Archives du blog

2022, le choc de l’inflation sur le moral des Français

Depuis 2020, l’Observatoire du bien-être du Cepremap publie, en complément de ses notes de conjoncture trimestrielles, un rapport annuel retraçant les évolutions du bien-être subjectif en France sur l’année écoulée. Nous présentons ici en avant-première les grandes lignes du premier chapitre de cet ouvrage. La perspective d’un retour à la normale en 2022 a volé en éclat avec l’invasion russe en Ukraine. Fin 2022, les grandes dimensions du bien-être subjectif retrouvent des niveaux similaires à ceux de la crise des Gilets jaunes. L’inflation, et surtout la peur que celle-ci s’installe dans la durée, joue un rôle central dans cette dégradation qui, contrairement à l’épisode des Gilets jaunes, ne fait pas apparaître de grande ligne de fracture. Face à un avenir menaçant, la tentation est plutôt de se replier sur le passé et sur l’intime. Les autres chapitres de notre rapport portent sur les représentations de la société française et de la mobilité sociale, sur les conséquences de la généralisation du télétravail et sur le lien entre bien-être et dérèglement climatique.

Apprentissage automatique et notation de crédit : entre performance et interprétabilité

Lauréat du prix de thèse monétaire, financière et bancaire 2021 de la Fondation Banque de France, et actuellement maître de conférences à Aix-Marseille School of Economics, Sullivan Hué présente dans ce billet les résultats de ses recherches menées sous la direction de Sessi Tokpavi et Elena Dumitrescu à l’Université d’Orléans (Laboratoire d’économie d’Orléans). Le chapitre de sa thèse présenté dans ce billet, issu d’un article co-écrit avec Elena Dumitrescu, Christophe Hurlin et Sessi Tokpavi et publié dans European Journal of Operational Research, s’intéresse à l’utilisation des algorithmes d’apprentissage automatique pour la notation de crédit. Il propose un modèle de notation de crédit original dont l’objectif est d’améliorer les performances prédictives du modèle de référence de notation de crédit, c’est-à-dire la régression logistique, à partir de techniques d’apprentissage automatique, tout en préservant l’interprétabilité intrinsèque du modèle traditionnel.