Le terme météorologique de « prévision immédiate » (nowcasting) est de plus en plus couramment utilisé en économie ces six dernières années, du fait du succès des méthodes statistiques visant à formaliser la combinaison de jugement et d’expertise mise en œuvre dans le calcul des estimations précoces de l’activité économique. À la différence des utilisateurs de prévisions immédiates en météorologie, qui fondent leurs décisions à la fois sur les conditions actuelles et sur des prévisions pour une période allant de zéro à six heures, les institutions en charge de la politique économique doivent prendre des décisions importantes sans observer directement l’état actuel de l’économie. Dans le présent document, la « prévision immédiate » désigne l’estimation de la croissance du PIB au cours des derniers trimestres, assortie d’une première évaluation de la situation économique actuelle et future.

Le modèle de prévision immédiate décrit ici donne une représentation conjointe des économies de la zone euro et de la Belgique qui exploite les publications de données intra-trimestrielles pour mettre à jour notre appréciation de la croissance du PIB en temps réel. La séquence des publications ayant lieu tout au long du trimestre est déterminée par le calendrier des différentes institutions, qui diffusent leurs données de manière non synchronisée. Contrairement à la situation dans laquelle les prévisions sont mises à jour à la suite de changements survenus dans l’avis des experts ou de mise à jour des modèles univariés, l’approche formelle de l’auteur permet une décomposition des révisions en termes de "nouvelles". Concrètement, le modèle identifie les "nouvelles" implicites dans chaque publication macroéconomique et détermine automatiquement quels poids celles-ci auront dans la mise à jour des estimations de croissance du PIB. Il est intéressant de noter que les pondérations sont déterminées à la fois par la qualité et le délai de publication des données, évitant ainsi privilégier les informations qui confirment des estimations préconçues.

Les résultats empiriques soulignent l’importance des données d’enquête telles que l’indicateur de confiance des chefs d’entreprise élaboré par la Banque nationale de Belgique. En particulier, la publication correspondant au premier mois de chaque trimestre joue un rôle important dans la mise à jour de la croissance anticipé du PIB. D’autres indicateurs qui ont une grande incidence sur les prévisions sont la publication du PMI (enquête relative à l'industrie manufacturière) de Markit Economics pour la zone euro, l’Euribor à trois mois et les prix réels de l’immobilier résidentiel en Belgique, dont l’influence s’avère s’exercer principalement sur des horizons à long terme. Cela corrobore la constatation de l’auteur selon laquelle il est possible d’obtenir des prévisions fiables du taux de croissance trimestriel du PIB réel trois mois avant la publication de l’estimation flash. Le présent document va plus loin que la littérature existante dans la compréhension de la question de savoir si l’importance des données d’enquête provient de leur disponibilité précoce ou plutôt de leur qualité. Dans un exercice contrefactuel, l’auteur montre que les pondérations associées aux données d’enquête ne se détériorent pas lorsque l’ensemble des données concrètes (hard data) sont publiées avec la même rapidité. Ce résultat souligne la qualité des données d’enquête et fait ressortir leur utilité dans l'établissement des prévisions immédiates.

Le présent document est structuré comme suit. La section 2 définit le modèle et le compare aux modèles les plus actuels. La section 3 présente les données et les particularités des révisions du PIB. La section 4 examine le rôle précis de l’ensemble des publications de données dans le processus de mise à jour du taux de croissance anticipé de l’économie belge. L’auteur aborde en outre brièvement la question de savoir pourquoi un tel rôle dépend fondamentalement de la rapidité de publication et de la qualité, qui sont des caractéristiques souhaitables des données macroéconomiques. Enfin, la section 5 présente des prévisions hors échantillon qui auraient été obtenues par le modèle depuis le dernier trimestre de 2007 en utilisant les informations qui étaient disponibles en temps réel. La dernière section présente les conclusions.