais quand ils frappent un petit pays, une grande partie de son territoire et de sa population sont touchés, alors que dans les grands pays, l’impact est proportionnellement moins grand. Pour représenter cette différence, la variable vent — vitesse maximum du vent en nœuds soufflant à moins de 100 milles d’un pays (Venti,t) — est pondérée en fonction de la part de la population exposée à tous les cyclones tropicaux dans une année (Pi,t). Les tempêtes varient aussi par la vitesse de leur déplacement : plus elles sont lentes, plus elles peuvent être destructrices. La variable vent est donc également pondérée par la part de la dotation en temps du pays exposée à toutes les tempêtes dans une année (TEi,t), la dotation en temps étant égale au produit du nombre d’heures dans l’année et du nombre de villes du pays. Le tableau 3.1.1 résume les principaux éléments des variables des cyclones.

Tableau 3.1.1.Caractéristiques du cyclone tropical moyen par groupe de pays
Vitesse max. des vents soutenus

dans les 100 milles (nœuds)
Population

exposée
Temps total

d’exposition
Distance

(milles)
Monde51,300,340,000577,05
Pays avancés58,560,280,000477,78
Pays émergents49,840,280,000476,27
Pays en développement à faible revenu42,450,200,000379,66
Petits États47,020,580,000971,26
Îles54,430,490,000775,69
Sources : CIESIN GRUMPv1 Settlement Points r01; Ibtracs v03r09; calculs des services du FMI.Note : Vitesse maximum des vents soutenus, moyenne sur une minute en nœuds par heure. Part de la population exposée sur la population totale. Temps total d’exposition en proportion du total des heures vécues dans chaque pays (24 heures x 365 jours x villes). La distance est la distance moyenne de chaque ville (dans un rayon de 100 milles) par rapport à l’endroit de la tempête où les vents ont soufflé le plus fort.
Tableau 3.1.2.Effet des conditions météorologiques et des épisodes de vents violents sur l’activité économique
Croissance du PIB réel par habitant(1)(2)(3)
Température1,347***0,931***0,920***
(0,357)(0,222)(0,223)
Température2−0,051***−0,038***−0,037***
(0,011)(0,010)(0,010)
Précipitations0,1100,0510,047
(0,104)(0,104)(0,106)
Précipitations2−0,003−0,002−0,001
(0,002)(0,002)(0,002)
Vent × population × dotation en temps−26,750**
(12,912)
R2 ajusté0,140,180,18
Nombre de pays1899696
Nombre d’observations8.8154.6964.696
Source : calculs des services du FMI.Note : Dans toutes les régressions, on neutralise les effets-pays fixes et les effets région–année fixes; les effets retards et anticipés de la température, des précipitations et de leurs expressions au carré; et l’effet retard de la croissance. La colonne (3) neutralise aussi la variable contemporaine du vent, ainsi que ses effets retards et anticipés. La colonne (1) reproduit la formule de base de ce chapitre (colonne (5) du tableau de l’annexe 3.3.1). Les colonnes (2) et (3) incluent uniquement les pays exposés à des cyclones tropicaux. Les erreurs-types sont regroupées au niveau du pays. * p < 0,1; ** p < 0,05; *** p < 0,01.

Pour estimer l’effet des cyclones tropicaux sur le produit par habitant, l’analyse élargit l’approche empirique des projections locales utilisée dans ce chapitre pour inclure la variable vent pondérée en fonction de la part de la population exposée et de la durée d’exposition. La formule estimée est la suivante :

h indexe l’horizon d’estimation, μih sont des effets-pays fixes, θr,th sont des effets région–année fixes, yi,t est le log du PIB par habitant, et ci,t renvoie à la température et aux précipitations moyennes annuelles avec leur expression au carré.

Les résultats présentés dans le tableau 3.1.2 indiquent que si la vitesse du vent augmentait d’un nœud sur l’ensemble du pays (c’est-à-dire que toute la population serait exposée) pendant une année entière, le PIB réel par habitant diminuerait de 26,7 % l’année de la tempête. Cela ne constitue bien sûr pas un indicateur très utile de l’effet d’une tempête-type sur un pays; il serait préférable de connaître l’effet marginal de l’augmentation de la vitesse du vent, qui nous est donné par l’expression α Pi,tTEi,t.

Conclusions

Les cyclones tropicaux ont un impact fortement négatif sur la production, en particulier dans les petits États et les territoires insulaires, qui sont généralement plus exposés à ce type de phénomène (graphique 3.1.1)5. Par catégorie de revenus, ce sont les pays avancés qui sont le plus frappés par les cyclones tropicaux, car ils sont généralement exposés à des vents plus forts.

Graphique 3.1.1.Effet de l’exposition à un cyclone tropical sur le PIB réel par habitant

(Pourcentage; années sur l’axe des abscisses)

Source : calculs des services du FMI.

Note : Impact cumulé d’une augmentation d’un nœud de la vitesse des vents d’un cyclone tropical sur le PIB réel par habitant. L’horizon 0 représente l’année du choc.

Les estimations sont significatives d’un point de vue non seulement statistique, mais aussi économique. Sept ans après une tempête moyenne, le produit par habitant est inférieur de presque 1 % à ce qu’il serait si la tempête ne s’était pas produite. Les pertes sont 2,5 fois plus importantes pour les petits États (graphique 3.1.2)6. Les effets des tempêtes se prolongent dans le temps : même au bout de 20 ans, l’économie n’est pas entièrement remise du choc7. Il faut noter que l’effet des cyclones tropicaux sur l’activité économique est distinct de celui des hausses de température et vient s’y ajouter (tableau 3.1.2). L’introduction de la variable vent ne change pas sensiblement les coefficients de la température et du niveau des précipitations pour le même échantillon de pays.

Graphique 3.1.2.Effet cumulé du cyclone tropical moyen sur le PIB réel par habitant au bout de sept ans

(Pourcentage)

Source : calculs des services du FMI.

Note : Effet cumulé au bout de sept ans sur le PIB réel par habitant du cyclone tropical moyen auquel chaque groupe de pays est exposé en termes de vitesse maximum des vents, de population exposée et de temps total d’exposition. RCP = profil représentatif d’évolution de concentration.

Changement climatique et cyclones tropicaux

D’après les climatologues, le changement climatique rendra les cyclones tropicaux moins fréquents, mais ceux qui se formeront seront plus intenses et plus destructeurs (Knutson et al., 2010). Dans le scénario de changement climatique sans atténuation (RCP 8.5), la température de la surface de l’eau durant la période 2090–2100 devrait être supérieure de 2,6°C au niveau de 1995–2005, ce qui suggère que la vitesse maximum du vent des cyclones tropicaux pourrait augmenter de 9 %8. D’après l’analyse présentée dans cet encadré, le cyclone tropical moyen entraînerait une perte supplémentaire de 0,1 % du produit par habitant pour le pays moyen, et de 0,2 % pour les petits États (graphique 3.1.2).

L’auteur de cet encadré est Sebastian Acevedo.1Un cyclone tropical est un système organisé de nuages et d’orages qui se forme au-dessus des eaux tropicales ou subtropicales, associé à une circulation fermée à basse altitude (NOAA, 2017b). Des vents de la force d’un ouragan (supérieurs à 64 nœuds) peuvent souffler sur plus de 200 milles pour les tempêtes les plus étendues.2En termes absolus, les tempêtes peuvent entraîner plus de dommages dans les pays avancés, car leurs stocks de capital ont généralement plus de valeur; en revanche, en pourcentage du PIB, c’est généralement dans les petits États et les pays en développement à faible revenu qu’elles sont le plus destructrices. Dans la base EM-DAT, des dommages sont enregistrés dans environ la moitié des catastrophes naturelles causées par des tempêtes. D’après Acevedo (2016), dans les Caraïbes, les dommages économiques liés aux cyclones tropicaux pourraient être 1,6 à 3,6 fois plus importants que les chiffres fournis.3Les travaux de Raddatz (2009), Fomby, Ikeda et Loayza (2013) et Acevedo (2014) se fondent sur la base de données EM-DAT pour estimer les effets de différents types de catastrophes naturelles (tempêtes comprises) sur la croissance; un corpus parallèle de travaux (Strobl, 2012, Bertinelli et Strobl, 2013; Hsiang et Jina, 2014) utilise des modèles de champs de vent pour estimer les effets des vents de tempête sur la croissance. Bakkensen et Barrage (2016) utilisent la vitesse maximum des vents au moment où la perturbation touche terre, ce qui se rapproche plus de l’approche utilisée ici.4L’International Best Track Archive for Climat Stewardship contient des données relatives à 7.140 cyclones tropicaux, notamment la vitesse maximum des vents soutenus entre 1950 et 2016 (Knapp, Applequist et al., 2010; Knapp, Kruk et al., 2010). Ces données sont combinées avec les chiffres de la base démographique du CIESIN (2016) de 2000, qui recense 67.682 villes de 1 à 18,5 millions d’habitants.5Pour un exposé sur la vulnérabilité des petits États aux catastrophes naturelles et au changement climatique, voir FMI (2016b).6On considère comme tempête un cyclone tropical passant à moins de 100 milles d’une ville dans un pays.7Hsiang et Jina (2014) constatent une réponse similaire; dans leur cas, la baisse du PIB est beaucoup plus prononcée, mais le rétablissement partiel commence au bout de 15 ans.8La température de la surface de l’eau est un ingrédient clé de la formation et du développement des cyclones tropicaux (Landsea, 2004). Une hausse de 1°C de la température de la surface de la mer correspond à une augmentation de la vitesse maximum du vent de 3,5 % (Knutson et Tuleya, 2004).

Encadré 3.2.Le rôle des politiques publiques face aux chocs météorologiques : une analyse par modèle

Pour illustrer la manière dont les politiques publiques peuvent modérer les conséquences des chocs météorologiques sur les pays à faible revenu, cet encadré utilise le modèle dette–investissement–croissance (DIC) élaboré par Buffie et al. (2012) et simule les effets macroéconomiques des hausses de température selon les différentes hypothèses pour les variables de l’action publique1. Comme il est montré empiriquement dans ce chapitre, dans les pays chauds, une hausse de température entraîne une baisse de la productivité. De plus, une hausse de température pourrait entraîner la perte de terres productives. Par conséquent, l’analyse cale les effets négatifs des conditions météorologiques sur la productivité totale des facteurs et des capitaux privés pour qu’ils correspondent en gros à la réaction estimée du PIB à une augmentation de 1°C de la température dans un pays à faible revenu représentatif avec une température de référence de 25 °C, et examine dans quelle mesure les politiques macroéconomiques et structurelles peuvent avoir prise sur ces effets négatifs (graphique 3.2.1)2.

Graphique 3.2.1.Rôle des politiques publiques : une analyse par modèles

(PIB réel, écart par rapport à la tendance; années sur l’axe des abscisses)

Source : calculs des services du FMI.

Note : Dans la situation de base, on suppose qu’il n’y a pas de dons supplémentaires dans les plages 2 et 3, un faible coût d’ajustement dans la plage 4, pas d’hystérèse dans la plage 5 et pas d’adaptation dans la plage 6. Dans la plage 2, les dons supplémentaires représentent 0,5 % du PIB dans le scénario avec dons faibles, et 1 % du PIB dans le scénario avec dons élevés. Dans la plage 3, toutes les simulations sauf la situation de base supposent des dons supplémentaires élevés.

Espace budgétaire et rôle des institutions

Les chocs météorologiques peuvent frapper durement les finances publiques des pays à faible revenu. Les recettes de l’État peuvent être réduites à cause de la baisse de la production agricole et industrielle, au moment même où il faudrait augmenter les dépenses pour assister les ménages frappés si des chocs météorologiques compromettent la sécurité alimentaire, pour remettre en état les infrastructures de transport ou de télécommunication endommagées par des catastrophes naturelles, et éventuellement pour recycler la main-d’œuvre. Comme beaucoup de pays à faible revenu n’ont qu’une étroite marge budgétaire, il faudrait augmenter les transferts des économies avancées — par exemple dans le cadre de l’Accord de Paris — pour renforcer la capacité de ces pays à réduire l’impact des chocs météorologiques. Les simulations modélisées suggèrent qu’en bénéficiant de transferts supplémentaires pour renforcer l’investissement public pendant trois ans à partir de l’année suivant le choc, les pays pourraient limiter l’effet négatif des chocs météorologiques sur la production (graphique 3.2.1, plage 2). Des transferts supplémentaires se montant à 1 % du PIB du pays bénéficiaire permettraient de réduire la profondeur de la récession d’environ 0,5 % pendant toute la période de simulation. Comme ces transferts permettent d’augmenter le stock d’infrastructures publiques, et donc de doper les capacités de production des deux secteurs, ils permettent d’augmenter la production non seulement à court terme, mais aussi à long terme, ce qui est encourageant.

Des transferts supplémentaires sont profitables au pays bénéficiaire, mais leur impact positif dépend fortement de l’efficience de l’investissement dans l’infrastructure publique en particulier, et de la qualité de la gouvernance du secteur public en général. Dans beaucoup de pays à faible revenu, l’investissement public est peu efficient : la part des dépenses d’infrastructure publique qui accroissent véritablement le stock de capital public ne représente que 20 % à 60 % selon les estimations (Hulten, 1996; Pritchett, 2000; Foster et Briceno-Garmendia, 2010). Les résultats des simulations montrent que, dans les pays où l’investissement public est très efficient, des transferts supplémentaires peuvent clairement amortir les conséquences négatives d’un choc météorologique (graphique 3.2.1, plage 3). En revanche, dans les pays où l’investissement public est peu efficient, le fait de recevoir ou non des transferts supplémentaires ne change pas grand-chose. Pour résumer, la simulation montre de façon probante que les pays à faible revenu doivent continuer d’améliorer l’efficience de l’investissement public et de renforcer leurs cadres institutionnels de manière à profiter pleinement de leurs marges de manœuvre afin de contrer les effets de l’évolution des conditions météorologiques.

Politiques facilitant la réallocation des facteurs de production et la transformation structurelle

Les chocs météorologiques perturbent particulièrement la production de certains secteurs de l’économie. Pour s’adapter à ces chocs, il faudrait réaffecter des ressources humaines et des capitaux entre secteurs et au sein de certains secteurs. La vitesse et le coût des réallocations des facteurs de production auront un impact sur le temps qu’il faudra à l’économie pour se rétablir après des chocs négatifs sur la productivité totale des facteurs ou sur le stock de capital.

Dans les pays à faible revenu, les réallocations de capitaux (et des facteurs de production en général) peuvent être entravées par la rigidité de l’environnement économique et par l’inadéquation des politiques — accès limité aux marchés financiers, obstacles administratifs, notamment dans l’obtention des permis de construire, et l’incertitude juridique3. Les simulations indiquent que le coût élevé des réallocations de capitaux ralentit le rétablissement de l’économie après les chocs météorologiques (graphique 3.2.1, plage 4)4.

La vitesse à laquelle les travailleurs affectés peuvent être redéployés dans d’autres activités productives est également un facteur important. Le chômage peut entraîner une hystérèse et une «lésion» définitive de la productivité, car les travailleurs perdent leurs compétences pendant les longs épisodes de chômage ou de sous-emploi. Cela peut avoir des conséquences durables sur les performances de l’économie. Dans le modèle DIC, ce canal est représenté dans la sensibilité de la productivité aux écarts négatifs de productivité passés5. Les résultats des simulations où l’on fait varier cette sensibilité suggèrent que l’hystérèse peut nettement prolonger et aggraver les effets des chocs météorologiques. Par conséquent, les politiques doivent chercher à préserver le capital humain, notamment au moyen de programmes incitant les chômeurs à rester actifs et à participer à des projets de travaux publics, comme l’Ethiopian Productive Safety Net Program, présenté dans l’encadré 3.3.

Investissement dans les stratégies d’adaptation

Outre les politiques macroéconomiques et structurelles générales évoquées précédemment, les gouvernements, les ménages et les entreprises investissent directement dans des stratégies d’adaptation en réponse à l’évolution des conditions météorologiques (par exemple, en optant pour des cultures plus résistantes à la chaleur ou en investissant en infrastructures vertes). Toutefois, beaucoup de mesures d’adaptation ont un caractère de biens communs. La création d’un système d’alerte anticipée pour les épisodes de chaleur extrême, l’organisation de campagnes d’information sur les économies d’eau, la végétalisation des espaces publics et d’autres investissements infrastructurels écologiques dispensent des bienfaits non rivaux et non exclusifs. Les ménages et les entreprises n’étant pas en mesure d’inter-naliser la totalité des bienfaits sociaux, il peut être souhaitable que l’État intervienne pour inciter les acteurs privés à faire des efforts d’adaptation pour atteindre un niveau socialement optimal. Dans une extension du modèle DIC, l’État met en place des incitations fiscales à l’adoption de technologies d’amélioration de la résilience et finance la fourniture de biens publics liés aux risques météorologiques, ce qui réduit la sensibilité de la production aux hausses de température. Si l’on suppose que les dépenses privées d’adaptation sont inférieures de 20 % à l’optimum social et que les politiques gouvernementales visent à atteindre ce niveau optimal, les simulations suggèrent qu’au bout de 20 ans, chaque dollar dépensé en adaptation par l’État réduit de 2 dollars les dommages causés par les conditions météorologiques. Cela s’explique par la réaction de l’investissement privé à la diminution de la perte de productivité, qui dope le PIB à moyen et à long terme. La simulation illustre un principe général : améliorer la résilience grâce à des dépenses publiques d’adaptation peut réduire les pertes dues aux conditions météorologiques et accélérer le rétablissement de l’économie (graphique 3.2.1, plage 6).

Les auteurs de cet encadré sont Manoj Atolia, Claudio Baccianti, Ricardo Marto et Mico Mrkaic.1Le modèle DIC est un cadre réel néoclassique dynamique d’économie ouverte à deux secteurs de production qui utilise comme intrant le capital public et le capital privé et une série de caractéristiques pertinentes pour les pays à faible revenu, comme la faible efficience de l’investissement public, l’espace budgétaire limité et les coûts élevés de l’ajustement du capital. Ce modèle est également utilisé pour simuler les effets à long terme du changement climatique dans la section de ce chapitre intitulée «Effets à long terme des hausses de température : approche par modèles».2Pour des raisons de simplicité, on suppose que les secteurs marchand et non marchand ont la même réponse aux chocs météorologiques. Les constatations sont robustes à ce choix de modélisation. La plupart des autres paramètres sont calés sur l’étude de Buffie et al. (2012), hormis le taux d’intérêt réel sur la dette publique, qui est inférieur au taux du document d’origine du fait de la baisse des taux d’intérêt mondiaux. Voir l’annexe 3.5 pour plus de détails.3Dans le modèle DIC, la facilité de réallocation des facteurs est représentée par le paramètre du coût d’ajustement du capital privé. Le coût d’ajustement du capital est inversement proportionnel à l’élasticité de l’investissement par rapport au Q de Tobin : plus l’élasticité est grande, plus les coûts d’ajustement du capital sont faibles.4L’impact quantitatif paraît minime, mais la simulation doit être envisagée uniquement pour sa valeur qualitative. L’ampleur de la baisse du PIB dépend du coût de l’ajustement du capital ainsi que de la nature et de la temporalité du choc. Si le choc climatique entraîne essentiellement une destruction de capital privé et, dans une moindre mesure, une baisse de la productivité totale des facteurs, le rétablissement de l’économie est alors plus lent, et la perte de PIB est plus importante, car la reconstitution du capital prend plus de temps.5L’ampleur de l’effet est calibré en utilisant l’élasticité estimée des salaires actuels par rapport au nombre d’heures travaillées dans la période précédente, établie par Altuğ et Miller (1998). L’élasticité estimée (0,2) représente un degré élevé d’hystérèse dans la formule du modèle.

Encadré 3.3.Stratégies face aux chocs météorologiques et au changement climatique : sélection d’études de cas

Les effets négatifs des chocs météorologiques et du changement climatique ont poussé les autorités locales et nationales à s’adapter pour contrer ces conséquences néfastes. Comme le démontre le graphique 3.12, un large éventail de stratégies peuvent amortir les impacts négatifs des chocs météorologiques et des catastrophes naturelles en réduisant l’exposition et la vulnérabilité ou en transférant et en partageant les risques météorologiques. L’objet de cet encadré est de présenter quelques exemples de stratégies efficaces.

Dispositifs de protection sociale

Quelque 85 % de la population d’Éthiopie travaillent dans l’agriculture, principalement dans de petites exploitations familiales. Le changement climatique et ses conséquences, telles que les épisodes de sécheresse, la raréfaction des pluies et les inondations, pèsent sur la productivité agricole et la sécurité alimentaire. De plus, dans certaines régions, la surexploitation a dégradé la qualité des terres. Par conséquent, environ 10 % des populations rurales souffrent chroniquement d’insécurité alimentaire.

Pour assister les populations à risque, le gouvernement éthiopien et les partenaires internationaux ont créé un programme intitulé Productive Safety Net Program (PSNP) en 2006. Le PSNP verse des allocations ou distribue de la nourriture aux ménages qui ne sont pas en mesure de se nourrir toute l’année, en particulier pendant la saison creuse (juin–août). Cette aide est conditionnée à une participation active à des programmes locaux visant à améliorer la productivité ou l’environnement — par exemple, restauration des terres, amélioration des sources d’eau, construction d’infrastructures comme des routes et des hôpitaux. Un programme complémentaire, le Household Asset Building Program, vise les mêmes ménages que le PSNP et les aide à diversifier leurs sources de revenu et à accroître les actifs productifs, notamment en apportant de l’assistance technique, dans le but de les faire accéder durablement à la sécurité alimentaire.

Avec plus de 7,6 millions de participants (soit près de 8 % de la population) et 47.000 petits projets communautaires chaque année, le PSNP est le plus grand programme d’adaptation au changement climatique du continent africain. Les projets communautaires, pour la plupart consacrés à réhabiliter l’environnement, produisent des résultats sensiblement appréciables. Le PSNP a réduit de plus de 40 % les pertes en terre et amélioré la qualité et la quantité d’eau disponible. Des études suggèrent que la productivité de la terre s’en est trouvée accrue de jusqu’à 400 %. En outre, le PSNP a réduit les dégâts causés par les inondations saisonnières. Il a également amélioré la sécurité alimentaire des ménages vulnérables : à la suite d’épisodes de sécheresse, la chute de consommation des bénéficiaires du programme a été inférieure de 25 % à celle des ménages non couverts par le programme (Porter et White, 2016). Le PSNP a également diminué le nombre de personnes nécessitant une intervention humanitaire et le coût de ces interventions. Enfin, il a permis une augmentation de l’épargne des ménages vulnérables et a facilité l’amélioration de leur accès aux services d’éducation et de santé.

Adoption des technologies

Les températures élevées pénalisent fortement la productivité de la main-d’œuvre et peuvent avoir des conséquences négatives sur la santé — incidence accrue d’hyperthermies et aggravation des maladies chroniques cardiovasculaires et respiratoires — et la mortalité, comme le montrent une multitude d’études ainsi que l’analyse présentée dans ce chapitre. Pour contrer ces effets économiques et sanitaires, les gouvernements et les individus peuvent recourir à différentes stratégies : infrastructures vertes (pour accroître la végétalisation dans les villes) et technologies de construction spécifiques (par exemple toits réfléchissant fortement les rayonnements solaires). Parmi ces options, la climatisation moderne, inventée au début du XXe siècle, est la solution la plus souvent adoptée par les ménages et les entreprises pour tolérer les températures excessives.

Les avantages de la climatisation, tant pour le travail que pour la santé, sont largement démontrés. Dans une enquête de 1957, 90 % des entreprises américaines ont cité le refroidissement de l’air comme étant le premier facteur d’accroissement de leur productivité (Cooper, 2002); le père fondateur de l’État de Singapour, Lee Kuan Yew, considérait la climatisation comme le principal facteur du développement économique de son pays. La chute spectaculaire de la mortalité due à la chaleur au cours du XXe siècle aux États-Unis est aussi imputée à l’adoption de la climatisation dans les logements (Barreca et al., 2016).

On ne saurait toutefois ignorer les effets négatifs de la climatisation. La multiplication des climatiseurs entraîne une hausse de la consommation d’énergie et des émissions de gaz à effet de serre. Les rejets des climatiseurs et des équipements connexes peuvent former localement des poches d’air chaud qui peuvent constituer des externalités négatives non négligeables pour les personnes situées à proximité. Le coût de l’investissement et des infrastructures nécessaires rend cette technologie trop onéreuse pour les populations pauvres et vulnérables, en particulier dans les pays en développement à faible revenu1.

Une planification et une exécution raisonnées de la climatisation peuvent réduire en partie les retombées négatives de cette stratégie, qui est par ailleurs un moyen efficace d’adaptation à la hausse de la température. On peut citer l’exemple du rafraîchissement urbain, un système de climatisation centralisé déjà adopté dans certaines grandes villes dans les pays avancés et actuellement en construction dans le nouveau quartier d’affaires Gujarat International Finance Tec-City dans l’État de Gujarat, en Inde. Le rafraîchissement urbain consiste à produire centralement de l’eau réfrigérée qui est distribuée aux consommateurs finals par des canalisations souterraines.

Un système de rafraîchissement centralisé présente des avantages environnementaux et économiques évidents par rapport à la climatisation décentralisée. La production centralisée d’eau réfrigérée consomme 35 à 50 % d’énergie en moins que les unités individuelles de rafraîchissement de l’air, ce qui réduit à la fois les coûts et la pollution. Cette plus grande efficience énergétique permet de réduire la pression que la diffusion de la climatisation fait peser sur le secteur électrique local, souvent insuffisant face à une demande énergétique locale croissante dans les pays émergents et les pays en développement. Enfin, le rafraîchissement urbain ne nécessite pas d’investissement initial pour l’utilisateur final, ce qui rend la climatisation des bâtiments plus accessible.

Comme dans la fourniture d’autres formes d’infrastructures, telles que l’énergie et la distribution d’eau, la participation du secteur public peut accélérer le développement et l’extension des systèmes de rafraîchissement urbain, qui pourraient être pénalisés par les prix de l’énergie, la trop faible densité de la demande, l’incertitude économique et les autres risques liés à l’importance de l’investissement initial. Le gouvernement de l’État de Gujarat a pris le contrôle direct de la construction du réseau de distribution de rafraîchissement, tout comme les gouvernements de la République de Corée, du Qatar et de Singapour.

Investissement en infrastructures publiques climatiques ingénieuses

Kuala Lumpur (Malaisie) est régulièrement en proie à des inondations soudaines qui provoquent des dégâts considérables dans les bâtiments, créent des embouteillages impénétrables, contaminent le réseau d’approvisionnement d’eau et entraînent des pertes humaines. Pour remédier à ces problèmes, les autorités ont engagé un projet d’infrastructure ambitieux qui a le double objectif d’améliorer à la fois la gestion du trafic automobile et de l’eau lors d’inondations.

Le Stormwater Management and Road Tunnel (tunnel SMART) est une structure conçue pour gérer les inondations soudaines. Ce tunnel à trois étages offre deux niveaux de passage pour la circulation routière et, au-dessous, un système de drainage de l’eau de pluie. En temps normal, le niveau de drainage est fermé, et le tunnel sert au trafic automobile ordinaire. Mais le tunnel est conçu de telle manière que les deux niveaux occupés normalement par la circulation puissent être temporairement utilisés pour l’évacuation des eaux.

Lors de tempêtes modérées, le système affecte le niveau inférieur de trafic à l’évacuation de l’eau, et les automobilistes peuvent continuer d’emprunter le niveau supérieur. Si des précipitations particulièrement abondantes sont prévues, les deux niveaux de circulation peuvent être fermés au trafic, évacués et utilisés pour le drainage.

L’analyse coûts–avantages a démontré l’efficacité de ce système de tunnel. Pour un coût d’environ 500 millions de dollars, il devrait éviter l’équivalent de plus de 1,5 milliard de dollars de dommages et réduire de plus de 1 milliard de dollars le coût imputable aux embouteillages dans les 30 prochaines années.

Systèmes d’alerte anticipée et programmes d’évacuation

Situé dans le delta du Gange, le Bangladesh est l’un des pays les plus vulnérables au changement climatique. Les inondations annuelles recouvrent en moyenne un cinquième du pays, causant des pertes de vies humaines et des dégâts matériels importants2. Ces 70 dernières années, les tempêtes ont fait des milliers de morts et détruit des millions de tonnes de récoltes. Avec le changement climatique, on peut penser que ces problèmes ne feront que s’aggraver.

Après les dégâts considérables causés par le cyclone Sidr, les autorités et les partenaires internationaux ont lancé l’Emergency Cyclone Recovery and Restoration Project (Projet ECRRP)3. Ce projet a pour objet d’améliorer l’infrastructure agricole et l’état de préparation à long terme aux catastrophes, notamment en construisant et reconstruisant des abris anticycloniques et en renforçant les digues. Ce programme a notablement réduit les risques liés à l’exposition cyclonique de populations vulnérables en reconstruisant environ 240 abris anticycloniques et en réparant plus de 100 km de digues.

Le Projet ECRRP a également contribué à améliorer la résilience de l’agriculture aux chocs climatiques et à améliorer la qualité de vie des populations affectées. Outre la distribution aux agriculteurs de matériel agricole, de semences de riz résistantes au sel et l’organisation de formations en diversification des cultures pour les aider à mieux gérer leur exploitation, ce projet comprenait des investissements (silos à grain et équipement de protection du bétail) visant à réduire l’exposition de la chaîne de production agricole aux chocs météorologiques.

Mécanismes multilatéraux de partage du risque

Fonds caraïbe d’assurance contre les risques de catastrophes

Les États des Caraïbes subissent fréquemment des tempêtes tropicales, des précipitations extrêmes, des tremblements de terre et des éruptions volcaniques. Ces chocs étant, au moins partiellement, décorrélés, le partage du risque sous la forme d’un pool régional d’assurance peut améliorer le bien-être par rapport à l’autoassurance ou au recours à la réassurance par chaque pays individuellement. Le Fonds caraïbe d’assurance contre les risques de catastrophes (CCRIF) est la première institution régionale de mutualisation du risque au monde. Créé en 2007 et comptant actuellement 17 membres4, il assure contre les risques de catastrophes naturelles les plus prévalants dans la région.

Le CCRIF assure contre les cyclones tropicaux, les précipitations excessives et les tremblements de terre. Les 17 pays membres peuvent acheter pour un maximum de 100 millions de dollars de couverture pour chaque catégorie de risque. Ce programme est destiné à financer la réponse d’urgence dans les semaines et les mois qui suivent la catastrophe, et non à offrir une assurance complète contre les pertes d’actifs et les dégâts causés aux infrastructures. Il s’agit d’une assurance paramétrique, c’est-à-dire que les indemnisations sont calculées en fonction de modèles paramétrés pour chaque catégorie de sinistres assurés : cyclones tropicaux, précipitations excessives et tremblements de terre. Par exemple, l’indemnisation suivant un tremblement de terre est proportionnelle à son intensité, à sa localisation et aux pertes estimées. Grâce à ces indemnisations prédéterminées, reposant sur des données observables par tous, il n’est plus nécessaire de procéder à des évaluations des dommages et à des visites d’experts qui coûtent cher et font perdre un temps précieux. Ces assurances paramétriques calculées en fonction des effets d’un risque de référence présentent un incon- vénient : l’indemnisation calculée ne correspond pas forcément au dommage effectif5.

Entre 2007 et 2015, le CCRIF a versé 13 indemnisations à 8 membres, pour un montant total de 38 millions de dollars, dont la plupart suite à des cyclones tropicaux. Les montants versés ont représenté entre 0,1 et 0,3 % du PIB du pays bénéficiaire. Si ces indemnisations ne couvrent pas la totalité des pertes, elles sont d’un secours précieux aux pays assurés, notamment grâce à la rapidité de leur décaissement : elles ont été versées au plus tard deux semaines après l’événement. En outre, les membres du CCRIF ont toute latitude quant à l’utilisation des fonds reçus.

Le CCRIF s’avère être un mécanisme efficace de mutualisation du risque. Son efficacité est reconnue tant par les pays assurés, qui peuvent être couverts à un coût moindre que s’ils s’assuraient individuellement auprès d’assureurs du marché privé, que par les acteurs de la réassurance.

African Risk Capacity

L’African Risk Capacity (ARC) est un organisme d’assurance mutuelle qui a pour but de renforcer la sécurité alimentaire. Agence spécialisée de l’Union africaine, l’ARC a été créé en 2012 pour aider les membres de l’Union africaine à s’assurer contre les destructions de récoltes dues à des phénomènes météorologiques extrêmes comme les sécheresses et les inondations, en mutualisant les risques climatiques. L’accord de création a été signé par 18 membres de l’Union africaine; aujourd’hui, l’ARC compte plus de 35 pays.

L’ARC offre une assurance paramétrique. Lorsqu’un événement assuré survient, l’indemnisation est calculée en fonction de modèles et de données satellites que l’on utilise pour prédire l’étendue des pertes de récoltes et les coûts associés. L’utilisation d’un mécanisme paramétrique plutôt que l’indemnisation assurantielle classique accélère les versements, ce qui est particulièrement utile pour les populations les plus vulnérables. En mutualisant leurs risques, les pays participants réduisent de moitié environ le coût de l’assurance, sachant qu’il est très peu probable que tous les pays du pool subissent un épisode de sécheresse.

L’ARC présente quelques avantages évidents, mais des problèmes subsistent. L’ARC a réduit la volatilité de la consommation alimentaire dans les foyers les plus vulnérables. De plus, il a aidé à réduire la nécessité de liquider des biens en catastrophe dans les régions frappées. Toutefois, le pool de risque est relativement réduit (notamment par rapport au CCRIF), et la diversification des risques serait meilleure s’il était élargi davantage. En outre, les défauts d’allocation de l’assurance pourraient se réduire, l’expérience aidant.

Les auteurs de cet encadré sont Claudio Baccianti et Mico Mrkaic.1En 2012, dans le pays en développement à faible revenu médian, un peu plus d’un tiers des ménages avaient accès à l’électricité.2Lors des années extrêmes, les inondations peuvent toucher jusqu’à trois quarts du territoire du Bangladesh.3Le cyclone a détruit 1,5 million de maisons et 1,3 million de tonnes de cultures.4Anguilla, Antigua-et-Barbuda, les Bahamas, la Barbade, Belize, les Bermudes, la Dominique, la Grenade, Haïti, les Îles Caïmans, les Îles Turques et Caïques, la Jamaïque, Saint Kitts-et-Nevis, Sainte-Lucie, Saint-Vincent-et-les Grenadines et Trinité-et-Tobago font partie du dispositif depuis sa création. Le Nicaragua y a adhéré en 2015. Le CCRIF envisage de se déployer ailleurs que dans les Caraïbes.5Ce problème n’existe pas avec les assurances ouvrant droit à indemnisation, mais les évaluations et les ajustements sont coûteux.

Encadré 3.4.Affronter les chocs météorologiques : le rôle des marchés financiers

Les marchés financiers peuvent atténuer les conséquences négatives des chocs météorologiques en réallouant les coûts et les risques qu’ils entraînent vers des acteurs désireux et capables de les supporter. Des produits assurantiels, comme par exemple les dérivés climatiques, peuvent aider les ménages et les entreprises vulnérables aux fluctuations à court terme des températures et des précipitations à couvrir leur exposition spécifique aux conditions météorologiques. Les obligations-catastrophe sont un moyen de disperser le risque météorologique catastrophique dans les marchés financiers. Toutefois, la capacité des marchés financiers d’atténuer les impacts des chocs météorologiques dépend du niveau de pénétration des assurances et de la capacité de chiffrer correctement les risques météorologiques. Cet encadré fait le point sur les produits climatiques existant sur les marchés financiers et fournit des éléments nouveaux sur la capacité des marchés boursiers à chiffrer correctement le prix des risques météorologiques.

Assurance

De récentes études mettent en évidence le rôle important que pourraient jouer les marchés d’assurance pour faciliter la reprise de l’économie au lendemain de catastrophes naturelles d’origine météorologique. Une plus forte pénétration de l’assurance peut limiter le fardeau budgétaire des catastrophes naturelles (Lloyd’s, 2012) et réduire leurs conséquences macroéconomiques négatives (Von Peter, Dahlen et Saxena, 2012), surtout dans les pays dotés d’institutions fortes (Breckner et al., 2016). Les produits d’assurance paramétriques, élaborés au début des années 2000, représentent aussi la promesse d’offrir une protection aux ménages et aux entreprises des pays à faible revenu contre différents risques météorologiques1. Ils surmontent d’importants obstacles qui empêchent les petits agriculteurs de bénéficier d’assurances traditionnelles, ont des coûts de transaction minimes, sont faciles à appliquer et limitent les risques d’antisélection et de prime à l’imprévoyance.

Toutefois, la pénétration de l’assurance, représentée par la prime non-vie en pourcentage du PIB, reste faible, particulièrement dans les pays en développement (graphique 3.4.1). Et malgré les avantages de l’assurance paramétrique, son succès déçoit (Hallegatte et al., 2016). Une multitude de facteurs peuvent expliquer la lenteur de l’adoption de ces instruments financiers innovants : manque de culture financière ou d’expérience avec des produits similaires, mauvaise compréhension du produit, coût élevé et existence d’un risque de base résiduel (voir notamment Cole et al., 2012, 2013; Karlan et al., 2014).

Graphique 3.4.1.Pénétration de l’assurance : prime d’assurance non-vie

(Pourcentage du PIB)

Sources : Haver Analytics; Swiss Re, base de données Sigma; calculs des services du FMI.

Obligations-catastrophe

Le marché des obligations-catastrophe a connu une croissance rapide ces dernières années. Il s’agit d’un instrument financier qui permet de transférer le risque catastrophe de l’émetteur — assureur primaire ou réassureur — vers les marchés financiers. Le volume de l’encours s’élève à presque 30 milliards de dollars à la fin 2016 (graphique 3.4.2)2. Les obligations- catastrophe sont attrayantes pour les investisseurs, car elles offrent des rendements relativement élevés et sont faiblement corrélées au rendement de la plupart des autres actifs financiers. L’environnement de faibles taux d’intérêt qui prévaut depuis la crise financière mondiale et les nouvelles réglementations qui consentent des allègements aux capitaux levés grâce aux émissions d’obligations-catastrophe ont probablement contribué à la croissance du marché de ces produits. Les obligations-catastrophe sont de plus en plus appréciées par les assureurs et les réassureurs privés en Europe, au Japon et aux États-Unis pour transférer à d’autres leur exposition aux risques de tremblements de terre, de tempêtes et d’ouragans.

Graphique 3.4.2.Marché des obligations-catastrophe

(Milliards de dollars)

Source : Artemis, Catastrophe Bond and Insurance-Linked Securities Market Report (www.artemis.bm).

Note : Exercices clos le 30 juin.

Comme le montre ce chapitre, les pays en développement à faible revenu et les petits États sont particulièrement vulnérables aux risques de catastrophes naturelles. Le Mexique a été le premier pays à émettre des obligations-catastrophe en 2006; depuis, plusieurs pays en développement à faible revenu en ont émis pour couvrir les ouragans, tremblements de terres et autres phénomènes extrêmes. La Banque mondiale a lancé sa première émission en 2014 pour réassurer le Fonds caraïbe d’assurance contre les risques de catastrophes, instrument mutualiste visant à limiter l’impact financier pour 16 gouvernements de pays des Caraïbes après des tremblements de terre et des ouragans (voir aussi encadré 3.3). Un dispositif similaire — le Dispositif de climat extrême — est élaboré actuellement par l’African Risk Capacity (voir encadré 3.3) pour permettre l’émission d’obligations-catastrophe afin d’alléger l’impact des conditions météorologiques extrêmes sur les pays africains qui en sont membres.

Les marchés financiers sont-ils capables d’établir le juste prix des risques liés aux conditions météorologiques?

Déterminer le niveau optimal d’assurance contre les conditions météorologiques anormales requiert une bonne évaluation des risques d’origine météorologique. Il apparaît de plus en plus que les investisseurs sur les marchés financiers n’appréhendent pas entièrement, du moins dans l’immédiat, l’impact des chocs météorologiques sur la production et la productivité. Hong, Li et Xu (2016) montrent que les indices boursiers du secteur alimentaire aux États-Unis et dans quelques autres économies avancées réagissent seulement tardivement aux fluctuations des indices de sécheresse. Cela suggère que les marchés n’intègrent pas les informations sur les conditions météorologiques dans les prix avant plusieurs mois, peut-être seulement une fois les pertes encourues publiées dans les rapports annuels des groupes agroalimentaires. Cette sous-estimation initiale des chocs météorologiques pourrait indiquer que les risques sont sous-assurés, même s’il existe des produits d’assurance facilement accessibles.

L’analyse présentée dans cet encadré porte sur la réaction des investisseurs aux variations des températures. Comme il est démontré dans ce chapitre, une hausse des températures dans les pays au climat relativement chaud a un effet négatif sur la production et la productivité, en particulier dans certains secteurs de l’économie. En utilisant les données du marché des actions de 17 secteurs dans 42 pays et les fluctuations annuelles des températures, l’analyse regarde si les marchés financiers intègrent correctement au prix des actifs ces effets négatifs des températures. Si les marchés étaient efficients, les fluctuations de température ne devraient avoir aucune valeur prédictive sur le rendement des actions, car les prix des actions reflèteraient instantanément l’impact des chocs de température sur les performances des entreprises. Or une analyse empirique montre que ce n’est pas le cas. Une hausse de température signifie des rendements futurs négatifs (à 12 mois) dans le secteur de l’alimentation et des boissons, ce qui indique que les investisseurs réagissent avec retard aux chocs de température (graphique 3.4.3)3. Ces effets sont particulièrement prononcés pour les pays situés aux basses latitudes (par exemple, ceux dont les températures moyennes annuelles sont supérieures à 15°C°) et sont négligeables pour les secteurs de l’industrie, des technologies, des services d’utilité publique et du pétrole/gaz. La prévisibilité du rendement des actions dans le secteur de l’alimentation et des boissons suggère que l’impact des chocs de température sur la productivité n’est évalué à son juste prix par les investisseurs que plusieurs mois plus tard (par exemple une fois que l’annonce des bénéfices reflète ces pertes), ce qui coïncide avec l’hypothèse d’une sous-réaction à ces chocs.

Graphique 3.4.3.Chocs de température et prévisibilité des prix des actions : secteur de l’alimentation et des boissons

Sources : Datastream; Peng et Feng (à paraître); calculs des services du FMI.

Note : Les rendements du secteur alimentation–boissons un an plus tard sont régressés par rapport à la température moyenne annuelle (écart par rapport à la moyenne-pays, en degrés Celsius). L’échantillon se limite aux pays dont la température annuelle moyenne est supérieure à 15°C.

L’auteur de cet encadré est Alan Xiaochen Feng.1À la différence des assurances classiques pour les risques naturels, les produits d’assurance paramétrique donnent droit à des paiements calculés à partir d’un indice observable publiquement, comme le niveau des précipitations ou la température. Si elles présentent nombre d’avantages par rapport aux produits traditionnels, les assurances paramétriques peuvent laisser sans couverture un risque résiduel non négligeable («risque de base»), sachant que la perte effective peut être différente de l’indemnisation versée aux assurés.2En temps normal, les obligations-catastrophe donnent lieu au versement d’intérêts, du principal ou des deux, mais si une catastrophe prédéfinie se produit, elles absorbent les pertes. Elles ont été émises pour la première fois au milieu des années 90, au lendemain de l’ouragan Andrew.3On opère une régression du rendement des actions un an plus tard dans le secteur de l’alimentation et des boissons en fonction de la température moyenne du pays, en neutralisant les effets fixes pays–année ainsi que le rendement des dividendes du secteur. La rentabilité des actions est normalisée en utilisant l’écart-type de la rentabilité annuelle du secteur dans chaque pays. Les résultats sont robustes si on neutralise la température moyenne de l’année suivante dans le pays. On trouve des effets similaires pour les secteurs de la distribution et des biens de consommation (Peng et Feng, à paraître).

Encadré 3.5.Climat historique, développement économique et répartition mondiale des revenus

Comme il est démontré dans ce chapitre, le changement climatique peut avoir des effets très prolongés sur les performances économiques. Leur ampleur dépend d’une multitude de facteurs, notamment l’adaptabilité des agents économiques et la capacité d’ajustement structurel de l’économie. Empiriquement, il est très difficile de déterminer à partir des données récentes (depuis 1950) si l’effet permanent des chocs météorologiques affecte le niveau ou la croissance de la production; si c’est la croissance, les conséquences pourraient être démultipliées par rapport aux effets initiaux, mais l’impact ne se manifesterait que sur une très longue période.

Cet encadré passe en revue les travaux récents et de plus en plus nombreux qui cherchent à évaluer directement si les conditions climatiques dans l’histoire ont pu avoir un effet important et permanent sur les performances économiques. Grâce à la disponibilité de données historiques d’une granularité croissante, ces travaux examinent la relation entre les performances actuelles et les climats dans l’histoire, en partant de l’hypothèse que des événements historiques (qui peuvent remonter à un passé très ancien) interagissent avec l’environnement physique et peuvent avoir des effets permanents sur le développement et les performances économiques1.

En exploitant le caractère exogène du climat historique, Bluedorn, Valentinyi et Vlassopoulos (2009) estiment la forme réduite de la relation entre la température prévalant dans un pays à différentes périodes entre 1730 et 2000 et son revenu par habitant actuel, et révèlent des phénomènes frappants. Une régression bivariée simple confirme l’existence d’une relation négative forte entre le revenu en 2000 et la température moyenne pendant la période 1970–1999 (tableau 3.5.1, régression 1). Toutefois, si l’on neutralise l’effet de la température moyenne historique aux XVIIIe et XIXe siècles, on observe un effet variable dans le temps et non monotone des températures sur les revenus actuels des pays; la température au XVIIIe siècle montre un effet positif marqué et celle du XIXe siècle un effet négatif encore plus accentué (tableau 3.5.1, régression 2). Il est intéressant de noter qu’une fois que l’on introduit le climat historique, la température au XXe ne présente plus d’association négative forte avec le revenu actuel, ce qui suggère qu’elle pourrait servir de valeur de remplacement pour les effets combinés du climat historique, plutôt que de rendre compte d’un impact direct du niveau actuel des températures dans la régression simple.

Tableau 3.5.1.Effet du climat du passé sur la production réelle actuelle
Température

moyenne
Température moyenne
1970–99R21970–991830–591730–59R2N
Échantillon(1)(2)
Echantillon complet−0,061**0,160,177−2,100*1,864**0,27167
(0,011)(0,073)(0,315)(0,301)
Hors valeurs extrêmes−0,058**0,150,179−2,591**2,353**0,24162
(0,011)(0,180)(0,484)(0,446)
Hors Afrique−0,026*0,040,126**−1,660**1,505**0,16128
subsaharienne(0,011)(0,047)(0,262)(0,257)
Hors Nouvelles Europes−0,057**0,140,169*−2,652**2,423**0,25163
(0,011)(0,068)(0,461)(0,453)
Source : calculs des services du FMI.Note : La variable dépendante est le log du PIB réel par habitant en 2000, en parités de pouvoir d’achat. Les écarts-types robustes apparaissent sous les estimations de coefficients entre parenthèses. Les valeurs extrêmes sont l’Australie, la Bolivie, l’Érythrée et les États-Unis. Nouvelles Europes = Australie, Canada, Nouvelle-Zélande et États-Unis. N = nombre de pays dans l’échantillon transversal. Voir Bluedorn, Valentinyi et Vlassopoulos (2009). * p < 0,1; ** p < 0,05; *** p < 0,01.

Comment expliquer la relation non monotone estimée entre température et revenu? L’étude de Bluedorn, Valentinyi et Vlassopoulos (2009) postule qu’elle pourrait refléter les interactions entre la température et les événements historiques à travers les siècles. Par exemple, l’effet négatif marqué des températures au XIXe siècle sur les revenus pourrait être lié à une diffusion plus lente des technologies originaires du Royaume-Uni et d’Europe, qui se situaient à la frontière technologique à cette époque, et en général à l’extrémité plus froide de la distribution mondiale des températures. Si les technologies qu’ont développées ces pays étaient mieux adaptées aux climats relativement froids, la corrélation négative entre la température au XIXe siècle et le revenu actuel pourrait s’expliquer par une plus grande lenteur de l’adoption des technologies dans l’histoire. D’autres interprétations sont possibles, comme par exemple une relation négative entre la température historique et la qualité des institutions adoptées dans les colonies européennes au XIXe siècle (voir Acemoglu, Johnson et Robinson, 2001).

L’effet positif de la température au XVIIIe siècle sur le revenu actuel est plus difficile à interpréter. Fenske et Kala (2015) avancent une hypothèse intéressante pour l’Afrique, selon laquelle le niveau de participation d’une région au commerce esclavagiste au XVIIIe siècle pourrait avoir été influencé par les conditions climatiques. Étant donné les effets négatifs, démontrés dans ce chapitre, des hausses de température sur la productivité agricole et la mortalité dans les climats les plus chauds, Fenske et Kala (2015) avancent que, à l’inverse, pendant les périodes où les températures étaient plus basses dans une région, les coûts de production des propriétaires d’esclaves diminuaient, d’où une augmentation des exportations d’esclaves, ce qui est étroitement associé à des revenus plus bas aujourd’hui (Nunn, 2008).

Le climat a également pu influer sur la temporalité des transitions sur la trajectoire du développement économique. Ashraf et Michalopoulos (2015) affirment que la volatilité climatique il y a des milliers d’années a fait que les sociétés humaines étaient moins enclines à se lancer dans l’agriculture pour remédier à l’imprévisibilité de la cueillette comme source de nourriture. Ils ont observé une relation en forme de bosse, statistiquement significative et forte entre l’écart-type des températures historiquement subies par une région et la date d’adoption de l’agriculture — les zones soumises à une plus grande volatilité climatique (à condition tout de même que cette volatilité ne soit pas assez forte pour précipiter l’effondrement des sociétés) avaient tendance à passer à l’agriculture plus tôt, ce qui explique en partie les différences actuelles de revenus.

Andersen, Dalgaard et Selaya (2016) considèrent une autre caractéristique du climat : l’intensité historique des rayonnements ultraviolets (UV) dans une région. Ils avancent qu’une plus grande intensité d’UV a un impact sur la mortalité et donc sur la volonté d’investir en capital humain. Cette volonté a influé sur la période à laquelle une société a connu la transition de la fertilité (baisse de la fertilité associée à une hausse des revenus; voir Galor, 2011). Une transition de fertilité plus lente est associée à des revenus actuels plus bas au niveau national. Combinant travaux empiriques et théoriques, ils observent une relation positive entre les rayonnements UV et la période de la transition, ce qui confirme le lien qu’ils posaient en hypothèse.

Comme le montrent ces études, le climat historique peut avoir des effets très durables sur le développement économique en raison de son interaction avec les événements historiques.

L’auteur de cet encadré est John C. Bluedorn.1L’étude de Nunn (2014) donne une excellente présentation de cette idée, qui est au coeur des recherches empiriques récentes sur l’histoire du développement.

Encadré 3.6.Atténuation du changement climatique

Si l’objet principal de ce chapitre est d’étudier les conséquences macroéconomiques du changement climatique et le potentiel d’adaptation des pays à faible revenu, seul un effort mondial concerté pour réduire les émissions de gaz à effet de serre et ralentir la hausse des températures peut limiter la menace que le changement climatique fait peser sur le long terme. Cet encadré passe en revue les efforts récents d’atténuation du changement climatique et décrit le rôle crucial que pourraient jouer les politiques budgétaires dans le ralentissement du changement climatique et la mobilisation des financements d’atténuation et d’adaptation, en s’appuyant sur les travaux récents du FMI1.

L’Accord de Paris de 2015

En décembre 2015, les parties à la Convention-cadre des Nations Unies sur les changements climatiques sont convenues de l’objectif ambitieux de limiter le réchauffement climatique à 2°C au-dessus des niveaux préindustriels (et d’essayer de limiter ce réchauffement à 1,5°C), posant les jalons de progrès véritables dans la lutte contre le changement climatique au niveau mondial. Des engagements de réduction ont été soumis par 195 pays dans leurs contributions prévues déterminées au niveau national dans le cadre de l’Accord de Paris de 2015. Beaucoup d’engagements consistaient en une réduction des émissions d’ici à 2030 d’environ 30 % par rapport à une année de référence. À partir de 2018, les parties sont tenues de rendre compte tous les deux ans de leurs progrès dans la réalisation de leurs engagements d’atténuation et d’actualiser leurs contributions prévues déterminées au niveau national (de préférence pour les rendre plus contraignantes) tous les cinq ans. Les engagements ne sont pas juridiquement contraignants, et le risque existe que certains pays fassent machine arrière, maintenant que les États-Unis se retirent de l’accord.

L’Accord de Paris renforce les engagements antérieurs des pays développés, qui devaient mobiliser un total de 100 milliards de dollars par an jusqu’en 2020 pour l’adaptation et l’atténuation dans les pays en développement. D’ici à 2025, les parties à l’Accord sont supposées fixer un nouvel objectif collectif quantifiable par rapport au plancher de 100 milliards de dollars par an — les engagements plus ambitieux de nombreux de pays en développement étant conditionnés à l’obtention de financements extérieurs.

Le rôle des instruments fiscaux dans l’atténuation du changement climatique

Il est largement admis que la tarification du carbone — le fait de faire payer les émissions de carbone des combustibles fossiles — devrait être la priorité numéro un dans la mise en œuvre des engagements d’atténuation dans les pays avancés comme dans les pays émergents. En faisant payer les émissions de carbone, on accroît le prix de l’énergie issue de carburants fossiles (en particulier du charbon, à forte teneur en carbone), et on crée des incitations aux efforts d’atténuation, consistant par exemple à remplacer le charbon par le gaz naturel, plus sobre en carbone, et par les énergies renouvelables et nucléaire, qui, elles, n’émettent pas de carbone. En outre, la tarification du carbone stimule les efforts d’efficience énergétique, réduit la demande de produits très consommateurs d’énergie et favorise l’innovation (notamment dans les domaines liés aux technologies de captage et stockage de carbone).

Donner un prix au carbone peut se faire au moyen de taxes sur le carbone ou de systèmes d’échange de droits d’émissions. Les taxes sur le carbone sont assises sur les carburants fossiles et sont proportionnelles à la teneur en carbone de chaque carburant. Concrètement, la taxation du carbone consiste tout simplement à augmenter les taxes existant déjà sur les carburants fossiles, et peuvent être appliquées facilement dans la plupart des pays. Les systèmes d’échange de droits d’émission consistent à fixer des plafonds d’émission en octroyant des quotas d’émissions. Les entreprises doivent obtenir des quotas pour couvrir leurs émissions, et le négoce de ces quotas entre émetteurs conduit à former le prix des émissions. Les systèmes d’échange de droits concernent généralement l’aval des générateurs d’énergie et des grandes entreprises industrielles et doivent être complétés par d’autres mesures pour couvrir les plus petites sources d’émissions provenant des véhicules et des bâtiments, par exemple.

La Chine

La Chine, premier émetteur mondial de dioxyde de carbone (CO2), était responsable en 2013 de 29 % des émissions mondiales. D’après les estimations du FMI, si on introduisait progressivement en Chine une taxe sur les émissions de 70 dollars la tonne de CO2 d’ici à 2030, le prix du charbon augmenterait d’environ 70 %, celui de l’électricité de 15 % et celui des carburants automobiles de 7 %, et les émissions chinoises baisseraient d’environ 30 % par rapport au scénario sans taxe (graphique 3.6.1, plage 1). Une autre solution à peu près aussi efficace consisterait simplement à ajouter une taxe sur le carbone en plus des taxes existantes sur le charbon importé et d’origine chinoise. Un système d’échange de droits serait environ 40 % moins efficace qu’une taxe sur le carbone. Sachant que la Chine s’achemine quoiqu’il en soit vers un système d’échange de droits d’émission, y associer un paiement initial pour le charbon (éventuellement avec des rabais pour les entités déjà couvertes par le système d’échange de droits) assurerait une tarification plus complète. Bien que moins efficaces que les taxes carbone, les systèmes d’échanges de droits d’émission restent beaucoup plus efficaces que certaines autres politiques d’atténuation, comme les dispositifs d’incitation à l’efficience énergétique ou aux renouvelables, et les taxes sur les carburants automobiles et l’électricité.

Graphique 3.6.1.Efficacité des politiques d’atténuation en Chine

Source : Parry et al. (2016).

Note : Le prix est de 70 dollars la tonne de CO2 pour le système d’échange de droits, l’accise sur le charbon et la taxe carbone. CO2 = dioxyde de carbone.

Des taxes sur le charbon et sur le carbone, si elles étaient instituées progressivement entre 2017 et 2030, diminueraient considérablement la pollution atmosphérique en Chine et épargneraient près de 4 millions de vies. Le système d’échange de droits est à peu près à moitié aussi efficace à cet égard, puisqu’il sauverait 2 millions de vies (graphique 3.6.1, plage 2). La taxe sur le carbone serait aussi une source de recettes fiscales non négligeable, représentant environ 3 % du PIB en 2030. Dans les autres pays, qui utilisent en général moins de charbon que la Chine, la réduction des émissions de CO2, la baisse de la pollution atmosphérique dans le pays et la hausse des recettes fiscales seraient proportionnellement moins spectaculaires. Le message clé pour les politiques publiques est toutefois le même : la taxe carbone est l’instrument d’atténuation le plus efficace. De plus, du fait des bienfaits qu’elle apporte dans le pays aux plans environnemental et budgétaire, elle peut, jusqu’à un certain point, servir les intérêts nationaux.

Faciliter la transition vers une tarification du carbone

Au niveau national, les effets indésirables de la tarification du carbone doivent être amortis afin de faciliter son adoption. Certains secteurs fortement émetteurs de carbone pourraient n’être plus rentables du fait de cette tarification, et leurs travailleurs auront besoin d’aide pour acquérir une nouvelle formation et changer de secteur. Il serait aussi utile, pour faciliter la transition, d’utiliser une partie des recettes tirées du carbone pour améliorer les dispositifs de protection sociale et apporter d’autres formes d’aide budgétaire aux ménages à faibles revenus2.

Au niveau international, les pouvoirs publics pourront envisager d’imposer la fixation de prix planchers pour le carbone chez les principaux émetteurs afin de renforcer l’Accord de Paris et de lever en partie les craintes de perte de compétitivité. Les pays pourraient choisir de fixer le prix du carbone au-dessus du plancher pour collecter plus de recettes ou pour préserver l’environnement au niveau national, devenant ainsi des champions de l’environnement. Ainsi, il a récemment été annoncé que les provinces du Canada devront progressivement porter le prix de la tonne de CO2 à 50 dollars canadiens d’ici à 2022.

Les avancées de l’atténuation climatique

Il existe une multitude de mécanismes pour fixer un prix au carbone — quelque 40 gouvernements nationaux et plus de 20 collectivités locales ont mis ou s’apprêtent à mettre en place une forme de tarification du carbone. Mais il reste beaucoup à faire. Seuls 12 % des gaz à effet de serre dans le monde ont un prix (le système d’échanges de droits en Chine va toutefois doubler ce chiffre). Par ailleurs, le niveau actuel des prix est trop bas. Les prix du CO2 pour les systèmes d’échange de droits d’émission sont inférieurs à 15 dollars la tonne de CO2, et les taxes carbone sont presque toujours inférieures à 25 dollars la tonne, à l’exception notable du Canada et des pays scandinaves (Banque mondiale, Ecofys et Vivid Economics, 2016). Or il faut savoir que pour atteindre l’objectif de limitation du réchauffement climatique à 2°C, il faudrait que le prix moyen mondial soit de 40 à 80 dollars la tonne d’ici à 2020 (Stern et Stiglitz, 2017). Cet écart entre le prix effectif et le prix souhaitable pourrait entraîner un changement climatique de grande ampleur et souligne l’urgence qu’il y a à investir dans l’adaptation.

Rôle des instruments budgétaires dans le financement climatique

Les besoins de financement pour l’adaptation climatique dans les pays en développement ont été estimés à plus de 80 milliards de dollars par an jusqu’en 2050 (Margulis et Narain, 2010), ce qui dépasse de très loin les financements apportés par les pays avancés. Le volume d’argent public et privé mobilisé par les pays développés pour les pays en développement a atteint 62 milliards de dollars en 2014 (dont seuls 15 % destinés à l’adaptation), à comparer avec l’objectif de 100 milliards de dollars fixé en 2009 et réitéré dans l’Accord de Paris (OCDE, 2015b). Pour des raisons d’équité, il semble logique que le calcul des versements des pays avancés destinés au financement climatique soit lié à leur contribution au changement climatique. Si les pays du G-20 — à l’exception des cinq dont le revenu par habitant est le plus faible — versaient 5 dollars chacun par tonne d’émissions de CO2 projetées, leur contribution au financement climatique se trouverait augmentée de 70 milliards de dollars en 20203. Si ces contributions étaient prélevées sur les budgets nationaux, elles constitueraient une source de financement plus robuste que si l’on demandait à chaque pays de verser une part des recettes tirées d’une future (et très hypothétique) tarification du carbone. Il incombe toutefois aux pays bénéficiaires de chiffrer et de hiérarchiser soigneusement leurs projets d’adaptation par ordre de priorité, et d’attirer des financements grâce à des cadres macrobudgétaires résilients et à une gouvernance rigoureuse.

L’auteur de cet encadré est Ian Parry.1Voir, par exemple, le chapitre 4 des Perspectives de l’économie mondiale d’octobre 2008; Parry, de Mooij et Keen (2012); Parry, Morris et Williams (2015); Farid et al. (2016); et Parry et al. (2016).2Par exemple, Parry et al. (2016) et Parry, Mylonas et Vernon (2017) montrent que, dans un premier temps en tout cas, cette assistance coûtera environ 10 % au maximum des recettes tirées de la tarification du carbone.3Calculs des services du FMI, en supposant que les émissions diminuent selon une progression linéaire en vertu des engagements d’atténuation pris par les pays dans le cadre de l’Accord de Paris. Des redevances carbone sur les carburants des vols internationaux et les carburants maritimes représenteraient également une source prometteuse de financement climatique : un versement de 30 dollars par tonne de CO2 générée par ces carburants apporterait 25 milliards de dollars de recettes supplémentaires en 2020, même en accordant des compensations aux pays en développement (Farid et al., 2016).
Annexe 3.1. Sources de données et catégories de pays

Sources de données

Les sources de données primaires utilisées dans ce chapitre proviennent des bases de données des Perspectives de l’économie mondiale du FMI et des Indicateurs du développement dans le monde de la Banque mondiale. Les principales sources sur les températures et les précipitations proviennent de l’Unité de recherche sur le climat de l’Université d’East Anglia (données historiques, 1901–2015) et de la série Earth Exchange Global Daily Downscaled Projection de la National Aeronautics and Space Administration (NASA) (prévisions, présent–2100). Toutes les sources utilisées dans l’analyse de ce chapitre sont citées dans le tableau de l’annexe 3.1.1.

Pour le PIB réel par habitant, l’investissement et les importations, les sources sont citées dans l’ordre de leur intégration (prolongation d’une série primaire en utilisant le taux de croissance d’une série secondaire).

Définitions des données

Les principales séries historiques de températures et de précipitations utilisées dans l’analyse de ce chapitre sont construites en agrégeant les données contenues dans les cellules de la grille de résolution 0,5 x 0,5 degré (soit environ 56 km x 56 km à l’équateur) au niveau des pays ou des régions, avec une fréquence annuelle ou mensuelle. Les estimations sont pondérées en fonction de la population au niveau de la grille (trois options ont été étudiées : distribution de la population en 1950, 1990 et 2010) pour prendre en compte les différences de densité démographique (Dell, Jones et Olken, 2014).

Tableau de l’annexe 3.1.1.Sources de données
IndicateurSource
Température, historiqueGroupe intergouvernemental sur l’évolution du climat (GIEC), projet d’intercomparaison des modèles couplés, phase 5, AR5, sous-série Atlas; Marcott et al. (2013); Matsuura et Willmott (2007); Institut Goddard d’études spatiales (GISS) de la National Aeronautics and Space Administration (NASA); Institut royal de météorologie des Pays-Bas (KNMI), Atlas du changement climatique; Shakun et al. (2012)
Température et de précipitations, prévisions (point de grille)Série de données Earth Exchange Global Daily Downscaled Projections (NEX-GDDP) de la NASA
Température et précipitations, historique (point de grille)Université d’East Anglia, Unité de recherche sur le climat (CRU TS v.3.24); université du Delaware (UDEL v.4.01)
Population 2010, 1990, 1950 (point de grille)Center for International Earth Science Information Network (CIESIN v.3 et v.4); base de données historique sur l’environnement dans le monde (HYDE v3.2); Klein et al. (2016)
Population 2015 et projection 2100Nations Unies, base de données des Perspectives de la population mondiale : révision de 2015
Émissions de CO2Carbon Dioxide Information Analysis Center
Forçages de températureCarbon Dioxide Information Analysis Center; NASA GISS; Roston et Migliozzi (2015)
Catastrophes naturellesCentre de recherche sur l’épidémiologie des catastrophes, base de données internationale sur les catastrophes (EM-DAT)
Température océanique mondialeNOAA (2017a)
MigrationsBase de données sur les migrations mondiales bilatérales, Groupe de la Banque mondiale; Özden et al. (2011)
PIB réel par habitantFMI, base de données des Perspectives de l’économie mondiale; Banque mondiale, base de données des Indicateurs du développement dans le monde
PIB infranational par habitantGennaioli et al. (2014)
Indice de production agricoleOrganisation des Nations Unies pour l’alimentation et l’agriculture; Banque mondiale, base de données des Indicateurs du développement dans le monde
Valeur ajoutée réelle par secteur (agriculture, industrie manufacturière, services)Banque mondiale, base de données des Indicateurs du développement dans le monde
Productivité du travail par secteurCentre d’études de la croissance et du développement de Groningue, base de données à 10 secteurs; Timmer, de Vries et de Vries (2015)
Formation brute réelle de capital fixeFMI, base de données des Perspectives de l’économie mondiale; Banque mondiale, base de données des Indicateurs du développement dans le monde
Importations réelles de biens et servicesFMI, base de données des Perspectives de l’économie mondiale; Banque mondiale, base de données des Indicateurs du développement dans le monde
Taux de mortalité infantileBanque mondiale, base de données des Indicateurs du développement dans le monde
Indice de développement humainProgramme des Nations Unies pour le développement, base de données du Rapport sur le développement humain
Indice des prix à la consommationFMI, base de données des Perspectives de l’économie mondiale
Ratio dette/PIBFMI, base de données historique de la dette publique
Réserves, or non comprisLane et Milesi-Ferretti (2017); base de données External Wealth of Nations, actualisée jusqu’en 2015
Aide publique au développement nette et aide publique reçueBanque mondiale, base de données des Indicateurs du développement dans le monde
Remises de fonds perçuesBanque mondiale, base de données des Indicateurs du développement dans le monde
Indicateur de régime des changesReinhart et Rogoff (2004); Ilzetzki, Reinhart et Rogoff (2008), actualisé jusqu’en 2015
Préparation et capacité d’adaptationNotre Dame Global Adaptation Initiative; Chen et al. (2015)
Indice de libéralisation du secteur financier intérieurAbiad, Detragiache et Tressel (2008)
Indice Quinn–Toyoda de contrôle des capitauxQuinn (1997); Quinn et Toyoda (2008)
Indicateur de capital humainPenn World Tables 9.0
Kilomètres de voies carrossables par habitantCalderón, Moral-Benito et Servén (2015); Banque mondiale, base de données des Indicateurs du développement dans le monde;chapitre 3 des Perspectives de l’économie mondiale d’octobre 2014
Score Polity combiné révisé (Polity2)Projet Polity IV
Coefficient de GiniStandardized World Income Inequality Database
Source : compilation des services du FMI.

Les projections de températures et de précipitations proviennent de deux des quatre scénarios RCP construits par le Groupe intergouvernemental sur l’évolution du climat. Le scénario RCP 4.5 suppose que, grâce à une meilleure prise de conscience des enjeux environnementaux, le rythme de croissance des émissions de dioxyde de carbone (CO2) se ralentit jusqu’en 2050 et que les émissions commencent à décliner à partir de ce point, ce qui se traduit par une hausse de la température moyenne de 1,8°C durant la période 2081–2100 par rapport à 1986–2005 (dans un intervalle de 1,1°C–2,6°C, avec plus de 50 % de probabilité que l’augmentation dépasse 2°C d’ici 2100). Dans le scénario RCP 8.5, les émissions de CO2 continuent d’augmenter sans atténuation, et la température moyenne en 2081–2100 est 3,7°C plus élevée (dans un intervalle de 2,6°C–4,8°C) qu’en 1986–2005. Dans ce chapitre, on a utilisé la moyenne entre les températures journalières maximum et minimum, et les données de précipitations journalières totales en 2005; les prévisions pour 2050 et 2100 sont effectuées dans une résolution de 0,25 x 0,25 degré, moyennées entre les 21 modèles de la cinquième phase du projet d’in-tercomparaison des modèles couplés pour chaque scénario. La température annuelle est calculée comme la moyenne des températures journalières; les précipitations annuelles sont la somme des précipitations journalières.

Tableau de l’annexe 3.1.2.Groupes de pays et de territoires
Pays avancésAllemagne, Australie, Autriche, Belgique, Canada, Chypre, Corée, Danemark, Espagne, Estonie, États-Unis, Finlande, France, Grèce, Hong Kong (RAS)*, Irlande, Islande, Israël, Italie, Japon, Lettonie, Lituanie, Luxembourg, Macao (RAS)*, Malte, Norvège, Nouvelle-Zélande, Pays-Bas, Porto Rico, Portugal, République slovaque, République tchèque, Royaume Uni, Saint-Marin*, Singapour, Slovénie, Suède, Suisse, Taiwan (province chinoise de)*
Pays émergentsAfrique du Sud, Albanie, Algérie, Angola, Antigua-et-Barbuda, Argentine, Arménie, Azerbaïdjan, Bahamas*, Bahreïn, Barbade, Bélarus, Belize, Bosnie-Herzégovine, Botswana, Brésil, Brunei Darussalam, Bulgarie, Cabo Verde, Chili, Chine, Colombie, Costa Rica, Croatie, Dominique, Égypte, El Salvador, Émirats arabes unis, Équateur, Guinée équatoriale, Fidji, Gabon, Géorgie, Grenade, Guatemala, Guyana, Hongrie, Îles Marshall*, Inde, Indonésie, Iraq, Iran, Jamaïque, Jordanie, Kazakhstan, Kosovo*, Koweït, Liban, Libye, Macédoine (Ex-République yougoslave de), Malaisie, Maldives*, Maroc, Maurice, Mexique, Micronésie*, Monténégro, Namibie, Nauru* Oman, Pakistan, Palaos*, Panama, Paraguay, Pérou, Philippines, Pologne, Qatar, République dominicaine, Roumanie, Russie, Samoa, Arabie saoudite, Serbie, Seychelles*, Sri Lanka, Saint Kitts-et-Nevis, Sainte-Lucie, Saint-Vincent-et-les Grenadines, Suriname, Swaziland, Syrie, Thaïlande, Timor-Leste, Tonga, Trinité-et-Tobago, Tunisie, Turquie, Turkménistan, Tuvalu*, Ukraine, Uruguay, Vanuatu, Venezuela
Pays en développement à faible revenuAfghanistan, Bangladesh, Bénin, Bhoutan, Bolivie, Burkina Faso, Burundi, Cambodge, Cameroun, Comores, Côte d’Ivoire, Djibouti, Érythrée, Éthiopie, Gambie, Ghana, Guinée, Guinée-Bissau, Haïti, Honduras, Îles Salomon, Kenya, Kiribati*, Kirghizistan, Lesotho, Libéria, Madagascar, Malawi, Mali, Mauritanie, Moldova, Mongolie, Mozambique, Myanmar, Népal, Nicaragua, Niger, Nigéria, Ouganda, Ouzbékistan, Papouasie-Nouvelle-Guinée, RDP lao, République centrafricaine, République démocratique du Congo, République du Congo, Rwanda, São Tomé-et-Príncipe, Sénégal, Sierra Leone, Somalie*, Soudan, Soudan du Sud, Tadjikistan, Tanzanie, Tchad, Togo, Viet Nam, Yémen, Zambie, Zimbabwe
Pays et territoires où la température moyenne annuelle est supérieure à 15°CAfrique du Sud, Algérie, Angola, Anguilla, Antigua-et-Barbuda, Arabie saoudite, Argentine, Australie, Bahreïn, Bangladesh, Barbade, Belize, Bénin, Bhoutan, Botswana, Brésil, Brunei Darussalam, Burkina Faso, Burundi, Cambodge, Cameroun, Cabo Verde, Chypre, Colombie, Comores, Costa Rica, Côte d’Ivoire, Cuba, Curaçao*, Djibouti, Dominique, Égypte, El Salvador, Émirats arabes unis, Équateur, Érythrée, Éthiopie, Fidji, Gabon, Gambie, Ghana, Grenade, Guadeloupe*, Guatemala, Guinée, Guinée-Bissau, Guinée équatoriale, Guyana, Guyane française*, Haïti, Honduras, Îles Salomon, Îles Turques et Caïques*, Îles Vierges américaines, Inde, Indonésie, Iraq, Israël, Jamaïque, Jordanie, Kenya, Koweït, Liban, Libéria, Libye, Madagascar, Malaisie, Malawi, Mali, Malte, Maroc, Martinique*, Maurice, Mauritanie, Mexique, Montserrat, Mozambique, Myanmar, Namibie, Népal, Nicaragua, Niger, Nigéria, Nouvelle-Calédonie, Oman, Ouganda, Pakistan, Panama, Papouasie-Nouvelle-Guinée, Paraguay, Philippines, Porto Rico, Qatar, RDP lao, République centrafricaine, République démocratique du Congo, République dominicaine, République du Congo, Réunion*, Rwanda, Samoa, Samoa américaines, São Tomé-et-Príncipe, Sénégal, Sierra Leone, Singapour, Somalie, Sri Lanka, Saint Kitts-et-Nevis, Sainte-Lucie, Saint-Vincent-et-les Grenadines, Soudan, Soudan du Sud, Suriname, Swaziland, Syrie, Tanzanie, Tchad, Thaïlande, Timor-Leste, Togo, Tonga, Trinité-et-Tobago, Tunisie, Turkménistan, Uruguay, Vanuatu, Venezuela, Viet Nam, Cisjordanie et Gaza, Yémen, Zambie, Zimbabwe
Pays fournissant des données au niveau des subdivisions infranationalesAfrique du Sud, Albanie, Allemagne, Argentine, Australie, Autriche, Bangladesh, Belgique, Bénin, Bolivie, Bosnie-Herzégovine, Brésil, Bulgarie, Canada, Chili, Chine, Colombie, Corée, Croatie, Danemark, Égypte, El Salvador, Émirats arabes unis, Équateur, Espagne, Estonie, États-Unis, Finlande, France, Grèce, Guatemala, Honduras, Hongrie, Inde, Indonésie, Iran, Irlande, Italie, Japon, Jordanie, Kazakhstan, Kenya, Kirghizistan, Lesotho, Lettonie, Lituanie, Macédoine (Ex-République yougoslave de), Malaisie, Maroc, Mexique, Mongolie, Mozambique, Népal, Nicaragua, Nigéria, Norvège, Ouzbékistan, Pakistan, Panama, Paraguay, Pays-Bas, Pérou, Philippines, Pologne, Portugal, République slovaque, République tchèque, Roumanie, Royaume-Uni, Russie, Serbie, Slovénie, Sri Lanka, Suède, Suisse, Tanzanie, Thaïlande, Turquie, Ukraine, Uruguay, Venezuela, Viet Nam
Pays fournissant des données au niveau sectorielAfrique du Sud, Allemagne, Argentine, Bolivie, Botswana, Brésil, Chili, Chine, Colombie, Corée, Costa Rica, Danemark, Égypte, Espagne, États-Unis, Éthiopie, France, Ghana, Hong Kong (RAS)*, Inde, Indonésie, Italie, Japon, Kenya, Malaisie, Malawi, Maroc, Maurice, Mexique, Nigéria, Pays-Bas, Pérou, Philippines, Royaume-Uni, Sénégal, Singapour, Suède, Taiwan (province chinoise de)*, Tanzanie, Thaïlande, Venezuela, Zambie
Source : compilation des services du FMI.*Non inclus dans l’analyse de régression principale.
Annexe 3.2. Chocs météorologiques et catastrophes naturelles

S’il existe clairement un lien entre les conditions météorologiques et l’occurrence de phénomènes météorologiques extrêmes, la relation entre les chocs météorologiques et les catastrophes naturelles — phénomènes extrêmes associés à des pertes de vies humaines et des dommages importants — n’a pas été étudiée en détail. L’analyse contenue dans cette section étudie donc la manière dont les conditions météorologiques influent sur la fréquence de différents types de catastrophes naturelles d’origine météorologique.

Une formule logit appliquée au panel avec les effets-pays fixes est utilisée pour estimer l’impact des variables météorologiques ci (température et précipitations) sur la probabilité de survenue d’une catastrophe naturelle dans un pays i pendant un mois donné t.

où la fonction non linéaire Φ(·) = exp(·)/(1+exp(·)) donne l’effet des régresseurs sur la probabilité d’une catastrophe naturelle. Les effets-pays fixes (u.) représentent les caractéristiques du pays qui restent constantes au fil du temps comme la taille, la position et la topologie du pays, et qui peuvent influer sur l’exposition et la vulnérabilité des pays à différents types de catastrophes naturelles51. La formule permet de tenir compte du niveau du PIB réel par habitant et de la population, ainsi que des conditions météorologiques mondiales — plus précisément, l’écart de la température mondiale de la surface des océans par rapport à la moyenne 1901–2000 — qui peut avoir un impact sur l’incidence des catastrophes naturelles. L’échantillon comprend des données mensuelles de la période 1990–2014 pour 228 pays et territoires sur plus de 8.000 catastrophes naturelles d’origine météorologique.

L’équation (3.1) est estimée séparément pour chaque type de catastrophe naturelle, ce qui est une amélioration par rapport à l’étude de Thomas et Lopez (2015) qui effectuent une opération similaire sur des données annuelles, mais traitent toutes les catastrophes naturelles ensemble.

Le tableau de l’annexe 3.2.1 présente les résultats estimés pour chaque type de catastrophe naturelle. Les conditions météorologiques ont un impact très prononcé sur l’occurrence des catastrophes naturelles. Des précipitations élevées réduisent le nombre de catastrophes naturelles liées aux épisodes de sécheresse, incendies et canicules, mais augmentent la probabilité de catastrophes naturelles liées aux inondations, glissements de terrain, vagues de froid, cyclones tropicaux et autres tempêtes. Les effets des différences de température correspondent également aux attentes : les hausses de température s’accompagnent d’un plus grand nombre de catastrophes naturelles causées par des sécheresses, des incendies, des canicules, des cyclones tropicaux et des tempêtes, mais d’une moindre probabilité de vagues de froid. Les résultats montrent également que le niveau des précipitations a des effets non linéaires sur la probabilité de la plupart des catastrophes naturelles.

Tableau de l’annexe 3.2.1.Effet des chocs météorologiques sur les catastrophes naturelles, 1990–2014
Variable dépendanteSécheresse

(1)
Épidémie

(2)
Inondations

(3)
Glissement de terrain

(4)
Feux de forêt

(5)
Vague de froid

(6)
Canicule

(7)
Cyclone tropical

(8)
Autres tempêtes

(9)
Précipitations−0,002***0,0000,022***0,018***−0,023***0,014***−0,009***0,012***0,012***
(0,001)(0,001)(0,002)(0,003)(0,004)(0,005)(0,003)(0,003)(0,004)
Précipitations20,000***0,000−0,000***−0,000***0,000***−0,000**0,000***−0,000*−0,000**
(0,000)(0,000)(0,000)(0,000)(0,000)(0,000)(0,000)(0,000)(0,000)
Température0,024*0,0090,051***−0,0100,109***−0,286***0,282*0,168***−0,063***
(0,013)(0,012)(0,020)(0,025)(0,012)(0,049)(0,144)(0,039)(0,014)
Température2−0,0000,000−0,001−0,0000,001−0,007***0,005−0,0010,000
(0,000)(0,000)(0,001)(0,001)(0,001)(0,002)(0,005)(0,001)(0,001)
Écarts des précipitations (12 mois)−0,005***−0,0000,001***0,001−0,001*−0,001*−0,003***0,0000,000
(0,001)(0,000)(0,000)(0,000)(0,001)(0,000)(0,001)(0,000)(0,000)
Écarts des températures (12 mois)0,037*0,024**−0,008−0,0130,022−0,042***0,0260,0030,033***
(0,019)(0,012)(0,006)(0,013)(0,020)(0,015)(0,019)(0,009)(0,007)
Écarts des températures océaniques−0,1271,014**0,2740,0281,566*1,0980,861−1,441***0,395
mondiales(1,002)(0,486)(0,298)(0,578)(0,870)(0,781)(1,025)(0,549)(0,370)
Log PIB par habitantt-12−0,975*−0,589**−0,0590,033−1,0292,486***0,045−0,076−0,303
(0,500)(0,267)(0,158)(0,383)(0,711)(0,627)(0,382)(0,302)(0,279)
Log populationt-120,8692,361***2,575***0,6500,821−1,0260,2732,617***0,058
(0,878)(0,364)(0,318)(0,662)(1,211)(1,392)(1,267)(0,582)(0,575)
Constante10,481*5,529*1,646−5,0509,982−31,876***−9,242**0,5043,519
(6,145)(3,087)(1,896)(4,746)(8,525)(7,772)(4,416)(3,683)(3,352)
Nombre d’observations29.97635.77243.63219.62018.73217.84412.92420.65233.684
Nombre de pavs1011201476663614469114
Source : calculs des services du FMI.Note : La variable dépendante est un indicateur qui prend la valeur 1 si une catastrophe naturelle de la catégorie en question survient. Toutes les formules neutralisent les effets-pays fixes. Les erreurs-types sont regroupées au niveau du pays.* p < 0,1 ; “p< 0,05; ***/)<0,01.

Il faut noter que d’après les estimations, les conditions météorologiques des 12 mois précédents ont un effet marqué sur l’occurrence de la plupart des types de catastrophes naturelles. Ainsi des conditions météorologiques anormales l’année précédente, représentées par l’écart cumulé des températures et du niveau de précipitations par rapport à la moyenne mensuelle sur 10 ans, sont des déterminants importants pour toutes les formes de catastrophes naturelles, à l’exception de celles causées par les glissements de terrain ou les cyclones tropicaux, lesquelles sont entièrement fonction de régimes météorologiques à court terme. En revanche, les épidémies ne sont pas affectées par les conditions météorologiques à court terme, mais réagissent aux écarts de température subis l’année avant la survenue de l’événement.

Pour quantifier l’impact probable du changement climatique, l’analyse combine les résultats des estimations et les projections de la température et des précipitations en 2050 et 2100 dans le scénario RCP 8.5 pour prédire la probabilité de chaque forme de catastrophe naturelle. Ces probabilités prédites pour 2050 et 2100 sont comparées avec l’incidence prédite des catastrophes naturelles durant la période 2010–2014 dans le graphique 3.6.

Annexe 3.3. Analyse empirique des effets macroéconomiques des chocs météorologiques et du rôle des politiques publiques

Cette annexe contient des éléments complémentaires sur le modèle empirique utilisé pour quantifier les effets à court et à moyen terme des conditions météorologiques sur l’activité économique afin de définir les canaux par lesquels ces effets se produisent, de repérer les signes éventuels d’une adaptation au fil des années, et d’étudier le rôle de différentes mesures prises par les pouvoirs publics pour atténuer les effets des chocs de température.

L’analyse de la situation de base utilise la méthode des projections locales de Jordà (2005) pour tracer les fonctions de réponse impulsionnelle de différentes perfformances en fonction des chocs météorologiques en appliquant l’équation suivante :

i indexe les pays, t les années, et h l’horizon d’estimation (de l’horizon 0, qui représente la régression contemporaine, jusqu’à l’horizon 7). Les régressions pour chaque horizon sont estimées séparément. La variable dépendante est le taux de croissance cumulée de la variable pertinente entre les horizons t - 1 et t + h, mesuré comme la différence entre les logarithmes naturels (Yt). Comme dans l’étude de Burke, Hsiang et Miguel (2015a), la régression estimée a une formule quadratique dans les variables météorologiques ci,t, comprenant les températures annuelles (T) et le niveau des précipitations (P). Les régressions neutralisent l’effet retard des variables dépendantes et météorologiques et les effets anticipés des variables météorologiques, comme le suggère Teulings et Zubanov (2014). Les effets-pays fixes Teulings y Zubanov (2014). Los efectos fijos de país (μih) neutralisent toutes les différences entre pays qui ne varient pas au fil du temps, comme la latitude, les conditions macroéconomiques initiales et les taux de croissance moyens, tandis que les effets-temps fixes, en interaction avec des variables régionales muettes (θr,th), neutralisent l’effet commun à tous les chocs annuels dans l’ensemble des pays d’une même région. L’analyse explore également une autre structure à effets fixes proposée par Burke, Hsiang et Miguel (2015a), qui incorpore des effets fixes dans le temps (τih) et les tendances temporelles linéaires et quadratiques propres au pays (θiht+θiht2) pour rendre compte des variations dans le temps au sein du pays, comme l’évolution démographique, plutôt que les effets fixes région–année (θr,th) comme dans la formule de base. Les erreurs-types sont regroupées au niveau du pays. Pour éviter le biais associé aux «mauvaises neutralisations» (ou aux neutralisations excessives), la formule est délibérément parcimonieuse : nombre des déterminants de la croissance qui figurent habituellement dans les régressions standard de la croissance (par exemple, la qualité des institutions, le niveau d’éducation, les politiques publiques, etc.) peuvent eux-mêmes être influencés par les chocs météorologiques, comme on le verra plus loin, et ne font donc pas partie de l’estimation de base.

D’après ce cadre d’estimation, l’effet d’une hausse de 1°C de la température sur le niveau de la production à l’horizon h peut être obtenu en différentiant l’équation (3.2) en ce qui concerne la température :

En évaluant l’équation (3.3) séparément pour chaque horizon et en utilisant la température annuelle moyenne de 2015, Ti,2015, on peut obtenir la fonction de réponse impulsionnelle du PIB par habitant à un choc de température pour chaque pays. L’effet marginal d’une augmentation du niveau des précipitations est calculé de manière analogue. Le seuil de température, où l’effet sur la variable de performance passe du positif au négatif, peut être obtenu en calculant l’équation (3.3) pour zéro.

L’effet des chocs météorologiques sur l’activité économique

Le tableau de l’annexe 3.3.1 présente les principaux résultats pour l’effet des chocs météorologiques sur le produit par habitant, ainsi qu’un grand nombre de vérifications de la robustesse. La partie A contient les coefficients estimés pour les variables météorologiques à l’horizon 0 (c’est-à-dire les effets contemporains des chocs météorologiques); la partie B montre l’effet d’une hausse de 1°C de la température estimée à la température médiane de 2015 pour les pays avancés (T médiane = 11°C), pour les pays émergents (T médiane = 22°C), et pour les pays en développement à faible revenu (T médiane = 25°C) au moment du choc et sept ans plus tard. De même, la partie C montre l’effet d’une hausse de 100 millilitres du niveau de précipitation estimé au niveau médian de précipitations de 2015 pour les pays avancés, les pays émergents et les pays en développement à faible revenu au moment du choc et sept ans plus tard.

Tableau de l’annexe 3.3.1.Effets des chocs météorologiques sur la production
A. Croissance du produit réel par habitant(1)(2)(3)(4)(5)(6)(7)(8)(9)
Température1,399***1,443***1,428***1,343***1,347***1,248***1,342***1,249***−1,154***
(0,359)(0,367)(0,366)(0,355)(0,357)(0,339)(0,355)(0,380)(0,320)
Température2−0,049***−0,049***−0,048***−0,052***−0,051***−0,044***−0,051***−0,044***
(0,012)(0,011)(0,011)(0,011)(0,011)(0,010)(0,011)(0,011)
Précipitations0,0560,103*0,163*0,0450,1100,1270,1190,0820,005
(0,097)(0,061)(0,085)(0,058)(0,104)(0,103)(0,104)(0,112)(0,034)
Précipitations2−0,002−0,002**−0,004**−0,001−0,003−0,003−0,003−0,002
(0,002)(0,001)(0,002)(0,001)(0,002)(0,002)(0,002)(0,002)
Toute catastrophe naturelle−0,406** (0,180)
Seuil de température (°C)1415151313141314
Source météorologiqueUDELURCURCURCURCURCURCURCURC
Pondération démographique201020101950201019501950195019501950
Effets-année fixesOOONNNNNN
Effets fixes région x annéeNNNOOOOOO
Tendances temporelles du paysOOONNNNNN
Au moins 20 ans de donnéesNNNNNONNN
R2 ajusté0,150,150,150,140,140,140,140,110,09
Nombre de pays177198189198189184189189127
Nombre d’observations8.1479.1148.8159.1148.8158.7568.8158.9176.135
B. Impact d’une hausse de température de 1°C sur le produit réel par habitant à l’horizon 0
PA (T = 11°C)0,331*0,370*0,365*0,1970,2180,2800,2170,277
(0,196)(0,196)(0,195)(0,191)(0,196)(0,190)(0,195)(0,212)
PE (T = 22°C)−0,736**−0,703***−0,697***−0,949***−0,911***−0,687***−0,907***−0,695***
(0,309)(0,223)(0,223)(0,266)(0,264)(0,228)(0,263)(0,243)
PDFR (T = 25°C)−1,027***−0,996***−0,987***−1,261***−1,219***−0,951***−1,214***−0,960***
(0,370)(0,268)(0,267)(0,318)(0,315)(0,270)(0,313)(0,287)
Impact d’une hausse de la température de 1°C sur le produit brut par habitant à l’horizon 7
PA (T = 11°C)0,8980,8890,8220,4570,5580,5600,5520,023
(0,705)(0,701)(0,697)(0,744)(0,752)(0,744)(0,751)(0,478)
PE (T = 22°C)−1,173−0,957−1,048−1,117*−1,115*−1,088*−1,138*−0,547
(0,852)(0,665)(0,651)(0,604)(0,591)(0,595)(0,589)(0,386)
PDFR (T = 25°C)−1,738*−1,461*−1,558**−1,547**−1,571**−1,537**−1,599**−0,702
(1,002)(0,761)(0,745)(0,686)(0,667)(0,670)(0,664)(0,450)
C. Impact d’une hausse de 100 mm par an du niveau des précipitations sur le produit réel par habitant à l’horizon 0
PA (P = 800 mm par an)0,0180,0660,101*0,0280,0660,0760,0730,050
(0,067)(0,046)(0,059)(0,046)(0,071)(0,070)(0,071)(0,077)
PE (P = 900 mm par an)0,0130,0610,093*0,0260,0600,0700,0670,046
(0,063)(0,045)(0,056)(0,045)(0,067)(0,066)(0,067)(0,072)
PDFR (P = 1.100 mm par an)0,0040,0520,0780,0220,0490,0570,0560,038
(0,057)(0,041)(0,050)(0,042)(0,059)(0,058)(0,059)(0,064)
Impact d’une hausse de 100 mm par an du niveau des précipitations sur le produit réel par habitant à l’horizon 7
PA (P = 800 mm par an)0,3040,1710,179−0,173−0,187−0,207−0,209−0,287
(0,198)(0,216)(0,227)(0,214)(0,223)(0,225)(0,224)(0,229)
PE (P = 900 mm par an)0,2950,1660,174−0,156−0,166−0,187−0,188−0,267
(0,188)(0,205)(0,215)(0,200)(0,209)(0,210)(0,210)(0,216)
PDFR (P = 1.100 mm par an)0,2780,1550,164−0,121−0,126−0,148−0,146−0,227
(0,169)(0,185)(0,192)(0,174)(0,182)(0,182)(0,183)(0,191)
Source : calculs des services du FMI.Note : Le tableau présente les résultats d’estimation de l’équation (3.2) avec une régression pour chaque horizon. La partie A donne les coefficients estimés des variables météorologiques à l’horizon 0. Les parties B et C montrent l’effet marginal de la variation des températures et des précipitations calculé dans l’équation (3.3) aux niveaux médians de température (T) et de précipitations des pays avancés (PA), pays émergents (PE) et pays en développement à faible revenu (PDFR), immédiatement (horizon 0) et en cumul sept ans après le choc. Les formules des colonnes (1) à (8) neutralisent les effets-pays fixes; les retards et les anticipations de la température, des précipitations, et leurs expressions au carré; et l’effet retard de croissance. La colonne (8) montre les résultats de l’estimation d’un modèle autorégressif à retards échelonnés en sept temps pour les variables météorologiques et leurs expressions au carré. La colonne (9) contient les coefficients de la température et des précipitations obtenus par une formule linéaire estimée sur un échantillon de pays d’une température moyenne supérieure à 15°C, en neutralisant également les effets-pays fixes et l’effet retard de croissance. Dans toutes les formules, les erreurs-types sont regroupées au niveau du pays. URC = Unité de recherche sur le climat de l’université d’East Anglia; UDEL = université du Delaware. * p < 0,1; ** p < 0,05; *** p < 0,01.

Le tableau de l’annexe 3.3.1 commence par reproduire la formule de Burke, Hsiang et Miguel (2015a) et établit sa robustesse à l’aide de sources différentes de données météorologiques; de pondérations démographiques différentes pour agréger les données météorologiques des points de grille au niveau des pays; des séries d’effets fixes différentes; des échantillons, contrôles et méthodes d’estimation différents. La colonne (1) estime la formule utilisée dans Burke, Hsiang et Miguel (2015a) et inclut des tendances temporelles linéaires et quadratiques propres aux pays, les données météorologiques de l’université du Delaware et les pondérations des données démographiques de 1990 dans l’échantillon beaucoup plus important retenu dans le chapitre (couverture géographique et temporelle supérieure d’environ 25 %). La colonne (2) utilise une autre source de données météorologiques — celle de l’Unité de recherche climatique de l’université d’East Anglia au lieu de celles de l’université du Delaware — et obtient des coefficients similaires pour les variables de température et de précipitations.

Le choix des pondérations démographiques utilisées pour agréger les données météorologiques du point de grille au niveau des pays pourrait jouer un rôle important, sachant que les migrations internes et internationales sont l’une des stratégies possibles face à des conditions météorologiques hostiles. Étant donné que les données historiques montrent une hausse des températures annuelles à partir des années 70 (graphique 3.3), la colonne (3) présente les résultats avec la pondération démographique de 1950 pour tenir compte de la réaction migratoire qui aurait déjà pu se produire.

À l’instar de l’étude de Dell, Jones et Olken (2012), les colonnes (4) et (5) (formule principale pour le chapitre) présentent les résultats pour la formule de base avec les effets fixes région–année plutôt que les tendances temporelles spécifiques à chaque pays. La colonne (6) limite l’échantillon aux pays pour lesquels on dispose d’au moins 20 ans de données.

La colonne (7) neutralise séparément l’occurrence de catastrophes naturelles étant donné que les fluctuations de température et de précipitations peuvent influer sur l’activité économique par le biais de l’incidence de catastrophes naturelles, comme discuté dans l’annexe 3.2. Le fait de neutraliser les catastrophes naturelles ne modifie pas significativement les coefficients estimés pour la température et les précipitations52.

Dans les colonnes (1) à (7), les réponses impulsionnelles sont estimées à l’aide de la méthode des projections locales de Jordà (2005). Cette approche est préconisée par Stock et Watson (2007), entre autres, car elle est flexible, n’impose pas les restrictions dynamiques propres aux formules d’autorégression vectorielle (autorégression à retards échelonnés) et est particulièrement adaptée pour estimer les non-linéarités dans la réponse dynamique. En revanche, la colonne (8) teste la robustesse des conclusions à l’utilisation du modèle à retards échelonnés avec sept retards des variables météorologiques et leurs carrés, comme dans l’étude de Dell, Jones et Olken (2012), qui testent différents modèles de 0 à 10 retards et constatent que, pour les différents retards, les résultats sont à peu près cohérents en termes d’ampleur et de significativité statistique.

Dans toutes les formules, le coefficient estimé pour la température est positif, et le coefficient pour la température au carré est négatif, ce qui confirme l’existence d’une relation non linéaire entre la croissance et les chocs de température mise en évidence dans l’étude de Burke, Hsiang et Miguel (2015a). Aux basses températures, une hausse de la température dope la croissance, alors qu’aux températures élevées, une hausse de la température la pénalise. Le seuil de température moyen est estimé à environ 13–15°C. Pour faire une vérification supplémentaire de la robustesse, la colonne (9) présente les résultats d’une régression linéaire sans les carrés des variables météorologiques dans laquelle l’échantillon est limité aux pays où la température annuelle moyenne est supérieure à 15°C. De fait, dans l’échantillon de pays relativement chauds, le coefficient de la température est négatif et statistiquement significatif. L’effet d’une hausse des températures sur l’ensemble de la planète est présenté dans la plage 1 du graphique 3.8 au niveau du point de grille; dans la plage 2, où les pays sont redimensionnés proportionnellement à leur population en 2015; dans le graphique de l’annexe 3.3.1, où les pays sont redimensionnés proportionnellement à leur population projetée en 2100.

Graphique de l’annexe 3.3.1.Effet d’une hausse de la température sur le produit réel par habitant dans le monde, la taille des pays étant redimensionnée en fonction de leur population projetée en 2100

(Pourcentage)

Sources : Natural Earth; ScapeToad; Nations Unies, base de données des Perspectives de la population mondiale : révision de 2015; Unité de cartographie du Groupe de la Banque mondiale; calculs des services du FMI.

Note : La carte représente l’effet immédiat d’une hausse de 1°C de la température sur le produit par habitant calculé par l’équation (3.3.) en utilisant la moyenne récente sur 10 ans des températures au niveau des pays et les coefficients estimés dans le tableau de l’annexe 3.3.1, colonne (5). Chaque pays est redimensionné en fonction de sa population projetée en 2100. En utilisant la projection de population de 2100, 76 % de la population mondiale vivra dans des pays dans lesquels la hausse de 1°C aura un impact négatif. Les zones grisées indiquent que l’impact estimé n’est pas statistiquement significatif.

Il n’existe pas de relation systématiquement significative entre les précipitations et la croissance du PIB par habitant dans les différentes formules. L’absence d’une relation robuste pourrait s’expliquer par une éventuelle erreur de mesure plus importante dans la variable des précipitations, comme noté dans Auffhammer et al. (2011), qui pourrait être encore amplifiée par l’agrégation temporelle. Par exemple, si le seul canal par lequel le niveau de précipitation a un impact sur les performances agrégées est son effet sur l’agriculture, alors seul le niveau des précipitations tombées pendant la période de croissance des cultures — pour lequel le niveau annuel de précipitations n’est pas une bonne valeur de remplacement — serait pertinent.

Le tableau de l’annexe 3.3.1 révèle également les effets très persistants des chocs de température. La moitié inférieure de la partie B présente les effets cumulés d’une hausse de 1°C de la température estimée à la température médiane des pays avancés, des pays émergents et des pays en développement à faible revenu sept ans après le choc. Toutes les formules sauf une indiquent un effet négatif durable et potentiellement croissant des chocs de température sur le produit par habitant aux températures prévalant dans le pays en développement à faible revenu médian.

Pour examiner l’étendue des effets de la température, l’équation (3.2) est estimée à l’aide de la valeur ajoutée par secteur et de la production agricole, qui sont les performances auxquelles on s’intéresse. La valeur ajoutée réelle des secteurs de l’agriculture, de l’industrie et des services extraite de la base de données des Indicateurs du développement dans le monde de la Banque mondiale est complétée par un indice du volume de production agricole compilé par l’Organisation des Nations Unies pour l’alimentation et l’agriculture. Les résultats sont présentés dans le tableau de l’annexe 3.3.2. Il existe une relation concave entre la température et la production dans les secteurs de l’agriculture et de l’industrie. En revanche, dans les services, la valeur ajoutée apparaît relativement préservée des effets des hausses de température. En d’autres termes, à la température médiane des pays à faible revenu, une hausse des températures entraîne une baisse marquée de la valeur ajoutée agricole et du volume des récoltes et une réduction de la production manufacturière.

Tableau de l’annexe 3.3.2.Effets des chocs météorologiques sur la production sectorielle
IndustrieProduction
AgriculturemanufacturièreServicesagricole
A. Variable dépendante(1)(2)(3)(4)
Température0,2831,281−0,2683,860*
(0,871)(1,035)(0,585)(2,085)
Température2−0,043*−0,051*−0,007−0,151***
(0,023)(0,027)(0,016)(0,050)
Précipitations0,705***0,108−0,0001,287***
(0,228)(0,149)(0,111)(0,332)
Précipitations2−0,015***−0,002−0,001−0,028***
(0,005)(0,003)(0,002)(0,007)
R2 ajusté0,100,130,120,09
Nombre de pays174168174185
Nombre d’observations5.8475.2255.7308.836
B. Impact d’un réchauffement de 1°C sur la variable dépendante à l’horizon 0
PA (T = 11°C)−0,6640,152−0,4230,547
(0,464)(0,532)(0,303)(1,077)
PE (T = 22°C)−1,610***−0,977**−0,578*−2,767***
(0,431)(0,439)(0,298)(0,664)
PDFR (T = 25°C)−1,868***−1,285**−0,621*−3,671***
(0,517)(0,538)(0,362)(0,820)
Impact d’un réchauffement de 1°C sur la variable dépendante à l’horizon 7
PA (T = 11°C)2,070***1,642−0,2201,177
(0,753)(1,798)(1,445)(0,889)
PE (T = 22°C)−0,498−0,9260,054−0,509
(0,654)(0,939)(0,734)(0,812)
PDFR (T = 25°C)−1,198−1,6260,129−0,969
(0,769)(1,117)(0,910)(0,985)
C. Impact d’une hausse de 100 mm par an du niveau des précipitations sur la variable dépendante à l’horizon 0
PA (P = 800 mm par an)0,458***0,076−0,0130,835***
(0,149)(0,105)(0,075)(0,223)
PE (P = 900 mm par an)0,428***0,072−0,0150,778***
(0,139)(0,100)(0,071)(0,210)
PDFR (P = 1.100 mm par an)0,366***0,065−0,0180,665***
(0,121)(0,090)(0,063)(0,185)
Impact d’une hausse de 100 mm par an du niveau des précipitations sur la variable dépendante à l’horizon 7
PA (P = 800 mm par an)−0,2280,024−0,141−0,237
(0,257)(0,390)(0,286)(0,284)
PE (P = 900 mm par an)−0,2130,030−0,125−0,217
(0,243)(0,371)(0,269)(0,267)
PDFR (P = 1.100 mm par an)−0,1840,041−0,094−0,177
(0,217)(0,332)(0,235)(0,235)
Source : calculs des services du FMI.Note : Le tableau présente les résultats de l’estimation de l’équation (3.2) à l’aide de la même formule que dans le tableau de l’annexe 3.3.1, colonne (5), pour différentes variables dépendantes, avec des régressions distinctes pour chaque horizon. Dans toutes les formules, les erreurs-types sont regroupées au niveau du pays. La partie A donne les coefficients estimés des variables météorologiques pour l’horizon 0. Les parties B et C montrent l’impact marginal d’une variation de la température et des précipitations calculé par l’équation (3.3) au niveau médian de température (T) et de précipitations (P) dans les pays avancés (PA), les pays émergents (PE) et les pays en développement à faible revenu (PDFR), dans l’immédiat (horizon 0) et en cumul sur sept ans après le choc. mm = millimètres. * p < 0,1; ** p < 0,05; *** p < 0,01.

Il est important de noter que, à la différence du produit agrégé, la production agricole est fortement affectée non seulement par les chocs de température, mais aussi par les chocs de précipitations. Si les résultats indiquent l’existence d’une relation concave entre la production agricole et les précipitations, aux niveaux ordinaires de précipitations de toutes les catégories de pays, une hausse des précipitations entraîne sans équivoque une amélioration de la productivité agricole. Les effets des précipitations sont également de courte durée; la production agricole sept ans plus tard n’est pas affectée par un choc de précipitations qui surviendrait aujourd’hui, à la différence de l’effet de la température.

Canaux

Ce chapitre étudie les canaux potentiels par lesquels les chocs de température influent sur les conditions macroéconomiques de manière généralisée et durable, en observant la relation entre la température et chacune des grandes composantes de la fonction de production agrégée.

Investissement

Conformément à l’hypothèse de Fankhauser et Tol (2005), les chocs météorologiques pourraient avoir des effets durables sur la production s’ils influent sur les décisions d’investissement, et donc sur l’intrant capital. L’équation (3.2) est estimée en prenant la formation brute de capital fixe en termes réels comme variable pertinente. L’analyse examine aussi les impacts des conditions météorologiques sur les importations, compte tenu de la relation étroite existant entre l’importation et l’investissement. Les résultats, présentés dans le tableau de l’annexe 3.3.3, colonnes (1) et (2), confirment l’idée selon laquelle les chocs de température pénalisent l’investissement. Malgré la forte incertitude qui entoure l’estimation des effets immédiats, sept ans après une hausse de la température, l’investissement comme les importations sont nettement inférieurs dans les pays relativement chauds (voir aussi le graphique 3.10).

Tableau de l’annexe 3.3.3.Effet des chocs météorologiques sur la productivité, le capital et le travail
Intrant capitalIntrant travailProductivité du travail
SecteursSecteurs
Mortaliténon exposésexposés à
InvestissementImportationsinfantileIDHà la chaleurla chaleur
A. Variable dépendante(1)(2)(3)(4)(5)
Température0,8500,467−0,1470,269***0,2461,902*
(2,042)(0,943)(0,117)(0,078)(0,681)(1,002)
Température2−0,045−0,068**0,005*−0,008***−0,010−0,087***
(0,059)(0,033)(0,003)(0,002)(0,018)(0,026)
Précipitations−0,377−0,654**−0,0010,0000,0470,272
(0,398)(0,271)(0,024)(0,018)(0,201)(0,195)
Précipitations20,0030,0060,001−0,000−0,003−0,008*
(0,009)(0,007)(0,001)(0,000)(0,005)(0,004)
R2 ajusté0,030,080,640,310,03
Nombre de pays16917818218140
Nombre d’observations6.0936.8668.6853.86417.848
B. Impact d’un réchauffement de 1°C sur la variable dépendante à l’horizon 0
PA (T = 11°C)−0,138−1,029**−0,0280,094**0,030−0,003
(0,976)(0,455)(0,067)(0,043)(0,396)(0,502)
PE(T = 22°C)−1,126−2,525***0,092*−0,082−0,185−1,909***
(1,064)(0,753)(0,055)(0,056)(0,412)(0,363)
PDFR (T = 25°C)−1,395−2,934***0,124*−0,129*−0,244−2,428***
(1,331)(0,919)(0,063)(0,067)(0,478)(0,456)
Impact d’un réchauffement de 1°C sur la variable dépendante à l’horizon 7
PA (T = 11°C)1,8122,361−0,3640,609**0,305−1,142
(2,029)(1,494)(0,427)(0,259)(1,183)(0,986)
PE (T = 22°C)−4,225**−2,439*0,569−0,237−0,063−1,642
(1,803)(1,303)(0,375)(0,175)(1,114)(1,119)
PDFR (T = 25°C)−5,871***−3,747**0,824*−0,467**−0,163−1,778
(2,074)(1,516)(0,426)(0,195)(1,306)(1,365)
C. Impact d’une hausse de 100 mm par an du niveau des précipitations sur la variable dépendante à l’horizon 0
PA (P = 800 mm par an)−0,329−0,558***0,008−0,007−0,0090,148
(0,262)(0,180)(0,015)(0,013)(0,133)(0,136)
PE (P = 900 mm par an)−0,323−0,547***0,009−0,008−0,0160,132
(0,246)(0,170)(0,015)(0,012)(0,125)(0,130)
PDFR (P = 1.100 mm par an)−0,311−0,523***0,011−0,010−0,0300,101
(0,216)(0,151)(0,013)(0,011)(0,109)(0,118)
Impact d’une hausse de 100 mm par an du niveau des précipitations sur la variable dépendante à l’horizon 7
PA (P = 800 mm par an)−0,478−0,984**0,071−0,102*−0,2950,072
(0,689)(0,498)(0,163)(0,061)(0,832)(0,554)
PE (P = 900 mm par an)−0,423−0,961**0,074−0,097*−0,2650,041
(0,649)(0,472)(0,149)(0,057)(0,776)(0,524)
PDFR (P = 1.100 mm par an)−0,313−0,914**0,080−0,087*−0,206−0,022
(0,573)(0,422)(0,123)(0,050)(0,666)(0,467)
Source : calculs des services du FMI.Note : Les colonnes (1) à (4) présentent les résultats d’estimation de l’équation (3.2) avec la même formule que dans le tableau de l’annexe 3.3.1, colonne (5) pour différentes variables dépendantes. La formule de la colonne (5) présente les résultats d’estimation de l’équation (3.4) où un indicateur pour les secteurs exposés à la chaleur est combiné avec les températures, les précipitations et leurs expressions au carré, et leurs effets retards et anticipés; avec neutralisation des effets fixes pays–secteur et région–année et de l’effet retard de croissance. Une régression distincte est estimée pour chaque horizon. Dans toutes les formules, les erreurs-types sont regroupées au niveau du pays. La partie A donne les coefficients estimés des variables météorologiques pour l’horizon 0. Les parties B et C montrent l’impact marginal d’une variation des températures et des précipitations, calculé par l’équation (3.3) au niveau médian de température (T) et de précipitations (P) dans les pays avancés (PA), les pays émergents (PE) et les pays en développement à faible revenu (PDFR), dans l’immédiat (horizon 0) et en cumul sur sept ans après le choc. IDH = Indice de développement humain; mm = millimètres. * p < 0,1; ** p < 0,05; *** p < 0,01.

Intrant main-d’œuvre

L’analyse regarde aussi si l’offre de main-d’œuvre pourrait être affectée par les hausses de température. En retenant la mortalité infantile comme variable pertinente, l’équation (3.2) est estimée, révélant une relation convexe entre la température et l’offre actuelle (ou future) de main-d’œuvre (tableau de l’annexe 3.3.3, colonne (3). Dans les pays chauds, une hausse de la température entraîne une augmentation instantanée de la mortalité infantile, avec une incidence qui augmente avec le temps. Dans ces pays, les hausses de température ont aussi un impact négatif sur une mesure plus générale du bien-être humain, à savoir l’indice de développement humain, qui est une moyenne pondérée du revenu par habitant, du niveau d’éducation et de l’espérance de vie (colonne (4).

Productivité

Partant du fait, démontré en laboratoire et dans des études nationales, que les performances cognitives et physiques des êtres humains diminuent aux températures élevées, l’analyse détermine si cette moindre productivité du travail pourrait expliquer la relation négative existant entre la température et la production globale dans les pays chauds. Si c’est le cas, les secteurs dans lesquels les travailleurs sont particulièrement exposés à la chaleur devraient voir leur productivité du travail diminuer lorsque la température monte dans les pays relativement chauds. L’analyse utilise la base de données du Centre d’études de la croissance et du développement de Groningue qui compte 10 secteurs et donne la valeur ajoutée réelle par secteur dans 40 pays entre 1950 et 2012, ainsi que la classification des secteurs réalisée par Graff Zivin et Neidell (2014) entre ceux qui sont exposés à la chaleur et les autres, afin d’estimer la formule suivante53 :

yi,s,t est le log de la valeur ajoutée sectorielle réelle par travailleur, Hs est un indicateur pour les secteurs exposés à la chaleur, μi,sh. sont des effets pays–secteur fixes, et θr,th sont des effets région–année fixes. Les erreurs-type sont regroupées au niveau du pays.

Dans le tableau de l’annexe 3.3.3, la formule (5) synthétise les résultats de cette estimation. Aux températures plus élevées, une hausse de la température entraîne une diminution marquée de la productivité du travail dans les secteurs exposés à la chaleur. En revanche, les hausses de température n’ont pas d’effet détectable sur la productivité des travailleurs dans les secteurs non exposés à la chaleur, même dans les pays au climat chaud.

Le rôle des politiques publiques et des institutions

Pour voir dans quelle mesure les politiques macroéconomiques et structurelles et les caractéristiques du pays peuvent médier l’effet des chocs météorologiques, l’analyse élargit l’approche empirique décrite ci-dessus en faisant varier la réponse du produit par habitant aux chocs météorologiques en appliquant différentes valeurs de remplacement pour ces politiques. La formule estimée complète l’équation (3.2) pour inclure un terme d’interaction entre le choc météorologique et la variable de politique publique :

L’échantillon est limité aux pays dont la température annuelle moyenne est supérieure à 15°C, dans lesquels une hausse de la température a un impact linéaire statistiquement significatif sur l’activité économique, comme dans le tableau de l’annexe 3.3.1, colonne (9). Par conséquent, le choc météorologique ci,t correspond à la moyenne de la température et du niveau de précipitations. La plupart des variables de politiques publiques pi,t sont appliquées avec retard, afin d’éliminer autant que possible les effets de causalité inversée, et sont incorporées l’une après l’autre. Comme souligné dans ce chapitre, il est difficile d’interpréter de manière causale les coefficients des termes d’interaction, étant donné que les différences entre les politiques publiques et les régimes institutionnels d’un pays à l’autre et dans le temps ne sont pas aléatoires. Les politiques et les institutions pourraient aussi être corrélées avec des attributs-pays pertinents qui ne sont pas neutralisés dans la régression. De plus, la disponibilité des données sur les politiques publiques est très inégale, tant entre périodes qu’entre pays, ce qui entraîne des différences non négligeables dans l’échantillon d’estimation.

Pour faciliter l’interprétation, dans les résultats de la référence, chaque variable de politiques publiques est transformée en variable d’indicateur selon que le pays, dans l’année t, se trouve au-dessus ou au-dessous de la valeur médiane de la politique publique en question dans l’échantillon d’estimation54. La seule exception est la mesure des marges d’action. On considère qu’un pays possède 1) des marges budgétaires si son ratio dette publique/PIB est inférieur au 75e centile, 2) des marges monétaires si son inflation annuelle est inférieure à 10 %, 3) des réserves internationales élevées si ses réserves internationales, or non compris, peuvent couvrir au moins quatre mois d’importations, 4) une aide extérieure élevée si le ratio flux aide extérieure/PIB se situe dans le 75e centile, et 5) un flux élevé de remises de fonds de l’étranger si les remises de fonds par habitant en dollars réels sont supérieures au 75e centile. Pour la politique de change, l’analyse utilise un indicateur si le régime de change de facto du pays n’est pas arrimé, en suivant la classification grossière de Reinhart et Rogoff (2004).

Les tableaux de l’annexe 3.3.4 et 3.3.5 présentent les principales observations. Pour chaque politique publique, les tableaux donnent l’effet estimé d’une hausse de température de 1°C sur le produit par habitant aux horizons 0 à 7, lorsque la politique est en place et lorsqu’elle ne l’est pas. Les tableaux donnent aussi la valeur p d’un test statistique des écarts entre les effets de la température dans différents scénarios de politique publique.

Tableau de l’annexe 3.3.4.Rôle des marges d’action
(1)(2)(3)(4)(5)(6)(7)(8)(9)
Impact d’un réchauffementDette publiqueInflationRéserves officielles
de 1°C sur le produit
par habitantFaibleÉlevéeValeur pFaibleÉlevéeValeur pÉlevéesFaiblesValeur p
Horizon 0−1,057***−1,460***0,09−1,183***−1,275***0,40−1,015**−1,171***0,52
(0,387)(0,352)(0,295)(0,322)(0,414)(0,314)
Horizon 1−1,029**−1,627***0,24−0,952***−0,985**0,87−0,556−0,782**0,36
(0,471)(0,466)(0,362)(0,425)(0,492)(0,395)
Horizon 2−0,914*−1,695**0,24−0,933**−0,907**0,87−0,952**−1,030***0,58
(0,492)(0,690)(0,375)(0,416)(0,390)(0,382)
Horizon 3−1,597***−2,159***0,34−1,279***−1,333***0,79−1,182***−1,140***0,78
(0,525)(0,758)(0,419)(0,429)(0,404)(0,411)
Horizon 4−1,512**−1,986**0,46−1,355**−1,487**0,55−1,404***−1,440***0,85
(0,704)(0,972)(0,560)(0,571)(0,522)(0,522)
Horizon 5−0,899−1,3410,42−1,014*−1,181*0,46−1,390**−1,270**0,66
(0,758)(0,936)(0,583)(0,628)(0,609)(0,603)
Horizon 6−1,075−1,2770,68−1,315**−1,572**0,32−1,524**−1,362**0,55
(0,844)(0,867)(0,626)(0,675)(0,614)(0,597)
Horizon 7−0,552−0,6330,87−0,842−1,0320,52−1,566**−1,353**0,49
(0,819)(0,859)(0,610)(0,628)(0,629)(0,611)
R2 ajusté0,150,120,09
Nombre de pays119122127
Nombre d’observations4.4925.3656.135
Impact d’un réchauffementAide extérieureRemises de fondsFlexibilité du taux de change
de 1°C sur le produitNon
par habitantÉlevéeFaibleValeur pÉlevéesFaiblesValeur pArriméeArriméeValeur p
Horizon 0−0,840**−1,194***0,06−1,345***−1,449***0,34−1,183***−1,436***0,16
(0,380)(0,334)(0,337)(0,312)(0,321)(0,315)
Horizon 1−0,996**−1,132***0,59−1,212***−1,472***0,13−0,792*−1,249***0,08
(0,448)(0,396)(0,389)(0,410)(0,426)(0,415)
Horizon 2−0,958**−0,979**0,94−0,799*−1,030**0,31−0,575−1,191**0,08
(0,433)(0,401)(0,436)(0,456)(0,483)(0,503)
Horizon 3−0,931*−1,020**0,74−1,271**−1,488***0,45−0,769−1,342**0,20
(0,551)(0,475)(0,530)(0,499)(0,574)(0,600)
Horizon 4−0,724−1,061*0,32−1,260*−1,348**0,77−0,975−1,853**0,08
(0,672)(0,539)(0,678)(0,664)(0,781)(0,801)
Horizon 5−0,772−0,913*0,70−1,182*−1,287**0,76−0,408−1,556*0,04
(0,635)(0,534)(0,691)(0,644)(0,830)(0,851)
Horizon 6−0,753−1,108*0,36−1,571*−1,860**0,450,011−1,1090,06
(0,731)(0,598)(0,842)(0,751)(0,828)(0,780)
Horizon 7−0,620−0,863*0,59−0,900−1,1790,49−0,220−1,418*0,05
(0,677)(0,499)(0,749)(0,731)(0,871)(0,852)
R2 ajusté0,160,140,10
Nombre de pays120115115
Nombre d’observations5.1753.4413.942
Source : calculs des services du FMI.Note : Ce tableau présente les résultats d’estimation de l’équation (3.5) sur un échantillon de pays à température annuelle moyenne supérieure à 15°C. Dans les régressions, les indicateurs représentant les mesures des pouvoirs publics sont combinés aux températures, aux précipitations et à leurs effets retards, en neutralisant les effets-pays et région–année fixes, les effets retards de la croissance et des mesures des pouvoirs publics, les effets anticipés des températures et des précipitations. Des régressions distinctes sont estimées pour chaque horizon. Les statistiques sommaires des régressions sont indiquées pour l’horizon 0. Dans toutes les formules, les erreurs-types sont regroupées au niveau du pays. * p < 0,1; ** p < 0,05; *** p < 0,01.
Tableau de l’annexe 3.3.5.Rôle des politiques structurelles et des institutions
(1)(2)(3)(4)(5)(6)(7)(8)(9)
Impact d’un réchauffement de 1°C sur le produit par habitantRéforme du secteur financier intérieur

Indice
Restrictions sur la finance internationaleCapital humain
ÉlevéFaibleValeur pFaiblesÉlevéesValeur pÉlevéFaibleValeur p
Horizon 0−1,540***−1,631***0,59−0,766**−1,139***0,07−1,039***−1,152***0,63
(0,437)(0,439)(0,293)(0,275)(0,291)(0,349)
Horizon 1−1,539***−1,853***0,17−0,906**−1,054***0,50−0,891**−1,250***0,25
(0,518)(0,598)(0,391)(0,367)(0,411)(0,420)
Horizon 2−0,413−0,9230,15−0,622−1,090**0,10−0,669−1,092**0,27
(0,538)(0,711)(0,434)(0,472)(0,437)(0,494)
Horizon 3−0,964−1,724**0,06−1,089**−1,359***0,39−1,065**−1,250**0,64
(0,712)(0,854)(0,462)(0,487)(0,475)(0,491)
Horizon 4−0,325−1,1180,10−1,601***−1,757***0,69−1,345**−1,686***0,49
(0,829)(0,855)(0,502)(0,529)(0,527)(0,576)
Horizon 5−0,707−1,561*0,13−1,790**−2,180***0,41−1,161−1,590**0,46
(0,844)(0,868)(0,702)(0,761)(0,699)(0,704)
Horizon 6−0,644−1,412*0,22−1,608***−1,868***0,59−1,009−1,689**0,34
(0,805)(0,807)(0,594)(0,615)(0,685)(0,724)
Horizon 7−0,071−0,8470,27−1,525**−1,975***0,39−0,657−1,236*0,44
(0,888)(0,818)(0,682)(0,718)(0,736)(0,715)
R2 ajusté0,240,130,12
Nombre de pays467489
Nombre d’observations1.4553.4344.582
Impact d’un réchauffement de 1°C sur le produit par habitantCapital physiqueIndice du régime politiqueInégalités
ÉlevéFaibleValeur pÉlevéFaibleValeur pFaiblesÉlevéesValeur p
Horizon 0−0,773***−0,861***0,66−1,370***−1,452***0,73−1,336***−1,559***0,07
(0,294)(0,302)(0,328)(0,293)(0,431)(0,390)
Horizon 1−0,782*−0,777*0,99−1,132***−1,392***0,27−1,034*−1,240**0,26
(0,405)(0,423)(0,393)(0,367)(0,580)(0,588)
Horizon 2−0,550−0,6900,69−1,110***−1,729***0,01−0,814−1,024*0,35
(0,442)(0,459)(0,416)(0,433)(0,584)(0,591)
Horizon 3−0,430−0,8200,30−1,374***−1,929***0,03−0,947−1,386*0,09
(0,411)(0,497)(0,466)(0,464)(0,714)(0,738)
Horizon 4−0,543−1,175**0,15−1,599***−2,095***0,09−0,819−1,391*0,06
(0,464)(0,573)(0,566)(0,601)(0,827)(0,820)
Horizon 5−0,953−1,677**0,17−1,587**−2,044***0,15−0,699−1,634*0,01
(0,625)(0,755)(0,671)(0,705)(0,899)(0,877)
Horizon 6−0,381−1,546**0,09−1,416**−2,128***0,06−1,061−2,067**0,01
(0,586)(0,691)(0,679)(0,704)(0,930)(0,913)
Horizon 7−0,548−1,610*0,14−1,325*−2,320***0,02−0,233−1,3200,01
(0,645)(0,815)(0,751)(0,788)(1,060)(0,998)
R2 ajusté0,130,100,28
Nombre de pays11410695
Nombre d’observations3.9055.0561.798
Source : calculs des services du FMI.Note : Ce tableau présente les résultats d’estimation de l’équation (3.5) sur un échantillon de pays à température annuelle moyenne supérieure à 15°C. Dans les régressions, les indicateurs représentant les mesures des pouvoirs publics sont combinés aux températures, aux précipitations et à leurs effets retards, en neutralisant les effets-pays et région–année fixes, les effets retards de la croissance et des mesures des pouvoirs publics, les effets anticipés des températures et des précipitations. Des régressions distinctes sont estimées pour chaque horizon. Les statistiques sommaires des régressions sont indiquées pour l’horizon 0. Dans toutes les formules, les erreurs-types sont regroupées au niveau du pays. * p < 0,1; ** p < 0,05; *** p < 0,01.

Les effets négatifs à court terme des chocs de température tendent à être plus marqués dans les pays où les marges d’action sont limitées, comme le montrent les réponses estimées plus importantes dans les colonnes (2), (5) et (8) du tableau de l’annexe 3.3.4. Toutefois, les différences ne sont généralement pas statistiquement significatives, et dans les rares cas où elles le sont (marges budgétaires, aide extérieure, remises de fonds), elles sont généralement de très courte durée. Le régime de change, en revanche, semble présenter une association significative avec l’étendue des dommages causés par les chocs météorologiques. Les pays dont le taux de change n’est pas arrimé à une autre monnaie tendent à se rétablir plus rapidement de ces chocs. La même constatation est faite par Ramcharan (2009), qui trouve que la flexibilité du taux de change contribue à ce que les économies s’ajustent mieux à la suite de tempêtes et de tremblements de terre.

Les effets négatifs à moyen terme des chocs de température tendent à être moindres dans les pays dotés de politiques structurelles et d’institutions de meilleure qualité (tableau de l’annexe 3.3.5). Les erreurs-types sont ici encore assez importantes, et il est souvent difficile d’écarter l’hypothèse selon laquelle les politiques publiques n’ont pas d’impact, mais les estimations ponctuelles de l’effet des chocs de température aux horizons les plus longs sont nettement plus élevées dans les colonnes (2), (5) et (8). Cela corrobore les constatations que l’on trouve dans différents travaux sur le rôle des politiques publiques dans l’atténuation des effets des catastrophes naturelles. Voir, entre autres, Kahn (2005), Noy (2009), Cavallo et al. (2013), Felbermayr et Gröschl (2014) et Breckner et al. (2016) pour le rôle de la solidité des institutions et de la démocratie; Noy (2009), Von Peter, Dahlen et Saxena (2012), McDermott, Barry et Tol (2013), Felbermayr et Gröschl (2014) et Breckner et al. (2016) pour le rôle des marchés financiers; et Noy (2009), Raddatz (2009) et Von Peter, Dahlen et Saxena (2012) pour le rôle du niveau de développement.

Le rôle du développement

Ce chapitre vise à déterminer si le niveau général de développement peut jouer un rôle atténuateur pour les effets négatifs des chocs de température dans les pays chauds, en utilisant des données infranationales de différents pays. En combinant les données de croissance d’environ 1.460 provinces et États de 79 pays tirées de l’étude de Gennaioli et al. (2014) et des données annuelles de température et de précipitations au même niveau d’agrégation, l’analyse confirme qu’il existe une relation non linéaire entre la croissance des entités infranationales et la température en estimant l’équation (3.2). Elle s’intéresse

ensuite plus particulièrement aux provinces et États ayant une température moyenne annuelle supérieure à 15°C pour voir si l’activité économique des États ou provinces au climat chaud des pays avancés répond à une hausse de la température de la même manière que les États ou provinces des pays émergents ou en développement ayant une température moyenne comparable. L’équation (3.5) est estimée avec une valeur de pi,t = 1 pour les États ou provinces situés dans les pays avancés; pi,t est ensuite mis en interaction avec la croissance de la période antérieure, μih représente des effets province ou État fixes; et les effets région–année fixes, θr,th, peuvent varier pour les pays avancés et non avancés. Les erreurs-type sont regroupées au niveau du pays.

Le tableau de l’annexe 3.3.6 présente les effets estimés d’une hausse de 1°C de la température aux horizons 0 à 7 dans toutes les subdivisions infranationales où la température est supérieure à 15°C dans la colonne (1). Les colonnes suivantes présentent les effets estimés pour les subdivisions infranationales dans les pays avancés et non avancés, ainsi que la valeur p d’un test de leur différence. Les effets négatifs des chocs de température sont beaucoup plus marqués dans les pays non avancés.

Tableau de l’annexe 3.3.6.Rôle du développement : données infranationales
Impact d’un réchauffement de 1°C sur le produit par habitantÉchantillon completPays avancésPays non avancésValeur p
(1)(2)
Horizon 0−0,705***−0,025−0,727***0,01
(0,174)(0,159)(0,210)
Horizon 1−0,908***0,320−0,978***0,00
(0,263)(0,232)(0,315)
Horizon 2−0,599**0,952***−0,768**0,00
(0,290)(0,350)(0,357)
Horizon 3−0,5431,089***−0,875**0,00
(0,340)(0,339)(0,429)
Horizon 4−0,752*0,736*−1,130**0,01
(0,386)(0,385)(0,499)
Horizon 5−1,246***0,485−1,321**0,04
(0,460)(0,510)(0,588)
Horizon 6−1,156**0,005−1,596**0,10
(0,478)(0,526)(0,646)
Horizon 7−1,333**0,145−1,496**0,13
(0,527)(0,601)(0,714)
R2 ajusté0,180,20
Nombre de pays44737
Nombre de provinces60751556
Nombre d’observations16.14816.148
Source : calculs des services du FMI.Note : La régression (2) présente les résultats d’estimation de l’équation (3.5) à l’aide de données infranationales sur un échantillon de provinces ayant une température annuelle moyenne supérieure à 15°C. Dans la régression, l’indicateur d’appartenance de la province à un pays avancé est combiné à la température, aux précipitations, à leurs effets retards, à l’effet retard de la croissance et aux effets fixes région–année; avec neutralisation des effets-province fixes et des anticipations des températures et des précipitations. Des régressions distinctes sont estimées pour chaque horizon. Les statistiques sommaires des régressions sont indiquées pour l’horizon 0. Dans toutes les formules, les erreurs-types sont regroupées au niveau du pays. * p < 0,1; ** p < 0,05; *** p < 0,01.
Annexe 3.4. L’impact des aléas météorologiques et des catastrophes naturelles sur les migrations internationales

Cette annexe fournit des éléments complémentaires sur l’analyse empirique de l’effet des chocs de température et des catastrophes naturelles sur les migrations internationales. L’analyse s’appuie sur des données issues de l’étude d’Özden et al. (2011) sur les stocks d’émigrants pour 117 pays à la température moyenne supérieure à 15°C entre 1980 et 2015. Les stocks de migrants, qui sont disponibles en intervalles de 10 ans, sont défalqués pour calculer les flux nets de migrants pour chaque décennie.

En poursuivant les travaux de Cattaneo et Peri (2016), l’analyse estime la formule suivante :

i indexe les pays et d les décennies55, Émigrant correspond au flux net d’émigration pendant la décennie en pourcentage de la population totale du pays d’origine, T est la température moyenne, P la moyenne des précipitations pendant la décennie et Catastrophe représente le nombre moyen de catastrophes naturelles pour chaque pays–décennie. Les trois dernières variables sont encore mises en interaction avec une variable muette identifiant les pays en développement à faible revenu (PDFR) pour exprimer les différences éventuelles dans la réponse migratoire aux fluctuations météorologiques et aux catastrophes naturelles. Comme Cattaneo et Peri (2016), la régression neutralise aussi les effets-pays fixes (μi) les effets région–décennie fixes (θr,d), et les effets-décennie fixes combinés à la variable muette PDFR. Le terme d’erreur aléatoire ∈i,d est regroupé au niveau des pays56. La formule est délibérément parcimonieuse. Les variables neutralisées habituellement considérées comme déterminants des migrations, telles que le nombre d’habitants, l’environnement sociopolitique ou autre, peuvent elles-mêmes être affectées par des fluctuations météorologiques et des catastrophes naturelles. Dans un test de robustesse, l’incidence de la guerre, important facteur d’émigration, est neutralisé, même si l’on peut considérer qu’elle est justement un autre canal par lequel les fluctuations météorologiques déclenchent des déplacements de populations (voir Burke, Hsiang et Miguel, 2015b).

Le tableau de l’annexe 3.4.1 présente les principaux résultats de l’estimation de l’équation (3.6). Le fait que la température moyenne soit plus élevée pendant une décennie n’a pas d’effet significatif sur l’émigration dans tous les pays de l’échantillon (colonne (1). Toutefois, si l’on fait varier la réaction dans les grandes catégories de pays, les résultats suggèrent que dans les pays non classés comme pays à faible revenu, les températures élevées sont effectivement associées à une augmentation des flux d’émigration (colonne (2). Une augmentation de 1°C de la température décennale moyenne entraîne une augmentation d’environ 8 points de pourcentage de la proportion d’émigrants nets (ce qui correspond à un écart-type dans l’échantillon étudié)57. De même, la survenue d’un plus grand nombre de catastrophes naturelles pendant une décennie entraîne également une augmentation des flux nets d’émigration, en particulier dans les pays qui ne sont pas des pays à faible revenu58.

Tableau de l’annexe 3.4.1.Effets des chocs météorologiques et des catastrophes naturelles sur l’émigration, 1980–2015
Pourcentage d’émigrants dans la population totale(1)(2)(3)(4)(5)(6)
Température3,9638,008*8,067*8,134*8,127*8,074*
(2,522)(4,477)(4,476)(4,357)(4,480)(4,287)
Précipitations−0,206−0,477−0,484−0,484−0,491−0,492
(0,710)(0,880)(0,878)(0,881)(0,878)(0,880)
Température × PDFR−7,475*−7,672*−7,788*−7,571*−7,634*
(4,253)(4,255)(4,092)(4,249)(4,088)
Précipitations × PDFR0,9350,9180,9290,9720,992
(1,022)(1,018)(1,024)(1,039)(1,033)
Nombre de catastrophes naturelles0,228*0,228*0,4580,465*
(0,138)(0,136)(0,281)(0,269)
Guerre0,409−0,418
(2,283)(3,771)
Nombre de catastrophes naturelles−0,358−0,359
× PDFR(0,309)(0,296)
Guerre × PDFR1,216
(4,034)
R2 ajusté0,040,060,060,060,060,05
Nombre d’observations337337337337337337
Source : calculs des services du FMI.Note : Toutes les formules intègrent les effets fixes du pays d’origine, les effets décennie–région fixes et les effets décennies fixes, en interaction avec une variable muette pour les pays en développement à faible revenu (PDFR). Les erreurs-types sont regroupées au niveau du pays. * p < 0,1; ** p < 0,05; *** p < 0,01.
Annexe 3.5. Analyse modélisée

Le modèle utilisé dans l’encadré 3.2 pour analyser l’impact à long terme du changement climatique et simuler les effets des politiques publiques est développé et présenté dans Buffie et al. (2012). Il est communément appelé le modèle dette–investissement–croissance (DIC) et constitue le moteur de nombre d’études du FMI sur les pays à faible revenu. Le modèle DIC est un modèle d’optimisation intertemporelle en prévision parfaite. Il décrit un modèle de petite économie ouverte à deux secteurs avec capitaux privés et publics, d’apprentissage par la pratique, avec des politiques budgétaires endogènes. Le capital public est productif et est utilisé dans la fonction de production des deux secteurs. Les dépenses publiques peuvent faire accroître la production directement en augmentant le stock de capital public et peuvent faciliter ou évincer l’investissement privé.

Les entreprises opèrent suivant une fonction de Cobb–Douglass pour combiner la main-d’œuvre, le capital privé et le capital public (infrastructures) afin de générer de la production dans les secteurs marchand et non marchand. L’évolution de la productivité totale des facteurs (PTF) est exogène dans les deux secteurs. Les prix des exportations et des importations sont distincts pour les entreprises, dont on considère qu’elles veulent maximiser leurs bénéfices.

Les consommateurs apportent de la main-d’œuvre et retirent une utilité de la consommation des biens marchands produits dans le pays, des biens marchands importés et des biens non marchands produits dans le pays. Ces biens sont combinés dans un panier de substitution à élasticité constante, et les épargnants maximisent la valeur actuelle de leur utilité sur toute leur durée de vie. Ce modèle rompt l’équivalence ricardienne en ajoutant des ménages qui épargnent et d’autres qui consomment la totalité de leurs revenus.

Les dépenses de l’État se composent des transferts, du service de la dette et d’investissements en infrastructures (partiellement inefficients). Ses recettes se composent de taxes sur la valeur ajoutée des biens et services consommés et de redevances payées par les utilisateurs des infrastructures. Le déficit est financé par de l’emprunt intérieur et des prêts extérieurs concessionnels ou commerciaux. Les pouvoirs publics acceptent tous les prêts concessionnels proposés par les créanciers officiels. L’échéancier d’emprunt et d’amortissement de ces prêts est fixé de manière endogène. La viabilité de la dette nécessite que la taxe sur la valeur ajoutée et les transferts finissent par s’ajuster afin de couvrir la totalité du déficit, sachant qu’il existe une limite supérieure pour les taxes et une limite inférieure pour les transferts, l’une et l’autre déterminées de manière exogène. Le modèle incorpore les chocs à la prime de risque de la dette extérieure de l’État (ou aux taux d’intérêts mondiaux).

La majorité des paramètres du modèle sont fixés aux mêmes valeurs que dans l’étude de Buffie et al. (2012), à quelques exceptions près, essentiellement pour rendre compte de la baisse des taux d’intérêt mondiaux, de la projection de la croissance tendancielle du PIB dans les pays à faible revenu, et de la valeur médiane des ratios dette publique/PIB de l’échantillon. Les paramètres qui diffèrent de ceux de Buffie et al. (2012) sont présentés dans le tableau de l’annexe 3.5.1.

Tableau de l’annexe 3.5.1.Paramétrisation du modèle dette–investissement–croissance (DIC)
ParamètresValeur (%)
Retour sur investissement des infrastructures30
Ratio dette publique intérieure/PIB10
Ratio dette publique concessionnelle/PIB30
Ratio dette commerciale publique extérieure/PIB5
Ratio recettes pétrolières/PIB2
Taux d’intérêt réel sur la dette publique intérieure7
Taux d’intérêt réel sur la dette commerciale publique extérieure4
Taux de croissance tendancielle par habitant2,8
Sources : Buffie et al. (2012); calculs des services du FMI.

Simulation de l’impact à long terme du changement climatique

Pour suivre l’impact à long terme du changement climatique, le modèle incorpore la relation estimée entre la température et le produit par habitant, expliquée dans l’annexe 3.3 et présentée dans le tableau de l’annexe 3.3.1, colonne (5). On suppose que l’effet résulte de l’impact de la température sur la PTF; par conséquent, les paramètres estimés sont rééchelonnés afin que le modèle reflète la baisse estimée du PIB si la température augmente de 1°C59.

On suppose que la température pendant la période 2017–2100 suit l’un des deux scénarios suivants : RCP 4.5 ou RCP 8.5. La hausse de température durant la période 2017–2100 est calculée pour le pays à faible revenu médian de l’échantillon et est égale à 2,0°C pour le RCP 4.5 et 3,9°C pour le RCP 8.5.

Il existe deux sources d’incertitude dans la simulation : l’incertitude des projections RCP et l’incertitude de l’impact de la température sur la PTF. Ces deux sources d’incertitude sont combinées dans l’analyse de la manière suivante. Le scénario optimiste est simulé en supposant que la hausse de température est égale au 5e centile le plus bas pour chaque RCP60. Pour tenir compte de l’incertitude des paramètres estimés, les paramètres de PTF sont fixés à la valeur conditionnelle attendue pour les 50 % supérieurs de la distribution de la PTF. Le scénario le plus pessimiste est simulé de manière analogue.

Modélisation de la transformation structurelle

La transformation structurelle est générée dans le modèle DIC en introduisant des tendances divergentes dans la croissance sectorielle de la PTF, selon l’approche de Ngai et Pissarides (2007). Dans leur modèle, une croissance plus rapide de la productivité dans le secteur des biens marchands s’accompagne d’une baisse du prix relatif des biens marchands par rapport aux biens non marchands. Du fait de la complémentarité dans la demande finale, la production n’augmente pas dans les mêmes proportions dans les deux secteurs. La part de la valeur du secteur des biens marchands finit par diminuer, même en présence d’échanges internationaux. Cette approche, bien qu’elle ne repose que sur un facteur potentiel de transformation structurelle, génère l’augmentation désirée de la part du secteur des biens non marchands (qui se compose essentiellement de services) dans l’emploi et la valeur ajoutée nominale. L’écart entre les taux de croissance de la PTF sectorielle est fixé de manière à reproduire l’augmentation moyenne de la part des services dans la valeur ajoutée des pays en développement à faible revenu dans la période 1990–2015, qui a progressé de 2,5 points de pourcentage par décennie. Compte tenu de ce calibrage, dans le scénario sans hausse de température, la part des biens non marchands dans l’emploi augmente, passant de 42,27 % l’année de base à 65 % au bout de 90 ans.

Modélisation de l’adaptation optimale

L’encadré 3.2 enrichit le modèle DIC initial pour incorporer l’investissement direct en stratégies d’adaptation. Le principal ajout est l’inclusion des financements privés et des subventions publiques à l’adaptation privée. Les dommages sont modélisés de la même manière. En l’absence de toute mesure d’adaptation, la hausse de température entraîne des dommages bruts, représentés par GDjt, au moment t dans le secteur j. Les dommages bruts sont exprimés en fraction de la production sectorielle :

Les dommages bruts peuvent être réduits en investissant dans l’adaptation. La capacité de l’entreprise i à s’adapter au changement climatique est représentée par Oi,jt. Elle augmente avec les dépenses de protection A Di,jt de l’entreprise i, et le total des dépenses de protection du secteur AD¯jt=01ADi,jtdi61. Le dommage résiduel pour l’entreprise i du secteur j est

dans laquelle la réduction marginale des dommages grâce aux dépenses d’adaptation décline. Le paramètre positif φ représente l’élasticité de la réduction des dommages par rapport au niveau d’adaptation.

Si le coût d’une unité de protection est égal à PAD,t et que la forme fonctionnelle de la capacité à s’adapter est Oi,jt(ADi,jt,AD¯jt;ζ)=ADi,jtADjtζ¯ (aver 0 ≤ ζ ≤ 1), alors la plus forte réduction possible du coût par les entreprises dans l’équilibre symétrique ADi,jt=AD¯jt détermine le niveau optimal de dépense d’adaptation pour chaque entreprise :

Le niveau optimal des dommages résiduels pour l’entreprise est donc

ce qui, comme on peut le démontrer, n’est pas optimal du point de vue de la société.

La fonction de coût du planificateur social, TotDi,jt, diffère de celle des entreprises

Minimiser le coût social donne la dépense d’adaptation socialement optimale

Il peut être démontré que les agents économiques privés investissent moins que le montant socialement optimal. Le déficit de dépense d’adaptation (en fraction de la dépense d’adaptation socialement optimale) est égal à

Il peut aussi être démontré que le montant socialement optimal de la dépense d’adaptation peut être obtenu si l’État verse aux entreprises des subventions représentant υς,jt par unité de coût de protection dépensée :

Annexe 3.6. Approche en forme réduite de l’estimation des effets potentiels à long terme du changement climatique

Des indications des impacts potentiels du changement climatique et de leur distribution dans le monde pourraient aussi être obtenus en combinant la sensibilité estimée du produit par habitant aux hausses de température (tableau de l’annexe 3.3.1, colonne (5), les températures annuelles de la période de base et les changements projetés de la température pour chaque zone géographique. Comme dans la modélisation, cette analyse retient l’approche la plus prudente et considère que les hausses de température ont un effet permanent sur le niveau et non sur la croissance du produit par habitant. L’impact cumulé estimé sur le PIB par habitant en 2100 dans les scénarios RCP 4.5 et 8.5 est présenté dans le graphique de l’annexe 3.6.1. Il importe de noter que cette opération suit l’impact probable d’un aspect particulier du changement climatique, à savoir les hausses de température. Les effets macroéconomiques d’une multitude d’événements attendus ou possibles (par exemple, la fréquence accrue de catastrophes naturelles, l’élévation du niveau des mers ou l’acidification des océans) ne sont pas quantifiés ici. De plus, l’analyse fait abstraction des retombées qui peuvent toucher d’autres pays si le changement climatique déclenche davantage d’épidémies, de famines et d’autres catastrophes naturelles, outre l’agitation sociale, les conflits armés et les flux de réfugiés qui peuvent en résulter.

L’analyse suggère que le réchauffement projeté aura des effets inégaux selon les endroits de la planète. Toutefois, l’augmentation de la température, en particulier dans le scénario RCP 8.5, poussera de nombreux pays avancés au-delà du niveau seuil, d’où des pertes économiques directes également pour ces pays.

Graphique de l’annexe 3.6.1.Impact à long terme du réchauffement sur le produit réel par habitant dans le monde

(Pourcentage)

Sources : Earth Exchange Global Daily Downscaled Projections (NEX-GDDP) de la NASA; Unité de cartographie du Groupe de la Banque mondiale; calculs des services du FMI.

Note : Les cartes représentent l’effet du réchauffement projeté entre 2005 et 2100 dans les scénarios RCP 4.5 et RCP 8.5 sur le produit réel par habitant en 2100. Les zones grisées indiquent que l’impact estimé n’est pas statistiquement significatif. RCP = profil représentatif d’évolution de concentration.

Bibliographie

    Abiad, Abdul, EnricaDetragiache, and ThierryTressel. 2008. “A New Database of Financial Reforms.”IMF Working Paper 08/266, International Monetary Fund, Washington, DC.

    Acemoglu, Daron, SimonJohnson, and James A.Robinson. 2001. “The Colonial Origins of Comparative Development: An Empirical Investigation.”American Economic Review91 (5): 1369401.

    Acevedo, Sebastian. 2014. “Debt, Growth, and Natural Disasters: A Caribbean Trilogy.”IMF Working Paper 14/125, International Monetary Fund, Washington, DC.

    Acevedo, Sebastian. 2016. “Gone with the Wind: Estimating Hurricane and Climate Change Costs in the Caribbean.”IMF Working Paper 16/199, International Monetary Fund, Washington, DC.

    Altug, Sumru, and Robert A.Miller. 1998. “The Effect of Work Experience on Female Wages and Labour Supply.”Review of Economic Studies65 (1): 4585.

    Andersen, Thomas Barnebeck, Carl-JohanDalgaard, and PabloSelaya. 2016. “Climate and the Emergence of Global Income Differences.”Review of Economic Studies83 (4): 133463.

    Anthoff, David, and RichardTol. 2010. “FUND–Climate Framework for Uncertainty, Negotiation and Distribution.”https://yosemite.epa.gov/ee/epa/eerm.nsf/vwAN/EE-0564-101.pdf/$file/EE-0564-101.pdf.

    Ashraf, Quamrul, and SteliosMichalopoulos. 2015. “Climatic Fluctuations and the Diffusion of Agriculture.”Review of Economics and Statistics97 (3): 589609.

    Auffhammer, Maximilian, Solomon M.Hsiang, WolframSchlenker, and AdamSobel. 2011. “Global Climate Models and Climate Data: A User Guide for Economists.” Unpublished.

    Baez, Javier, GermanCaruso, ValerieMueller, and ChiyuNiu. 2017. “Heat Exposure and Youth Migration in Central America and the Caribbean.”American Economic Review: Papers and Proceedings107 (5): 44650.

    Bakkensen, Laura, and LintBarrage. 2016. “Do Disasters Affect Growth? A Macro Model-Based Perspective on the Empirical Debate.”Working Paper, Department of Economics, Brown University, Providence, RI.

    Barreca, Alan I.2012. “Climate Change, Humidity, and Mortality in the United States.”Journal of Environmental Economics and Management63 (1): 1934.

    Barreca, Alan I., KarenClay, OlivierDeschênes, MichaelGreenstone, and JosephShapiro. 2016. “Adapting to Climate Change: The Remarkable Decline in the US Temperature-Mortality Relationship over the 20th Century.”Journal of Political Economy124 (1): 10559.

    Barrios, Salvador, LuisitoBertinelli, and EricStrobl. 2006. “Climatic Change and Rural-Urban Migration: The Case of Sub-Saharan Africa.”Journal of Urban Economics60 (3): 35771.

    Barrios, Salvador, LuisitoBertinelli, and EricStrobl, LuisitoBertinelli, and EricStrobl. 2010. “Trends in Rainfall and Economic Growth in Africa: A Neglected Cause of the African Growth Tragedy.”Review of Economics and Statistics32 (2): 35066.

    Barrios, Salvador, OuattaraBazoumana, and EricStrobl. 2008. “The Impact of Climatic Change on Agricultural Production: Is It Different for Africa?”Food Policy33: 28798.

    Baum, Anja, AndrewHodge, AikoMineshima, MarialuzMoreno Badia, and RenéTapsoba. 2017. “Can They Do It All? Fiscal Space in Low-Income Countries.”IMF Working Paper 17/110, International Monetary Fund, Washington, DC.

    Beaton, Kimberly, SvetlanaCerovic, MisaelGaldamez, MetodijHadzi-Vaskov, FranzLoyola, ZsókaKóczán, BogdanLissovolik, Jan KeesMartijn, YuliaUstyugova, and JoyceWong. 2017. “Migration and Remittances in Latin America and the Caribbean: Engines of Growth and Macroeconomic Stabilizers?”IMF Working Paper 17/144, International Monetary Fund, Washington, DC.

    Bertinelli, Luisito, and EricStrobl. 2013. “Quantifying the Local Economic Growth Impact of Hurricane Strikes: An Analysis from Outer Space for the Caribbean.”Journal of Applied Meteorology and Climatology52: 168897.

    Black, Richard, Stephen R. G.Bennett, Sandy M.Thomas, and John R.Beddington. 2011. “Migration as Adaptation.”Nature478: 44749.

    Bluedorn, John, AkosValentinyi, and MichaelVlassopoulos. 2009. “The Long-Lived Effects of Historic Climate on the Wealth of Nations.”CEPR Discussion Paper 7572, Centre for Economic Policy Research, London.

    Bohra-Mishra, Pratikshya, MichaelOppenheimer, and Solomon M.Hsiang. 2014. “Nonlinear Permanent Migration Response to Climatic Variations but Minimal Response to Disasters.”Proceedings of the National Academy of Sciences111 (27): 978085.

    Boustan, Leah P., Matthew E.Kahn, and Paul W.Rhode. 2012. “Moving to Higher Ground: Migration Response to Natural Disasters in the Early Twentieth Century.”American Economic Review: Papers and Proceedings102 (3): 23844.

    Breckner, Miriam, FlorianEnglmaier, TillStowasser, and UweSunde. 2016. “Economic Development and Resilience to Natural Catastrophes—Insurance Penetration and Institutions.” Unpublished.

    Bryan, Gharad, ShyamalChowdhury, and Ahmed M.Mobarak. 2014. “Underinvestment in a Profitable Technology: The Case of Seasonal Migration in Bangladesh.”Econometrica82 (5): 1671748.

    Buckley, Brendan M., Kevin J.Anchukaitis, DanielPenny, RolandFletcher, Edward R.Cook, MasakiSano, Le CanhNam, AroonrutWichienkeeo, Ton ThatMinh, and TruongMai Hong. 2010. “Climate as a Contributing Factor in the Demise of Angkor, Cambodia.”Proceedings of the National Academy of Sciences107 (15): 674852.

    Buffie, Edward, AndrewBerg, CatherinePattillo, RafaelPortillo, and Luis-FelipeZanna. 2012. “Public Investment, Growth, and Debt Sustainability: Putting Together the Pieces.”IMF Working Paper 12/144, International Monetary Fund, Washington, DC.

    Büntgen, Ulf, WillyTegel, KurtNicolussi, MichaelMcCormick, DavidFrank, ValerieTrouet, Jed O.Kaplan, FranzHerzig, Karl-UweHeussner, HeinzWanner, JürgLuterbacher, and JanEsper. 2011. “2500 Years of European Climate Variability and Human Susceptibility.”Science331 (6017): 57882.

    Burgess, Robin, OlivierDeschênes, DaveDonaldson, and MichaelGreenstone. 2014. “The Unequal Effects of Weather and Climate Change: Evidence from Mortality in India.” Unpublished. www.lse.ac.uk/economics/people/facultyPersonalPages/facultyFiles/RobinBurgess/UnequalEffectsOfWeatherAndClimateChange140514.pdf.

    Burke, Marshall, and KyleEmerick. 2016. “Adaptation to Climate Change: Evidence from US Agriculture.”American Economic Journal: Economic Policy8 (3): 10640.

    Burke, Marshall, Solomon M.Hsiang, and EdwardMiguel. 2015a. “Global Non-Linear Effect of Temperature on Economic Production.”Nature527: 23539.

    Burke, Marshall, Solomon M.Hsiang, and EdwardMiguel. 2015b. “Climate and Conflict.”Annual Review of Economics7: 577617.

    Burke, Paul J., and AndrewLeigh. 2010. “Do Output Contractions Trigger Democratic Change?”American Economic Journal: Macroeconomics2 (4): 12457.

    Cabezon, Ezequiel, LeniHunter, PatriziaTumbarello, KazuakiWashimi, and YigunWu. 2015. “Enhancing Macroeconomic Resilience to Natural Disasters and Climate Change in the Small States of the Pacific.”IMF Working Paper 15/125, International Monetary Fund, Washington, DC.

    Calderón, César, EnriqueMoral-Benito, and LuisServén. 2015. “Is Infrastructure Capital Productive? A Dynamic Heterogeneous Approach.”Journal of Applied Econometrics30 (2): 17798.

    Carleton, Tamma A.2017. “Crop-Damaging Temperatures Increase Suicide Rates in India.”Proceedings of the National Academy of Sciences114 (33): 874651.

    Carleton, Tamma A., and Solomon M.Hsiang. 2016. “Social and Economic Impacts of Climate.”Science353 (6304).

    Cashin, Paul, KamiarMohaddes, and MehdiRaissi. 2017. “Fair Weather or Foul? The Macroeconomic Effects of El Niño.”Journal of International Economics106: 3754.

    Cattaneo, Cristina, and GiovanniPeri. 2016. “The Migration Response to Increasing Temperatures.”Journal of Development Economics122: 12746.

    Cavallo, Edurardo, SebastianGaliani, IlanNoy, and JuanPantano. 2013. “Catastrophic Natural Disasters and Economic Growth.”Review of Economics and Statistics95 (5): 154961.

    Center for International Earth Science Information Network (CIESIN) Columbia University. 2016. Gridded Population of the World, Version 4 (GPWv4): Population Count. NASA Socioeconomic Data and Applications Center (SEDAC), Palisades, NY. http://dx.doi.org/10.7927/H4X63JVC. Accessed March15, 2017.

    Center for International Earth Science Information Network (CIESIN) Columbia University, United Nations Food and Agriculture Programme (FAO), and Centro Internacional de Agricultura Tropical (CIAT). 2005. Gridded Population of the World, Version 3 (GPWv3): Population Count Grid. NASA Socioeconomic Data and Applications Center (SEDAC), Palisades, NY. http://dx.doi.org/10.7927/H4639MPP. Accessed March15, 2017.

    Chamberlain, Gary. 1980. “Analysis of Covariance with Qualitative Data.”Review of Economic Studies47: 22538.

    Chaney, Eric. 2013. “Revolt on the Nile: Economic Shocks, Religion, and Political Power.”Econometrica81: 203353.

    Chen, Chen, IanNoble, JessicaHellmann, JoyceCoffee, MartinMurillo, and NiteshChawla. 2015. University of Notre Dame Global Adaptation Index. Country Index Technical Report.

    Chen, Joyce J., ValerieMueller, YuanyuanJia, and StevenKuo-Hsin Tseng. 2017. “Validating Migration Responses to Flooding Using Satellite and Vital Registration Data.”American Economic Review: Papers and Proceedings107 (5): 44145.

    Cole, Shawn, GautamBastian, SangitaVyas, CarinaWendel, and DanielStein. 2012. “The Effectiveness of Index-Based Micro-Insurance in Helping Smallholders Manage Weather-Related Risks.”London: Evidence for Policy and Practice Information and Co-ordinating (EPPI) Centre, Social Science Research Unit, Institute of Education, University of London.

    Cole, Shawn, XavierGine, JeremyTobacman, PetiaTopalova, RobertTownsend, and JamesVickery. 2013. “Barriers to Household Risk Management: Evidence from India.”American Economic Journal: Applied Economics5: 10435.

    Colmer, Jonathan. 2016. “Weather Labor Reallocation and Industrial Production: Evidence from India.” Unpublished, Massachusetts Institute of Technology, Cambridge, MA.

    Cook, John, DanaNuccitelli, Sarah A.Green, MarkRichardson, BärbelWinkler, RobPainting, RobertWay, PeterJacobs, and AndrewSkuce. 2013. “Quantifying the Consensus on Anthropogenic Global Warming in the Scientific Literature.”Environmental Research Letters8 (2).

    Cook, John, NaomiOreskes, Peter T.Doran, WilliamAnderegg, BartVerheggen, Ed W.Maibach, J.Stuart Carlton, StephanLewandowsky, Andrew G.Skuce, Sarah A.Green, DanaNuccitelli, PeterJacobs, MarkRichardson, BärbelWinkler, RobPainting, and KenRice. 2016. “Consensus on Consensus: A Synthesis of Consensus Estimates on Human-Caused Global Warming.”Environmental Research Letters11 (4).

    Cooper, Gail. 2002. “Air-Conditioning America: Engineers and the Controlled Environment, 1900–1960.”Johns Hopkins Studies in the History of Technology. Baltimore, MD: Johns Hopkins University Press.

    Costinot, Arnaud, DaveDonaldson, and CorySmith. 2016. “Evolving Comparative Advantage and the Impact of Climate Change in Agricultural Markets: Evidence from 1.7 Million Fields around the World.”Journal of Political Economy124 (1): 20548.

    Cullen, H., P. B.deMenocal, S.Hemming, G.Hemming, F. H.Brown, T.Guilderson, and F.Sirocko. 2000. “Climate Change and the Collapse of the Akkadian Empire: Evidence from the Deep Sea.”Geology28 (4): 37982.

    Dell, Melissa, Benjamin F.Jones, and Benjamin A.Olken. 2012. “Temperature Shocks and Economic Growth: Evidence from the Last Half Century.”American Economic Journal: Macroeconomics4 (3): 6695.

    Dell, Melissa, Benjamin F.Jones, and Benjamin A.Olken. 2014. “What Do We Learn from the Weather? The New Climate-Economy Literature.”Journal of Economic Literature52 (3): 74098.

    Deryugina, Tatyana. 2011. “The Role of Transfer Payments in Mitigating Shocks: Evidence from the Impact of Hurricanes.”Munich Personal RePEc Archive (MPRA) Paper 53307, Munich.

    Deryugina, Tatyana, and Solomon M.Hsiang. 2014. “Does the Environment Still Matter? Daily Temperature and Income in the United States.”NBER Working Paper 20750, National Bureau of Economic Research, Cambridge, MA.

    Deschênes, Olivier. 2012. “Temperature, Human Health and Adaptation: A Review of the Empirical Literature.”NBER Working Paper 18345, National Bureau of Economic Research, Cambridge, MA.

    Deschênes, Olivier, and MichaelGreenstone. 2011. “Climate Change, Mortality, and Adaptation: Evidence from Annual Fluctuations in Weather in the US.”American Economic Journal: Applied Economics3 (4): 15285.

    Fankhauser, Samuel, and RichardTol. 2005. “On Climate Change and Economic Growth.”Resource and Energy Economics27: 117.

    Farid, Mai, MichaelKeen, MichaelPapaioannou, IanParry, CatherinePattillo, and AnnaTer-Martirosyan. 2016. “After Paris: Fiscal, Macroeconomic, and Financial Implications of Climate Change.”IMF Staff Discussion Note 16/01, International Monetary Fund, Washington, DC.

    Felbermayr, Gabriel, and JasminGrôschl. 2014. “Naturally Negative: The Growth Effects of Natural Disasters.”Journal of Development Economics111: 92106.

    Feng, Shuaizhang, Alan B.Krueger, and MichaelOppenheimer. 2010. “Linkages among Climate Change, Crop Yields, and Mexico-US Cross-Border Migration.”Proceedings of the National Academy of Sciences107 (32): 1425762.

    Feng, Shuaizhang, MichaelOppenheimer, and WolframSchlenker. 2012. “Climate Change, Crop Yields, and Internal Migration in the United States.”NBER Working Paper 17734, National Bureau of Economic Research, Cambridge, MA.

    Fenske, James, and NamrataKala. 2015. “Climate and the Slave Trade.”Journal of Development Economics112: 1932.

    Fomby, Thomas, YukiIkeda, and NormanLoayza. 2013. “The Growth Aftermath of Natural Disasters.”Journal of Applied Econometrics28 (3): 41234.

    Foster, Vivien, and CeciliaBriceno-Garmendia. 2010. Africa’s Infrastructure: A Time for Transformation. Africa Development Forum. Washington, DC: World Bank. https://openknowledge.worldbank.org/handle/10986/2692.

    Galor, Oded. 2011. Unified Growth Theory.Princeton, NJ: Princeton University Press.

    Garg, Teevrat, MaulikJagnani, and VizTaraz. 2017. “Human Capital Costs of Climate Change: Evidence from Test Scores in India.” Unpublished.

    Gennaioli, Nicola, Rafael LaPorta, Florencio LopezDe Silanes, and AndreiShleifer. 2014. “Growth in Regions.”Journal of Economic Growth19 (3): 259309.

    Gerling, Kerstin. Forthcoming. “The Macro-Fiscal Aftermath of Weather-Related Disasters in Developing Asia: Do Loss Dimensions Matter?”IMF Working Paper, International Monetary Fund, Washington, DC.

    Gerling, Kerstin, MariaMoreno Badia, and PriscillaToffano. Forthcoming. “A Primer on the Macro-Fiscal Impact of Natural Disasters.”IMF Working Paper, International Monetary Fund, Washington, DC.

    Graff Zivin, J. S., Solomon M.Hsiang, and Matthew J.Neidell. 2015. “Temperature and Human Capital in the Short- and Long-Run.”NBER Working Paper 21157, National Bureau of Economic Research, Cambridge, MA.

    Graff Zivin, J. S., and Matthew J.Neidell. 2014. “Temperature and the Allocation of Time: Implications for Climate Change.”Journal of Labor Economics32 (1): 126.

    Gray, Clark L., and ValerieMueller. 2012a. “Drought and Population Mobility in Rural Ethiopia.”World Development40 (1): 13445.

    Gray, Clark L., and ValerieMueller. 2012b. “Natural Disasters and Population Mobility in Bangladesh.”Proceedings of the National Academy of Sciences109 (16): 600005.

    Guha-Sapir, Debarati, ReginaBelow, and PhilippeHoyois. 2015. “EM-DAT: The CRED/OFDA International Disaster Database.”Université Catholique de Louvain, Brussels, Belgium. www.emdat.be.

    Guo, Y., A.Gasparrini, B.Armstrong, S.Li, B.Tawatsupa, A.Tobias, E.Lavigne, M. de Sousa ZanottiStagliorio Coelho, M.Leone, X.Pan, S.Tong, L.Tian, H.Kim, M.Hashizume, Y.Honda, YLGuo, CFWu, K.Punnasiri, SMYi, P.Michelozzi, PHSaldiva, and G.Williams. 2014. “Global Variation in the Effects of Ambient Temperature on Mortality: A Systematic Evaluation.”Epidemiology25 (6): 78189.

    Hallegatte, Stéphane. 2009. “Strategies to Adapt to an Uncertain Climate Change.”Global Environmental Change19 (2): 24047.

    Hallegatte, Stéphane, MookBangalore, LauraBonzanigo, MarianneFay, TamaroKane, UlfNarloch, JulieRozenberg, DavidTreguer, and AdrienVogt-Schilb. 2016. “Shock Waves: Managing the Impacts of Climate Change on Poverty.”Climate Change and Development Series. Washington, DC: World Bank.

    Hallegatte, Stéphane, Jean-CharlesHourcade, PatriceDumas. 2007. “Why Economic Dynamics Matter in Assessing Climate Change Damages: Illustration on Extreme Events.”Ecological Economics62: 33040.

    Hallegatte, Stéphane, FranckLecocq, and Christian dePerthuis. 2011. “Designing Climate Change Adaptation Policies: An Economic Framework.”Policy Research Working Paper 5568, World Bank, Washington, DC.

    Hallegatte, Stéphane, and JulieRozenberg. 2017. “Climate Change through a Poverty Lens.”Nature Climate Change4: 25056.

    Hauer, Mathew E., Jason M.Evans, and Deepak R.Mishra. 2016. “Millions Projected to Be at Risk from Sea-Level Rise in the Continental United States.”Nature Climate Change6: 69195.

    Haug, Gerald H., DetlefGünther, Larry C.Peterson, Daniel M.Sigman, Konrad A.Hughen, and BeatAeschlimann. 2003. “Climate and the Collapse of Maya Civilization.”Science299 (5613): 173135.

    Heal, Geoffrey, and JisungPark. 2016. “Temperature Stress and the Direct Impact of Climate Change: A Review of an Emerging Literature.”Review of Environmental Economics and Policy10 (2): 34762.

    Hong, Harrison, FrankLi, and JiangminXu. 2016. “Climate Risks and Market Efficiency.”NBER Working Paper 22890, National Bureau of Economic Research, Cambridge, MA.

    Hope, Chris. 2011. “The PAGE09 Integrated Assessment Model: A Technical Description.”Cambridge Judge Business School Working Papers 4/11.

    Hornbeck, Richard. 2012. “The Enduring Impact of the American Dust Bowl: Short- and Long-Run Adjustments to Environmental Catastrophe.”American Economic Review102 (4): 1477507.

    Hornbeck, Richard, and SureshNaidu. 2014. “When the Levee Breaks: Black Migration and Economic Development in the American South.”American Economic Review104 (3): 96390.

    Hsiang, Solomon M.2016. “Climate Econometrics.”Annual Review of Resource Economics8: 4375.

    Hsiang, Solomon M., and AmirJina. 2014. “The Causal Effect of Environmental Catastrophe on Long-Run Economic Growth: Evidence from 6,700 Cyclones.”NBER Working Paper 20352, National Bureau of Economic Research, Cambridge, MA.

    Hsiang, Solomon M., and DaijuNarita. 2012. “Adaptation to Cyclone Risk: Evidence from the Global Cross-Section.”Climate Change Economics3 (2).

    Hulten, Charles R.1996. “Infrastructure Capital and Economic Growth: How Well You Use It May Be More Important Than How Much You Have.”NBER Working Paper 5847, National Bureau of Economic Research, Cambridge, MA.

    Ilzetzki, Ethan, Carmen M.Reinhart, and Kenneth S.Rogoff. 2008. “Exchange Rate Arrangements Entering the 21st Century: Which Anchor Will Hold?”NBER Working Paper 23134, National Bureau of Economic Research, Cambridge, MA.

    Intergovernmental Panel on Climate Change (IPCC). 2013. “Climate Change 2013: The Physical Science Basis.”Summary for Policymakers. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY: Cambridge University Press.

    Intergovernmental Panel on Climate Change (IPCC). 2014. “Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects.”Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY: Cambridge University Press.

    International Monetary Fund (IMF). 2015. “Macroeconomic Developments and Prospects in Low-Income Developing Countries.”Policy Paper, Washington, DC.

    International Monetary Fund (IMF). 2016a. “Enhancing Resilience to Natural Disasters in Sub-Saharan Africa.” In Regional Economic Outlook: Sub-Saharan Africa.Washington DC, October.

    International Monetary Fund (IMF). 2016b. “Small States’ Resilience to Natural Disasters and Climate Change: Role for the IMF.”Board Paper, Washington, DC.

    International Monetary Fund (IMF). 2017. “Seychelles: Climate Change Policy Assessment.”IMF Country Report 17/162, Washington, DC.

    Jennings, Steve. 2011. “Time’s Bitter Flood: Trends in the Number of Reported Natural Disasters.”Oxfam Policy and Practice: Climate Change and Resilience7 (1): 11547.

    Jordà, Òscar. 2005. “Estimation and Inference of Impulse Responses by Local Projections.”American Economic Review95 (1): 16182.

    Kahn, Matthew. 2005. “The Death Toll from Natural Disasters: The Role of Income, Geography and Institutions.”Review of Economics and Statistics87 (2): 27184.

    Karlan, Dean S., RobertOsei, IsaacOsei-Akoto, and ChristopherUdry. 2014. “Agricultural Decisions after Relaxing Credit and Risk Constraints.”Quarterly Journal of Economics129 (2): 597652.

    Kelley, Colin P., ShahrzadMohtadi, Mark A.Cane, RichardSeager, and YochananKushnir. 2015. “Climate Change in the Fertile Crescent and Implications of the Recent Syrian Drought.”Proceedings of the National Academy of Sciences112 (11): 324146.

    Kim, Nam Kyu. 2014. “Revisiting Economic Shocks and Coups.”Journal of Conflict Resolution60: 331.

    KleinGoldewijk, Kees, Arthur Beusen, JonathanDoelman, and ElkeStehfest. 2016. “New Anthropogenic Land Use Estimates for the Holocene; HYDE 3.2.”Earth System Science Data.

    Knapp, Kenneth, ScottApplequist, HowardDiamond, JamesKossin, MichaelKruk, and CarlSchreck. 2010. NCDC International Best Track Archive for Climate Stewardship (IBTrACS) Project, Version 3. Revision 09. NOAA, National Centers for Environmental Information.

    Knapp, Kenneth, MichaelKruk, DavidLevinson, HowardDiamond, and CharlesNeumann. 2010. “The International Best Track Archive for Climate Stewardship (IBTrACS): Unifying Tropical Cyclone Best Track Data.”Bulletin of the American Meteorological Society91: 36376.

    Knutson, Thomas, JohnMcBride, JohnnyChan, KerryEmanuel, GregHolland, ChrisLandsea, IsaacHeld, JamesKossin, A.Srivastava, and MasatoSugi. 2010. “Tropical Cyclones and Climate Change.”Nature Geoscience3: 15763.

    Knutson, Thomas, and RobertTuleya. 2004. “Impact of CO2-Induced Warming on Simulated Hurricane Intensity and Precipitation: Sensitivity to the Choice of Climate Model and Convective Parameterization.”Journal of Climate17: 347795.

    Kudamatsu, Masayuki, TorstenPersson, and DavidStrömberg. 2012. “Weather and Infant Mortality in Africa.”CEPR Discussion Paper 9222, Centre for Economic Policy Research, London.

    Landsea, Christopher. 2004. “Hurricane FAQ: Why Do Tropical Cyclones Require 80°F (26.5°C) Ocean Temperatures to Form?”NOAA, Hurricane Research Division of the Atlantic Oceanographic and Meteorological Laboratory, Miami, FL. http://www.aoml.noaa.gov/hrd/tcfaq/A16.html.

    Lane, Philip R., and Gian MariaMilesi-Ferretti. 2017. “International Financial Integration in the Aftermath of the Global Financial Crisis.”IMF Working Paper 17/115, International Monetary Fund, Washington, DC.

    Lanzafame, Matteo. 2014. “Temperature, Rainfall, and Economic Growth in Africa.”Empirical Economics46 (1): 118.

    Lee, Minsoo, Mai LinVillaruel, and RaymondGaspar. 2016. “Effects of Temperature Shocks on Economic Growth and Welfare in Asia.”ADB Economics Working Paper 501, Asian Development Bank, Mandaluyong City, Philippines.

    Lee, Tien Ming, Ezra M.Markowitz, Peter D.Howe, Chia-YingKo, and Anthony A.Leiserowitz. 2015. “Predictors of Public Climate Change Awareness and Risk Perception around the World.”Nature Climate Change5: 101420.

    Lemoine, Derek. 2017. “Expect above Average Temperatures: Identifying the Economic Impact of Climate Change.”NBER Working Paper 23549, National Bureau of Economic Research, Cambridge, MA.

    Lloyd’s. 2012. Global Underinsurance Report.London: October2012.

    Lobell, David B., WolframSchlenker, and JustinCosta-Roberts. 2011. “Climate Trends and Global Crop Production since 1980.”Science333 (6042): 61620.

    Marchiori, Luca, Jean-FrancoisMaystadt, and IngmarSchumacher. 2012. “The Impact of Weather Anomalies on Migration in Sub-Saharan Africa.”Journal of Environmental Economics and Management63 (3): 35574.

    Marcott, Shaun A., Jeremy D.Shakun, Peter U.Clark, and Alan C.Mix. 2013. “A Reconstruction of Regional and Global Temperature for the Past 11,300 Years.”Science339 (6124): 1198201.

    Margulis, Sergio, and UrvashiNarain. 2010. The Costs to Developing Countries of Adapting to Climate Change: New Methods and Estimates–The Global Report of the Economics of Adaptation to Climate Change Study.Washington: World Bank.

    Matsuura, Kenji, and Cort J.Willmott. 2007. “Terrestrial Air Temperature: 1900–2006 Gridded Monthly Time Series (Version 1.01) 2009.”http://climate.geog.udel.edu/~climate/html_pages/Global2_Ts_2009/README.global_t_ts_2009.html.

    McDermott, Thomas K. J., FrankBarry, and Richard S. J.Tol. 2013. “Disasters and Development: Natural Disasters, Credit Constraints, and Economic Growth.”Oxford Economic Papers66 (3): 75073.

    Mueller, Valerie, ClarkGray, and KatrinaKosec. 2014. “Heat Stress Increases Long-Term Human Migration in Rural Pakistan.”Nature Climate Change4: 18285.

    Munshi, Kaivan. 2003. “Networks in the Modern Economy: Mexican Migrants in the US Labor Market.”Quarterly Journal of Economics118 (2): 54999.

    National Oceanic and Atmospheric Administration (NOAA). 2017a. “Climate at a Glance: Global Time Series.”National Centers for Environmental Information, NOAA, Department of Commerce, Washington, DC. http://www.ncdc.noaa.gov/cag/.

    National Oceanic and Atmospheric Administration (NOAA). 2017b. “Tropical Cyclone Climatology.”National Hurricane Center, NOAA, Department of Commerce, Washington, DC. http://www.nhc.noaa.gov/climo/.

    Ngai, L. Rachel, and Christopher A.Pissarides. 2007. “Structural Change in a Multi-Sector Model of Growth.”American Economic Review97 (1): 42943.

    Nordhaus, William D.2010. “Economic Aspects of Global Warming in a Post-Copenhagen Environment.”Proceedings of the National Academy of Sciences107 (26): 1172126.

    Nordhaus, William D., and AndrewMoffat. 2017. “A Survey of Global Impacts of Climate Change: Replication, Survey Methods and a Statistical Analysis.”NBER Working Paper 23646, National Bureau of Economic Research, Cambridge, MA.

    Nordhaus, William D., and PaulSztorc. 2013. “DICE 2013R: Introduction and User’s Manual.”www.dicemodel.net.

    Noy, Ilan. 2009. “The Macroeconomic Consequences of Disasters.”Journal of Development Economics88 (2): 22131.

    Nunn, Nathan. 2008. “The Long-Term Effects of Africa’s Slave Trades.”Quarterly Journal of Economics123 (1): 13976.

    Nunn, Nathan. 2014. “Historical Development.” In Handbook of Economic Growth (2), edited by PhilippeAghion and StevenDurlauf (ed), 347402. Amsterdam: North-Holland.

    Organisation for Economic Co-operation and Development (OECD). 2015a. Climate Change Risks and Adaptation: Linking Policy and Economics.Paris: OECD Publishing.

    Organisation for Economic Co-operation and Development (OECD). 2015b. “Climate Finance in 2013–14 and the USD 100 Billion Goal.”A report by the OECD in collaboration with Climate Policy Initiative, Paris.

    Özden, Çağlar, ChristopherParsons, MauriceSchiff, and Terrie L.Walmsley. 2011. “Where on Earth Is Everybody? The Evolution of Global Bilateral Migration, 1960–2000.”World Bank Economic Review25 (1): 1256.

    Park, Jisung. 2016. “Will We Adapt? Temperature Shocks, Labor Productivity, and Adaptation to Climate Change in the United States.” Unpublished. Harvard University, Cambridge, MA.

    Park, Jisung. 2017. “Heat Stress and Human Capital Production.” Unpublished, Harvard University, Cambridge, MA.

    Parry, Ian W. H., Ruudde Mooij, and MichaelKeen. 2012. Fiscal Policy to Mitigate Climate Change: A Guide for Policymakers.Washington, DC: International Monetary Fund.

    Parry, Ian W. H., AdeleMorris, and RobertonWilliams, editors. 2015. Implementing a US Carbon Tax: Challenges and Debates.London: Routledge.

    Parry, Ian W. H., VictorMylonas, and NateVernon. 2017. “Reforming Energy Policy in India: Assessing the Options.”IMF Working Paper 17/103, International Monetary Fund, Washington, DC.

    Parry, Ian W. H., BaopingShang, PhilippeWingender, NateVernon, and TarunNarasimhan. 2016. “Climate Mitigation in China: Which Policies Are Most Effective?”IMF Working Paper 16/148, International Monetary Fund, Washington, DC.

    Peng, Wei, and AlanFeng. Forthcoming. “Underreacting to Climate Shocks: Evidence from Global Stock Markets.”

    Porter, Catherine, and EmilyWhite. 2016. “Potential for Application of a Probabilistic Catastrophe Risk Modelling Framework to Poverty Outcomes: General Form Vulnerability Functions Relating Household Poverty Outcomes to Hazard Intensity in Ethiopia.”Policy Research Working Paper 7717, World Bank, Washington, DC.

    Pritchett, Lant. 2000. “The Tyranny of Concepts: CUDIE (Cumulated, Depreciated, Investment Effort) Is Not Capital.”Journal of Economic Growth5 (4): 36184.

    Quinn, Dennis P.1997. “The Correlates of Change in International Financial Regulation.”American Political Science Review91 (3): 53151.

    Quinn, Dennis P., and A. MariaToyoda. 2008. “Does Capital Account Liberalization Lead to Growth?”Review of Financial Studies21 (3): 140349.

    Raddatz, Claudio. 2009. “The Wrath of God: Macroeconomic Costs of Natural Disasters.”Policy Research Working Paper 5039, World Bank, Washington, DC.

    Ramcharan, Rodney. 2009. “Does the Exchange Rate Regime Matter for Real Shocks? Evidence from Windstorms and Earthquakes.”Journal of International Economics73 (1): 3147.

    Reinhart, Carmen, and Kenneth S.Rogoff. 2004. “The Modern History of Exchange Rate Arrangements: A Reinterpretation.”Quarterly Journal of Economics119 (1): 148.

    Roston, Eric, and BlackiMigliozzi. 2015. “What’s Really Warming the World?”Bloomberg Business Week, June24.

    Schlenker, Wolfram, and David B.Lobell. 2010. “Robust Negative Impacts of Climate Change on African Agriculture.”Environmental Research Letters5 (1).

    Schlenker, Wolfram, and Michael J.Roberts. 2009. “Nonlinear Temperature Effects Indicate Severe Damages to US Crop Yields under Climate Change.”Proceedings of the National Academy of Sciences106 (37): 1559498.

    Schmidt-Traub, Guido. 2015. “Investment Needs to Achieve the Sustainable Development Goals.”SDSN Working Paper, United Nations, New York.

    Seppänen, Olli, William J.Fisk, and DavidFaulkner. 2003. “Cost Benefit Analysis of the Night-Time Ventilative Cooling in Office Building.”Lawrence Berkeley National Laboratory, Berkeley, CA.

    Seppänen, Olli, William J.Fisk, and Q. H.Lei. 2006. “Room Temperature and Productivity in Office Work.”LBNL-60952. Lawrence Berkeley National Laboratory, Berkeley, CA.

    Shakun, Jeremy D., Peter U.Clark, FengHe, Shaun A.Marcott, Alan C.Mix, ZhengyuLiu, BetteOtto-Bliesner, AndreasSchmittner, and EdouardBard. 2012. “Global Warming Preceded by Increasing Carbon Dioxide Concentrations during the Last Deglaciation.”Nature484: 4954.

    Somanathan, E., RohiniSomanathan, AnantSudarshan, and MeenuTewari. 2017. “The Impact of Temperature on Productivity and Labor Supply: Evidence from Indian Manufacturing.” Unpublished.

    Stern, Nicholas Herbert. 2007. The Economics of Climate Change: The Stern Review.Cambridge University Press.

    Stern, Nicholas Herbert. 2015. Why Are We Waiting? The Logic, Urgency, and Promise of Tackling Climate Change.Cambridge, MA: MIT Press.

    Stock, James H., and Mark W.Watson. 2007. “Why Has US Inflation Become Harder to Forecast?”Journal of Money, Credit and Banking39 (S1): 333.

    Strobl, Eric. 2012. “The Economic Growth Impact of Natural Disasters in Developing Countries: Evidence from Hurricane Strikes in the Central American and Caribbean Regions.”Journal of Development Economics97 (1): 13041.

    Teulings, Coen N., and NikolayZubanov. 2014. “Is Economic Recovery a Myth? Robust Estimation of Impulse Responses.”Journal of Applied Econometrics29 (3): 497514.

    Thomas, Vinod, and RamonLopez. 2015. “Global Increase in Climate-Related Disasters.”ADB Economics Working Paper 466, Asian Development Bank, Manila.

    Timmer, Marcel P., Gaaitzende Vries, and Klaasde Vries. 2015. “Patterns of Structural Change in Developing Countries.” In Routledge Handbook of Industry and Development, edited by JohnWeiss and MichaelTribe (ed), 6583. London: Routledge.

    Tol, Richard S.2009. “The Economic Effects of Climate Change.”Journal of Economic Perspectives23 (2): 2951.

    Tol, Richard S.2014. “Correction and Update: The Economic Effects of Climate Change.”Journal of Economic Perspectives28 (November): 22126.

    United Nations Environment Programme (UNEP). 2016. The Adaptation Finance Gap Report 2016.United National Environment Programme (UNEP), Nairobi, Kenya.

    Usery, E. Lynn, JinmuChoi, and Michael P.Finn. 2007. “Modeling Sea-Level Rise Effects on Population Using Global Elevation and Land-Cover Data.”US Geological Survey, Center of Excellence for Geospatial Information Science (CEGIS) Working Paper.

    Usery, E. Lynn, JinmuChoi, and Michael P.Finn. 2009. “Modeling Sea-Level Rise and Surge in Low-Lying Urban Areas Using Spatial Data, Geographic Information Systems, and Animation Methods.” In Geospatial Techniques in Urban Hazard and Disaster Analysis, edited by PamelaShowalter and YongmeiLu (ed), 1130. Dordrecht: Springer.

    Von Peter, Goetz, Sebastian V.Dahlen, and SwetaSaxena. 2012. “Unmitigated Disasters? New Evidence on the Macroeconomic Cost of Natural Catastrophes.”BIS Working Paper 394, Bank for International Settlements, Basel.

    Wang, Sun Ling, EldonBall, RichardNehring, RyanWilliams, and TruongChau. 2017. “Impacts of Climate Change and Extreme Weather on US Agricultural Productivity.”NBER Working Paper 23533, National Bureau of Economic Research, Cambridge, MA.

    Wargocki, Pawel, and David P.Wyon. 2007. “The Effects of Moderately Raised Classroom Temperatures and Classroom Ventilation Rate on the Performance of Schoolwork by Children (RP-1257).”HVAC&R Research13 (2): 193220.

    Weitzman, Martin. 2011. “Fat-Tailed Uncertainty in the Economics of Catastrophic Climate Change.”Review of Environmental Economics and Policy5 (2): 27592.

    World Bank. 2013. Turn Down the Heat: Climate Extremes, Regional Impacts, and the Case for Resilience. A report for the World Bank by the Potsdam Institute for Climate Impact Research and Climate Analytics. Washington, DC: World Bank.

    World Bank, Ecofys, Vivid Economics. 2016. State and Trends of Carbon Pricing 2016.Washington, DC: World Bank.

Les principaux auteurs de ce chapitre sont Sebastian Acevedo, Mico Mrkaic, Natalija Novta, Marcos Poplawski-Ribeiro, Evgenia Pugacheva et Petia Topalova (auteure principale), avec des contributions de Manoj Atolia, Claudio Baccianti et Ricardo Marto et le concours de Gavin Asdorian, Marina Klasnja, Olivia Ma, Fien Analbers Ribeiro, Jilun Xing et Yuan Zeng. Edward Miguel, Benjamin Olken et Stéphane Hallegatte ont également apporté des commentaires et suggestions utiles.

On entend par climat la distribution des conditions météorologiques en un endroit donné. Les conditions météorologiques sont une réalisation de cette distribution. Le changement climatique signifie que l’ensemble de la distribution des conditions météorologiques évolue, avec éventuellement une probabilité accrue d’événements extrêmes. Comme le démontre Weitzman (2011), l’épaississement de la courbe en queue de distribution — la probabilité accrue de dommages irréversibles et catastrophiques — justifie des mesures fortes pour stabiliser les concentrations de gaz à effet de serre dans l’atmosphère («l’atténuation du changement climatique») et s’adapter à l’évolution du climat («l’adaptation au changement climatique»).

Dell, Jones et Olken (2014); Carleton et Hsiang (2016); et Heal et Park (2016) proposent des revues de littérature sur les travaux récents consacrés au climat, examinant l’impact des fluctuations météorologiques sur un grand nombre de variables économiques.

Dell, Jones et Olken (2014); Carleton et Hsiang (2016); Hsiang (2016); et Lemoine (2017) s’intéressent aux conditions dans lesquelles les estimations empiriques de l’impact des chocs météorologiques fondées sur des données historiques peuvent apporter un éclairage sur les conséquences du changement climatique.

Par exemple, la variabilité naturelle de la température d’une année sur l’autre observée historiquement pour les pays de la zone tropicale est d’environ 0,5°C. La hausse projetée de la température pour ces pays entre 2005 et 2100 dans le scénario extrême sans atténuation du changement climatique est de 4,1°C — en d’autres termes, plus de 8,5 fois supérieure à la variabilité naturelle actuelle, ce qui implique l’apparition d’un régime climatique totalement nouveau (voir aussi Banque mondiale, 2013).

Un grand nombre d’études portent sur l’impact macroéconomique des catastrophes naturelles (voir, par exemple, Noy, 2009; Cavallo et al., 2013; Acevedo, 2014; Felbermayr et Gröschl, 2014; Cabezon et al., 2015; FMI, 2016a; FMI, 2016b; Gerling, à paraître; et Gerling, Moreno Badia et Toffano, à paraître). Le chapitre se concentre sur les mesures directes des conditions météorologiques parce que les données de catastrophes naturelles peuvent poser problème dans la manière dont elles sont comptabilisées et mesurées. La qualité des mesures pourrait être particulièrement sujette à caution dans les pays à faible revenu, où les capacités manquent souvent pour évaluer, enregistrer et comptabiliser précisément les dommages (Jennings, 2011).

Les trois principaux gaz à effet de serre, qui sont réglementés par le Protocole de Kyoto, sont le dioxyde de carbone (CO2), le méthane (CH4) et le protoxyde d’azote (N2O). Le CO2 a jusqu’à présent été le principal contributeur au réchauffement climatique.

Les tendances des précipitations sont généralement moins claires (graphique 3.3, plages 2, 4 et 6). Dans l’hémisphère nord, le niveau des précipitations s’est quelque peu accru depuis 1950, et dans les pays en développement à faible revenu, il a baissé depuis les années 70.

Dans une revue de 12.000 articles scientifiques soumis à un comité de lecture sur le changement climatique, Cook et al. (2013) constatent que 97 % des études se prononçant sur les causes du réchauffement s’accordent à dire qu’il est influencé par des causes anthropiques. Voir aussi Cook et al. (2016).

L’Accord de Paris vise à limiter la hausse de la température à moins de 2°C (idéalement moins de 1,5°C) par rapport à la moyenne enregistrée à l’ère préindustrielle, ce qui nécessiterait que les pouvoirs publics prennent des mesures plus radicales que celles retenues pour le scénario RCP 4.5. Dans ce dernier, une attention accrue est portée à l’environnement. Les émissions de CO2 atteignent leur point culminant en 2050 environ, puis diminuent, ce qui se traduit par une hausse de la température de 1,8°C d’ici 2081–2100 par rapport à la période 1986–2005 (intervalle de probabilité de 1,1°C à 2,6°C, avec une probabilité de plus de 50 % d’une augmentation supérieure à 2°C d’ici 2100). Dans le scénario RCP 8.5, les émissions de CO2 augmentent pendant tout le XXIe siècle.

Dans ce scénario, l’augmentation moyenne de la température pondérée par la population entre 2005 et 2100 dans l’ensemble des pays de l’échantillon est de 4,4°C, avec un réchauffement de 4,5°C pour le pays médian.

La base de données internationale sur les catastrophes (EM-DAT) définit une catastrophe naturelle comme un événement remplissant au moins un des critères suivants : 10 décès ou plus, 100 personnes ou plus affectées, état d’urgence déclaré ou appel à l’aide internationale (Guha-Sapir, Below et Hoyois, 2015).

Les pays en développement à faible revenu ont cinq fois plus de chances d’être frappés par une catastrophe naturelle météorologique que le reste du monde, et les petits États 200 fois plus de chances, en neutralisant l’impact de la taille du pays.

La probabilité de chaque catastrophe naturelle (inondations, cyclone tropical, etc.) est estimée à l’aide d’un modèle logit en données de panel avec des effets-pays fixes, pour lesquels la température et le niveau des précipitations sont les principales variables explicatives. L’analyse prolonge les travaux de Thomas et Lopez (2015) en modélisant séparément chaque type de catastrophes naturelles et en utilisant des données mensuelles et non annuelles. Voir l’annexe 3.2 pour plus de détails.

D’après les projections des climatologues, si la température mondiale augmente, les cyclones tropicaux seront moins fréquents, mais augmenteront en force et en intensité (Knutson et al., 2010). Cela pourrait entraîner davantage de catastrophes naturelles du fait de l’intensité accrue des cyclones tropicaux malgré leur moindre fréquence.

Les moyennes annuelles des températures et des précipitations sont construites en agrégeant les données météorologiques au niveau du point de grille et au niveau du pays en utilisant le nombre d’habitants de chaque point comme facteur de pondération, afin de tenir compte des différences de densité démographique au sein des pays et de rendre compte des conditions météorologiques moyennes subies par chaque habitant du pays (voir annexes 3.1 et 3.3). L’approche empirique consiste à régresser la croissance immédiate et future en fonction de la température et des précipitations et de leur expression au carré afin d’estimer une fonction de réponse impulsionnelle à différents horizons, en neutralisant les effets-pays fixes, les effets région–année fixes, les éléments retardateurs et précurseurs des chocs météorologiques, et la croissance postérieure. Voir l’annexe 3.3 pour plus de détails.

Les résultats sont robustes même si par exemple : 1) on utilise différentes sources de données météorologiques brutes au niveau du point de grille; 2) on agrège des données météorologiques de point de grille à des moyennes-pays avec des coefficients de pondération démographique correspondant à des décennies différentes; 3) l’estimation se fait par une formule autorégressive à retards échelonnés au lieu d’une méthode de projection locale; 4) on utilise les tendances temporelles linéaires et quadratiques spécifiques aux pays au lieu d’effets région–année fixes; 5) on neutralise l’occurrence des catastrophes naturelles. L’analyse ne trouve pas de relation statistiquement significative entre les précipitations et la croissance du PIB par habitant, bien qu’elle révèle un effet des précipitations sur la production agricole (tableaux de l’annexe 3.3.1 et 3.3.2).

Même si les effets sur le PIB global de ces pays sont négligeables, cela pourrait masquer des pertes et des gains importants : certains secteurs devraient réaliser d’importants investissements pour affronter la hausse de la température, l’élévation du niveau des mers ou des événements plus destructeurs. De plus, l’analyse se concentre sur les effets macroéconomiques de seulement deux aspects des conditions météorologiques : les températures et les précipitations. L’impact négatif d’autres aspects du climat, par exemple l’élévation du niveau des mers ou l’occurrence des phénomènes météorologiques extrêmes, pourrait être moins inégal entre les grandes catégories de pays, comme il est démontré dans l’encadré 3.1, qui rend compte de pertes de production similaires dans les pays avancés et dans les pays émergents en raison des cyclones tropicaux. Les estimations font aussi abstraction des éventuelles retombées dans les pays avancés des famines, épidémies et conflits sociaux et autres effets difficiles à prédire des chocs météorologiques qui pourraient survenir dans les pays vulnérables. De plus, dans le scénario sans atténuation des émissions de CO2, la plupart des pays avancés dépasseront le seuil des températures et commenceront à subir des effets négatifs sur la production économique avec la hausse des températures (graphique de l’annexe 3.6.1).

Il existe aussi d’importantes différences dans les effets estimés des hausses de température dans chaque grande catégorie de pays, à l’image de la distribution générale de la température moyenne dans l’ensemble des pays (graphique 3.7, plages 1, 3 et 5; graphique 3.8).

La persistance des effets estimés pourrait correspondre à la relative persistance des chocs de température. L’analyse par régression temporelle univariée montre que les chocs de température mettent longtemps à se résorber, en particulier dans les régions relativement chaudes. Une hausse de la température annuelle de 1°C entraîne des températures sensiblement plus hautes pendant les huit années suivantes.

Dell, Jones et Olken (2012) et Burke Hsiang et Miguel (2015a) estiment qu’il y aura un effet sur la croissance, bien qu’il soit difficile de déterminer précisément par quel canal les chocs météorologiques influent de manière persistante sur la croissance économique.

Voir Dell, Jones et Olken (2014); Carleton et Hsiang (2016); et Heal et Park (2016) pour un examen de la littérature existante. Les chocs météorologiques peuvent aussi avoir une incidence indirecte sur l’activité économique par l’intermédiaire de leur impact sur les marchés tiers. Voir Cashin, Mohaddes et Raissi (2017) pour une analyse de la transmission macroéconomique internationale d’El Niño dans un cadre dynamique multi-pays.

Voir, entre autres, Barrios, Bazoumana et Strobl (2010); Barrios, Bertinelli et Strobl (2006); Feng, Krueger et Oppenheimer (2010); Schlenker et Lobell (2010); Lobell, Schlenker et Costa-Roberts (2011); et Lanzafame (2014) pour des données sur les économies des marchés émergents et en développement, et Schleker et Roberts (2009), Burke et Emerick (2016), et Wang et al. (2017) pour des données sur les États-Unis. À la différence du produit par habitant, la valeur ajoutée et la production agricoles sont influencées non seulement par les chocs de température, mais aussi par les précipitations : une augmentation du niveau de précipitations dope la production. Voir le tableau de l’annexe 3.3.2.

Seppànen, Fisk et Faulkner (2003) font état d’une perte de productivité d’environ 2 % par degré d’augmentation de la température au-dessus de 25°C, sur la base d’une synthèse d’expériences de laboratoire. Voir aussi Seppänen, Fisk et Lei (2006) pour une méta-analyse de la littérature, Deryugina et Hsiang (2014) pour des données sur les États-Unis, et Somanathan et al. (2017) pour des données récentes sur la productivité de la main-d’œuvre en Inde. Le stress thermique peut aussi amoindrir les fonctions cognitives, comme en attestent les performances des élèves (Wargocki et Wyon, 2007; Graff Zivin, Hsiang et Neidell, 2015; Garg, Jagnani et Taraz, 2017; Park, 2017).

L’analyse, suivant en cela l’étude de Graff Zivin et Neidell (2014), utilise les définitions de l’Institut national pour la sûreté et la santé au travail pour les secteurs exposés à la chaleur. Les secteurs exposés à la chaleur sont l’agriculture, la sylviculture, la pêche et la chasse, la construction, l’extraction minière, le transport et les services d’utilité publique, ainsi que l’industrie dans des locaux parfois non climatisés dans les pays à faible revenu et dont les processus de production produisent beaucoup de chaleur.

Burke, Hsiang et Miguel (2015b) passent en revue la littérature établissant le lien entre climat et conflictualité. Il a également été avancé que le départ forcé des dirigeants politiques était lié aux fluctuations du climat (Burke et Leigh, 2010; Dell, Jones et Olken, 2012; Chaney, 2013; Kim, 2014), et plusieurs cas historiques d’effondrement des sociétés ont été attribués de manière convaincante au changement climatique (Cullen et al., 2000; Haug et al., 2003; Buckley et al., 2010; Büntgen et al., 2011).

L’investissement peut baisser en réponse aux chocs de température, car il y a moins de ressources à investir puisque le rendement du capital est plus bas, et/ou parce que le choc temporaire négatif sur le revenu accroît le coût du financement de l’investissement dans un environnement de marchés de capitaux imparfaits (voir par exemple Fankhauser et Tol, 2005). Quand l’accès à l’épargne, au crédit ou à l’assurance formels est limité, les ménages peuvent aussi être amenés à vendre des actifs productifs afin de lisser leur consommation en réponse à des chocs météorologiques.

L’effet négatif des chocs de température sur l’investissement agrégé est compatible avec les éléments qui ressortent des études au niveau des ménages, qui constatent que les chocs météorologiques peuvent ralentir voire inverser l’accumulation du capital, car les ménages s’efforcent de lisser leur consommation ou jugent trop risqué d’investir (Hallegatte et al., 2016).

Les études de Deschênes (2012) et Guo et al. (2014) contiennent des revues exhaustives de littérature sur le lien entre la température et la mortalité et la santé. Voir par exemple Deschênes et Greenstone (2011), Barreca (2012) et Barreca et al. (2016) pour des données sur les États-Unis; Kudamatsu, Persson et Strömberg (2012) pour des données sur un groupe de pays africains; et Burgess et al. (2014) pour des données sur l’Inde. Carleton (2017) évoque une hausse marquée du taux de suicides lorsque la hausse des températures menace les rendements agricoles en Inde. Les travaux de Deryugina et Hsiang (2014), Graff Zivin et Neidell (2014), Park (2016) et Somanathan et al. (2017) constatent un effet direct de la hausse des températures sur l’offre de main-d’œuvre et la productivité.

Les études révèlent d’importantes différences dans la capacité de certains secteurs à s’adapter à des chocs de température spécifiques. Par exemple, Hsiang et Narita (2012) et Hsiang et Jina (2014) constatent que les pays plus exposés à des cyclones tropicaux subissent moins de dommages, ce qui suggère qu’ils ont appris à mieux affronter ces phénomènes extrêmes. La mortalité causée par les fortes températures a notablement baissé au fil des années avec l’introduction de la climatisation aux États-Unis (Barreca et al., 2016). Mais il existe peu de signes de diminution de la sensibilité des rendements agricoles (Burke et Emerick, 2016) ou de la production globale (Dell, Jones et Olken, 2012; Deryugina et Hsiang, 2014; Burke, Hsiang et Miguel, 2015a) aux fluctuations de température.

La classification des politiques présentées dans le graphique 3.12 est assez souple. Un meilleur accès aux financements permettrait aux agriculteurs à la fois de lisser leur consommation quand de fortes températures détruisent leurs récoltes et d’investir dans les technologies permettant de prévenir les dommages ultérieurs (par exemple des semences résistantes à la chaleur).

Voir les travaux de Hallegatte (2009); Hallegatte, Lecocq et de Perthuis (2011); GIEC (2014); Cabezon et al. (2015); OCDE (2015a); Farid et al. (2016); Hallegatte et al. (2016); FMI (2016a) et FMI (2016b) pour un examen exhaustif des différentes stratégies d’adaptation au changement climatique.

Plus précisément, la formule estimée enrichit l’équation (3.2) pour y inclure un terme d’interaction entre le choc météorologique et la variable de politique publique. Pour des raisons de simplicité, l’échantillon est limité aux pays dont la température annuelle moyenne est supérieure à 15°C, dans lesquels une hausse de la température a un impact linéaire négatif statistiquement significatif sur l’activité économique. Voir l’annexe 3.3 pour plus de détails.

Voir les travaux de Kahn (2005); Noy (2009); McDermott, Barry et Tol (2013); Burgess et al. (2014); et Felbermayr et Gröschl (2014) pour le rôle du développement financier, et Von Peter, Dahlen et Saxena (2012); Breckner et al. (2016); et Lee, Villaruel et Gaspar (2016) pour le rôle de la pénétration des assurances. Kahn (2005), Noy (2009) et Felbermayr et Gröschl (2014) trouvent des éléments sur le rôle des institutions et Ramcharan (2009) examine le rôle des taux de change dans la réduction des dommages causés par les phénomènes météorologiques extrêmes et les catastrophes naturelles.

Deux études démontrent de manière convaincante l’importance de la réallocation sectorielle dans l’atténuation des pertes dues au changement climatique. En quantifiant les effets du changement climatique sur les marchés agricoles à l’aide de micro-données sur 1,7 million de champs dans le monde, Costinot, Donaldson et Smith (2016) constatent que les pertes de bien-être seraient multipliées par trois si les agriculteurs n’étaient pas en mesure de changer de culture en réponse à l’évolution des conditions climatiques et de l’avantage comparatif. Dans une étude empirique, Colmer (2016) établit que le passage de travailleurs de l’agriculture à l’industrie en Inde peut compenser dans une mesure appréciable les pertes économiques globales associées aux changements induits par les conditions météorologiques dans la productivité agricole.

Aux États-Unis, la température annuelle moyenne est de 7°C dans l’État du Maine et de 21°C au Texas.

Les contraintes de données ne permettent pas l’identification précise des canaux par lesquels un plus haut niveau de développement atténue le lien entre conditions météorologiques et performance économique. L’activité économique dans les zones chaudes des économies avancées pourrait bien être mieux isolée des chocs de température, sachant que les foyers exposés à ces chocs ont un meilleur accès aux mécanismes compensatoires ex post (comme la protection sociale) ou ont réduit leur vulnérabilité par des stratégies d’adaptation ex ante (diversification des activités, adoption de climatiseurs, etc.).

La méconnaissance et l’incertitude quant aux risques causés par l’évolution lente des conditions climatiques (Lee et al., 2015) ainsi que l’assistance apportée par les pouvoirs publics aux zones en proie aux catastrophes peuvent aussi inciter les gens à ne pas changer de comportement (Baez et al., 2017).

Voir Gray et Mueller (2012b) pour des données sur le Bangladesh; et Boustan, Kahn et Rhode (2012); Feng, Oppenheimer et Schlenker (2012); Hornbeck (2012); et Hornbeck et Naidu (2014), entre autres, pour des données sur les États-Unis. L’étude de Deryugina (2011), en revanche, ne constate pas de réaction sur le plan démographique au cours de la décennie qui suit le passage d’un ouragan aux États-Unis, mais présente de nombreux éléments attestant d’une nette augmentation des transferts payés par les pouvoirs publics.

Munshi (2003), par exemple, constate que le flux de migrants du Mexique vers les États-Unis augmente quand les précipitations diminuent dans une localité du Mexique — phénomène également confirmé par Feng, Krueger et Oppenheimer (2010). Certaines études contiennent des données relatives à des pays spécifiques : l’Éthiopie (Gray et Mueller, 2012a), l’Indonésie (Bohra-Mishra, Oppenheimer et Hsiang, 2014), le Pakistan (Mueller, Gray et Kosec, 2014) et la Syrie (Kelley et al., 2015). Les études de Barrios, Bertinelli et Strobl (2006) et de Marchiori, Maystadt et Schumacher (2012) contiennent des éléments sur plusieurs pays d’Afrique subsaharienne.

À partir de l’échantillon de pays à température moyenne égale ou supérieure à 15°C, comme dans la section intitulée «Le rôle des politiques et des institutions nationales : éléments empiriques», l’analyse examine la relation existant entre, d’une part, la part des habitants d’un pays qui émigrent, et de l’autre, sa moyenne de température, de précipitations et l’incidence des catastrophes naturelles sur une période de 10 ans, en neutralisant les caractéristiques du pays qui restent constantes dans le temps et les chocs décennaux globaux et spécifiques à la région. Voir l’annexe 3.4 pour plus de détails.

Les estimations varient, mais il est généralement convenu que les besoins d’adaptation dans les pays en développement sont de l’ordre de plusieurs milliards de dollars par an (Margulis et Narain, 2010; PNUE, 2016). L’Accord de Paris renouvelle et renforce l’engagement des pays développés à mobiliser conjointement 100 milliards de dollars par an jusqu’en 2020 : les pays avancés sont fortement invités à redoubler d’efforts en suivant une feuille de route concrète pour atteindre cet objectif et, d’ici à 2025, à définir un nouvel objectif collectif quantifié supérieur ou égal à 100 milliards de dollars par an (Farid et al., 2016).

Le FMI a conclu en juin 2017 sa première évaluation des politiques liées au changement climatique pour les Seychelles, avec la Banque mondiale (FMI, 2017).

Pour une description détaillée du modèle, voir Buffie et al. (2012) et l’annexe 3.5.

Les trois modèles d’évaluation intégrés les plus connus sont le modèle dynamique intégré climat–économie (DICE), le modèle climatique cadre incertitude–négociation–distribution et le modèle d’analyse des politiques de l’effet de serre. Le modèle RICE est un modèle DICE qui inclut les régions, et le modèle AD-DICE est une variante de DICE qui incorpore l’adaptation. Anthoff et Tol (2010), Hope (2011) et Nordhaus et Sztorc (2013) fournissent des descriptions de ces modèles. Les modèles intégrés d’analyse n’offrent généralement pas la granularité géographique suffisante, car ils regroupent des économies ayant des niveaux disparates de revenus et de température moyenne. Ils intègrent différentes boucles de rétroaction entre les émissions, la croissance et le climat qui sont moins pertinentes pour les pays à faible revenu. Ils sont généralement peu adaptés pour analyser les aspects sectoriels et la transformation structurelle de l’économie.

En particulier, TFPt+1TFPt=β11(Tt+1Tt)+2β21(Tt+1Tt)Tt+ΔTFPt*, où ΔTFPt* est le taux de croissance de la PTF qui prévaudrait sans changement climatique, que l’on suppose être égal à 2,8 % d’après la prévision de croissance à moyen terme des PEM pour les pays en développement à faible revenu. β11 et β21 sont les coefficients estimés pour les termes de température linéaires et élevés au carré dans l’équation (3.2) que l’on retrouve dans la colonne (5) du tableau de l’annexe 3.3.1, rééchelonnés pour refléter la baisse du PIB donnée par le modèle lorsque la température augmente de 1°C, et Tt représente la température moyenne annuelle pour le pays à faible revenu médian au moment t, où la température initiale est fixée à 25°C.

Ces résultats sont à peu près conformes aux autres estimations données par le modèle de l’impact du changement climatique, comme décrit dans l’étude de Tol (2009). Pour une revue des estimations des dommages causés par le changement climatique au niveau mondial, voir Tol (2014) et Nordhaus et Moffat (2017).

La construction des intervalles de confiance est détaillée dans l’annexe 3.5. Ces intervalles ne tiennent pas compte des variations stochastiques des conditions météorologiques ou des queues de distribution épaisses.

Comme dans l’étude de Nordhaus (2010), on suppose le taux d’intérêt réel égal à 4,25 %, d’où un taux d’actualisation ajusté de la croissance de 1,4 %. Si l’on applique un taux d’actualisation plus extrême de 0,1 %, comme proposé dans Stern (2007), la valeur actualisée des dommages serait accrue d’un ordre de grandeur.

Burke, Hsiang et Miguel (2015a) estiment des dommages de bien plus grande ampleur dus au changement climatique pour les pays chauds : dans leur modèle, les hausses de température ont un effet persistant sur le taux de croissance et non sur le niveau de production. Des effets permanents sur la croissance pourraient se produire si les chocs météorologiques détériorent la croissance de la productivité en agissant sur les institutions, l’innovation ou l’accumulation de capital humain. Plusieurs études mettent en évidence les effets des chocs météorologiques sur des aspects qui pourraient plausiblement influer sur la croissance de la productivité (par exemple, les répercussions des conditions météorologiques sur la conflictualité ou la réussite éducative), mais la persistance de ces effets dans le temps est difficile à évaluer de manière empirique.

De plus, l’évolution des conditions climatiques aura parfois des conséquences négatives encore plus fortes sur le bien-être que sur la productivité. Le fait que les températures montent jusqu’à des niveaux inconfortables pourrait stimuler l’investissement par le biais des mesures d’adaptation des ménages, mais ce surcroît d’activité économique n’améliorerait pas nécessairement le bien-être.

Étant donné la grande taille de l’échantillon (environ 300 observations par pays), une formule logit appliquée au panel est préférée aux formules logit conditionnelles, car elle permet l’estimation des effets prédits et marginaux en tenant compte des effets-pays fixes. Les résultats sont robustes à l’utilisation des modèles de régression logistique conditionnelle développés par Chamberlain (1980) pour éviter le problème des paramètres incidents qui peuvent résulter de l’estimation d’effets fixes à l’aide d’un échantillon temporel réduit.

Pour étudier plus avant la robustesse de ces résultats, les variables météorologiques ont été transformées à partir des logarithmes naturels ou normalisés en soustrayant la moyenne-pays et en divisant par l’écart-type du pays. Si l’on dispose des données infranationales sur le PIB par habitant et des moyennes annuelles de la température et des précipitations, on peut estimer la même régression au niveau infranational en utilisant les effets-province fixes. Ces trois formules parviennent à la même conclusion : il existe une relation non linéaire entre la température et la performance économique (résultats disponibles sur demande).

D’après Graff Zivin et Neidell (2014), qui reprennent les définitions du National Institute for Occupational Safety and Health, les secteurs exposés à la chaleur sont l’agriculture, la sylviculture, la pêche et la chasse, la construction, l’extraction minière, les transports et les services d’utilité publique, ainsi que l’industrie manufacturière, dont les bâtiments ne sont pas toujours climatisés dans les pays à faible revenu et dont les processus de production dégagent souvent beaucoup de chaleur.

Les résultats obtenus au moyen d’une autre formule, dans laquelle les variables de politiques publiques sont exprimées sous forme continue plutôt que transformées en indicateurs, peuvent être communiqués sur demande.

Pour la décennie 2010, les données vont jusqu’en 2015.

Comme dans Dell Jones et Olken (2012), la formule ne neutralise que les effets fixes; les autres contrôles possibles (population ou environnement socio-politique) peuvent eux-mêmes être affectés par la productivité agricole — l’un des principaux canaux par lesquels les chocs météorologiques peuvent influer sur l’émigration —, d’où un biais possible dans l’estimation à cause du risque de neutralisation excessive. La seule exception est une variable muette pour les guerres (voir Beaton et al., 2017), qui est insérée dans quelques-unes des formules et confirme la robustesse des constatations.

Le flux d’émigration par rapport à la population dans les pays qui ne sont pas considérés comme des pays à faible revenu dans cet échantillon représente en moyenne 2,5 %, avec un écart-type de 8,1 points de pourcentage. Pour les pays à faible revenu, ces statistiques sont respectivement de 0,6 % et 2,2 points de pourcentage.

Les résultats (non présentés ici et communiqués sur demande) sont robustes à l’utilisation d’autres valeurs de remplacement pour les pays à faible revenu, par exemple une variable muette distinguant les pays du quartile inférieur de la distribution du PIB moyen par habitant dans l’échantillon de pays sur l’ensemble de la période analysée.

Les estimations des dommages par rapport au PIB ne peuvent pas être utilisées directement puisque le PIB est endogène.

Ici, les intervalles de confiance (5–95 %) des hausses de température sont de 1,2°C à 2,8°C pour le RCP 4.5, et de 2,8°C à 5,1°C pour le RCP 8.5.

Un grand nombre de mesures d’adaptation ont une nature de biens publics; ainsi, les entreprises bénéficient de la dépense totale de protection du secteur.

    Other Resources Citing This Publication