Anticiper et se préparer aux flux migratoires

8. Comment présenter les prévisions aux décideurs politiques et garantir une interaction efficace entre l’élaboration des politiques et les prévisions ?

Comment présenter les prévisions et leur incertitude inhérente aux décideurs politiques

Les sections précédentes ont présenté les cas d’utilisation des prévisions et exploré les questions techniques liées à leur conception et à leur mise en œuvre. Cependant, les prévisions ne sont utiles que si les décideurs politiques comprennent leurs limites et savent comment les utiliser à bon escient. Cela incombe aux modélisateurs et aux personnes chargées de communiquer les résultats en interne. Cette section fournit des indications sur la manière de présenter les prévisions et d’expliquer l’incertitude aux décideurs politiques.

Pour communiquer efficacement les prévisions migratoires aux décideurs politiques, il est nécessaire d’exprimer clairement les incertitudes et de fournir des informations pratiques pouvant éclairer la prise de décision. Compte tenu de la nature complexe et imprévisible des schémas migratoires, quelle que soit la catégorie de migration examinée, les prévisions doivent être communiquées de manière à aider les décideurs politiques à planifier à l’avance, tout en reconnaissant leurs limites inhérentes et le fait que l’incertitude est un élément central du message.

L’un des principaux défis liés à la présentation de prévisions consiste en effet à expliquer l’incertitude. Les décideurs politiques demandent et attendent souvent des chiffres définitifs et précis. Les prévisions en matière de migration comportent intrinsèquement une part d’incertitude en raison de variables dynamiques telles que les changements économiques, les événements géopolitiques et l’évolution des paysages politiques. La solution la plus évidente consiste à présenter des fourchettes de résultats et de scénarios possibles plutôt que des estimations ponctuelles, ce qui permet de mieux rendre compte de l’incertitude liée aux facteurs de migration. Plusieurs options sont disponibles, notamment les variantes de scénarios traditionnellement utilisées, basées soit sur certaines combinaisons des facteurs sous-jacents de migration (par exemple, quatre scénarios de migration combinant la convergence/divergence économique entre les pays et la coopération internationale unilatérale/multilatérale dans Acostamadiedo et al. (2020[1]), ou des résultats probabilistes complets, résumés par des distributions de probabilité (voir l’Encadré 8.1) ou une sélection de quantiles prédictifs (Bijak et Wiśniowski, 2010[2] ; Azose et Raftery, 2015[3] ; Welch et Raftery, 2022[4]).

La présentation des quantiles issus des distributions prédictives aux décideurs politiques présente un avantage important (voir Bijak (2011[5]) et Raftery (2016[6])). Les quantiles ont une interprétation naturelle liée à la fréquence et à l’ampleur des événements : une médiane signifie que les occurrences inférieures et supérieures à sa valeur sont tout aussi probables, et que chacune peut être attendue en moyenne la moitié du temps. Un quantile d’ordre 0.95 signifie que des valeurs plus élevées ne peuvent être attendues que 1/20e du temps, soit une fois tous les 20 ans pour les prévisions annuelles. La fréquence relative des événements rares (une fois par décennie, deux fois par siècle, etc., voir Bijak (2024[7])), constitue une base pour l’analyse d’une série de scénarios de migration1. Il s’agit de concepts relativement simples à communiquer. Pour que cette interprétation soit correcte, les intervalles de prédiction doivent toutefois être bien calibrés (voir le chapitre 7).

La présentation graphique peut déterminer la manière dont les décideurs politiques comprennent l’incertitude. Une méthode efficace pour présenter l’incertitude consiste à utiliser des seuils de risque (par exemple, la probabilité de dépasser un certain niveau de migrations), en particulier avec des outils visuels tels que les graphiques en éventail (Graphique 8.1), les intervalles de probabilité (Graphique 8.2) et les graphiques de densité (Graphique 8.3). Une représentation graphique appropriée peut aider les décideurs politiques à saisir l’éventail des résultats potentiels en matière de migration.

Graphique 8.1. Prévisions de l’immigration totale au Royaume‑Uni, modèles univariés moyens (en milliers) 1975-2060

Source : Abel et al. (2013[8]), “Forecasting environmental migration to the United Kingdom: an exploration using Bayesian models”, https://doi.org/10.1007/s11111-013-0186-8.

Graphique 8.2. Immigration de ressortissants de l’UE au Royaume‑Uni avec différents intervalles de probabilité, 1975-2013

Source: Bijak et al. (2019[9]), “Assessing time series models for forecasting international migration: Lessons from the United Kingdom”, https://doi.org/10.1002/for.2576.

Une autre option consiste à préparer une matrice de gestion des risques, en juxtaposant l’incertitude et l’impact spécifique à l’utilisateur des flux migratoires (Bijak et al., 2019[9]).Une telle matrice implique généralement une variante du système de couleurs très intuitif des feux de signalisation, avec des notes allant du vert pour les flux et les prévisions à faible incertitude ou à faible impact, en passant par l’orange comme catégorie intermédiaire, jusqu’au rouge pour les processus à la fois très incertains et pouvant avoir un impact élevé, comme c’est le cas pour les migrations liées à l’asile.

Idéalement, les utilisateurs des prévisions – les décideurs politiques – devraient recevoir une formation minimale pour comprendre les prévisions probabilistes, afin de pouvoir intégrer efficacement les projections migratoires dans la planification stratégique et ne pas tirer de conclusions erronées à partir d’une mauvaise interprétation des probabilités. Une façon de donner aux décideurs les moyens de faire des choix fondés sur des données serait (si cela est pertinent pour la structure institutionnelle) d’organiser des ateliers et des sessions de formation sur l’interprétation des prévisions afin d’aider à aligner les connaissances sur les objectifs politiques. Il incombe aux prévisionnistes d’enseigner aux décideurs politiques comment lire un modèle et de les informer que les résultats des prévisions ne sont que des possibilités pour l’avenir. Une culture solide en matière de données aide les décideurs politiques à mieux comprendre que les modèles de prévision sont le moyen le plus efficace d’anticiper les flux migratoires futurs, malgré le niveau inévitable et frustrant d’incertitude. Certains décideurs politiques peuvent rester réticents à croire aux résultats des prévisions ; dans ce cas, il est important de noter que l’absence de prévisions peut être plus coûteuse. La collaboration et l’interaction régulière entre les prévisionnistes et les décideurs politiques sont également essentielles pour améliorer l’application pratique des prévisions, en veillant à ce qu’elles soient interprétées correctement et utilisées efficacement (Bijak, 2024[7]). Le rôle des prévisionnistes doit aller au-delà de la simple fourniture de données et de la diffusion des résultats des prévisions aux décideurs politiques. Ils doivent régulièrement participer à des discussions afin de garantir une interprétation correcte des résultats et de mettre en évidence les nouvelles tendances qui nécessitent une attention particulière à l’avenir.

Encadré 8.1. Comment les Pays-Bas présentent leurs prévisions aux décideurs politiques

Depuis 2018, les Pays-Bas réalisent leurs prévisions en matière de demandes d’asile selon une nouvelle méthode systématique. L’approche néerlandaise mixte combine des modèles probabilistes bayésiens et l’intuition d’experts, pour aboutir à quatre scénarios prévisionnels différents, voire plus. Chaque scénario est ensuite présenté sous la forme d’une fonction de densité de probabilité (PDF), qui indique chaque valeur prévisionnelle possible avec sa probabilité de survenue, selon ce scénario spécifique. Une PDF combinée, additionnant tous les scénarios, pondérée en fonction de leur probabilité totale estimée de se produire, est également présentée (Graphique 8.3) et intégrée dans une PDF cumulative (Graphique 8.4). Au final, cette approche fournit une fonction continue de valeurs prédites, plutôt qu’une seule valeur dans un intervalle de confiance. Néanmoins, ce qui intéresse le plus les décideurs politiques, c’est une valeur unique. Une telle valeur unique peut être dérivée de la PDF combinée en fournissant également une « fonction de perte », c’est-à-dire une fonction qui quantifie les coûts (à la fois en termes financiers et, par exemple, en termes de troubles politiques) d’un objectif « trop bas » par rapport à un objectif « trop élevé ». La combinaison de ces deux fonctions donne un nombre optimal à prendre en compte dans la préparation. La prévision est utilisée dans la planification budgétaire : le budget néerlandais pour l’accueil des demandeurs d’asile doit correspondre à une bande comprise entre les 30^e et 70^e centiles de la fonction de densité de probabilité cumulative.

Graphique 8.3. Fonction de densité de probabilité pour les prévisions – Prévisions des premières demandes d’asile en 2024 aux Pays-Bas

Source : Ministère néerlandais de la Justice (2024).

Graphique 8.4. Probabilité cumulative du nombre de premières demandes d’asile aux Pays-Bas en 2024

Source : Ministère néerlandais de la Justice (2024).

Dans ce contexte, les prévisionnistes néerlandais présentent régulièrement leurs résultats en s’efforçant de lutter contre les malentendus courants en matière de probabilités. À l’aide de la représentation PDF, ils soulignent la large bande passante de probabilités qui peuvent se produire : une probabilité de 10 % ne signifie pas que ce résultat ne se produira pas, mais indique plutôt qu’une fois tous les dix ans, un événement inattendu peut se produire. La crise du COVID‑19 est un exemple récent d’une telle situation. En effet, le nombre réel de demandes d’asile en 2020 était inférieur à 15 000, ce qui ne représentait qu’une probabilité de 10 % selon les prévisions, mais restait largement dans la fourchette indiquée par la PDF en 2019.

Un élément important de l’approche néerlandaise est le rôle central accordé à l’intuition des experts. L’un des principaux arguments en faveur du recours à l’expertise est que la migration est un phénomène si complexe que la prévision des conséquences de diverses évolutions ne sera jamais totalement objectivable. Comme l’appel à l’expertise rassemble de nombreux points de vue et arguments différents, elle permet un échange formel et informel d’idées qui sont continuellement remises en question les unes par les autres. Même les scénarios difficiles à concevoir (niveaux de flux migratoires extrêmement élevés ou faibles) doivent être discutés par les experts afin de prendre en compte toutes les possibilités.

L’expérience néerlandaise a également permis de mettre en évidence le type de malentendus que peuvent avoir les décideurs politiques, qui peuvent conduire à des anticipations erronées. Il a été nécessaire pour les prévisionnistes d’insister, par exemple, sur le fait que les prévisions mensuelles ne doivent pas être dérivées des prévisions annuelles en divisant simplement la valeur prévue en 12 parts égales. Expliquer la saisonnalité des flux migratoires peut aider à éviter ce risque. Les prévisionnistes ont également dû tempérer les attentes selon lesquelles les afflux de demandeurs d’asile peuvent être prévus avec précision ou fiabilité au-delà d’un horizon de deux ans.

Plus important encore, les prévisionnistes ont dû faire preuve de pédagogie en répétant l’objectif des prévisions. Une tâche importante des prévisionnistes consiste à communiquer de manière claire et transparente sur l’objectif et l’utilisation des prévisions. Des discussions régulières sont nécessaires pour s’assurer que les décideurs politiques sont conscients que les prévisionnistes s’efforcent avant tout de fournir une base pour des actions politiques sensées, plutôt que de produire un chiffre phare. Les prévisions doivent être communiquées à tous les services concernés, afin de les sensibiliser à tous les changements et possibilités hypothétiques. En ce sens, les prévisions peuvent également être considérées comme un moyen de quantifier l’ignorance. Dans les prévisions néerlandaises, les valeurs « extrêmes » aident en effet les décideurs politiques à mieux se préparer et à faire preuve de flexibilité. Elles doivent donc être prises en considération pour adapter la capacité du système d’asile aux scénarios extrêmes.

Même si un large éventail de possibilités est prévu, il est tout à fait possible que la réalité ne corresponde à aucune prévision. Dans ce cas, les prévisionnistes ont la difficile tâche d’expliquer aux décideurs politiques pourquoi leur modèle a échoué.

Les prévisions basées sur des scénarios présentent les projections migratoires comme une gamme d’avenirs possibles plutôt que comme un résultat fixe, ce qui permet une plus grande souplesse politique. Il est important d’intégrer l’analyse de scénarios dans les prévisions migratoires, afin d’aider les décideurs politiques à anticiper divers résultats potentiels et à se préparer à l’incertitude, plutôt que de se fier à une seule prévision formelle.

Toutefois, lorsque les chiffres réels de la migration s’écartent des prévisions, une communication transparente est essentielle. Dans la plupart des cas, l’utilisation d’un large éventail d’estimations possibles, comme l’approche recommandée dans la section précédente, permet de s’assurer que les prévisions englobent toute la gamme des résultats possibles. Il est plus facile pour les prévisionnistes d’expliquer un écart lorsque celui-ci reste dans les limites (même extrêmes) de l’intervalle (voir l’Encadré 8.1 pour un exemple intéressant de prévision qui s’inscrit dans le cadre du confinement lié au COVID‑19). Lorsque les prévisions sortent des valeurs prévues, les prévisionnistes doivent expliquer aux décideurs politiques les raisons sous-jacentes des erreurs de prévision, qu’elles soient dues à des limites des données, à des changements politiques inattendus ou à des chocs externes tels que des conflits ou des catastrophes naturelles.

La mise à jour régulière des prévisions et le dialogue continu sur leurs limites permettent une prise de décision plus agile. Les prévisionnistes doivent expliquer clairement comment les facteurs externes influencent les projections de flux migratoires, en veillant à ce que les décideurs politiques interprètent les prévisions comme des prédictions dynamiques et évolutives plutôt que comme des prédictions fixes.

Checklist:

• Ai-je présenté clairement aux décideurs politiques l’incertitude de mes prévisions ?

  • Utilisez des graphiques et des diagrammes de densité montrant les quantiles des intervalles de prédiction pour interpréter clairement la fréquence des événements, ou bien utilisez un code couleur de type feux tricolores dans les tableaux de résultats.

• Les décideurs politiques comprennent-ils pleinement que les prévisions sont dynamiques et ne constituent pas des prédictions fixes ?

  • Des interactions régulières entre les prévisionnistes et les décideurs politiques sont nécessaires à chaque mise à jour des prévisions. Une session de formation expliquant les prévisions probabilistes peut également être utile.

• Que dois-je faire si les prévisions sortent du cadre des estimations fournies ?

  • Expliquez précisément les erreurs de prévision, qu’elles soient dues à des limitations des données, à des changements politiques inattendus ou à des chocs externes.

Comment utiliser correctement et efficacement les prévisions

Les prévisions migratoires sont généralement commandées afin d’éclairer l’action politique, leurs conclusions doivent donc être exploitables sur le plan politique. Dans certains cas, il est nécessaire d’agir rapidement : lorsque les modèles d’indicateurs avancés identifient des flux supplémentaires importants, la réponse politique doit être rapide et efficace. Un moyen efficace d’accroître l’impact des prévisions consiste à inclure les prévisionnistes – ou au moins les résultats des prévisions – dans les réunions d’allocation budgétaire d’urgence, qui définissent la manière d’allouer les ressources financières (par exemple, le personnel, les infrastructures, voir le chapitre 3). Une politique de dissémination élaborée à l’avance permet d’identifier les praticiens nationaux qui doivent recevoir en priorité les résultats des prévisions. Lorsqu’ils sont avertis à l’avance, ces acteurs et leurs experts budgétaires peuvent utiliser leurs connaissances pour mieux anticiper les conséquences financières des prévisions migratoires et mieux allouer les fonds en vue des besoins futurs. Bien que moins urgentes, les prévisions établies sur un horizon plus long (quelques années) peuvent également favoriser une allocation budgétaire efficace, à condition qu’elles s’accompagnent d’une politique de dissémination appropriée suivie d’une réunion d’allocation budgétaire en temps utile.

Les prévisions peuvent identifier des besoins futurs qui vont au-delà des questions d’allocation budgétaire. Elles aident à anticiper la mise en œuvre de nouvelles politiques ou règles permettant au pays de s’adapter aux flux futurs possibles ou attendus. Par exemple, si un afflux massif susceptible de dépasser les contraintes budgétaires est imaginé, les résultats des prévisions peuvent inciter à adopter des politiques visant soit à assouplir les cadres juridiques et les procédures administratives afin de mieux gérer des flux plus importants, soit à adopter des mesures plus strictes pour dissuader les arrivées. De même, si les gouvernements cherchent à prévoir les pénuries de main-d’œuvre futures, les décideurs politiques devront également anticiper les flux migratoires correspondants et envisager de faciliter les politiques migratoires en conséquence. Les exemples du Japon et de la Corée (Encadré 8.2) sont des projections plutôt que des prévisions en matière de migration de travail, mais ils illustrent comment de tels exercices basés sur des scénarios peuvent néanmoins éclairer l’élaboration des politiques migratoires, par exemple en aidant à fixer des quotas de visas ou à adapter les programmes de migration de travail. Dans la pratique, les prévisions et les projections deviennent pertinentes pour les politiques lorsque leurs résultats sont clairement communiqués et efficacement liés aux processus décisionnels.

Pour que les prévisions soient prises en compte dans l’action politique, leurs résultats doivent être diffusés à un réseau clairement identifié de spécialistes nationaux, selon une approche globale de la société. Les résultats des prévisions peuvent être partagés avec toutes les parties prenantes responsables des mesures politiques sur le terrain (du niveau national au niveau local), afin de soutenir leurs efforts pour anticiper efficacement les mesures futures nécessaires. Cependant, toutes les prévisions ne doivent pas être rendues publiques. La diffusion des résultats des prévisions étant un élément essentiel d’une réponse politique efficace, elle doit respecter les protocoles de confidentialité et de sécurité établis lorsqu’elle est partagée avec les parties prenantes concernées.

Encadré 8.2. Projections relatives aux migrations de travail dans les pays asiatiques membres de l’OCDE

Au Japon, l’Institut Ogata de la JICA (Agence japonaise de coopération internationale) a établi des projections concernant les besoins de main-d’œuvre étrangère pour 2030 et 2040. L’étude a débuté par la définition d’objectifs de croissance du PIB fixés par le ministère de la Santé, du Travail et des Affaires sociales, puis a calculé le PIB réalisable sur la base de projections démographiques et de scénarios de stock de capital, incluant l’automatisation. L’écart entre le PIB réalisable et l’objectif a été attribué aux besoins en main-d’œuvre étrangère, qui ont été ventilés par secteur et par région. Du côté de l’offre, le modèle a estimé le nombre de migrants potentiels provenant de 13 pays d’origine, en utilisant les projections démographiques des Nations unies, les prévisions de croissance du FMI (en supposant que l’émigration diminue à mesure que les revenus augmentent), la part historique de migrants au Japon et les taux de rétention. L’étude a conclu que le nombre de travailleurs étrangers devrait augmenter de 236 % d’ici 2040, mais que seuls environ 420 000 travailleurs pourraient être fournis de manière réaliste, ce qui laisserait un déficit de 770 000 en 2030 et de 970 000 en 2040.

En Corée, les projections de l’offre et de la demande de main-d’œuvre sont utilisées pour orienter le système de pré-annonce des quotas de visas de travail du ministère de la Justice. En 2024, le quota de visas pour travailleurs qualifiés (E‑7‑4) a été porté à 30 000, contre 2 000 en 2023. Une étude commandée à l’université nationale de Séoul a projeté l’offre de main-d’œuvre par sexe, âge, niveau d’éducation, secteur et profession, tandis que la demande de main-d’œuvre a été calculée à partir de modèles intégrant la productivité et les changements technologiques. En comparant l’offre et la demande prévues pour 2026-2031 selon quatre scénarios reposant sur différentes hypothèses de substituabilité entre les secteurs et les niveaux de compétences, le gouvernement a estimé différents niveaux de pénurie de main-d’œuvre. Ces résultats servent de base à la fixation de quotas annuels de visas par secteur, avec des plafonds plus élevés là où les pénuries persistent et des plafonds plus bas là où la substitution est possible.

Pris ensemble, les cas japonais et coréen illustrent comment les projections peuvent éclairer la planification des migrations. Elles ne prédisent pas les flux réels, mais fournissent des scénarios structurés reliant la demande de main-d’œuvre, l’offre domestique et les besoins à long terme en matière de politique migratoire.

Une utilisation possible des prévisions exprimées sous forme de distributions de probabilité complètes consiste à les intégrer dans une analyse décisionnelle statistique formelle afin de prendre des décisions éclairées en fonction des coûts engagés pour faire face aux différents scénarios. Les informations fournies par l’ensemble des distributions de résultats peuvent être combinées avec les connaissances des spécialistes nationaux sur les conséquences possibles des décisions basées sur les prévisions. Ces connaissances s’expriment le mieux en termes de fonctions de perte, qui décrivent les coûts (pertes) encourus lorsque la réalité s’écarte des prévisions, c’est-à-dire lorsque les prévisions sous-estiment ou surestiment les flux migratoires réels. L’hypothèse tacite est que ces coûts sont minimes si les prévisions se réalisent, ce qui, d’un point de vue formel, a toutefois une probabilité proche de zéro (voire nulle). La forme de la fonction de perte et l’ampleur relative des coûts de la surestimation et de la sous-estimation, ainsi que la distribution de probabilité décrivant la prévision, déterminent conjointement quelle valeur prévue doit servir de base aux décisions.

Pour illustrer cette approche, en ce qui concerne le nombre de demandeurs d’asile, les prévisions peuvent constituer un outil utile pour planifier les ressources nécessaires afin de couvrir les coûts de traitement, ainsi que pour fournir des services d’accueil adéquats, une aide à l’enregistrement et d’autres services d’intégration, le cas échéant. Dans ce cas, une surestimation des demandes d’asile entraînera probablement des coûts supplémentaires liés à la mise en place de capacités d’accueil redondantes qui ne seront pas utilisées. À l’inverse, une capacité insuffisante entraînera des coûts supplémentaires de dernière minute pour renforcer les services d’accueil et d’enregistrement, probablement de manière peu efficace, comme tous les coûts d’urgence. Dans ce cas, et dans la plupart des autres applications pratiques, ces coûts ne sont généralement pas symétriques : selon le contexte précis, une surestimation peut finir par être plus ou moins coûteuse (par migrant) qu’une sous-estimation de même ampleur (voir l’Encadré 8.3 pour un exemple pratique).

Encadré 8.3. Une règle pratique issue de la théorie de la décision

La méthodologie et les aspects techniques de la théorie statistique de la décision sont abordés plus en détail ailleurs (par exemple, Robert (2007[10])), mais il existe certaines règles simples et approximatives qui peuvent être facilement appliquées en pratique. L’une de ces règles concerne la situation où les coûts (pertes) augmentent de manière approximativement linéaire avec l’ampleur de la surestimation et de la sous-estimation, et où les coûts (pertes) de la sous-estimation sont k fois plus élevés que ceux de la surestimation de même ampleur. Dans de tels cas, il peut être démontré mathématiquement que les prévisions optimales, minimisant la perte attendue dans le cadre d’une distribution prédictive donnée, sont des quantiles d’ordre k/(k+1) à partir des distributions prédictives. Par exemple, si k = 4, la prévision optimale est le quatrième quintile (quantile d’ordre 4/(4+1) = 0.8), tandis que pour k = 0 25, indiquant qu’en fait la surestimation est quatre fois plus coûteuse, le premier quintile (0.25/(1+0.25) = 0.2) est optimal. Un cas particulier se produit lorsque les coûts de la surestimation et de la sous-estimation sont linéaires et symétriques (k = 1) : la décision optimale est alors la médiane (quantile d’ordre 1/(1+1) = 0.5) de la distribution prédictive. La valeur de k doit également être obtenue, cette fois auprès des utilisateurs des prévisions (les spécialistes nationaux), qui seront les mieux placés pour juger des coûts relatifs de la surestimation et de la sous-estimation.

Il est important de souligner que si les prévisions servent de base aux décisions politiques, ces dernières peuvent, de par leur nature même, influencer les flux migratoires et invalider les prévisions, du moins dans une certaine mesure (voir la critique de Lucas (1976[11])). Toutefois, les effets des politiques sur les migrations sont incertains et difficiles à quantifier, tout comme les effets des migrations sur les politiques (Czaika et al., 2024[12]). Une manière de relever ces défis consiste à établir plusieurs prévisions conditionnelles, qui peuvent en fait être considérées comme des scénarios, élaborées à partir d’hypothèses de décisions différentes ou d’évolutions politiques ou stratégiques différentes. Un exemple de mise en œuvre d’une telle approche est un ensemble de prévisions conditionnelles des migrations totales vers et depuis l’Écosse en fonction des résultats du référendum de 2014 sur l’indépendance de l’Écosse (Wiśniowski, Bijak et Shang, 2014[13]). Dans cet exemple, les prévisions calculées par des experts étaient conditionnées au résultat du référendum et ont ensuite été moyennées entre les deux résultats possibles (oui et non), sur la base d’une prédiction du résultat du référendum au moment de la préparation des prévisions.

Malgré ces réserves, la présentation réussie des prévisions migratoires aux décideurs politiques nécessite un équilibre prudent entre clarté et complexité. Il est essentiel de garantir une communication transparente sur l’incertitude des prévisions, d’offrir des explications en cas d’écarts et d’intégrer les prévisions dans les discussions politiques afin de renforcer le rôle des prévisions migratoires dans la prise de décision. Grâce à l’utilisation de modèles probabilistes, de techniques d’élaboration de scénarios et de mises à jour continues, les prévisions peuvent devenir un outil précieux pour anticiper et gérer efficacement les flux migratoires.

Checklist:

• Comment s’assurer que les prévisions sont intégrées dans la planification budgétaire et les mesures politiques ?

  • Diffuser les résultats des prévisions au réseau approprié de spécialistes et intégrer les prévisionnistes dans les réunions d’allocation budgétaire et les discussions politiques est essentiel pour prendre la décision la plus éclairée possible.

• L’ampleur de la sous-estimation par rapport à la surestimation des coûts a-t-elle été clairement définie ?

  • Afin de minimiser les pertes, la valeur prévisionnelle optimale doit être prise en compte dans la bande de distribution prévisionnelle, après une discussion entre experts définissant le coût de la sous-estimation par rapport à la surestimation. Pour l’accueil des demandeurs d’asile, par exemple, le coût de la capacité d’accueil d’urgence par rapport à la capacité d’accueil inutilisée.

• Ai-je établi des prévisions conditionnelles en fonction de différents scénarios ?

  • Lorsque certaines décisions ou évolutions politiques sont en cours, la création de scénarios basés sur leurs différents résultats peut aider à saisir l’étendue des prévisions migratoires.

Références

[8] Abel, G. et al. (2013), « Forecasting environmental migration to the United Kingdom: an exploration using Bayesian models », Population and Environment, vol. 35/2, pp. 183-203, https://doi.org/10.1007/s11111-013-0186-8.

[1] Acostamadiedo, E. et al. (2020), Assessing Immigration Scenarios for the European Union in 2030 – Relevant, Realistic and Reliable?, International Organization for Migration and the Netherlands Interdisciplinary Demographic Institute.

[3] Azose, J. et A. Raftery (2015), « Bayesian Probabilistic Projection of International Migration », Demography, vol. 52/5, pp. 1627-1650, https://doi.org/10.1007/s13524-015-0415-0.

[7] Bijak, J. (dir. pub.) (2024), From Uncertainty to Policy: A Guide to Migration Scenarios, Edward Elgar Publishing, https://doi.org/10.4337/9781035319800.

[5] Bijak, J. (2011), Forecasting International Migration in Europe: A Bayesian View, Springer Netherlands, Dordrecht, https://doi.org/10.1007/978-90-481-8897-0.

[9] Bijak, J. et al. (2019), « Assessing time series models for forecasting international migration: Lessons from the United Kingdom », Journal of Forecasting, vol. 38/5, pp. 470-487, https://doi.org/10.1002/for.2576.

[2] Bijak, J. et A. Wiśniowski (2010), « Bayesian Forecasting of Immigration to Selected European Countries by using Expert Knowledge », Journal of the Royal Statistical Society Series A: Statistics in Society, vol. 173/4, pp. 775-796, https://doi.org/10.1111/j.1467-985x.2009.00635.x.

[12] Czaika, M. et al. (2024), « European migration governance in the context of uncertainty », International Migration, vol. 62/6, pp. 93-110, https://doi.org/10.1111/imig.13308.

[11] Lucas, R. (1976), « Econometric policy evaluation: A critique », Carnegie-Rochester Conference Series on Public Policy, vol. 1, pp. 19-46, https://doi.org/10.1016/s0167-2231(76)80003-6.

[6] Raftery, A. (2016), « Use and communication of probabilistic forecasts », Statistical Analysis and Data Mining: The ASA Data Science Journal, vol. 9/6, pp. 397-410, https://doi.org/10.1002/sam.11302.

[10] Robert, C. (2007), The Bayesian Choice: From Decision-Theoretic Foundations to Computational Implementation, Springer New York, New York, NY, https://doi.org/10.1007/0-387-71599-1.

[4] Welch, N. et A. Raftery (2022), « Probabilistic forecasts of international bilateral migration flows », Proceedings of the National Academy of Sciences, vol. 119/35, https://doi.org/10.1073/pnas.2203822119.

[13] Wiśniowski, A., J. Bijak et H. Shang (2014), « Forecasting Scottish Migration in the Context of the 2014 Constitutional Change Debate », Population, Space and Place, vol. 20/5, pp. 455-464, https://doi.org/10.1002/psp.1856.

Note

← 1.  Par exemple, voir le QuantMig Migration Scenarios Explorer: https://www.quantmig.eu/‌data_and_estimates/scenarios_explorer/ (au 15 novembre 2024).