Modélisation économique par les systèmes complexes : de la simulation multi‑agents aux goulets d’étranglement du marché du travail

En mêlant modélisation multi-agents, science des réseaux et approches des systèmes complexes, ce travail apporte de nouvelles perspectives face aux défis économiques. Les modèles multi-agents (ABM) offrent un cadre d’analyse novateur pour simuler des dynamiques macroéconomiques, s’intéressant aux phénomènes émergents tels que les cycles économiques, l’inflation et les crises. En étendant le modèle Mark-0, cette thèse introduit un mécanisme d’ancrage des anticipations pour analyser l’inflation post-COVID et l’efficacité des politiques économiques qui suivirent. Les résultats montrent que le succès de la politique monétaire repose davantage sur la gestion des anticipations que sur ses effets économiques directs, la spirale prix-salaires apparaissant comme un moteur clé. Les arbitrages nécessaires entre le contrôle de l’inflation et le chômage soulignent l’importance des mesures budgétaires pour assurer la stabilité économique. Afin d’améliorer la robustesse des ABM, une approche inspirée de la physique statistique est introduite pour explorer des espaces de paramètres de haute dimension. En exploitant le cadre de la sloppiness, l’étude identifie un petit ensemble de paramètres rigides qui gouvernent le comportement du modèle, tout en minimisant l’importance des paramètres moins influents, améliorant ainsi son interprétabilité et son efficacité.La deuxième partie se concentre sur les marchés du travail en tant que systèmes complexes adaptatifs. En représentant les professions comme des nœuds dans un réseau de mobilité professionnelle, l’analyse met en évidence des déséquilibres structurels où certaines professions jouent le rôle de hubs centraux tandis que d’autres restent isolées. De nouveaux indicateurs—l’accessibilité et la transférabilité—quantifient la mobilité des travailleurs et identifient les professions condensatrices comme des goulets d’étranglement avec une forte accessibilité mais une faible transférabilité. L’intégration des données de compétences révèle que les professions à forte transférabilité facilitent la mobilité entre clusters d’emplois, tandis que celles à forte accessibilité servent de points d’entrée dans de nouveaux secteurs. Ces résultats offrent des perspectives nouvelles pour améliorer les politiques publiques dans ce domaine. Plus particulièrement, cela permettrait de réduire les inadéquations travail-compétences, d’optimiser les programmes de reconversion et d’améliorer la fluidité du marché du travail face aux transformations économiques et technologiques.