Alternatives Economiques | 13 mars 2026
Evaluer les effets des accords commerciaux, un défi scientifique
Les effets des accords de libre-échange sont régulièrement évalués, poussant parfois à en signer de nouveaux au regard des résultats. Mais ces estimations sont loin d’être infaillibles, explique une note du Cépii.
Par Juliette Le Chevallier
« Les chiffres démontrent (le) succès considérable » de l’accord de libre-échange entre l’Union européenne (UE) et le Canada, le Ceta, déclarait en 2024 la présidente de la Commission européenne, Ursula von der Leyen, pour défendre l’accord appliqué partiellement depuis 2017.
Les évaluations des effets des accords commerciaux sur les échanges appuient souvent des recommandations de politiques publiques. Pourtant, une note du Centre d’études prospectives et d’informations internationales (Cépii), publiée en décembre 2025, rappelle la prudence avec laquelle il faut considérer ces résultats.
Afin de déterminer l’impact d’un accord, les économistes utilisent des modèles dits de gravité. En substance, ils comparent l’évolution des échanges entre deux pays ayant signé un accord et d’autres paires de pays analogues (de taille économique et à une distance similaires) n’ayant pas signé d’accord.
Mais la méthode a ses limites : entre l’UE et le Canada, il n’y a pas la même histoire, la même géographie, ni la même dimension culturelle qu’entre l’UE et la Chine, par exemple. Pour affiner l’analyse et ne conserver que l’effet provenant de l’accord, les économistes comparent alors les échanges UE-Canada à eux-mêmes, avant et après l’accord du Ceta.
« Cette technique est extrêmement puissante. Elle permet de contrôler simultanément des milliers de facteurs impossibles à mesurer individuellement, explique Camilo Umana-Dajud, économiste au Cépii et auteur de cette note. Mais elle a un prix statistique élevé : en se concentrant uniquement sur les variations au sein de chaque paire de pays, elle réduit drastiquement l’information disponible. »
Problème de rareté
En effet, le nombre de données observées devient très faible, surtout pour les accords récents. Prenons le cas du Ceta, en vigueur depuis sept ans. Aujourd’hui, il n’est possible d’analyser que quatorze données sur les exportations (sept du Canada vers l’UE et sept de l’UE vers le Canada). Un chiffre trop faible pour s’assurer de la significativité de l’estimation des effets sur les exportations.
« Imaginons qu’on lance une pièce de monnaie cinq fois et que l’on obtienne quatre fois “pile”. Un test statistique mal conçu pourrait conclure que ce résultat est “significatif” et que la pièce est probablement truquée, car la probabilité d’obtenir quatre “pile” sur cinq lancers avec une pièce équilibrée n’est que de 15 %. Pourtant, avec seulement cinq lancers, cette conclusion serait hâtive : il est tout à fait possible qu’il s’agisse seulement du hasard », image Camilo Umana-Dajud.
Si les données sont insuffisantes, « l’incertitude statistique explose au point de rendre toute conclusion hasardeuse »
Même pour des accords plus anciens, le « problème de rareté » peut subsister. En effet, si le nombre de données étudiées – qui est fonction du nombre d’années depuis l’entrée en vigueur de l’accord et du nombre de pays concernés par cet accord – est inférieur à 100, voire 500 « selon le contexte spécifique de l’analyse », alors « l’incertitude statistique explose au point de rendre toute conclusion hasardeuse », indique l’économiste.
Pour prévenir la publication de résultats « hasardeux », les économistes ont recours à des tests de significativité : à l’aide de simulations, ils évaluent la fiabilité de leurs estimations. Mais, là encore, Camilo Umana-Dajud pointe une limite importante :
« Les tests statistiques classiques s’appuient sur des formules mathématiques dérivées de théorèmes qui ne fonctionnent que lorsque les échantillons sont grands. » Autrement dit, ils ne sont pas adaptés à des cas où les données sont rares.
Fausses certitudes
Une autre méthode, appelée bootstrap, permet d’être « plus exigeant » lorsque l’échantillon de données est réduit, mais « elle ne fait pas non plus de miracle », indique l’économiste au Cépii. Son étude des modèles de gravité utilisés pour mesurer les effets des accords commerciaux, conclut en effet qu’en raison de la rareté des données, les résultats sur la significativité ou non des estimations peuvent conduire à de « fausses certitudes ».
En résumé, la méthode statistique classique peut attribuer des effets significatifs à un accord alors qu’il n’en existe pas, ou les surestimer considérablement, alors que la méthode bootstrap peut ne pas détecter des effets pourtant réels, car les résultats sont considérés comme non significatifs à cause de l’insuffisance de données.
Camilo Umana-Dajud estime alors qu’il faut considérer avec beaucoup de prudence les estimations des effets des accords de libre-échange, et même qu’il « vaut parfois mieux renoncer à évaluer l’effet d’un accord spécifique (…) et regrouper des accords pour augmenter le nombre d’observations et gagner en fiabilité, même si cela ne permet plus que d’avoir un effet moyen pour les différents accords regroupés ».
« Les études empiriques ont leurs limites, surtout quand les données sont rares. Il est donc important de croiser différentes sources d’information : chiffres, études de cas, témoignages d’entreprises », conclut-il.
