Modélisation économique par les systèmes complexes : de la simulation multi‑agents aux goulets d’étranglement du marché du travail

A Complex Systems Perspective on Economic Modelling : From Macroeconomic Agent-Based Models to Labor Market Bottlenecks

• Auteur / Autrice : Max Knicker
• Direction : Michael Benzaquen
• Type : Thèse de doctorat
• Discipline(s) : Physique
• Date : Soutenance le 02/06/2025
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Hydrodynamique de l'École polytechnique (Palaiseau ; 1990-....) - Laboratoire d'hydrodynamique / LadHyX
• Jury : Président / Présidente : Isabelle Salle
• Jury : Examinateurs / Examinatrices : Michael Benzaquen, Jean-Pierre Nadal, Andrea Roventini, Jean-Philippe Bouchaud, Dany Lang
• Jury : Rapporteurs / Rapporteuses : Jean-Pierre Nadal, Andrea Roventini

Mots clés

Mots clés contrôlés

Inflation

Réseaux complexes (mathématiques)

Modèles économétriques

Macroéconomie -- Modèles mathématiques

Marché du travail

Mots clés libres

Modélisation à base d’agents

Sloppiness

Dynamiques de l’inflation

Réseaux du marché du travail

Élaboration des politiques économiques

Économie de la complexité

Agent-Based Modelling

Sloppiness

Inflation Dynamics

Labor Market Networks

Economic Policy Making

Complexity Economics

Résumé

En mêlant modélisation multi-agents, science des réseaux et approches des systèmes complexes, ce travail apporte de nouvelles perspectives face aux défis économiques. Les modèles multi-agents (ABM) offrent un cadre d’analyse novateur pour simuler des dynamiques macroéconomiques, s’intéressant aux phénomènes émergents tels que les cycles économiques, l’inflation et les crises. En étendant le modèle Mark-0, cette thèse introduit un mécanisme d’ancrage des anticipations pour analyser l’inflation post-COVID et l’efficacité des politiques économiques qui suivirent. Les résultats montrent que le succès de la politique monétaire repose davantage sur la gestion des anticipations que sur ses effets économiques directs, la spirale prix-salaires apparaissant comme un moteur clé. Les arbitrages nécessaires entre le contrôle de l’inflation et le chômage soulignent l’importance des mesures budgétaires pour assurer la stabilité économique. Afin d’améliorer la robustesse des ABM, une approche inspirée de la physique statistique est introduite pour explorer des espaces de paramètres de haute dimension. En exploitant le cadre de la sloppiness, l’étude identifie un petit ensemble de paramètres rigides qui gouvernent le comportement du modèle, tout en minimisant l’importance des paramètres moins influents, améliorant ainsi son interprétabilité et son efficacité.La deuxième partie se concentre sur les marchés du travail en tant que systèmes complexes adaptatifs. En représentant les professions comme des nœuds dans un réseau de mobilité professionnelle, l’analyse met en évidence des déséquilibres structurels où certaines professions jouent le rôle de hubs centraux tandis que d’autres restent isolées. De nouveaux indicateurs—l’accessibilité et la transférabilité—quantifient la mobilité des travailleurs et identifient les professions condensatrices comme des goulets d’étranglement avec une forte accessibilité mais une faible transférabilité. L’intégration des données de compétences révèle que les professions à forte transférabilité facilitent la mobilité entre clusters d’emplois, tandis que celles à forte accessibilité servent de points d’entrée dans de nouveaux secteurs. Ces résultats offrent des perspectives nouvelles pour améliorer les politiques publiques dans ce domaine. Plus particulièrement, cela permettrait de réduire les inadéquations travail-compétences, d’optimiser les programmes de reconversion et d’améliorer la fluidité du marché du travail face aux transformations économiques et technologiques.

The methodologies of complex systems and economic modeling provide a powerful framework for exploring the intricate interdependencies within economic systems. By integrating tools from agent-based modeling, network science into modeling economics, this work reveals new perspectives on today's economic challenges. A physics-inspired perspective highlights the dynamic and interconnected nature of economic behavior, presenting innovative frameworks for analyzing and addressing the complexities of economic systems.Agent-based models (ABMs) offer a bottom-up lens to simulate macroeconomic dynamics, capturing emergent phenomena such as business cycles, inflationary trends, and crises. Extending the Mark-0 ABM, this research integrates an expectation-anchoring mechanism to study the drivers of post-COVID inflation and the effectiveness of policies aimed at mitigation. The analysis reveals that the success of monetary policy relies more on anchoring expectations than on the direct economic effects of interest rate adjustments. Key dynamics, such as the wage-price spiral, emerge as critical mechanisms shaping economic outcomes, while the analysis exposes trade-offs between inflation control and unemployment. The findings also highlight that, without strong fiscal measures, economic recovery could stagnate or even regress into a deeper recession.To improve the robustness and interpretability of ABMs, a novel statistical physics-inspired approach is introduced for systematically exploring high-dimensional parameter spaces. By leveraging the “sloppiness” framework, the study identifies a small set of key parameter combinations—stiff directions—that significantly influence model behavior, while de-emphasizing less impactful ones. This insight leads to the development of an efficient algorithm that captures the full range of possible model dynamics with minimal computational effort. Applied to the Mark-0 model, the method recovers the complete spectrum of unemployment dynamics, providing a structured approach to assess parameter sensitivities and enhance the utility of ABMs.The second part of the research shifts focus to labor markets, treating them as complex adaptive systems. Interpreting the labor market as a network of interconnected occupations uncovers structural imbalances, with transitions and occupational sizes following power-law distributions. This hierarchical structure reveals that certain occupations act as hubs of mobility, while others remain isolated. To quantify these dynamics, new metrics—accessibility and transferability—are developed, offering a nuanced understanding of worker mobility. These metrics identify critical roles within the labor market, such as “condenser” occupations, which serve as bottlenecks due to high accessibility but low transferability, hindering inter-occupational mobility. A steady-state analysis reveals long-term inefficiencies, as observed worker distributions diverge significantly from equilibrium states. The incorporation of skill similarity data further enriches the analysis, showing that high-transferability occupations facilitate inter-community transitions, while high-accessibility roles act as gateways into new sectors. These insights have practical applications, from addressing skill mismatches to designing targeted training programs and enhancing labor market fluidity amid technological and economic shifts.This research offers tools and methodologies rooted in statistical physics and network theory to unravel economic complexities, identify key drivers, and address structural inefficiencies, providing a foundation for innovative policy interventions in interconnected economic systems.