PRÉLIMINAIRES

I. Note à l’étudiant et philosophie de l’UE

Cette Unité d’Enseignement transcende la simple accumulation de formules mathématiques. Elle constitue un arsenal intellectuel destiné à déconstruire, modéliser et résoudre les problématiques économiques complexes. L’objectif est de forger des analystes capables de transformer les données brutes et les intuitions théoriques en stratégies quantifiées et en décisions éclairées. L’approche est résolument pragmatique, chaque outil étant immédiatement contextualisé dans le tissu économique de la République Démocratique du Congo.

II. Compétences visées et débouchés professionnels

Au terme de ce cours, l’étudiant maîtrisera la modélisation des interactions stratégiques, la résolution de problèmes d’allocation intertemporelle et l’analyse des dynamiques temporelles. Ces compétences sont directement monétisables sur le marché du travail congolais et international. Elles ouvrent la voie aux carrières d’Économètre au sein de la Banque Centrale du Congo ou des ministères (Plan, Finances), d’Analyste quantitatif pour les banques commerciales et fonds d’investissement, ou de Modélisateur macroéconomique pour les institutions de développement.

III. Prérequis mathématiques et statistiques

Une maîtrise rigoureuse des concepts fondamentaux est non négociable pour aborder cette UE. Sont requis : une connaissance approfondie de l’algèbre linéaire (espaces vectoriels, valeurs propres), du calcul différentiel et intégral (optimisation sous contrainte, équations différentielles simples) et des probabilités et statistiques inférentielles (lois de probabilité, tests d’hypothèses, régression linéaire simple). L’aisance avec un logiciel statistique (R, Stata ou Python) est un atout majeur.

IV. Articulation de l’UE avec les défis socio-économiques de la RDC

Face aux défis de la diversification économique, de la gestion des ressources naturelles et de la maîtrise de l’inflation, la RDC a un besoin critique d’expertise quantitative. Cette UE fournit les outils pour analyser l’impact d’une politique fiscale, modéliser la concurrence dans le secteur des télécommunications, optimiser la gestion du portefeuille de la dette publique ou prévoir l’évolution du taux de change. Chaque chapitre ancre la théorie dans ces réalités pour former des acteurs du changement.

PARTIE 1 : FONDEMENTS DE LA MODÉLISATION STRATÉGIQUE ET DYNAMIQUE

Chapitre I. Introduction à la modélisation quantitative en économie

I.1 De la théorie économique à la formalisation mathématique

La transition de l’intuition économique qualitative vers un modèle mathématique rigoureux constitue le socle de l’analyse moderne. Ce processus permet de tester la cohérence logique des théories et de générer des prédictions falsifiables. Nous explorons ici comment traduire des concepts comme l’utilité, la production ou la concurrence en un système d’équations et d’inégalités, étape indispensable pour évaluer l’impact des politiques publiques en RDC, de la subvention des carburants à la réforme agraire.

I.2 Typologie des modèles et champs d’application

Une connaissance fine de la taxonomie des modèles économiques est essentielle pour choisir l’outil adéquat. Ce sous-chapitre classifie les modèles selon leurs dimensions (statique/dynamique, déterministe/stochastique, équilibre partiel/général) et leurs finalités (descriptif, prédictif, normatif). L’étudiant apprendra à identifier si la modélisation de la volatilité du prix du cobalt requiert un modèle stochastique ou si l’analyse d’un accord commercial nécessite une approche d’équilibre général.

I.3 Rôle de l’économètre et du modélisateur dans l’écosystème congolais

Au-delà de la technique, la fonction de modélisateur implique une responsabilité sociétale. Cette section définit le rôle de l’analyste quantitatif comme un architecte de la décision, que ce soit au sein d’une direction stratégique d’entreprise à Kinshasa ou d’une cellule d’analyse au Ministère du Plan. Il s’agit de quantifier les risques, d’évaluer les scénarios et de communiquer des résultats complexes de manière intelligible aux décideurs politiques et économiques non-spécialistes.

I.4 Éthique et limites de la modélisation

Un modèle, par essence, est une simplification de la réalité. Reconnaître ses limites est une preuve de compétence. Ce point aborde les questions éthiques liées au choix des hypothèses, à la manipulation des données et à l’interprétation des résultats. Nous analysons comment les biais implicites d’un modèle peuvent renforcer des inégalités existantes et discutons de la responsabilité de l’analyste dans la présentation transparente des incertitudes et des hypothèses critiques, particulièrement dans le contexte de développement de la RDC.

Chapitre II. Théorie des jeux non coopératifs : Interactions statiques

II.1 Formalisation des interactions stratégiques : jeux sous forme normale

Toute situation où le gain d’un agent dépend des actions des autres relève de l’analyse stratégique. Ce sous-chapitre introduit la grammaire de la théorie des jeux : joueurs, stratégies, et fonctions de gains, matérialisés dans la matrice des paiements. L’étudiant apprendra à transformer une situation économique concrète, comme la décision de deux opérateurs de téléphonie mobile en RDC de lancer ou non une campagne promotionnelle agressive, en un jeu sous forme normale.

II.2 Concept de l’équilibre de Nash et rationalisabilité

L’équilibre de Nash constitue la pierre angulaire de la prédiction en contexte d’interaction stratégique. Il décrit une situation où aucun joueur n’a intérêt à dévier unilatéralement de sa stratégie. Cette section se concentre sur les techniques d’identification de ces équilibres par élimination itérative des stratégies strictement dominées. L’application portera sur l’analyse de la stabilité des prix dans un duopole sur le marché du ciment à Lubumbashi.

II.3 Stratégies mixtes : l’introduction de l’aléa dans la décision

Face à l’absence d’équilibre en stratégies pures, l’introduction de probabilités dans le processus de décision devient nécessaire. Les stratégies mixtes permettent de modéliser l’incertitude d’un joueur quant au choix de son adversaire. Nous démontrerons mathématiquement comment calculer les probabilités d’équilibre qui rendent l’adversaire indifférent entre ses propres choix, une technique cruciale pour analyser des situations de contrôle fiscal aléatoire ou d’inspection douanière.

II.4 Applications aux structures de marché : duopole de Cournot et Bertrand

Les modèles de Cournot (concurrence en quantités) et de Bertrand (concurrence en prix) sont les applications canoniques de la théorie des jeux à l’économie industrielle. Ce point analyse en profondeur comment la nature de la variable stratégique modifie radicalement l’issue du marché. Ces modèles seront appliqués pour évaluer l’intensité concurrentielle et le pouvoir de marché des acteurs dans des secteurs clés de l’économie congolaise, comme la production de bière ou les services bancaires.

Chapitre III. Théorie des jeux non coopératifs : Interactions dynamiques

III.1 Représentation des jeux dynamiques : la forme extensive et l’information

Lorsque les décisions se succèdent dans le temps, la séquence des actions devient primordiale. Ce sous-chapitre introduit la représentation en arbre (forme extensive) pour cartographier les jeux dynamiques. Une attention particulière est portée à la modélisation de l’information (parfaite, imparfaite, complète, incomplète), un élément crucial pour analyser des scénarios de négociation entre le gouvernement congolais et une multinationale minière sur les termes d’un contrat.

III.2 Résolution par induction à rebours et équilibre parfait en sous-jeux

Dans un jeu dynamique, les menaces doivent être crédibles pour être efficaces. La méthode de l’induction à rebours permet d’élaguer les stratégies basées sur des menaces non crédibles en résolvant le jeu à partir de la fin. Ce processus mène au concept d’équilibre parfait en sous-jeux. L’étudiant appliquera cette technique pour déterminer l’issue d’un jeu d’entrée sur un marché, où un monopole en place menace de baisser ses prix face à un nouvel entrant potentiel.

III.3 Jeux répétés et émergence de la coopération

La répétition des interactions peut transformer un conflit en coopération. Ce point explore comment la perspective de gains futurs peut inciter des agents égoïstes à coopérer aujourd’hui (stratégie du “Tit-for-Tat”). Le “Folk Theorem” est présenté comme le résultat fondamental montrant la multiplicité des équilibres possibles. Ceci est essentiel pour comprendre la stabilité des cartels informels ou la pérennité des accords au sein des chaînes d’approvisionnement agricoles en RDC.

III.4 Modélisation des enchères et applications aux licences publiques en RDC

La vente de biens ou de droits via un mécanisme d’enchères est un problème économique central. Cette section analyse les quatre formats d’enchères de base (anglaise, hollandaise, premier prix et second prix sous pli scellé) et le théorème d’équivalence des revenus. L’application directe consistera à concevoir et évaluer un mécanisme d’enchères optimal pour l’attribution par l’État congolais de licences d’exploitation forestière, de blocs pétroliers ou de fréquences 5G.

Chapitre IV. Optimisation dynamique en temps discret

IV.1 Le principe d’optimalité de Bellman comme fondement de la décision séquentielle

Toute stratégie optimale doit posséder la propriété que, quelle que soit la décision initiale, les décisions restantes constituent une politique optimale par rapport à l’état résultant de la première décision. Ce principe d’optimalité de Bellman est la clé de voûte de la programmation dynamique. Il permet de décomposer un problème intertemporel complexe en une séquence de problèmes plus simples, résolus de manière récursive.

IV.2 Programmation dynamique déterministe : allocation de ressources intertemporelle

Sous l’hypothèse de certitude, la programmation dynamique permet de résoudre des problèmes d’allocation de ressources dans le temps. Ce sous-chapitre formalise et résout des problèmes canoniques comme celui du plus court chemin ou de la gestion optimale d’un stock. L’application portera sur la planification de la production d’une cimenterie du Kongo Central pour répondre à une demande saisonnière tout en minimisant les coûts de stockage et de production.

IV.3 Introduction de l’incertitude : la programmation dynamique stochastique

L’incertitude est la norme, non l’exception, dans les décisions économiques. Cette section introduit l’aléa dans les modèles de programmation dynamique. L’objectif n’est plus de maximiser un résultat, mais l’espérance d’utilité de ce résultat. Nous modéliserons la décision d’un agriculteur de la plaine de la Ruzizi qui doit choisir ses cultures en fonction des probabilités de pluie et des fluctuations attendues des prix sur les marchés de Bukavu.

IV.4 Application à la gestion de portefeuille et aux décisions d’investissement

La programmation dynamique est l’outil par excellence pour la gestion d’actifs financiers. Ce point montre comment un investisseur peut déterminer sa stratégie optimale d’allocation entre un actif risqué (actions) et un actif sans risque (bons du Trésor) sur plusieurs périodes. Le modèle sera adapté pour analyser les décisions d’investissement d’un fonds de pension congolais, en tenant compte de son horizon temporel et de son aversion au risque.

Chapitre V. Optimisation dynamique en temps continu

V.1 Du temps discret au temps continu : l’équation de Hamilton-Jacobi-Bellman

Le passage au temps continu permet de modéliser des ajustements instantanés et d’obtenir des solutions analytiques plus élégantes. Ce sous-chapitre effectue la transition mathématique de l’équation de Bellman en temps discret vers son analogue en temps continu, la fondamentale équation de Hamilton-Jacobi-Bellman (HJB). Sa maîtrise est indispensable pour aborder la littérature macroéconomique et financière moderne.

V.2 Le calcul des variations et le principe du maximum de Pontryagin

Pour les problèmes déterministes en temps continu, le principe du maximum de Pontryagin offre une méthode de résolution puissante, alternative à l’équation HJB. Il s’agit d’une généralisation du calcul des variations. L’étudiant apprendra à formuler l’Hamiltonien, à dériver les conditions nécessaires d’optimalité (incluant l’équation d’état, l’équation adjointe et la condition de transversalité) pour trouver la trajectoire optimale d’une variable de contrôle.

V.3 Modèles de croissance optimale : Ramsey-Cass-Koopmans

Le modèle de Ramsey-Cass-Koopmans est l’archétype du modèle de croissance macroéconomique basé sur une optimisation intertemporelle par un agent représentatif. Il permet de déterminer la trajectoire optimale d’accumulation du capital et de consommation pour une économie. Nous l’utiliserons pour analyser les arbitrages entre consommation présente et investissement (consommation future) et pour évaluer l’impact à long terme d’une politique d’investissement public en infrastructures en RDC.

V.4 Application à l’extraction optimale des ressources non renouvelables (Règle de Hotelling)

Pour un pays comme la RDC, riche en ressources minières, la question de leur rythme d’extraction est cruciale. Ce sous-chapitre applique le contrôle optimal pour dériver la règle de Hotelling, qui stipule que le prix net d’une ressource non renouvelable doit croître au taux d’intérêt. Ce cadre permet d’analyser la stratégie optimale de gestion des revenus du cuivre et du cobalt pour maximiser le bien-être intergénérationnel de la nation.

Chapitre VI. Introduction à l’économétrie des séries temporelles

VI.1 Nature et spécificités des données temporelles en économie congolaise

Les données chronologiques (PIB, inflation, taux de change) possèdent une structure de dépendance temporelle qui viole les hypothèses de la régression standard. Ce point explore les concepts d’autocorrélation et d’hétéroscédasticité conditionnelle. Une attention particulière sera portée aux défis des séries temporelles en RDC : présence de ruptures structurelles (dues aux conflits ou réformes), données manquantes et faible fréquence de publication.

VI.2 Processus stochastiques, stationnarité et non-stationnarité

La notion de stationnarité, qui implique que les propriétés statistiques d’une série (moyenne, variance) sont constantes dans le temps, est fondamentale. Ce sous-chapitre définit formellement les processus stochastiques et distingue les séries stationnaires des séries non-stationnaires (à racine unitaire), qui exhibent des tendances stochastiques. Comprendre cette distinction est vital, car l’application de techniques standards à des données non-stationnaires produit des résultats fallacieux.

VI.3 Modèles autorégressifs (AR), à moyenne mobile (MA) et mixtes (ARMA)

Pour les séries stationnaires, les modèles ARMA constituent la classe d’outils de base pour la modélisation et la prévision. Un processus AR exprime la valeur actuelle en fonction de ses valeurs passées, tandis qu’un processus MA la modélise en fonction des erreurs de prévision passées. La méthodologie de Box-Jenkins (identification, estimation, validation) sera appliquée pour modéliser et prévoir l’inflation mensuelle à Kinshasa.

VI.4 Tests de racine unitaire (Dickey-Fuller) et concept de coïntégration

Avant toute modélisation, il est impératif de tester la stationnarité d’une série. Ce sous-chapitre présente les tests de racine unitaire de Dickey-Fuller (standard, augmenté). Il introduit ensuite le concept révolutionnaire de coïntégration : deux séries non-stationnaires peuvent partager une tendance commune, impliquant une relation d’équilibre à long terme stable. Ceci permet de modéliser la relation de long terme entre les importations et le PIB en RDC, malgré leur non-stationnarité individuelle.

PARTIE 2 : MODÉLISATION AVANCÉE ET APPLICATIONS ÉCONOMÉTRIQUES

Chapitre V. Fondamentaux des Jeux Stratégiques et Équilibres

V.1 Formalisation des Jeux et Matrices de Gains

La formalisation rigoureuse des interactions stratégiques constitue le socle de l’analyse économique moderne. Ce point détaille la construction de jeux sous forme normale, en définissant les ensembles de joueurs, d’actions et les fonctions de gains. L’étudiant apprendra à traduire une situation concurrentielle, comme la compétition entre deux opérateurs miniers pour une concession en Ituri, en une matrice de gains claire, permettant d’identifier les incitations et les résultats potentiels de chaque décision stratégique.

V.2 Concepts de Dominance et Équilibre de Nash

Au cœur de l’analyse non coopérative, l’équilibre de Nash identifie les profils de stratégies où aucun joueur n’a d’intérêt unilatéral à dévier. Cette section enseigne les techniques d’élimination itérative des stratégies strictement dominées pour simplifier le jeu et converger vers l’équilibre. L’application portera sur l’analyse de la stabilité des prix dans le secteur des télécommunications à Kinshasa, démontrant pourquoi la collusion est difficile à maintenir sans mécanismes de sanction explicites.

V.3 Jeux à Stratégies Mixtes et Incertitude

Face à l’absence d’équilibre en stratégies pures, l’introduction des stratégies mixtes permet de modéliser le comportement des agents qui randomisent leurs décisions. Nous explorons ici le calcul des probabilités d’équilibre et l’interprétation économique de l’indifférence d’un joueur. Ce concept est crucial pour analyser les stratégies d’audit fiscal en RDC ou les décisions d’investissement dans des projets agricoles à haut risque dans le Grand Kivu, où l’incertitude est une variable clé.

V.4 Applications à la Concurrence Oligopolistique (Cournot, Bertrand)

Une application directe de la théorie des jeux réside dans la modélisation de la concurrence en oligopole. Cette section compare les modèles de Cournot (concurrence en quantités) et de Bertrand (concurrence en prix), en dérivant les fonctions de réaction et les équilibres de marché. L’étudiant sera capable de calibrer ces modèles pour le marché du ciment ou des boissons en RDC, afin de prédire les niveaux de production et les prix en fonction du nombre d’acteurs et de leur comportement stratégique.

Chapitre VI. Jeux Dynamiques et Information Imparfaite

VI.1 Représentation en Forme Extensive et Induction à Rebours

Les jeux dynamiques, où les joueurs agissent séquentiellement, exigent une représentation sous forme d’arbre de décision. Cette section introduit la forme extensive et le principe de l’induction à rebours pour trouver l’équilibre parfait en sous-jeux. Cette méthode est appliquée à la modélisation d’une négociation entre le gouvernement congolais et une multinationale pour la révision d’un contrat minier, permettant d’anticiper les offres et contre-offres successives et de déterminer la stratégie optimale à chaque étape.

VI.2 Modèles de Négociation Séquentielle (Rubinstein)

Le modèle de négociation de Rubinstein formalise le partage d’un surplus entre deux joueurs impatients. Nous analysons ici comment le taux d’escompte (l’impatience) de chaque partie influence la répartition finale du gain. Cet outil est essentiel pour comprendre l’issue des négociations salariales dans les grandes entreprises publiques en RDC ou pour structurer des accords de joint-venture entre partenaires locaux et investisseurs étrangers, en optimisant la part capturée par la partie congolaise.

VI.3 Jeux Répétés, Coopération et Stratégies de Déclenchement

La répétition d’une interaction stratégique peut faire émerger la coopération, même dans des situations de type “dilemme du prisonnier”. Ce sous-chapitre explore les stratégies de déclenchement (“trigger strategies”) comme le “Tit-for-Tat” et les conditions sous lesquelles elles soutiennent un équilibre coopératif. L’analyse est contextualisée à la gestion des ressources communes, comme les zones de pêche sur le fleuve Congo, montrant comment des règles communautaires peuvent prévenir la surexploitation.

VI.4 Jeux Bayésiens et Information Asymétrique

L’introduction de l’information asymétrique, où les joueurs ne connaissent pas parfaitement les caractéristiques (ou “types”) de leurs adversaires, mène aux jeux bayésiens. L’étudiant apprendra à calculer l’équilibre de Nash bayésien. Cette compétence est fondamentale pour modéliser le marché du crédit en RDC, où les banques font face à une incertitude sur la solvabilité des emprunteurs, ou pour analyser les mécanismes d’enchères pour l’attribution des licences de télécommunication.

Chapitre VII. Principes de l’Optimisation Dynamique

VII.1 Contrôle Optimal en Temps Continu et Équation de Hamilton-Jacobi-Bellman

Le contrôle optimal fournit un cadre pour résoudre les problèmes de décision intertemporelle en temps continu. Cette section se concentre sur la dérivation et la résolution de l’équation de Hamilton-Jacobi-Bellman (HJB), qui caractérise la fonction valeur du problème. La maîtrise de cet outil permet de déterminer la trajectoire optimale d’extraction des ressources minières non renouvelables (cuivre, cobalt) pour maximiser la valeur actualisée des revenus de l’État congolais sur plusieurs décennies.

VII.2 Programmation Dynamique en Temps Discret et Équation de Bellman

Pour les problèmes de décision séquentielle à horizon fini ou infini, la programmation dynamique et l’équation de Bellman sont l’outil de référence. Nous procédons ici à la résolution de problèmes par itération sur la fonction valeur. L’application pratique portera sur la gestion optimale d’un portefeuille d’actifs financiers par un investisseur à Kinshasa ou la planification de la maintenance des infrastructures hydroélectriques (barrages d’Inga) pour minimiser les coûts sur le long terme.

VII.3 Calcul des Variations et Équation d’Euler-Lagrange

Technique fondatrice de l’optimisation dynamique, le calcul des variations permet de trouver la trajectoire qui optimise une fonctionnelle. Ce point se focalise sur la dérivation de l’équation d’Euler-Lagrange, une condition nécessaire d’optimalité. L’étudiant l’appliquera pour résoudre le problème canonique de la consommation intertemporelle (modèle de Ramsey), un pilier de la macroéconomie dynamique essentiel pour analyser les politiques d’épargne et de croissance en RDC.

VII.4 Applications aux Modèles de Croissance Économique Optimale

Une connaissance approfondie des dynamiques de croissance est vitale. Ce sous-chapitre applique les outils d’optimisation dynamique (contrôle optimal, programmation dynamique) aux modèles de croissance néoclassique (Solow, Ramsey) et de croissance endogène. L’objectif est de permettre à l’étudiant de simuler l’impact de différentes politiques publiques (investissement en capital humain, infrastructures) sur la trajectoire de croissance à long terme de l’économie congolaise et d’identifier les leviers optimaux.

Chapitre VIII. Analyse Univariée des Séries Temporelles

VIII.1 Processus Stochastiques, Stationnarité et Bruit Blanc

L’analyse des séries temporelles débute par la compréhension de leurs propriétés stochastiques. Cette section définit les concepts de stationnarité (faible et forte), d’ergodicité et de processus bruit blanc, qui sont les briques de base de la modélisation. L’étudiant apprendra à identifier graphiquement et statistiquement ces propriétés sur des données macroéconomiques congolaises, comme l’inflation ou le taux de change, condition sine qua non pour une modélisation économétrique valide.

VIII.2 Modèles Autorégressifs (AR), à Moyenne Mobile (MA) et ARMA

Dérivés du théorème de décomposition de Wold, les modèles ARMA (AutoRegressive Moving Average) permettent de capturer la structure de dépendance temporelle d’une série stationnaire. Nous détaillons ici la méthodologie de Box-Jenkins (identification, estimation, validation) pour sélectionner le modèle adéquat. L’étudiant sera capable de modéliser et de prévoir à court terme l’évolution de la production agricole (café, cacao) en RDC en se basant sur ses dynamiques passées.

VIII.3 Non-Stationnarité, Racines Unitaires et Tests de Dickey-Fuller

Face au caractère souvent non-stationnaire des séries économiques, la détection de racines unitaires est une étape cruciale. Ce point présente la théorie des processus intégrés (I(1)) et les tests statistiques pour les identifier (Dickey-Fuller, ADF, Phillips-Perron). La maîtrise de ces tests est indispensable pour éviter les régressions fallacieuses lors de l’étude des relations entre le PIB et la consommation en RDC, et pour déterminer la nécessité de différencier les séries.

VIII.4 Modèles ARIMA et SARIMA pour la Prévision

L’extension des modèles ARMA aux séries non-stationnaires donne naissance aux modèles ARIMA (AutoRegressive Integrated Moving Average). Cette section couvre également les modèles saisonniers (SARIMA), particulièrement pertinents pour les données économiques. L’étudiant appliquera cette méthodologie pour construire des modèles prédictifs robustes pour les recettes fiscales mensuelles de la RDC ou pour anticiper les pics de demande d’électricité liés aux cycles saisonniers.

Chapitre IX. Modélisation Multivariée et Cointégration

IX.1 Modèles Vectoriels Autorégressifs (VAR)

Sous l’angle des interdépendances, les modèles VAR analysent les dynamiques conjointes de plusieurs séries temporelles sans imposer de restrictions théoriques a priori. Cette section couvre l’estimation, la sélection du nombre de retards et l’interprétation des modèles VAR. L’étudiant modélisera le système macroéconomique congolais en analysant les interactions entre la politique monétaire (taux directeur de la BCC), l’inflation et la croissance du PIB.

IX.2 Fonctions de Réponse Impulsionnelle et Décomposition de la Variance

La maîtrise des modèles VAR passe par l’analyse de leurs résultats. Nous explorons ici les fonctions de réponse impulsionnelle (IRF) pour tracer l’effet d’un choc sur une variable sur l’ensemble du système, et la décomposition de la variance de l’erreur de prévision (FEVD) pour quantifier l’importance relative des chocs. Ces outils permettront d’évaluer l’impact d’un choc sur les prix du cobalt sur l’économie congolaise (taux de change, recettes d’exportation).

IX.3 Concept de Cointégration et Test de Johansen

Lorsque des séries non-stationnaires partagent une tendance stochastique commune, elles sont dites cointégrées, impliquant une relation d’équilibre de long terme. Ce sous-chapitre introduit le concept de cointégration et présente la procédure de test de Johansen pour déterminer le nombre de relations de long terme. L’application portera sur la validation de la théorie de la parité des pouvoirs d’achat pour le Franc Congolais face au dollar américain.

IX.4 Modèles à Correction d’Erreur (VECM)

Le modèle vectoriel à correction d’erreur (VECM) est la représentation adéquate pour des séries cointégrées, car il distingue les dynamiques de court terme de l’ajustement vers l’équilibre de long terme. L’étudiant apprendra à estimer et interpréter un VECM. Ce modèle sera utilisé pour analyser la relation de long terme entre l’investissement privé, l’investissement public et la croissance économique en RDC, en quantifiant la vitesse de retour à l’équilibre après un choc.

Chapitre X. Construction et Application des Modèles d’Équilibre Général Calculable (MEGC)

X.1 Fondements Microéconomiques et Matrice de Comptabilité Sociale (MCS)

Essentiels pour l’analyse de politiques, les MEGC reposent sur une représentation complète de l’économie. Ce point détaille la construction d’une Matrice de Comptabilité Sociale (MCS), qui est la base de données du modèle, cartographiant tous les flux monétaires entre les agents (ménages, entreprises, État). L’étudiant comprendra comment une MCS pour la RDC peut être structurée pour capturer les spécificités de son économie, notamment le poids du secteur informel.

X.2 Spécification du Modèle : Comportements des Agents et Clôtures

La spécification d’un MEGC consiste à définir les équations de comportement des agents économiques (fonctions de production, de consommation) et les règles d’équilibrage des marchés (clôtures macroéconomiques). Nous analysons ici l’impact du choix d’une clôture (néoclassique, keynésienne, etc.) sur les résultats de simulation. L’étudiant apprendra à justifier le choix d’une spécification adaptée au contexte congolais, par exemple en modélisant un marché du travail segmenté.

X.3 Calibration du Modèle et Analyse de Scénarios de Politique

Un MEGC est calibré pour répliquer les données de l’année de base (la MCS). Cette section enseigne les techniques de calibration et la méthodologie de simulation de chocs de politique économique. L’étudiant sera mis en situation pour évaluer l’impact d’une réforme fiscale en RDC, comme l’introduction d’une TVA à taux unique, sur la croissance, la distribution des revenus et les recettes de l’État, en comparant le scénario de réforme au scénario de base.

X.4 Évaluation d’Impact des Politiques Commerciales et Sectorielles

Une application puissante des MEGC est l’évaluation ex-ante des politiques commerciales et sectorielles. Ce sous-chapitre démontre comment utiliser un MEGC pour simuler les effets de l’adhésion de la RDC à une nouvelle zone de libre-échange (comme la ZLECAf) ou d’un programme d’investissement massif dans le secteur agricole. L’analyse quantifie les gains et les pertes par secteur et par type de ménage, fournissant un outil d’aide à la décision inestimable pour les décideurs publics.

ANNEXES

A. Guide de démarrage des logiciels d’analyse quantitative

Face à la complexité des modèles étudiés, la maîtrise d’outils logiciels est non négociable. Cette annexe fournit les configurations initiales et des scripts de base pour R et Python, les deux standards de l’analyse quantitative. Sont inclus des exemples de code pour l’estimation de modèles VAR sur des données de la BCC et la résolution de programmes dynamiques simples. L’objectif est de rendre l’étudiant immédiatement opérationnel pour la manipulation et l’analyse de données économiques réelles.

B. Répertoire des sources de données macroéconomiques et sectorielles pour la RDC

Une analyse économétrique rigoureuse exige un accès fiable aux données primaires. Ce répertoire compile et évalue les portails de données essentiels pour la RDC : Banque Centrale du Congo (indicateurs monétaires), Institut National de la Statistique (comptes nationaux), et les bases de données internationales (FMI, Banque Mondiale). Pour chaque source, des instructions d’accès et des conseils critiques sur le traitement des données manquantes ou des ruptures de séries sont fournis, garantissant une base empirique solide.

C. Schéma de calibration d’un modèle EGC simplifié pour l’économie congolaise

La calibration d’un modèle d’équilibre général calculable (EGC) est l’acte fondateur de la simulation de politiques économiques. Cette annexe présente la structure d’une Matrice de Comptabilité Sociale (MCS) simplifiée pour la RDC, distinguant les secteurs minier, agricole et des services. Elle détaille la méthode de réconciliation des données issues des comptes nationaux et des enquêtes ménages pour estimer les paramètres clés. L’étudiant apprendra à construire la base de référence pour simuler l’impact d’un choc fiscal.

D. Étude de cas : Modélisation par la théorie des jeux des interactions dans le secteur minier du Katanga

Les interactions stratégiques entre l’État congolais et les multinationales minières du Katanga offrent un cas d’école. Cette annexe formalise ce rapport de force en un jeu non coopératif. Sont définis les joueurs (Gouvernement, Opérateur minier), leurs stratégies (respect du code minier, renégociation, optimisation fiscale) et les fonctions de gains associées. L’analyse de l’équilibre de Nash de ce jeu permet d’éclairer les dynamiques de négociation et la stabilité des investissements dans le secteur.

Lire aussi :

Cours de Gestion de la production, licence-3, GEP1361

Cours de Economie des ressources physiques, annee-inconnue, ERP2233

Cours de Management 1, licence-1, MNG1122,

Cours de Créativité et innovation, annee-inconnue, CIN2231

Cours de Management des projets, annee-inconnue, MNP1361

Cours de Contraintes du management des projets, annee-inconnue, CMP2121