▼

Estimations historiques du PIB par habitant en Europe de 1300 à nos jours


Koch, P., Stojkoski, V. et CA Hidalgo (2024). « Augmenting the availability of historical GDP per capita estimates through machine learning  » [Augmenter la disponibilité des estimations historiques du PIB par habitant grâce à l'apprentissage automatique]. Proceedings of the National Academy of Sciences (PNAS). URL : https://www.pnas.org/doi/10.1073/pnas.2402060121

Peut-on utiliser les données biographiques de personnages historiques pour estimer le PIB par habitant de pays et de régions ? Les auteurs présentent une méthode d'apprentissage automatique permettant d'estimer le PIB par habitant de dizaines de pays et régions d'Europe et d'Amérique du Nord sur les 700 dernières années, à partir de données sur les lieux de naissance, de décès et les professions de centaines de milliers de personnages historiques. Ils construisent un modèle de régression Elastic Net pour effectuer une sélection de variables et générer des estimations hors échantillon qui expliquent 90 % de la variance des niveaux de revenus historiques connus. Les auteurs utilisent ce modèle pour générer des estimations du PIB par habitant pour des pays, des régions et des périodes pour lesquels ces données sont indisponibles, et valident leurs estimations en les comparant à quatre indicateurs de production économique : les taux d’urbanisation au cours des 500 dernières années, la taille moyenne au XVIIIe siècle, le bien-être en 1850 et l’activité de construction d’églises aux XIVe et XVe siècles. Leurs estimations reproduisent l'inversion de richesse bien connue entre l'Europe du Sud-Ouest et l'Europe du Nord-Ouest entre 1300 et 1800. Ils constatent qu'elle est largement due aux pays et régions impliqués dans le commerce atlantique. Ces résultats valident l'utilisation de données biographiques détaillées pour affiner les estimations historiques du PIB par habitant. 

En 1300, les revenus étaient les plus élevés en Italie du Nord (figure A). Si les Pays-Bas et la Belgique figuraient parmi les économies les plus riches en 1600 (figure B), c'est au Royaume-Uni et aux États-Unis qu'apparaissaient les revenus les plus élevés en 1900 (figure C).

Évolution du développement économique des pays d'Europe et d'Amérique du Nord entre 1300 et 1900
(source : Koch, Stojkoski et Hidalgo, 2024)


Pour cette étude, les chercheurs ont utilisé des données recensant des personnalités notables répertoriées sur Wikipédia et Wikidata (voir la base de données récemment publiée). Cette base de données contient des informations sur 2,29 millions de personnages historiques, notamment leurs lieux de naissance et de décès, leur profession et des indicateurs de leur popularité actuelle, tels que le nombre de vues de leur page Wikipédia ou le nombre d'éditions linguistiques. Les données de Wikipédia sont connues pour être sujettes à des biais. Par exemple, les personnalités célèbres du monde occidental y sont surreprésentées. Prenons l'exemple des 237 000 biographies que Wikipédia propose sur des personnages historiques nés entre 1100 et 1900 (dans au moins deux éditions linguistiques et avec une profession identifiable). De plus, 77,9 % de ces biographies concernent des personnes ayant vécu en Europe ou en Amérique du Nord. Ceci contraste avec les estimations démographiques qui indiquent qu'en 1820, seulement 18,75 % de la population mondiale vivait en Europe ou en Amérique du Nord. Par ailleurs, les normes culturelles influencent la représentation de certains individus dans les différentes éditions linguistiques ( et la couverture relative des sujets. Néanmoins, des études empiriques montrent que les informations disponibles sur Wikipédia sont relativement fiables lorsqu'elles sont évaluées par des expert ou comparées à d'autres encyclopédies comme l'Encyclopædia Britannica.

Les auteurs ont pallié ces limitations de deux manières. Premièrement, ils se sont concentrés uniquement sur l'Europe et l'Amérique du Nord en raison de la faible représentativité des autres régions du monde. Deuxièmement, ils ont traité les biais linguistiques potentiels en ne considérant que les biographies disposant d'une page Wikipédia en au moins deux langues (afin d'éviter d'inclure les biographies locales disponibles uniquement dans une langue majeure, comme l'anglais ou le français). Ils ont validé ce choix méthodologique en comparant leurs résultats avec des modèles utilisant uniquement les données des pages en anglais ou uniquement celles de pages non anglophones. 

Les auteurs publient les résultats de leus estimations hors échantillon, ainsi que les données sources collectées sur les pays et les régions, dans un ensemble de données exhaustif comprenant 5 700 observations (1574 observations issues des données sources et 4 126 estimations hors échantillon). Pour ces estimations hors échantillon, ils fournissent des intervalles de confiance à 90 %. Les données et le code sont disponibles en téléchargement sur GitHub.

Articles connexes



Image, le générateur de cartes statistiques d'Eurostat

Les régions européennes selon 18 indicateurs d'innovation (RIS)

Cartes et données sur l'évolution de la population européenne (1961-2024)