La formation de la politique COVID-19 doit faire face à de nombreuses incertitudes importantes sur la nature de la maladie, la dynamique de la pandémie et les réponses comportementales. Ces incertitudes sont devenues bien reconnues qualitativement (par exemple Avery et al. 2020), mais elles n’ont pas été bien caractérisées quantitativement. Une mesure crédible des incertitudes liées au COVID-19 est nécessaire pour faire des prédictions utiles des impacts politiques et des décisions politiques raisonnables.
Des modèles épidémiologiques de dynamique de la maladie, parfois combinés à des modèles de dynamique macroéconomique, ont été utilisés pour tirer des conclusions sur une politique COVID-19 optimale. Cependant, les chercheurs ont peu fait pour apprécier le réalisme de leurs modèles, ni pour quantifier les incertitudes. Par conséquent, il y a peu de raisons de faire confiance aux prescriptions politiques qui ont été avancées.
Je pense qu’il est malavisé d’élaborer une politique optimale dans des scénarios hypothétiques, mais potentiellement loin d’être optimale dans la réalité. Il est plus prudent d’aborder la politique COVID-19 comme un problème de prise de décision dans l’incertitude. Face à l’incertitude, on reconnaît qu’il n’est pas possible de garantir le choix de politiques optimales.
Bien que l’on ne puisse pas garantir l’optimalité dans l’incertitude, on peut toujours prendre des décisions raisonnables à des égards bien définis. Je suggère spécifiquement une diversification adaptative de la politique COVID-19. J’ai proposé la diversification adaptative des politiques dans deux articles antérieurs (Manski 2009, 2013). La diversification financière est une recommandation familière pour l’allocation de portefeuille. La diversification permet à un investisseur confronté à des rendements d’actifs incertains de limiter les conséquences négatives potentielles de placer « tous les œufs dans le même panier ». De même, la politique est diversifiée si un planificateur confronté à l’incertitude affecte au hasard des unités de traitement (personnes ou lieux) à différentes politiques. À un moment donné, la diversification évite les erreurs grossières dans l’élaboration des politiques. Au fil du temps, il produit de nouvelles preuves sur les impacts des politiques, comme dans un essai randomisé. Au fur et à mesure que les preuves s’accumulent, un planificateur peut réviser la fraction d’unités de traitement attribuées à chaque politique en fonction des connaissances disponibles. Cette idée est la « diversification adaptative ».
Dans cette chronique, j’explique pourquoi la modélisation actuelle ne peut pas fournir une politique COVID-19 optimale de manière réaliste, puis je discute de la diversification adaptative.
Incroyable certitude dans la modélisation épidémiologique et macroéconomique
Les modélisateurs épidémiologiques ont cherché à déterminer la politique COVID-19 qui serait optimale du point de vue de la santé publique si des modèles spécifiques de dynamique de la maladie étaient précis et si la santé publique était mesurée de manière spécifique (par exemple Ferguson et al. 2020, IHME COVID-19 Health Service Utilization équipe de prévision 2020). L’évaluation de la politique COVID-19 doit tenir compte de l’ensemble des impacts sanitaires, économiques et sociaux des options politiques alternatives. Cependant, la modélisation épidémiologique n’a pris en compte que les impacts sur la santé. Une raison peut être que l’épidémiologie a été le domaine des chercheurs en médecine et en santé publique. Les chercheurs ayant ces antécédents trouvent naturel de se concentrer sur les problèmes de santé. Ils considèrent l’économie et le bien-être social comme des questions qui peuvent être importantes mais qui dépassent leur compétence.
Après le début de la pandémie de COVID-19, les macroéconomistes ont cherché à élargir la portée de l’analyse optimale des politiques en associant des modèles épidémiologiques à des modèles de dynamique macroéconomique et en spécifiant des fonctions de bien-être qui tiennent compte à la fois de la santé publique et des résultats économiques (par exemple, Eichenbaum et al. 2020 , Acemoglu et al. 2020). Cependant, il y a peu de base pour évaluer le réalisme des modèles qui ont été développés.
Un grave problème sous-jacent dans la modélisation épidémiologique et macroéconomique est le manque de preuves disponibles pour éclairer la spécification et l’estimation du modèle. Les études sur la maladie et la dynamique macroéconomique sont largement incapables de réaliser les essais randomisés qui ont été considérés comme la « norme de référence » pour la recherche médicale. La modélisation s’appuie nécessairement sur des données d’observation, difficiles à interpréter. Manquant de beaucoup de preuves, les épidémiologistes et les macroéconomistes ont développé des modèles qui sont sophistiqués d’un point de vue mathématique et informatique, mais qui ont peu de fondement empirique.
Ces efforts de modélisation peuvent peut-être être utiles s’ils sont interprétés avec prudence comme des expériences informatiques étudiant l’élaboration des politiques dans des mondes hypothétiques. Cependant, leur pertinence par rapport au monde réel n’est pas claire. Les modèles diffèrent considérablement dans les hypothèses qu’ils maintiennent et dans la façon dont ils utilisent les données disponibles limitées pour estimer les paramètres. Les chercheurs fournissent peu d’informations qui permettraient d’évaluer le réalisme du modèle. Ils font peu pour quantifier l’incertitude dans les prédictions qu’ils offrent.
J’ai constamment plaidé pour une communication franche de l’incertitude dans la recherche qui vise à éclairer les politiques publiques (Manski 2019). J’ai critiqué la pratique courante de l’analyse des politiques avec une certitude incroyable. Les prédictions exactes des résultats des politiques sont routinières ; les expressions d’incertitude sont rares. Pourtant, les prévisions sont souvent fragiles, reposant sur des hypothèses non étayées et des données limitées. Exprimer une certitude n’est pas crédible. Une certitude incroyable a prévalu dans la modélisation épidémiologique et économique.
Un exemple de certitude incroyable dans la modélisation épidémiologique est le rapport de mars 2020 de l’équipe d’intervention COVID-19 de l’Imperial College, qui a influencé l’élaboration des politiques au Royaume-Uni et aux États-Unis (Ferguson et al. 2020). L’équipe a prévu l’impact de deux réponses politiques alternatives à la pandémie, l’atténuation et la suppression, en écrivant (p. 1) :
Deux stratégies fondamentales sont possibles : (a) l’atténuation, qui se concentre sur le ralentissement mais pas nécessairement l’arrêt de la propagation de l’épidémie et (b) la suppression, qui vise à inverser la croissance épidémique, en réduisant le nombre de cas à de faibles niveaux et en maintenant cette situation indéfiniment.
Les prévisions étaient basées sur une version modifiée d’un modèle développé plus tôt pour soutenir la planification de la grippe. Le rapport a fourni peu de justifications pour l’application de ce modèle au contexte COVID-19 et n’a pas fait grand-chose pour évaluer l’incertitude dans les prévisions faites. Sur la base de leurs prévisions, l’équipe d’intervention COVID-19 a recommandé la suppression comme option politique préférée. Ils sont parvenus à cette conclusion même si leur rapport ne tenait compte que de l’impact des politiques sur la santé, sans prêter attention aux conséquences économiques et sociales.
Il est urgent que les épidémiologistes et les économistes unissent leurs forces pour développer des modèles crédibles d’évaluation intégrée des épidémies. Même avec les meilleures intentions, cela prendra un temps considérable. Il y a des raisons d’espérer que les épidémiologistes et les économistes pourront communiquer entre eux parce qu’ils partagent un langage commun pour la modélisation mathématique des processus dynamiques. Cependant, chaque groupe a par le passé fait preuve d’une insularité considérable, ce qui peut entraver la collaboration. De plus, aucune des disciplines n’a montré beaucoup de volonté de faire face à l’incertitude lors de l’élaboration et de l’application de modèles.
Diversification adaptative
Il y a eu de fréquents appels à l’adoption d’une politique COVID-19 uniforme dans tous les lieux, en particulier dans les 50 États des États-Unis. Par exemple, un éditorial du 11 mai 2020 du Washington Post était intitulé Le patchwork des réouvertures d’État est un jeu mortel d’essais et d’erreurs ». Le texte fait référence au péril que représente le méli-mélo de décisions étatiques de rouvrir rapidement, progressivement ou pas encore du tout. Tout en mettant en garde contre la décentralisation de l’élaboration des politiques entre les États, l’éditorial ne propose pas ce que devrait être une politique nationale uniforme.
Appeler à une politique COVID-19 uniforme dans tous les États serait justifié s’il était clair ce qui constitue une politique optimale et si l’on savait que la politique optimale est invariante d’un État à l’autre. Ensuite, chaque État devrait adhérer à cette politique. Cependant, comme expliqué ci-dessus, nous ne savons pas quelle est la politique optimale pour chaque État. Il se peut que la suppression continue soit meilleure pour certains États (ou parties d’États) et qu’une version de la réouverture soit meilleure pour d’autres, en fonction de leurs caractéristiques. Par conséquent, il n’y a aucune raison prima facie d’uniformiser la politique d’un État à l’autre.
Il est reconnu depuis longtemps aux États-Unis que l’incertitude peut justifier la décentralisation de l’élaboration des politiques, permettant aux États d’expérimenter des idées politiques. Le juge de la Cour suprême Louis Brandeis, dans sa dissidence dans l’affaire de 1932 New York State Ice Co. v. Liebmann (285 U.S. 311), a fait ce qui est devenu une remarque célèbre sur ce thème : C’est l’un des incidents heureux du système fédéral qu’un seul État courageux peut, si ses citoyens le veulent, servir de laboratoire ; et tenter de nouvelles expériences sociales et économiques sans risque pour le reste du pays. Il est depuis devenu courant de désigner les États comme les laboratoires de la démocratie.
La déclaration de Brandeis exprime l’aspect « adaptatif » du thème de la diversification adaptative, reconnaissant que la variation des politiques entre les États stimule l’apprentissage des impacts des politiques. L’aspect « diversification » du thème a été moins apprécié.
Pour illustrer, considérons le choix entre suppression et atténuation encadré par Ferguson et al. (2020). La suppression peut être la meilleure politique si le modèle de l’Imperial College fait des prédictions raisonnablement précises des impacts de la COVID-19 sur la santé et si les impacts économiques ignorés par le modèle sont relativement faibles. D’un autre côté, l’atténuation peut être la meilleure politique si le modèle surestime considérablement les impacts de la COVID-19 sur la santé ou si les impacts économiques ignorés par le modèle sont relativement importants. La diversification des politiques, avec certains emplacements mettant en œuvre la suppression et d’autres mettant en œuvre l’atténuation, abandonne l’idéal d’optimalité afin de se protéger contre une erreur grossière dans le choix de la politique.
Lors de la diversification, quelle fraction d’emplacements devrait mettre en œuvre chaque option politique envisagée ? Cela dépend de la fonction de bien-être que la société utilise pour évaluer les options et des incertitudes qui affectent la prévision des impacts des politiques. Dans Manski (2009), j’étudie la diversification adaptative lorsque le bien-être social est utilitaire, et un planificateur utilise une version dynamique simple du critère minimax-regret pour faire face à l’incertitude. Le résultat est une simple règle de diversification. Compte tenu de la spécification d’une fonction de bien-être appropriée et de la caractérisation des incertitudes pertinentes, il devrait être possible d’adapter cette analyse pour diversifier la politique COVID-19.