Martha Gimbel : Pourquoi les décideurs politiques doivent penser au-delà du rapport trimestriel

La politique économique opère sur des échelles de temps qui s’alignent rarement avec les cycles politiques ou les observations du marché. Martha Gimbel, directrice exécutive et cofondatrice du Yale’s Budget Lab, affirme que l’obsession de Washington pour les indicateurs immédiats masque une vérité fondamentale : de nombreuses politiques prennent des années—parfois des décennies—pour révéler leur plein impact.

L’économiste, qui a auparavant été conseillère principale au Conseil des conseillers économiques de la Maison Blanche, a consacré sa carrière à analyser comment les décisions fiscales résonnent à travers les marchés du travail et l’économie en général. Ses recherches mettent en lumière des angles morts cruciaux dans la façon dont les décideurs mesurent et réagissent aux changements économiques.

La chronologie cachée de la politique économique

Lorsque les gouvernements mettent en œuvre des politiques ambitieuses, le récit se concentre généralement sur des indicateurs à court terme : croissance du PIB, taux de chômage, mouvements boursiers. Mais Gimbel souligne que cette approche par instantané rate les véritables conséquences des choix politiques.

« Les politiques à long terme ont souvent des effets qui ne sont pas immédiatement visibles », explique-t-elle. Un plan de relance peut stimuler temporairement la croissance, mais la dette accumulée peut freiner l’économie pendant des années. Les investissements dans les infrastructures peuvent sembler coûteux au début, mais leurs bénéfices en termes de productivité peuvent s’accumuler avec le temps. Les analyses à court terme, par définition, ne peuvent pas saisir ces dynamiques.

Le défi s’intensifie lorsque des considérations géopolitiques entrent en jeu. Toutes les politiques économiques ne sont pas principalement conçues pour la croissance. Certaines servent des objectifs stratégiques ou diplomatiques—utiliser des tarifs comme levier, ajuster les règles commerciales pour contrer des rivaux, ou faire des choix délibérés qui subordonnent l’efficacité économique pure à des intérêts nationaux plus larges. Comprendre une politique nécessite de saisir ses véritables objectifs, qui dépassent souvent les chiffres du PIB.

Pourquoi les données officielles surpassent les rapports d’entreprises

Les décideurs sont de plus en plus tentés de se fier aux données en temps réel du secteur privé plutôt que d’attendre les statistiques officielles du gouvernement. Les annonces de licenciements dans le privé font la une immédiatement. Les entreprises technologiques annoncent publiquement des réductions d’effectifs. Les flux de données du marché donnent les prix et transactions actuels. Pourquoi attendre la Réserve fédérale ou le Bureau of Labor Statistics ?

La réponse de Martha Gimbel est simple : les données privées ne peuvent pas remplacer les statistiques officielles car elles sont systématiquement incomplètes. Les données sur les licenciements des entreprises sont fortement biaisées en faveur des grandes sociétés visibles—celles qui font la une. Les petites entreprises réduisant discrètement leurs effectifs restent invisibles. La volatilité du secteur technologique est surreprésentée simplement parce que ses dirigeants annoncent publiquement leurs décisions.

« Les biais de sélection créent une image déformée », souligne-t-elle. Les entreprises annonçant des licenciements ne constituent pas un échantillon aléatoire de l’économie. Elles représentent un segment particulier qui considère la communication publique comme stratégique. Qu’en est-il des innombrables petites entreprises ajustant leurs effectifs en coulisses ? Les statistiques officielles tentent de capturer l’ensemble du tableau ; les annonces d’entreprises ne montrent que le spectaculaire.

Cette distinction est cruciale pour la prise de décision politique. Si les dirigeants se basent sur un jeu de données biaisé, ils risquent de mal diagnostiquer les problèmes et de déployer des solutions qui traitent les symptômes plutôt que les causes profondes.

Naviguer dans les narratifs : quand l’IA est la cible

Les récits des entreprises sur les licenciements ont connu une évolution spectaculaire. Où les dirigeants blâmaient autrefois les conditions de marché ou la reposition stratégique, beaucoup mettent désormais en avant l’IA et l’automatisation comme responsables des réductions d’effectifs. Le cadre est séduisant : la technologie est neutre, inévitable, presque hors de contrôle humain. On blâme les machines, pas la gestion.

Martha Gimbel remet en question cette narration. Oui, l’IA influence les décisions d’embauche et d’emploi. Mais est-elle vraiment plus significative que les tarifs, les taux d’intérêt ou la pression sur les marges bénéficiaires ? Elle suggère que l’accent mis sur l’IA peut refléter la façon dont les PDG construisent des histoires pour protéger leur image et rassurer les investisseurs, plutôt qu’une évaluation objective des causes.

« Les dirigeants façonnent la conversation autour des réductions d’effectifs », observe-t-elle. Dans un monde où l’interprétation des données influence la politique, contrôler le récit devient une forme de pouvoir. Lorsque le public croit que l’IA est le moteur des licenciements, la pression politique se tourne vers la régulation de l’IA plutôt que vers un examen critique des décisions des dirigeants ou des pratiques du travail.

Repenser la mesure du marché du travail

Les États-Unis disposent d’une infrastructure statistique pour suivre l’emploi qui dépasse celle de la plupart des pays. Le Bureau of Labor Statistics utilise des méthodologies sophistiquées affinées sur plusieurs décennies. Pourtant, Gimbel soutient que ce succès même peut engendrer une certaine complaisance.

À mesure que l’économie évolue—avec la prolifération du travail à la tâche, la redéfinition des compétences par l’IA, le télétravail modifiant les schémas géographiques—les catégories et indicateurs utilisés pour mesurer la santé du marché du travail peuvent s’être figés. Les statistiques officielles suivent l’emploi traditionnel ; elles peinent à saisir les nouvelles formes de travail ou la dégradation des compétences dans certains secteurs.

« Il faut repenser ce qui est mesuré sur le marché du travail pour suivre efficacement les changements technologiques et du marché du travail », insiste-t-elle. Les décideurs ne peuvent répondre qu’à ce qu’ils mesurent. Si les mesures restent figées dans des catégories d’avant l’ère numérique, l’aveuglement politique devient inévitable.

Ce point plus profond résonne dans toutes les décisions économiques : comprendre les limites de ses sources de données n’est pas une exercise pédante—c’est la base d’une politique saine. Le travail de Martha Gimbel nous rappelle qu’une bonne économie exige de l’humilité intellectuelle quant à ce que nous savons réellement, du scepticisme face aux récits commodes, et de l’engagement envers les statistiques officielles même lorsqu’elles semblent trop lentes dans un monde impatient.