INTRODUCTION
Une bonne politique monétaire exige à la banque centrale de porter une attention particulière
sur un certain nombre de variables macroéconomiques. Parmi ces variables, figure :
l’inflation. Plus précisément pour la banque centrale, c’est de comprendre la dynamique de
l’inflation structurelle dont la spécificité dépend de la structure de chaque économie. Pour
illustration, la Banque centrale peut décider de restreindre les possibilités d’emprunt en
augmentant les taux d’intérêt en cas d’un niveau inquiétant de l’inflation. Cela va dans le
même sens de l’anticipation d’une tendance inflationniste. Nous pouvons en ce sens, citer le
cas le plus récent où face à des économies confrontées à des tensions inflationnistes
persistantes depuis le début de l'année 2022, la Banque centrale des Etats de l'Afrique de
l'Ouest (BCEAO) a été contrainte de relever ses taux directeurs de 0,25% (25 points de base).
Ainsi, il apparait primordial pour les banques centrales de disposer des dispositifs en qualités
de prévisions du niveau de l’inflation structurelle afin de prendre les meilleures décisions
adaptées aux besoins de chaque économie.
Cependant, comme certaines variables macroéconomiques, l’inflation est soumise à
d’importants chocs exogènes. Ces chocs sont des éléments qui nuisent la qualité des
prévisions. Cette difficulté majeure rend assez rude l’exercice de prévision. Par conséquent,
certains auteurs soutiennent qu’il est préférable de s’intéresser à l’intervalle dans lequel ce
type de variables (Stock et Watson, 2007) pourraient se retrouver plutôt que de se concentrer
sur un niveau précis (Stockton, 2012).
Suivant la littérature, la prévision de l’inflation peut se faire soit à l’aide de modèles simples
tels que les modèles univariés en passant par des modèles plus complexes tels que les modèles
multivariés.
En effet, les modèles univariés fournissent des prévisions de qualité à court terme (Stock et
Watson, 2006 ; Dritsaki, 2015 ; Dembo Toe, 2010), mais les modèles plus complexes tels que
les modèles multivariés ou modèles structurels qui restent adaptés aux prévisions
structurelles. Elles permettent ainsi de disposer des prévisions appréciables, mais aussi
d’identifier les déterminants de la dynamique de la variable à prévoir (Germain, 1993 ;
Barnett et al., 2012). En plus du choix du modèle, la qualité de la prévision pourrait dépendre
de l’horizon de la prévision, de l’environnement macroéconomique du pays, du nombre de
facteurs retenus etc… Toutefois, il est important de noter que l’exercice de prévisions est
encore plus difficile dans les pays en développement caractérisés par la défaillance du
système statistique. On court donc le risque d’indisponibilité des données sur certaines
variables importantes pour une certaine couverture géographique. Dans les rares occasions où
elles sont présentes, l’on ne dispose pas la quantité de données nécessaires pour l’exercice de
prévision. De ce fait, ces limites rendent difficile la réalisation d’activités de recherche et la
pratique de politiques optimales. C’est ce qui justifie qu’à travers la littérature, on retrouve
très peu de travaux s’étant intéressés à la prévision de l’inflation structurelle des pays de
l’Union Monétaire des Etats de l’Afrique de l’Ouest (UEMOA).
Notre étude se fixe pour objectif d’élargir la gamme de modèles de prévision de
l’inflation structurelle des pays de l’UEMOA. L’intérêt de cette recherche se situe à deux
niveaux, d’abord elle contribuera à aider la Banque centrale des Etats de l’Afrique de l’Ouest
(UEMOA) à adopter des politiques monétaires adaptées aux besoins de chaque pays. Ensuite,
elle constitue un élément de renforcement l’appareil statistique de la banque centrale.
Objectifs de l’étude
❖ Objectif général
Cette étude vise à modéliser et prévoir l’inflation structurelle des pays de l’UEMOA.
❖ Objectifs spécifiques
Les objectifs spécifiques de cette étude sont les suivants :
• Identifier les déterminants de l’inflation structurelle des pays de l’UEMOA ;
• Réaliser des prévisions de l’inflation structurelle des pays de l’UEMOA.
