Les enjeux de la praticabilité des calculs

Les enjeux de la praticabilité des calculs

La méthode de prise en compte du risque doit être proportionnée à la taille et à l’enjeu des projets tout en assurant la cohérence des évaluations. Les outils présentés dans le chapitre précédent sont relativement nombreux et d’un emploi plus ou moins aisé selon les données disponibles et les compétences Les recommandations suivantes visent à orienter la mise en œuvre de ces outils mais doivent être considérées comme des référentiels, non comme des règles pratiques irrévocables. Le travail de déclinaison pratique des méthodes discutées dans ce rapport en vue d’une application au calcul économique public relève de la responsabilité des ministères concernés dans chaque secteur.S’agissant des risques standard et relativement bien connus, on dispose non seulement de données historiques qui indiquent l’éventail des aléas possibles, mais aussi de statistiques qui fournissent une mesure de la probabilité de ces aléas. Par exemple, dans le secteur des transports, les bilans LOTI de projets routiers montrent que le risque de dérive du coût d’investissement peut varier de – 5 % à + 75 % avec une moyenne de 21 % (valeurs mesurées sur un échantillon de 28 projets). Flyvbjerg et al. (2004) ont calculé, sur la base d’un échantillon de 167 projets routiers, que la dérive moyenne du coût d’investis- sement est de + 20 %. La construction de l’espace des aléas possibles – savoir par exemple que le risque de surcoût est compris entre – 5 % et + 75 % – repose sur le recensement aussi exhaustif que possible des natures d’aléas constatés par le passé. La construction de la loi de probabilité sous-jacente repose, elle, sur le calcul des fréquences d’apparition de chacun des aléas.

Les observations passées, sous réserve qu’elles soient suffisamment nombreuses et statistiquement exploitables, fournissent donc une description approchée (ensemble des aléas possibles et lois de probabilité) des risques qui se sont matérialisés dans le passé. L’extrapolation au contexte futur de cette description du risque est toutefois sujette à caution. En effet, les sources d’aléas passés peuvent pour certaines avoir changé, dans le sens d’une atténuation ou au contraire d’un renforcement du risque. Par exemple, la vitesse de diffusion d’une épidémie, et donc du risque sanitaire, qui pouvait autrefois se compter en semaines, se compte désormais en heures du fait de l’existence de transports rapides entre les différentes échelles de territoire.Les retours d’expérience s’avèrent une source cruciale de données pour mieux identifier et quantifier les risques dans le calcul économique. L’amélioration des méthodes passe donc inévitablement par une amélioration indispensable de l’appareil statistique orientée vers la connaissance des coûts et des bénéfices des politiques publiques, amélioration que la commission appelle de ses vœux.

Lorsqu’on se projette vers l’avenir, la quantification des risques doit tenir compte de la connaissance de leur histoire et de leurs causes, afin de déterminer dans quelle mesure les aléas passés sont reproductibles dans le futur. Si les causes changent, les risques changent. À défaut de modèle explicatif des causes sous-jacentes et des mécanismes de développement des risques, l’analyse économétrique permet d’établir des corrélations ou des lois empiriques. Par exemple, il est établi que le nombre d’accidents automobiles d’un individu est corrélé avec son âge, les individus les plus jeunes ayant en moyenne plus d’accidents que le reste de la population. Si cette relation économétrique est invariante dans le temps, ce que l’on peut raisonnablement supposer si l’accidentologie des jeunes conducteurs est liée à un manque d’expérience, alors le risque d’accidents chez les futurs jeunes conducteurs devrait être sensiblement le même que par le passé. Toutefois, si un facteur de risque est modifié, par exemple le niveau d’expérience des jeunes conducteurs, le risque s’en trouve modifié en conséquence L’évaluation d’un risque repose largement sur les techniques de régression multivariée qui permettent de déterminer les facteurs explicatifs du risque, leur influence sur sa distribution de probabilité et la corrélation éventuelle entre facteurs. Lors d’une telle analyse, il convient de restreindre autant que possible le nombre des facteurs explicatifs et de veiller à leur indépendance. En effet, l’existence d’une corrélation forte entre deux facteurs est signe que le pouvoir explicatif additionnel d’un des deux facteurs est faible si l’autre facteur est déjà présent dans le modèle économétrique. Pour la robustesse du modèle, il convient alors de ne garder qu’un seul des deux facteurs envisagés pour expliquer telle composante du risque.