Chapitre 4 : PIB, modélisation et climat

La transition en chiffres — L3

Malka Guillot

Université Grenoble Alpes

Plan du chapitre

Introduction : le climat et l’économie ; qu’est-ce qu’un modèle ?
Modèles d’évaluation intégrés (IAM) : coût-bénéfice vs coût-efficacité ; Nordhaus et DICE
La fonction de dommages : d’où vient Ω ? : méta-analyse, critiques, adaptation
Estimer les dommages à partir des données : types de données, panel, Burke et al.
Utiliser Ω pour calculer le coût social du carbone : actualisation, scénarios DICE, choix politiques
Conclusion : les critiques de DICE

Références

Introduction

Comment le changement climatique affecte-t-il l’économie ?

Un débat controversé :
- pour certains, le climat n’a pas ou peu d’impact sur une société moderne
- pour d’autres, son impact est majeur
Un problème empiriquement difficile :
- le climat est multi-dimensionnel (température, précipitations, extrêmes…)
- la société humaine est multi-dimensionnelle
- de nombreux facteurs confondants
L’expérience (scientifiquement) idéale :
- prendre des planètes identiques
- modifier le climat pour la moitié d’entre elles (groupe de traitement)
- comparer les planètes “traitées” aux planètes témoins

→ Une telle expérience n’est pas réalisable !

Une vieille idée : le climat façonne l’activité humaine

Les cinq zones de la Terre, Macrobe, Commentaire au Songe de Scipion, v. 1150 (Copenhague, Bibl. royale, NKS 218 4°)

V^e s. av. J.-C. : Parménide divise le monde en cinq zones : une torride (trop chaude), deux glaciales (trop froides), deux tempérées
Aristote : seules les zones tempérées sont habitables… celle où il vit !
Fin des années 1970 : l’essor de la science du climat pousse les économistes à estimer les conséquences d’un climat qui change sur des secteurs comme l’agriculture (d’Arge 1975 ; Adams et al. 1988)

→ Comment les mesurer ? Avec des modèles…

Source : Auffhammer (2018), p.41

Quelques exemples de secteurs touchés par le changement climatique

Agriculture

dépendance aux conditions climatiques (température, eau)
variabilité des rendements, pertes de revenus pour les agriculteurs

Énergie

moins de demande de chauffage, plus de demande de climatisation (effet net sur les coûts ?)
coût accru du refroidissement des centrales nucléaires et à charbon

Santé

hausse des maladies liées à la chaleur (cardiovasculaires, respiratoires)
propagation de maladies vectorielles (paludisme, dengue) dans des zones jusque-là épargnées

Infrastructures

dommages causés par les catastrophes naturelles
coût de l’adaptation pour rendre les infrastructures plus résilientes

Le corpus d’aujourd’hui

Auffhammer (2018), Quantifying Economic Damages from Climate Change, Journal of Economic Perspectives, 32(4), 33-52
Burke, Hsiang & Miguel (2015), Global non-linear effect of temperature on economic production, Nature, 527(7577), 235-239
The Shift Project & IFPEN (2019), Comprendre les enjeux de la modélisation du lien complexe entre énergie, climat et économie

Qu’est ce qu’un modèle macroéconomique ?

Source : The Shift Project & IFPEN (2019), Figure 1 (adaptée de Bouvard et al., 2017), p.5

Qu’est ce qu’un modèle empirique ?

Un modèle empirique estime une relation à partir de données observées. Outil de base : la régression.

Le vocabulaire (exemple : climat et agriculture)

Rôle	Notation	Exemple
Variable expliquée : ce qu’on cherche à expliquer	$Y$	rendement agricole
Variable explicative : la cause qui nous intéresse	$X$	température
Variable de contrôle : un autre facteur, qu’on « neutralise »	$Z$	irrigation
Terme d’erreur : tout le reste, non observé	$\varepsilon$	sols, savoir-faire, chance…

La question : de combien $Y$ varie-t-il quand $X$ augmente d’une unité ?

La régression univariée

\[ \underbrace{Y_i}_{\text{rendement}} = a + b \, \underbrace{X_i}_{\text{température}} + \varepsilon_i \]

On trace la droite qui passe au plus près des points ; sa pente $b$ = effet d’un degré de plus sur le rendement
Ici $b = +1{,}4$ : la chaleur augmenterait les rendements ?!

Source : données fictives

La régression multivariée : ajouter un contrôle

\[ Y_i = a + b \, X_i + c \, \underbrace{Z_i}_{=1 \text{ si irrigué}} + \varepsilon_i \]

Les régions chaudes sont plus souvent irriguées, et l’irrigation augmente les rendements ($c = +35$)
À irrigation égale, un degré de plus réduit le rendement : $b = -1{,}8$
→ Corrélation ≠ causalité : il faut comparer « toutes choses égales par ailleurs »

Source : données fictives, inspirées de Schlenker et al. (2005) via Auffhammer (2018)

Modèles d’évaluation intégrés (IAM)

2 approches de la modélisation du couple économie et climat

Coût-bénéfice

Question : jusqu’où réduire les émissions ?
On compare le coût de réduire une tonne de CO₂ aux dommages évités par cette tonne
On réduit tant que le bénéfice dépasse le coût → maximiser le bien-être
Chiffre clé : le coût social du carbone (€/tCO₂)
Exemple : Nordhaus, DICE

Coût-efficacité

Question : comment atteindre un objectif fixé (ex. +2 °C) ?
On cherche la trajectoire la moins coûteuse pour l’atteindre
Chiffre clé : le prix du carbone nécessaire pour tenir l’objectif
Exemple : les scénarios du GIEC

Analogie : isolation de son logement

Coût-bénéfice

j’isole tant que le dernier euro dépensé me fait économiser au moins un euro de chauffage ;
le niveau d’isolation final est un résultat.

Coût-efficacité

je veux atteindre l’étiquette DPE C (objectif fixé);
je cherche la façon la moins chère d’y arriver ;
le niveau d’isolation final est un objectif fixé.

Fonction de dommages

Le coût-bénéfice suppose de pouvoir chiffrer les dommages en euros ; le coût-efficacité contourne cette difficulté en fixant l’objectif hors du modèle.

William Nordhaus

Années 1970 :
- l’économie de l’environnement s’intéresse à la rareté des énergies fossiles (Solow, Stiglitz, Dasgupta & Heal, 1974) suite au premier choc pétrolier
- Nordhaus déplace le regard du carbone dans le sol vers le carbone dans l’atmosphère
1975-1977 :
- premiers modèles énergétiques d’équilibre partiel (production exogène)
Début des années 1990 :
- DICE (Dynamic Integrated model of Climate and the Economy), 1e modèle d’équilibre général climat-économie, puis RICE (version à 12 régions)
2018 prix nobel: “for integrating climate change into long-run macroeconomic analysis”

Source : Schubert (2019), William D. Nordhaus : intégrer le changement climatique dans l’analyse macroéconomique de long terme, Revue d’économie politique, 129(6)

Chiffrer les dommages : deux approches

Au cœur d’un IAM coût-bénéfice, la fonction de dommages : de combien le réchauffement réduit-il le PIB ?

Approche structurelle

on postule des relations secteur par secteur (agriculture, santé, énergie…)
on agrège → dommage total à +2 °C, +3 °C…
méta-analyse des études → une courbe de dommages
DICE, FUND, PAGE (1990-2010)

Approche empirique

on estime le lien climat → production sur données historiques
à partir de chocs climatiques « exogènes » (années anormalement chaudes)
« tournant » des années 2010 (Dell et al. 2012 ; Burke et al. 2015)
calibre la fonction des IAM, ou projette directement les pertes de PIB

Sources : Auffhammer (2018) ; Bilal & Stock (2025), §2.2.1

Structure d’un IAM

Source : Schubert (2019), Figure 1

Le modèle économique

Un modèle de croissance classique (type Solow / Ramsey), avec deux « fuites » :

\[ Y^{net}_t = Y_t \;-\; \color{#43a047}{\Omega(T_t)\, Y_t} \;-\; \color{#1b5e20}{\Lambda(\mu_t)\, Y_t} \qquad \text{avec} \qquad Y_t = A_t K_t^{\alpha} L_t^{1-\alpha} \]

PIB net = PIB brut − dommages climatiques − coût de l’abattement

Le levier : $\mu_t$ = part des émissions abattues. Augmenter $\mu_t$ a deux effets :

Aujourd’hui, un coût : $\;\mu_t \uparrow \;\Rightarrow\; \color{#1b5e20}{\Lambda(\mu_t)\uparrow}$
Demain, un bénéfice : $\;\mu_t \uparrow \;\Rightarrow\; E_t \downarrow \;\Rightarrow\; M_{t+k} \downarrow \;\Rightarrow\; T_{t+k} \downarrow \;\Rightarrow\; \color{#43a047}{\Omega(T_{t+k})\downarrow}$ (slides suivantes)

→ Le planificateur choisit $\mu_t$ pour maximiser le bien-être actualisé :

on abat tant que le coût d’une tonne abattue aujourd’hui est inférieur aux dommages futurs qu’elle évite (actualisés) → coût social du carbone

Source : Bilal & Stock (2025), annexe A.1 et A.3

$A_t$ (productivité) et $L_t$ (population) sont exogènes.
Bien-être : $\sum_t \beta^t L_t\, U(C_t/L_t)$ ; capital : $K_{t+1} = (1-\delta)K_t + I_t$.
Les deux choix interagissent : un monde plus riche demain émet plus (à $\sigma$ et $\mu$ donnés) ; mais les dommages réduisent aussi le rendement du capital, ce qui freine l’accumulation.
Le décalage temporel est la clé : le coût $\Lambda$ est immédiat, le bénéfice (moins de $\Omega$) arrive des décennies plus tard, via le stock de carbone et l’inertie thermique → d’où le poids de l’actualisation.
Forme usuelle du coût d’abattement : $\Lambda(\mu) = \Lambda_0 \sigma_t \mu^2$ (convexe : les premières tonnes sont bon marché).
Le taux d’actualisation $\beta$ est crucial : passer de 3 % à 2 % fait passer le CSC de 80 à 185 $/t (Rennert et al. 2022, cité par Bilal & Stock p.7).
Coquille dans le WP : l’annexe A.1 écrit $L_t^{\alpha}$, la forme correcte (A.3) est $L_t^{1-\alpha}$.

Le modèle du cycle du carbone

Les émissions sont proportionnelles à la production :

\[ E_t = \sigma_t\, (1-\mu_t)\, Y_t \;+\; E^{land}_t \]

$\sigma_t$ : intensité carbone de la production ; $\mu_t$ : part des émissions abattues

Le carbone s’accumule et circule lentement entre trois réservoirs (atmosphère, océan de surface, océan profond) :

\[ M_t = (I + B)\, M_{t-1} + E_t \]

C’est un stock, pas un flux : une tonne émise aujourd’hui pèse pendant des siècles
$\sigma_t$ baisse avec le progrès technique
- (cf. décomposition de Kaya → chap. 5)
Les émissions liées aux terres $E^{land}_t$ sont exogènes : pas de modèle d’usage des sols dans DICE

Source : Bilal & Stock (2025), annexe A.2

$M_t = (M^{AT}_t, M^{UO}_t, M^{LO}_t)$ = masses de carbone dans les 3 réservoirs (atmosphère, océan de surface, océan profond).
$I$ = matrice identité 3×3 : « ce qui était là hier reste là » ($I M_{t-1} = M_{t-1}$).
$B$ = matrice 3×3 des transferts nets entre réservoirs sur une période (l’atmosphère cède du carbone à l’océan de surface, qui en cède à l’océan profond, et inversement). Conservation de la masse : les transferts ne créent ni ne détruisent de carbone (chaque colonne de $B$ somme à 0 ; Bilal & Stock écrivent $\sum_j B_{ij} = 0$, selon leur convention).
$E_t$ s’ajoute à l’atmosphère uniquement.
Version « en mots » pour l’atmosphère : $M^{AT}_t = M^{AT}_{t-1} + E_t - (\text{absorption nette par l'océan de surface})$.
Point clé pour le CSC : c’est parce que le carbone est un stock persistant que l’émission d’une tonne aujourd’hui génère des dommages sur ~300 ans (Auffhammer 2018, p.34).

Le modèle de température

\[ \underbrace{M^{AT}_t}_{\text{carbone dans l'atmosphère}} \;\longrightarrow\; \underbrace{F_t}_{\text{forçage radiatif}} \;\longrightarrow\; \underbrace{T_t}_{\text{température}} \;\longrightarrow\; \color{#43a047}{\Omega(T_t)} \]

1. Le carbone crée un déséquilibre énergétique : le forçage = l’énergie solaire en trop que la Terre garde, faute de pouvoir la réémettre (W/m²)

\[ F_t = F_0 \log\left(\frac{M^{AT}_t}{\overline{M}}\right) \]

2. Le déséquilibre réchauffe l’atmosphère, progressivement :

\[ T_{t+1} = T_t + c_1\big(\,F_t \;-\; \lambda\, T_t \;-\; \text{chaleur absorbée par l'océan}\,\big) \]

La température monte tant que le forçage dépasse ce que la Terre réémet ($\lambda T$)
L’océan absorbe de la chaleur → inertie du réchauffement

Source : Bilal & Stock (2025), annexe A.2

Intuition du forçage radiatif

La Terre reçoit de l’énergie du Soleil et en renvoie vers l’espace (rayonnement infrarouge). Sans perturbation, entrées = sorties → température stable.
Les GES agissent comme une couverture : ils retiennent une partie de l’infrarouge sortant. Il entre alors plus d’énergie qu’il n’en sort : c’est ce déséquilibre, mesuré en watts par m², qu’on appelle forçage radiatif.
Analogie de la baignoire : le robinet (Soleil) coule pareil, mais on a partiellement bouché la bonde (GES) → le niveau (la température) monte jusqu’à ce que l’écoulement compense à nouveau.
La Terre plus chaude rayonne davantage ($\lambda T$) : le réchauffement s’arrête quand ce surplus de rayonnement compense le forçage → nouvel équilibre plus chaud.
Ordres de grandeur : un doublement du CO₂ ≈ +3,7 W/m² ; à comparer aux ≈ 240 W/m² reçus en moyenne du Soleil (absorbés) → un petit déséquilibre suffit à réchauffer durablement.
Logarithme : chaque tonne supplémentaire réchauffe un peu moins que la précédente (les bandes d’absorption du CO₂ « saturent »), d’où « chaque doublement → même forçage ».
Inertie : l’océan stocke de la chaleur et la restitue lentement → le réchauffement continue des décennies après l’arrêt des émissions.
Lien avec les RCP du chapitre 3 : RCP2.6, RCP8.5… = forçage radiatif atteint en 2100 (2,6 ou 8,5 W/m²).

Dynamique complète (2 boîtes) :

$T^{AT}_{t+1} = T^{AT}_t + c_1\big(F_t - \lambda T^{AT}_t - c_2 (T^{AT}_t - T^{OC}_t)\big)$
$T^{OC}_{t+1} = T^{OC}_t + c_3 (T^{AT}_t - T^{OC}_t)$

$\lambda$ = rétroaction radiative ; $c_1, c_2, c_3$ = échanges de chaleur atmosphère/océan. $\overline{M}$ = stock préindustriel ; forçage complet : $F_t = F_0 \log(M^{AT}_t/\overline{M}) + F^{EX}_t$, avec $F^{EX}$ = forçages exogènes (autres GES, aérosols).

Intuition d’équilibre (océan à l’équilibre) : $T^* = F/\lambda$. Pour un doublement du CO₂, $T^* = F_0 \log 2 / \lambda$ = sensibilité climatique à l’équilibre (≈ 3 °C dans DICE).

La fonction de dommages

Le maillon qui relie le climat au PIB :

\[ \Omega(T) = 1 - \frac{1}{1 + \Omega_1 T + \Omega_2 T^2} \;\approx\; \Omega_2\, T^2 \]

Avec la calibration de Nordhaus ($\Omega_2 \approx 0{,}0024$, DICE-2016) :

Réchauffement	+1 °C	+2 °C	+3 °C	+4 °C	+6 °C
Perte de PIB	≈ 0,2 %	≈ 1 %	≈ 2 %	≈ 4 %	≈ 8 %

Quadratique : faible au début, puis s’accélère
Des dommages modestes… comparés aux estimations empiriques : Burke et al. (2015) ≈ −20 % de revenu mondial en 2100 ; Bilal & Känzig (2024) ≈ −23 % par °C à long terme
→ $\Omega$ est le paramètre le plus débattu (Auffhammer 2018 ; Pindyck 2013)

Source : Bilal & Stock (2025), annexe A.3 et §2.2.1 ; Auffhammer (2018)

La fonction de dommages : d’où vient Ω ?

Calibrer Ω : une méta-analyse

Chaque ligne = une étude : un réchauffement (°C) → une perte de bien-être (% du revenu)
27 estimations issues de 22 études (1979-2013), dont 9 de Nordhaus et coauteurs
Méthode surtout structurelle : on additionne les impacts secteur par secteur
Presque toutes autour de +2,5 / +3 °C

→ Chaque étude = un point d’une fonction de dommages

Source : Tol (2018), Review of Environmental Economics and Policy, 12(1)

Une fonction de dommages « méta »

Chaque point = une étude ; la courbe = la fonction de dommages ajustée ; les pointillés = l’incertitude
Petits gains possibles jusqu’à ≈ +1 °C, pertes au-delà ; l’incertitude s’élargit avec le réchauffement
Au-delà de +3 °C : 3 points seulement → la courbe est extrapolée

Source : Tol (2018) ; figure reprise du cours d’O. Cutinelli-Rendina

Les critiques de la fonction de dommages

Une forme arbitraire : la forme (quadratique…) et les paramètres sont choisis par le modélisateur (Pindyck 2013)
L’extrapolation : on n’a observé que ≈ +1 °C ; +4 °C n’a pas été atteint depuis au moins 10 millions d’années
Une moyenne trompeuse : la température moyenne mondiale suffit-elle ? Les dommages sont très hétérogènes entre régions et secteurs
Les catastrophes absentes : points de bascule (calottes glaciaires, circulation océanique) jamais observés → hors des données
Des études datées : surtout des années 1990 ; dans FUND, l’agriculture gagne jusqu’à ≈ +5 °C ; la mettre à jour double le CSC (Moore et al. 2017)

→ Et un enjeu de plus : l’adaptation des agents au nouveau climat

Sources : Schubert (2019), §2.4 ; Auffhammer (2018), p.37 et 46-47 ; The Shift Project & IFPEN (2019), p.16

Ignorer l’adaptation fausse le calcul des dommages

San Francisco aujourd’hui : des étés frais → presque personne n’a de climatisation.

Si son climat devient celui de Fresno (étés bien plus chauds) :

marge intensive : on utilise davantage les équipements existants
marge extensive : on installe des climatiseurs → un coût… et une consommation d’électricité qui réagit beaucoup plus à la chaleur

→ La relation entre température et consommation change avec le climat : l’estimer sur le passé (sans adaptation) donne une mauvaise prévision

→ Une bonne fonction de dommages doit intégrer l’adaptation et son coût

Source : Auffhammer (2018), p.37-38

Avec ou sans adaptation : deux prévisions

En haut à gauche : températures avant (gris clair) et après (gris foncé) le changement climatique
En haut à droite : consommation d’électricité selon la température, sans (trait plein) et avec adaptation (pointillés)
En bas : consommation prévue sous le nouveau climat → bien plus élevée et plus variable avec adaptation

→ Peut-on estimer les dommages (adaptation comprise) à partir des données ?

Source : Auffhammer (2018), Figure 2

Estimer les dommages à partir des données

Le problème du contrefactuel

Rappel : l’expérience idéale (des planètes identiques, dont on réchauffe la moitié) est impossible.

Il faut donc deux types de contrefactuels :

Le climat futur : quel réchauffement ?
- → modèles climatiques, scénarios d’émissions
La réponse des agents : comment l’économie réagit-elle à un climat différent ?
- Pour identifier la fonction de dommage

Idée : utiliser des lieux ou des années plus chauds comme « substituts » du futur…

… mais le Pakistan ou le Mali ne sont pas « les États-Unis en plus chaud »

→ Aucune solution parfaite : chaque méthode fait un compromis

Source : Auffhammer (2018), p.40-41

Les types de données

Type	Structure	Exemple	On compare…
Coupe transversale	plusieurs unités, une date	valeur des terres agricoles des comtés américains (Mendelsohn, Nordhaus & Shaw 1994)	des lieux chauds et des lieux froids
Série temporelle	une unité, plusieurs dates	PIB mondial depuis 1960 (Bilal & Känzig 2024)	des années chaudes et des années froides
Panel	plusieurs unités × plusieurs dates	166 pays × 1960-2010 (Burke et al. 2015)	chaque pays à lui-même, une année chaude vs une année normale

Sources : Auffhammer (2018), p.41-44 ; Burke et al. (2015) ; Bilal & Stock (2025), p.7

Coupe transversale : l’approche ricardienne

Idée : la valeur d’une terre reflète ses profits futurs → régresser la valeur des terres sur le climat local
L’agriculteur s’adapte : il change de culture (C plutôt que D) → l’enveloppe (trait épais) intègre l’adaptation
✗ Variables omises : sans l’irrigation, l’effet du climat paraît bénéfique au lieu de nettement négatif
✗ L’adaptation est supposée gratuite

Source : Auffhammer (2018), Figure 3 (d’après Mendelsohn, Nordhaus & Shaw 1994) et p.41-43

Pourquoi « ricardienne » ? En référence à la théorie de la rente foncière de David Ricardo (Des principes de l’économie politique et de l’impôt, 1817) :

la rente d’une terre reflète sa productivité (fertilité, situation) : les meilleures terres rapportent davantage, et cet avantage revient au propriétaire sous forme de rente ;
sur un marché foncier concurrentiel, le prix d’une terre = valeur actualisée des rentes (profits) futures qu’elle procure ;
le climat est l’un des déterminants de cette productivité → il est « capitalisé » dans le prix des terres.

D’où l’idée de Mendelsohn, Nordhaus & Shaw (1994), qui ont baptisé leur méthode Ricardian approach : comparer le prix des terres entre des lieux au climat différent révèle la valeur que les agriculteurs attribuent au climat, adaptation comprise (ils ont déjà choisi les cultures les mieux adaptées à leur climat).

Limite liée : le prix des terres ne reflète le climat que si le marché foncier fonctionne bien, et si l’on contrôle tout ce qui, en plus du climat, fait varier ce prix (sols, irrigation, proximité des villes…).

Panel et effets fixes

\[ \text{croissance du PIB}_{it} = f(\text{température}_{it}) + \underbrace{\alpha_i}_{\text{effet fixe pays}} + \underbrace{\gamma_t}_{\text{effet fixe année}} + \varepsilon_{it} \]

On compare chaque pays à lui-même : une année plus chaude que d’habitude vs une année normale
Effet fixe pays $\alpha_i$ : neutralise ce qui est propre à un pays et stable (géographie, institutions, culture)
Effet fixe année $\gamma_t$ : neutralise les chocs communs à tous (crise de 2008, chocs pétroliers)
Les écarts de température d’une année à l’autre sont « quasi aléatoires » → effet plausiblement causal

✗ Limite : on mesure la réaction à la météo (un choc d’un an), pas au climat (un changement durable) → l’adaptation de long terme est mal captée

Sources : Auffhammer (2018), p.43-44 ; Burke et al. (2015)

Burke et al. (2015) : une courbe en cloche

166 pays, 1960-2010
La courbe : effet de la température moyenne annuelle sur le PIB par habitant
Production maximale vers 13 °C, puis chute de plus en plus forte
Les pays froids (Allemagne, Royaume-Uni) gagneraient un peu à se réchauffer ; les pays chauds (Inde, Nigeria, Indonésie) perdent déjà

Source : Burke, Hsiang & Miguel (2015), Figure 2a

Riches et pauvres

On estime la courbe séparément pour les pays riches et pauvres
Les deux courbes sont statistiquement semblables
Les pays riches ne sont pas protégés par leur richesse : au-delà de ≈ 13 °C, ils perdent eux aussi
Les pays pauvres souffrent davantage surtout parce qu’ils sont plus chauds, pas parce qu’ils réagiraient différemment

Source : Burke, Hsiang & Miguel (2015), Figure 2b

Peu d’adaptation au fil du temps

Les deux courbes pour 1960-1989 et pour 1990-2010 sont quasiment identiques
→ Malgré 50 ans de progrès technique et d’enrichissement, la sensibilité de l’économie à la chaleur n’a pas diminué
→ Peu de signe d’adaptation : ne pas compter sur elle pour effacer les dommages

→ C’est cette courbe que Burke et al. combinent aux projections climatiques pour chiffrer les pertes en 2100

Source : Burke, Hsiang & Miguel (2015), Figure 2c

Projections 2100 : empirique vs IAM

PIB mondial par habitant en 2100 : ≈ −23 % par rapport à un monde sans changement climatique (RCP8.5)

Pertes selon le réchauffement : Burke (traits pleins) vs DICE, FUND, PAGE (pointillés, proches de 0)

→ Un ordre de grandeur d’écart avec les fonctions de dommages des IAM

Source : Burke, Hsiang & Miguel (2015), Figure 5a et 5d

Critiques

Météo ≠ climat : un choc d’un an n’est pas un réchauffement durable (adaptation ?)
Variable expliquée : niveau ou croissance ? (Auffhammer 2018)
- niveau : une année chaude fait baisser le PIB cette année-là, puis l’économie rattrape → dommages temporaires
- croissance : une année chaude ralentit la croissance, et la perte ne se rattrape jamais → les pertes se cumulent sur un siècle
Température locale ou globale ? La température mondiale capte aussi ouragans, sécheresses ailleurs, chaînes d’approvisionnement

Les chiffres en dollars sont des coûts sociaux du carbone ($ par tonne de CO₂) : la valeur actualisée des dommages futurs d’une tonne émise en plus. Chaque paire compare le CSC obtenu avec deux fonctions de dommages estimées différemment, toutes choses égales par ailleurs.

Niveau ou croissance (Moore & Diaz 2015) : 33 $ vs 220 $

Effet de niveau : une année chaude fait baisser le PIB cette année-là, puis l’économie rattrape → dommages temporaires → CSC de 33 $.
Effet de croissance : une année chaude ralentit la croissance, et la perte ne se rattrape jamais → les pertes se cumulent sur un siècle → CSC de 220 $, et des pertes de 10 à 40 % du PIB en 2100 selon les pays pour +4,5 °C.
Les données de moyen terme (5-10 ans) ne permettent pas de trancher ; Nath et al. (2024) trouvent un intermédiaire : −7 à −12 % du PIB mondial en 2100 pour +4 °C.

Température locale ou globale (Bilal & Känzig 2024) : 178 $ vs 1 367 $

178 $ (« locale ») : fonction de dommages estimée comme dans la littérature standard (Dell et al. 2012, Burke et al. 2015) : on relie le PIB d’un pays à sa propre température. Effet : ≈ −3 % de PIB par °C à long terme.
1 367 $ (« globale ») : on relie directement le PIB mondial aux variations de la température moyenne mondiale (série temporelle, et non panel de pays). Effet : ≈ −23 % de PIB par °C à long terme → un CSC ≈ 7,7 fois plus élevé.
Pourquoi un tel écart ? Le réchauffement global ne se résume pas à la chaleur locale : il s’accompagne d’un réchauffement de la surface des océans et d’événements extrêmes (tempêtes, ouragans, sécheresses, pluies extrêmes) qui ne sont pas liés à la température locale d’un pays. L’approche locale les manque ; selon Bilal & Känzig, océans et extrêmes expliquent l’essentiel de l’écart.
Intuition technique : dans un panel avec effets fixes année, tout ce qui touche tous les pays la même année — dont une hausse de la température mondiale — est absorbé par l’effet fixe. Par construction, l’approche « locale » ne peut pas mesurer l’effet d’un choc global.
Prudence : document de travail (NBER WP 32450), pas encore publié en revue ; une série temporelle mondiale ne compte qu’une soixantaine d’années d’observations → incertitude élevée.

Source des chiffres : Bilal & Stock (2025), p.6-7.

Ce qu’on sait, ce qu’on ignore

Secteur	Estimations causales	Adaptation prise en compte	Couverture mondiale
Agriculture	✓	✓	✓
Santé et mortalité	✓	✓	✓
Montée des mers, énergie, tempêtes	✓	✓	✗
Agrément du climat (qualité de vie)	✓	≈	✗
Pollution	✓	?	✗
Crime et conflits	✓	✗	?
Migrations, productivité	✓	✗	✗
Forêts, biodiversité, consommation d’eau	✗	✗	✗

→ En 2018, seules l’agriculture et la mortalité « cochent les trois cases »

→ Ces estimations servent à calibrer Ω dans les IAM… pour calculer le coût social du carbone

Source : Auffhammer (2018), Table 1 (d’après la liste de Cline 1992)

Agrément du climat (human amenity chez Auffhammer) : la valeur que les gens accordent au climat lui-même comme élément de leur qualité de vie (températures douces, soleil, peu de canicules). Bien non marchand : absent du PIB, mais il compte pour le bien-être.

Mesure indirecte : à salaire égal, les ménages acceptent de payer des logements plus chers pour vivre sous un climat agréable → on compare prix immobiliers et salaires entre villes (Albouy et al. 2016) ; même logique que l’approche ricardienne, appliquée aux ménages.
Autre indice : l’humeur exprimée sur les réseaux sociaux se dégrade les jours très chauds (Baylis 2015).
Lecture de la ligne : estimations causales ✓, adaptation partiellement prise en compte (≈), couverture limitée aux États-Unis (✗).

Utiliser Ω pour calculer le coût social du carbone

L’actualisation : la clé du CSC

Un euro de dommages en 2100 vaut moins qu’un euro aujourd’hui : $\quad \text{valeur aujourd'hui} = \dfrac{D_{2100}}{(1+r)^{75}}$

Taux d’actualisation $r$	1 %	3 %	5 %
100 € de dommages en 2100 valent aujourd’hui…	≈ 47 €	≈ 11 €	≈ 3 €

Administration Obama (IWG) : CSC de 62 $ (2,5 %), 42 $ (3 %), 12 $ (5 %)
Rennert et al. (2022) : de 80 $ (3 %) à 185 $ (2 %)

→ Le choix de $r$ est un choix éthique : quel poids donne-t-on aux générations futures ?

Sources : Auffhammer (2018), p.36 ; Bilal & Stock (2025), p.7

Simulations de différents scénarios avec DICE

Scénario	Ce qu’on demande au modèle	Logique
Base	aucune politique au-delà de celles en place en 2015	laisser-faire
Optimal	maximiser le bien-être (préférence pour le présent : 1,5 %/an)	coût-bénéfice
T < 2,5 °C	idem, avec la contrainte : réchauffement ≤ 2,5 °C	coût-efficacité
Stern	idem « Optimal », préférence pour le présent : 0,1 %/an	actualisation faible

Source : Schubert (2019), §3.1 et Figure 2, d’après Nordhaus (2018a), DICE-2016R

Axes : émissions industrielles (GtCO₂/an) ; température (°C depuis 1900).
Base : pas de politique climatique autre que celle déjà en place en 2015 (business as usual).
Optimal : maximisation du bien-être social à partir de 2015, avec les paramètres de Nordhaus (taux de préférence pure pour le présent 1,5 %/an ; Schubert, Tableau 1).
T < 2,5 : même maximisation, sous la contrainte additionnelle que la hausse de température n’excède pas 2,5 °C. Contenir le réchauffement à 2 °C n’est pas faisable dans DICE sans émissions négatives (inertie du climat, croissance assez forte à moyen terme ; Schubert, note 2).
Stern : même maximisation, avec un taux de préférence pure pour le présent de 0,1 %/an, valeur de la Stern Review (Stern 2007).
Inertie du climat : dans le scénario optimal, la très forte baisse des émissions à partir de 2050 ne fait gagner qu’environ ½ °C en 2100 par rapport au scénario de base.
T < 2,5 et Stern donnent des trajectoires très proches : actualiser moins revient, en pratique, à viser un réchauffement plus faible.

Le coût social du carbone selon les scénarios

CSC ($ 2010 / tCO₂)	2015	2030	2050	Température en 2100
Optimal (coût-bénéfice)	29,5	69,2	99,6	≈ +3,5 °C
T < 2,5 °C (coût-efficacité)	184,1	351,0	1 008,4	≈ +2,3 °C
Stern (actualisation faible)	256,5	381,7	615,6	≈ +2,3 °C

Optimal : un CSC faible (≈ 30 $ en 2015) → une politique graduelle… qui mène à +3,5 °C, loin de l’Accord de Paris
T < 2,5 °C : imposer un objectif de température (coût-efficacité) dans DICE multiplie le CSC par ≈ 6
Stern : actualiser moins (0,1 % au lieu de 1,5 %) multiplie le CSC 2015 par ≈ 9

Source : Schubert (2019), Tableau 2, d’après Nordhaus (2018a)

Synthèse : de 1 $ à plus de 1 000 $

→ Le CSC n’est pas une donnée physique : il dépend de la fonction de dommages Ω, du taux d’actualisation et du périmètre

Conclusion : les critiques de DICE

« Nordhaus contre le climat » (Jancovici 2018)

Dans un modèle DICE, le PIB ne dépend pas des ressources, dont le climat :
- l’énergie et un climat stable y sont traités comme des facteurs parmi d’autres, alors qu’ils sont des conditions de toute production
Une fonction de dommages « paramétrée de façon arbitraire » pour donner un prix à ce qui, par définition, n’en a pas : un climat stable
Un « réchauffement optimal » qui équilibre le coût d’évitement et le coût des dommages… deux coûts incalculables
- Ordre de grandeur : ≈ 5 °C séparent la dernière glaciation du climat préindustriel ; DICE juge « optimal » +3,5 °C en 2100

Source : J.-M. Jancovici, « Nordhaus contre le climat », Les Échos, 20 novembre 2018

Références (1/2)

Adams, R. M., McCarl, B. A., Dudek, D. J. & Glyer, J. D. (1988). Implications of Global Climate Change for Western Agriculture. Western Journal of Agricultural Economics, 13(2), 348–356.
Auffhammer, M. (2018). Quantifying Economic Damages from Climate Change. Journal of Economic Perspectives, 32(4), 33–52.
Bilal, A. & Känzig, D. R. (2024). The Macroeconomic Impact of Climate Change: Global vs. Local Temperature. NBER Working Paper 32450.
Bilal, A. & Stock, J. H. (2025). Macroeconomics and Climate Change. NBER Working Paper 33567.
Bouvard, F., Hache, E., Querini, F. & Tchung-Ming, S. (2017). Recommandations pratiques pour l’ACV prospectives. Références et exemples dans le domaine de l’énergie. Rapport SCORELCA.
Burke, M., Hsiang, S. M. & Miguel, E. (2015). Global Non-Linear Effect of Temperature on Economic Production. Nature, 527(7577), 235–239.
Cline, W. R. (1992). The Economics of Global Warming. Institute for International Economics.
Cohen, M. (2024). Réchauffement climatique : quel impact sur la croissance ? The Other Economy (fiche en ligne).
Cutinelli-Rendina, O. (2025). Action publique environnementale, cours 4 : Évaluation de l’impact du changement climatique sur l’économie. Sciences Po Strasbourg.
d’Arge, R. C. (1975). Economic and Social Measures of Biologic and Climatic Change, vol. 6. Institute for Defense Analyses.
Dasgupta, P. & Heal, G. (1974). The Optimal Depletion of Exhaustible Resources. Review of Economic Studies, 41, 3–28.
Dell, M., Jones, B. F. & Olken, B. A. (2012). Temperature Shocks and Economic Growth: Evidence from the Last Half Century. American Economic Journal: Macroeconomics, 4(3), 66–95.
Jancovici, J.-M. (2018). Nordhaus contre le climat. Les Échos, 20 novembre.
Keen, S. (2020). The Appallingly Bad Neoclassical Economics of Climate Change. Globalizations.
Macrobe. Commentarii in Somnium Scipionis, manuscrit, v. 1150. Copenhague, Det Kongelige Bibliotek, NKS 218 4°, fol. 34r.
Mendelsohn, R., Nordhaus, W. D. & Shaw, D. (1994). The Impact of Global Warming on Agriculture: A Ricardian Analysis. American Economic Review, 84(4), 753–771.

Références (2/2)

Moore, F. C., Baldos, U., Hertel, T. & Diaz, D. (2017). New Science of Climate Change Impacts on Agriculture Implies Higher Social Cost of Carbon. Nature Communications, 8, 1607.
Moore, F. C. & Diaz, D. B. (2015). Temperature Impacts on Economic Growth Warrant Stringent Mitigation Policy. Nature Climate Change, 5(2), 127–131.
Moore, F. C., Drupp, M. A., Rising, J., Dietz, S., Rudik, I. & Wagner, G. (2024). Synthesis of Evidence Yields High Social Cost of Carbon due to Structural Model Variation and Uncertainties. PNAS, 121(52), e2410733121.
Nordhaus, W. D. (2018a). Projections and Uncertainties about Climate Change in an Era of Minimal Climate Policies. American Economic Journal: Economic Policy, 10(3), 333–360.
Nordhaus, W. D. (2018b). Evolution of Modeling of the Economics of Global Warming: Changes in the DICE Model, 1992–2017. Climatic Change, 148(4), 623–640.
Pindyck, R. S. (2013). Climate Change Policy: What Do the Models Tell Us? Journal of Economic Literature, 51(3), 860–872.
Rennert, K. et al. (2022). Comprehensive Evidence Implies a Higher Social Cost of CO₂. Nature, 610(7933), 687–692.
Schlenker, W., Hanemann, W. M. & Fisher, A. C. (2005). Will U.S. Agriculture Really Benefit from Global Warming? Accounting for Irrigation in the Hedonic Approach. American Economic Review, 95(1), 395–406.
Schubert, K. (2019). William D. Nordhaus : intégrer le changement climatique dans l’analyse macroéconomique de long terme. Revue d’économie politique, 129(6), 887–908.
Solow, R. M. (1974). The Economics of Resources or the Resources of Economics. American Economic Review, 64(2), 1–14.
Stern, N. (2007). The Economics of Climate Change: The Stern Review. Cambridge University Press.
Stiglitz, J. (1974). Growth with Exhaustible Natural Resources: Efficient and Optimal Growth Paths. Review of Economic Studies, 41, 123–137.
The Shift Project & IFPEN (2019). Comprendre les enjeux de la modélisation du lien complexe entre énergie, climat et économie.
Tol, R. S. J. (2018). The Economic Impacts of Climate Change. Review of Environmental Economics and Policy, 12(1), 4–25.

La prochaine fois

Chapitre 5 : L’identité de Kaya et la courbe environnementale de Kuznets

Carbone 4 (2021), Découplage et croissance verte lien.
EEB (Parrique et al., 2019), Découplage démantelé (traduction française) lien.
Girard, P.-L., Le Gall, C., Meignan, W. & Wen, P. (2022), Croissance et décarbonation de l’économie, Trésor-Éco n°315, Direction générale du Trésor lien.

Rôle	Notation	Exemple
Variable expliquée : ce qu’on cherche à expliquer	\(Y\)	rendement agricole
Variable explicative : la cause qui nous intéresse	\(X\)	température
Variable de contrôle : un autre facteur, qu’on « neutralise »	\(Z\)	irrigation
Terme d’erreur : tout le reste, non observé	\(\varepsilon\)	sols, savoir-faire, chance…

Chapitre 4 : PIB, modélisation et climat

Plan du chapitre

Introduction

Comment le changement climatique affecte-t-il l’économie ?

Une vieille idée : le climat façonne l’activité humaine

Quelques exemples de secteurs touchés par le changement climatique

Le corpus d’aujourd’hui

Qu’est ce qu’un modèle macroéconomique ?

Qu’est ce qu’un modèle empirique ?

La régression univariée

La régression multivariée : ajouter un contrôle

Modèles d’évaluation intégrés (IAM)

2 approches de la modélisation du couple économie et climat

Coût-bénéfice

Coût-efficacité

Analogie : isolation de son logement

Coût-bénéfice

Coût-efficacité

Fonction de dommages

William Nordhaus

Chiffrer les dommages : deux approches

Approche structurelle

Approche empirique

Structure d’un IAM

Le modèle économique

Le modèle du cycle du carbone

Le modèle de température

La fonction de dommages

La fonction de dommages : d’où vient Ω ?

Calibrer Ω : une méta-analyse

Une fonction de dommages « méta »

Les critiques de la fonction de dommages

Ignorer l’adaptation fausse le calcul des dommages

Avec ou sans adaptation : deux prévisions

Estimer les dommages à partir des données

Le problème du contrefactuel

Les types de données

Coupe transversale : l’approche ricardienne

Panel et effets fixes

Burke et al. (2015) : une courbe en cloche

Riches et pauvres

Peu d’adaptation au fil du temps

Projections 2100 : empirique vs IAM

Critiques

Ce qu’on sait, ce qu’on ignore

Utiliser Ω pour calculer le coût social du carbone

Le coût social du carbone : définition

L’actualisation : la clé du CSC

Simulations de différents scénarios avec DICE

Le coût social du carbone selon les scénarios

Synthèse : de 1 $ à plus de 1 000 $

Conclusion : les critiques de DICE

« Nordhaus contre le climat » (Jancovici 2018)

Références (1/2)

Références (2/2)

La prochaine fois

Chapitre 5 : L’identité de Kaya et la courbe environnementale de Kuznets