La population mondiale en 2100

Dans leur livre Empty Planet, que j’ai présenté dans ce billet, Darrell Bricker et John Ibbitson critiquent le scénario démographique moyen de l’Organisation des Nations unies (ONU) qui prévoit que la population passera à 11 milliards en 2100, prévision qu’ils trouvent beaucoup trop élevée, préférant celle du scénario faible de l’ONU qui arrive à une population de 7,3 milliards. Sans remettre en question leur conclusion sur le niveau trop élevé des prévisions de l’ONU, je déplorais toutefois l’aspect anecdotique de leurs arguments.

Or, la revue scientifique The Lancet vient de publier une étude dont les prévisions arrivent à une population de 8,8 milliards en 2100, soit bien moins que les 11 milliards du scénario moyen de l’ONU, mais quand même pas mal plus que les 7,3 milliards de son scénario faible. Pour moi, l’intérêt de cette étude de l’Institute for Health Metrics and Evaluation de l’University of Washington’s School of Medicine, intitulée Fertility, mortality, migration, and population scenarios for 195 countries and territories from 2017 to 2100: a forecasting analysis for the Global Burden of Disease Study (Scénarios de fécondité, de mortalité, de migration et de population pour 195 pays et territoires de 2017 à 2100 : une analyse prévisionnelle pour le Global Burden of Disease Study) ne repose pas tant sur ses résultats, mais sur les facteurs analysés qui ont mené à ces résultats.

Introduction

Les prévisions démographiques sont un outil important pour la planification des activités des gouvernements (besoins d’écoles, d’hôpitaux, de garderies et d’infrastructures pour tous les services publics, élaboration de politiques environnementales, de défense, de santé publique, etc.) et des entreprises (surtout pour leurs investissements), et pour informer correctement la population de la situation démographique, politique et socioéconomique à venir.

L’ONU effectue des prévisions démographiques depuis les années 1950. Il a changé son modèle de prévision de fécondité en 2010 et de mortalité en 2012, sans accorder trop d’importance aux facteurs expliquant les migrations. Plutôt que de se baser sur les facteurs qui expliquent les changements de fertilité, le modèle de l’ONU effectue plutôt «des exercices sophistiqués d’ajustement de courbes» basés sur l’évolution passée de ces courbes et sur des marges d’incertitudes.

D’autres groupes s’intéressent aux prévisions démographiques mondiales. Le Centre Wittgenstein produit par exemple depuis les années 1990 des prévisions de la population différentes de celles de l’ONU. Cet organisme se base sur l’opinion d’expert.es sur les tendances des taux de fécondité, de mortalité, de migration et de scolarisation, et se sert de modèles statistiques pour calculer les effets de ces tendances. La plus grande différence entre les prévisions de l’ONU et du Centre Wittgenstein s’observe sur la vitesse prévue de baisse du taux de fécondité dans les pays à forte fécondité comme ceux de l’Afrique et de hausse dans les pays à faible fécondité. Cela dit, les deux prévoient une convergence des taux de fécondité pour tous les pays autour de 1,75. Notons que le seuil de renouvellement des générations est de 2,1 et variait en 2017 selon l’annexe 2 de l’étude d’environ 1,0 à Taïwan et à Chypre à 7,1 au Niger, pour une moyenne mondiale de 2,37. Ces prévisions de convergence sont contestées par de nombreux groupes et démographes (les auteur.es citent notamment le livre Empty Planet).

Les 24 auteur.es de cette étude font ressortir les limites les plus importantes de ces méthodes essentiellement statistiques. Les principales différences de leurs scénarios par rapport à ceux de l’ONU et du Centre Wittgenstein sont de calculer le taux de fécondité en fonction de cohortes de femmes à 50 ans et d’analyser l’évolution de leur taux de fécondité en fonction de leur scolarisation et de la satisfaction de leurs besoins en matière de contraception, les deux facteurs qui influencent le plus l’évolution du taux de fertilité. Une autre différence importante touche la façon de prévoir la mortalité et les migrations, ce dernier facteur ayant peu ou pas d’influence sur le niveau de la population mondiale, mais beaucoup sur celui de la population de chaque pays.

Méthode

Les détails de la méthode utilisée dans cette étude sont contenus dans deux annexes (accessibles sur cette page), dont une de plus de 500 pages que j’ai très rapidement parcourue et l’autre de 23 pages que j’ai davantage consultée. Pour les besoins de ce billet, je me contenterai de présenter ses grandes lignes.

En gros, les prévisions de décès reposent sur des données socio-démographiques, les risques de décès en fonction de 215 causes de mortalité et un modèle statistique tenant compte de la mortalité résiduelle inexpliquée.

Les prévisions de fécondité des pays qui ont des taux de fécondité plus élevés que le seuil de renouvellement des générations (2,1) sont établies en fonction de l’évolution du niveau de scolarité des femmes et de l’accès aux services de santé en matière de contraception. Pour les pays dont le taux de fécondité est inférieur à 2,1, le calcul est plus complexe, car les facteurs qui expliquent les hausses et baisses de ces taux (ou leur stagnation) sont plus nombreux et varient selon les pays. Plutôt que d’utiliser l’indice synthétique de fécondité (ISF), les auteur.es préfèrent modéliser la fécondité à l’aide de la fécondité de la cohorte complète à l’âge de 50 ans (FCC50 ou CCF50 en anglais et dans le graphique qui suit), soit «le nombre moyen d’enfants nés d’une femme dans une cohorte de naissance observée si elle a vécu jusqu’à la fin de sa vie reproductive (15-49 ans)». Le graphique qui suit présente la relation entre la FCC50 (CCF50, en ordonnée dans le graphique) et le nombre d’années de scolarité (Education (years), en abscisse) des femmes à 25 ans. L’estimation du niveau de satisfaction des besoins des femmes en services de contraception est illustrée dans le graphique par les lignes allant de pâle (la plus haute, mais avec le niveau de satisfaction le moins élevé) à foncée (la plus basse, mais avec le niveau de satisfaction le plus élevé).

Ces deux variables expliquent 80,5 % de la variation de la FCC50 pour tous les pays au cours des 48 dernières années. L’ajout d’une variable sur le niveau d’urbanisation ne change pas les résultats de façon significative, car elle est fortement corrélée avec les deux autres. Les auteur.es ajoutent finalement un modèle statistique sur les taux de fécondité par âge.

Les prévisions de migrations sont basées sur des données socio-démographiques (notamment sur l’évolution de l’accroissement naturel, soit la différence entre les naissances et les décès), et sur la mortalité due à des conflits (guerres, exécutions, répression policière, terrorisme, etc.) et à des désastres naturels. Les résultats tiennent compte de l’âge des migrant.es. Les auteur.es précisent que les marges d’erreur sont plus fortes pour les prévisions de migrations que pour la fécondité et les décès.

Les prévisions sur la scolarité des femmes et sur le niveau de satisfaction de leurs besoins en contraception sont basées sur leur évolution des années passées, en donnant plus de poids à l’évolution récente.

Résultats

En plus de leur scénario de référence, les auteur.es ont aussi produit quatre autres scénarios qui font varier le rythme de croissance de la scolarité des femmes et du niveau de satisfaction de leurs besoins en contraception. Le graphique ci-contre indique les résultats fort différents selon les scénarios de l’évolution du taux mondial de fécondité. La ligne la plus élevée (rouge) est basée sur la plus faible amélioration de la scolarité des femmes et de la satisfaction de leurs besoins en contraception, et la plus basse sur l’atteinte des Objectifs de développement durable (ODD) de l’ONU sur ces deux plans dès 2030.

Les résultats de ces scénarios pour les prévisions de la population mondiale en 2100 passent de 6,3 milliards si les ODD sont atteints, à 8,8 milliards pour le scénario de référence et à 13,6 milliards pour le scénario d’une faible amélioration de la scolarité des femmes et de la satisfaction de leurs besoins en contraception, comme on peut le voir sur le graphique ci-contre.

L’étude et ses annexes contiennent bien d’autres résultats, entre autres sur les prévisions de population par région et par pays (195). On y trouve aussi des prévisions sur la fécondité, la mortalité, les migrations, la structure d’âge, le PIB et la population en âge de travailler (âgée de 20 à 64 ans), encore une fois mondialement et par région et pays, et des comparaisons avec d’autres scénarios (ceux de l’ONU et du Centre Wittgenstein). On y commente aussi les conséquences environnementales de ces prévisions, en avertissant que, malgré ses prévisions moins élevées que celles de l’ONU «les changements environnementaux et climatiques pourraient encore avoir des conséquences majeures et graves dans les années à venir, à moins que des mesures préventives et d’atténuation ne soient prises énergiquement». Il semble que les auteur.es n’ont pas tenu compte de ces conséquences dans les hypothèses de leurs modèles de prévisions, quoiqu’on y mentionne les désastres naturels (mais uniquement pour prévoir le niveau des migrations), mais pas les conséquences du réchauffement climatique comme tel sur les inondations, la perte de terres cultivables et autres.

On précise en plus que, selon le scénario de référence, la population devrait diminuer de plus de 50 % dans 23 pays entre 2017 et 2100 (dont au Japon, en Thaïlande, en Espagne et en Ukraine), mais de 48 % en Chine (dont la population passerait de 1,4 milliard à 732 millions). La population de l’Inde diminuerait de 21 %, mais resterait au-dessus d’un milliard (1,09 milliard par rapport à 1,38 milliard en 2017). Celle du Canada augmenterait de 22 % pour atteindre 44 millions (36 millions en 2017), mais uniquement grâce à l’immigration, car son taux de fécondité ne serait plus que 1,58 en 2100 (1,66 en 2017). On y discute aussi de l’effet des politiques natalistes, de l’automatisation (pour remplacer la main-d’œuvre déclinante) et de bien d’autres sujets. Les auteur.es concluent ainsi :

«L’avenir démographique n’est pas coulé dans le béton. Les politiques que les pays mènent aujourd’hui peuvent modifier la trajectoire de la fécondité, de la mortalité et des migrations. La taille et la composition de la population ne sont pas des facteurs exogènes dont les pays doivent tenir compte dans leur planification, mais plutôt des résultats qu’ils peuvent contribuer à orienter.»

Et alors…

Même si cette étude (et surtout ses annexes) est moins facile à lire que le livre Empty Planet, sa démarche est beaucoup plus rigoureuse et ses résultats bien plus satisfaisants. J’ai aussi apprécié que les auteur.es soulignent les limites méthodologiques de leurs modèles, tout en fournissant des prévisions pour tous les pays et toutes les régions. Mais, comme ils et elles le précisent en conclusion, des prévisions demeurent des prévisions. Même en développant des modèles rigoureux, on ne peut se baser que sur le passé pour prévoir l’avenir. Or, l’avenir ne se déroule jamais exactement comme le passé et comme on le prévoit, surtout quand la période de prévision est aussi longue (83 ans, ici). J’étais un peu déçu que les scénarios démographiques ne tiennent pas compte des scénarios environnementaux (ce que le Centre Wittgenstein semble faire selon ce qu’on lit dans l’étude), mais cela ajouterait un niveau de complexité difficile à incorporer à leurs modèles déjà très détaillés, et rendrait la lecture des résultats déroutante (avec 25 séries de résultats s’il y avait cinq scénarios de réchauffement climatique). Au moins, l’étude mentionne ce facteur et précise qu’il pourrait avoir un impact majeur sur les résultats. C’est déjà bien!

Publicité