Une évaluation du plan d’investissement France relance à l’aide du modèle ThreeME

Par

Affiliation

Paul Malliet

OFCE - Département Economie et Environnement

Anissa Saumtally

1 Travail sur les données sources

Le travail de traitement des données a été effectuée à partir d’un fichier source¹ créé à partir de la base France Relance, regroupant de l’information sur les montants versés à travers les différents dispositifs identifiés. Une seconde source de données a également été utilisée pour procéder à des corrections sur les montants initiaux, en prenant comme référentiel les montants engagés²

¹ L’accès à ce fichier à été transmis le 30 Juin 2023

² Fournis le 30 Novembre 2023

1.1 Description des données d’entrée

La base de données initiale France Relance intègre un ensemble de dépenses (1,806,023 observations) représentant un montant total de 67.88 Mds€ et qui peut se décomposer de la facon suivante:

Année	Montant versé (en Mds€)	En %
2020	4.99	7,35
2021	27,1	39,93
2022	20,9	30,79
2023	0,58	0,85
Non précisé	14,3	21,07
Total	67,88	100%

Parmi les montants renseignés 45.02% sont associés à un secteur particulier en 2020 ; 55.66% en 2021 ; 65.25% en 2022, 99.86% en 2023 et 6% sans précision de l’année.

Afin d’intégrer l’ensemble des montants engagés qui représente 93,870 Mds€, une correction a été apportée à partir d’un fichier excel qui indiquait pour les dispositifs concernés les montants engagés et ceux versés et les montants reçus, sans toutefois apporter de précision sur l’année considérée ou encore le secteur ciblé. Deux méthodes ont été retenues pour les traiter. La première consistant à corrigant par le ratio entre le montant engagé et celui les montants renseignés dans la base principale les observations initiales. La seconde en insérant les nouveaux dispositifs dans la base de données qui est ensuite utilisée dans le modèle.

Les montants finaux, après corrections se répartissent de la façon suivante, la décomposition par dispositif est donnée par la figure 1:

Année	Montant versé (en Mds€)	En %
2020	4.58	4,88%
2021	35,34	37,64%
2022	33,14	35,31%
2023	1,23	1,31%
Non précisé	19,58	20,86%
Total	93,87	100%

Figure 1: Dispositifs identifiés dans le plan de France Relance et montants cumulés (en Mds €)

1.2 Traitement des données d’input

Les données sources distinguent après corrections un ensemble de 55 dispositifs dont l’affectation des dépenses peut-être regroupée en plusieurs catégories de variable selon la nature de leur effet. Ces variables sont ensuite intégrées au modèles comme des exogènes qui affectent le modèle via plusieurs canaux. Nous en distinguons sept, chacune affectant une variable du modèle distincte, et conduisant à des effets différenciées.

• Aide au transport pour les ménages: affectent la dépense finale des ménages en volume de la commodité ‹Transports› (AIDE_TRSP_HH)

• Aide à la rénovation énergétique des batiments (ma primrenov): affectent la dépense finale des ménages en volume de la commodité ‹Construction› (BUIL_HH_INV)

• Aide à l’investissement des secteurs productifs (IA_BONUS)

• Dépenses publiques pour le compte de l’état: Dépenses publiques des administrations publiques (DEP_PUB_FRE)

• Aide pour l’emploi : Subventions sur le coût du travail (LAB_AIDE)

• Baisse des impôts de production: baisse des montants de taxes productives des secteurs productifs (TAXCUT_PROD_FRE)

• Subventions générales: Subventions sur les montants d’investissement (SUB_GN)

Pour certaines de ces variables (IA_BONUS et SUB_GN, TAXCUT_PROD_FRE), l’affectation à un secteur en particulier n’était pas précisé dans les données sources nécessitant de procéder à leur ventilation entre les différents secteurs. Celle-ci s’est faite à partir de la part de chaque secteur dans la valeur ajoutée totale pour IA_BONUS et SUB_GN, et du poids de chaque secteur dans la production totale pour TAXCUT_PROD_FRE.

	Variable(s) concernée(s)	Mécanisme
Investissements directs	Investissement sectoriel	Demande, par l’investissement des entreprises
Aides à l’emploi	Coût du travail par secteur	Offre, baisse des coûts du travail
Réductions sur les impôts à la production	Impôts à la production par secteur	Offre, baisse du coût de production, amélioratio de la compétitivité à l’export
Subventions	Subventions sur les montants d’investissement	Demande par l’investissement
Aides à la mobilité	Consommation des ménages en biens de transport	Demande des ménages
MaPrimRenov	Consommation des ménages en construction	Demande des ménages
Dépenses publiques	Demande des APU	Demande publique

1.2.1 3 critères de répartition

Par année

Répartition annuelle dans les données d’entrée

	Montant (Mds d'€)	Part
2020	4,58	4,88 %
2021	35,34	37,64 %
2022	33,14	35,31 %
2023	1,23	1,31 %
N.d	19,58	20,86 %
Total	93,87	100,00 %

Répartition annuelle après refléchage sur 2021 et 2022

	Montant (Mds d'€)	Part
2020	4,58	4,88 %
2021	45,13	48,07 %
2022	42,93	45,74 %
2023	1,23	1,31 %
Total	93,87	100,00 %

Par secteur

Par type de mesure

• Le données sources qui distinguent les montants versés pour un ensemble de 46 dispositifs sont reclassées en 7 mesures types dans le modèle

	Montant (Mds d'€)	Part
Investissements directs	30,91	32,93 %
Aides à l'emploi	15,62	16,64 %
Réductions sur les impôts à la production	20,00	21,31 %
Dépenses publiques	20,60	21,95 %
Aides à la mobilité	1,90	2,02 %
MaPrimRenov	4,84	5,16 %
Plan France Relance	93,87	100,00 %

1.3 Calibration du modèle

Le modèle a été calibré sur une nomenclature en 13 secteurs issues de la classification sectorielle de la NAF. Certains secteurs ont été regroupés pour pouvoir être associés aux données sources.

Code NAF	Secteur ThreeME	Intitulé des secteurs
A	AZ	Agriculture, sylviculture et pêche
B	DE	Industries extractives
C	CX	Industrie manufacturière
D	DE	Production et distribution d'électricité, de gaz, de vapeur et d'air conditionné
E	DE	Production et distribution d'eau ; assainissement, gestion des déchets et dépollution
F	FZ	Construction
G	GZ	Commerce ; réparation d'automobiles et de motocycles
H	HZ	Transports et entreposage
I	IZ	Hébergement et restauration
J	JZ	Information et communication
K	KZ	Activités financières et d'assurance
L	LZ	Activités immobilières
M	MN	Activités spécialisées, scientifiques et techniques
N	MN	Activités de services administratifs et de soutien
O	OQ	Administration publique
P	OQ	Enseignement
Q	OQ	Santé humaine et action sociale
R	RU	Arts, spectacles et activités récréatives
S	RU	Autres activités de services
T	RU	Activités des ménages en tant qu'employeurs ; activités indifférenciées des ménages en tant que producteurs de biens et services pour usage propre
U	RU	Activités extra-territoriales

2 Modélisation du plan de relance

2.1 Le modèle ThreeME

Astuce

le modèle ThreeME

ThreeME (Modèle macroéconomique multisectoriel pour l’évaluation des politiques environnementales et énergétiques) est un modèle macroéconomique et multisectoriel ouvert (« open source ») développé pour évaluer les impacts économiques de politiques environnementales et énergétiques à moyen et long terme en France2 (pour une description détaillée, voir www.threeme.org). ThreeME est un modèle en équilibre général néo-keynésien, où les prix et les quantités sont rigides à court terme et n’équilibrent donc pas instantanément l’offre et la demande optimales. Contrairement à un modèle à équilibre walrasien, ce cadre théorique modélise plus finement la phase de transition des effets d’une politique, et pas seulement une analyse de long terme. À court terme, l’offre s’ajuste à la demande. À moyen et long terme, l’offre influence la demande via les revenus générés par les facteurs de production. La dynamique du modèle est guidée par les processus d’ajustement des prix et des quantités qui supposent que les valeurs effectives s’ajustent progressivement à leur niveau dit « notionnel » (c’est-à-dire désiré ou optimal à long terme). La spécification retenue est micro-fondée et est dérivée de la minimisation d’un modèle avec coûts d’ajustement quadratiques. Les paramètres d’ajustement sont calibrés sur des estimations de la littérature économétrique1. Les prix et les quantités effectives s’ajustent alors lentement à leur optimum défini par un comportement de maximisation permettant ainsi des situations de déséquilibre entre l’offre et la demande ou de sous-emploi. Les entreprises choisissent en concurrence imparfaite la demande de facteurs de production (capital, travail, consommations intermédiaires énergétiques et non-énergétiques) optimale qui minimise les coûts de production sous l’hypothèse d’une fonction production flexible. Les ménages ont à long terme une cible de taux d’épargne endogène susceptible de dépendre de diverses variables mises en avant par les principaux modèles théoriques de consommation : taux d’intérêt réel (modèle du revenu permanent, de cycle de vie), taux de chômage (modèle avec épargne de précaution), taux d’endettement de l’État (équivalence ricardienne). Les salaires s’ajustent par une courbe de Phillips ou une courbe de wage setting. Le taux d’intérêt réel est fixé par les autorités monétaires selon une règle de Taylor : il augmente avec l’inflation et diminue avec l’activité. La désagrégation sectorielle permet l’analyse des effets du transfert d’activité d’un secteur à un autre, notamment en termes d’emploi, d’investissement, de consommation d’énergie et de commerce extérieur. Le modèle pour la France dispose d’une segmentation en trente-sept secteurs économiques, dont dix-sept secteurs énergétiques et cinq secteurs de transport (transport ferroviaire, transport routier de voyageurs et de marchandises, par eau et aérien). Le secteur pétrolier est subdivisé en deux, pétrole et biocarburant ; celui de la production et distribution d’électricité en huit technologies : nucléaire, centrale au fioul, centrale combinée gaz, centrale au charbon, éolien, solaire, hydraulique et cogénération. Enfin, la production et distribution de gaz et de chaleur est assurée par six secteurs : gaz naturel, bois, biogaz, incinération des ordures ménagères, géothermie et cogénération. La désagrégation énergétique permet l’analyse des comportements en matière de production et de consommation d’énergie. Les secteurs d’activité peuvent arbitrer entre différents investissements énergétiques : substitution entre capital, travail et énergie quand les prix relatifs changent, substitution entre sources d’énergie. Les ménages peuvent substituer entre sources énergétiques, entre modes de transport et entre types de biens ou services.

Concernant les comportements de consommation de produits de base (commodities), deux versions de ThreeME peuvent être simulées. Dans la première, dite « standard », les ménages maximisent une fonction d’utilité, croissante des quantités consommées de chaque bien, sous une contrainte de dépense globale cible. La consommation de chaque bien suit alors plus ou moins proportionnellement les évolutions du revenu en fonction des arbitrages possibles entre biens de consommation. En particulier, une structure de fonction d’utilité imbriquée permet de représenter les substitutions entre investissements d’efficacité énergétique et produits standards énergétiques. Dans la version dite « hybride », la quantité d’énergie consommée n’est pas liée directement au revenu des ménages. Elle n’entre pas directement dans la fonction d’utilité du ménage car elle n’est pas désirée pour elle-même. Elle est assimilée à un bien complémentaire d’un service rendu. Sa consommation dépend de l’évolution et de la nature du stock de capital (véhicules, immeubles, biens d’équipement). Par exemple, l’énergie utilisée pour les besoins du chauffage dépend du nombre de bâtiments existants et de la classe énergétique à laquelle ils appartiennent. Cette hypothèse empruntée aux modèles énergétiques bottom-up développés par les ingénieurs est plus réaliste que celle des modèles CGE (dits « top-down ») et reprise dans la version standard. En effet, elle permet de tenir compte de niveau de saturation, de la complémentarité de l’énergie avec d’autres biens (voitures, logements), mais aussi d’endogénéiser les mécanismes d’efficacité énergétique observés dans la consommation des ménages.

A noter que dans le cadre de cette version, une désagragétion sectorielle à 13 secteurs, issue de la classification de la NAF a été retenue, ainsi que l’hypothèse d’une courbe de Phillips pour représenter la dynamique de prix-salaire.

2.2 Protocole de simulation

2.2.1 Scénario central

Le scénario central se définit en premier lieu par un scénario tendanciel, défini à partir des hypothèses de croissance de la productivité du travail et de la natalité. En plus de ce scénario tendanciel traduisant la croissance à long-terme, des modifications sont apportées pour intégrer les chocs exogènes ayant affecté l’économie française depuis 2019 (année de calibration initiale du modèle)

• Intégration d’un choc Covid basée sur l’article de Malliet et al. (2020) qui analyse l’effet du choc lié au confinement lors de la pandémie du COVID-19 sur la dynamique à long-terme des émissions qui s’appuie sur l’étude OFCE de Dauvin et Sampognaro (2021) sur la variation de la demande mondiale consécutive aux mesures de confinement.

• Intégration des variations de prix énergétiques sur les marchés internationaux entre 2020 et 2022 depuis cette date (source) à préciser

2.2.2 Scénario alternatif

Le scénario alternatif se traduit par l’intégration des différents chocs identifiés dans la section précédente et qui affecte le modèle.

• En faisant varier la demande de manière exogène (investissement public)

• En modifiant les prix finaux par l’intégration d’une composante financée par l’état (aides au financement)

• En faisant varier les taux d’imposition (taxes sur la production)

• Modélisation des effets toujours en cours possibilité de compléter les effets du chocs sur le modèle

2.3 Décomposition des chocs

• Le choc se décompose en cinq composantes principales avec des effets différenciés sur l’activité économique et donc les résultats de simulation (voir plus loin Effets individuels):

• Investissements directs

• Aides à l’emploi -Réductions sur les impôts de produciton

• Subventions

• Aides à la mobilité

• Ma PrimRenov

2.4 Hypothèses

Plusieurs hypothèses sont formulées dans le cadre de cet exercice de simulations. Un premier ensemble porte sur les hypothèses de croissance potentielle, Un deuxième sur la calibration des paramètres d’élasticités de substitution. Le dernier groupe porte sur la dynamique de formation des salaires et des hypothèses de calibration de ses paramètres.

2.4.1 Hypothèses de long-terme

• Taux de croissance de la population: 0.25%/an

• Taux de croissance de la productivité des facteurs de production: 1%/an

• Taux de croissance de long-terme: 1.25%/an

2.4.2 Élasticités

• Élasticités de substitution entre facteurs de production : 0.5
• Élasticités d’Armington: 0.8
• Élasticités de substitution entre commodités pour le consommateur: 0.5

2.4.3 Boucle Prix-Salaire

La Boucle prix-salaire repose sur une expression générale qui inclut le cas de la courbe de Phillips et Wage Settings (WS). Elle assume que le salaire notionnel (W_n) dépends positivement des anticipations de variation de prix (P^e), de la productivité du travail PROG^L et négativement du taux de chômage (UnR).

• La spécification s’écrit³:

³ Voir équation 5.3.7 de la documentation du modèle

d(log(W^n_s)) = \rho^{W\_Cstant}_s + \rho\_W^{P}_s * d(log(P)) + \rho\_W^{Pe}*d(log(P^e)) + \rho\_W^{PROG}_s * d(log(PROG^L_s)) - \rho\_W^{U}_s * (UnR - DNAIRU) - \rho\_W^{dU}_s * d(UnR) + \rho\_W^{L}_s * d(log(L_s) - log(L))

• Les hypothèses retenues pour la calibration des paramètres sont les suivantes:
  • Inflation: 2%
  • \rho\_W^{Pe}_s = 1
  • $_W^{P}_s = 1 - \rho\_W^{Pe}_s$
  • \rho\_W^{PROG}_s = 1
  • \rho\_W^{U}_s = 0
  • \rho\_W^{dU}_s = 0.6
  • \rho\_W^{L}_s = 0.6
  • d(\rho\_W^Cstant_s = \rho\_Constant^{U}_s * \rho\_W^{U}_s * d(UnR)
  • \rho\_Constant^{U}_s = 0
• La forme réduite s’écrit en retenant ce jeu d’hypothèses de la façon suivante:

d(log(W^n_s)) = \rho^W{\_Cstant}_s + d(log(P^e)) + d(log(PROG^L_s)) - 0.6 * d(UnR) + 0.6 * d(log(L_s) - log(L))

3 Résultats

3.1 Tableaux de résultats préliminaires

3.1.1 Notes sur l’analyse et l’interprétation

• Les résultats sont présentés en différence (relative) du scénario de référence.

• Bien que sont intégrés un choc Covid et un choc inflationniste, les données ne sont calées sur les données de la comptabilité nationale que pour l’année 2019.

• Les dynamiques impulsées dans le modèle sont soit des hypothèses du modèle, soit calculées selon la calibration données sur l’année 2019.

• Ces simulations n’ont pas pour objectif de produire une chiffrage exact des effets du plan France Relance, mais plutôt d’étudier les effets macroéconomiques de ce plan dont les facettes (canaux, mécanismes et enjeux) sont multiples.

  • Les résultats affichés sont ceux issus d’un choc temporaire induits par les dépenses inscrites dans le plan France Relance toutes choses égales par ailleurs. Il n’y a pas d’effet permanent pris en compte, comme pourrait l’être par exemple une modification du potentiel de croissance du fait de certaines dépenses et qui aurait des implications directes sur les projections d’indicateurs à long-terme comme celui du ratio Dette/PIB par exemple.

3.1.2 Résultats macroéconomiques principaux

Le tableau 1 présente les résultats primaires des simulations des scénarios des mesures individuelles du plan France Relance, puis la simulation de l’ensemble du plan.

Tableau 1: Résultats cumulés des mesures du Plan France-Relance sur 2020-2025

Scénario	Montant dépensé (Mds d'€ ; valeur)	Multiplicateur de PIB (volume)	Emplois créés (en milliers)
Baseline	0.00		0.00
Investissements directs	30.91	1.11	341.81
Aides à l'emploi	15.62	0.31	88.05
Réductions sur les impôts à la production	20.00	0.76	150.29
Dépenses publiques	20.60	1.70	434.99
Aides à la mobilité	1.90	1.41	30.28
MaPrimRenov	4.84	1.37	69.84
Plan France Relance	93.87	1.05	1,112.62
Les résultats sont calculés en différence au scénario baseline avec choc Covid et choc des prix

Le multiplicateur de PIB correspond à la somme du différentiel de PIB volume entre un scénario donné et le scénario baseline sur les années 2020 à 2025, divisé par l’investissement initial. \frac{\sum_{2020}^{2025}{(PIB_{scen}-PIB_{baseline})}}{\text{Montant de la mesure}} \tag{1}

Interprétation Pour la mesure « investissements directs », les 25.81 Mds d’euros versés entre 2020 et 2023 auront permis de générer 1.06 * 25.81 Mds d’euros de PIB au total sur la période 2020-2025. Un multiplicateur supérieur à 1 indique que la mesure génèrerait à terme suffisamment d’activité dans l’économie pour compenser le coût initial de la mesure.

La mesure de la création d’emplois présentée dans les tableaux est la somme du différentiel entre les emplois créés dans le scénario donné et le scénario baseline sur les années 2020 à 2025 : \sum_{2020}^{2025}{(EMPLOI_{scen}-EMPLOI_{baseline})} \tag{2}

Interprétation Pour la mesure « investissements directs », les 25.81 Mds d’euros versés entre 2020 et 2023 auront permis de créer et financer 277470 emplois annuels sur la période de 2020 à 2025.

3.1.3 Dynamique temporelle des effets macroéconomiques : une simulation alternative

Afin de mieux appréhender la temporalité des effets de ces mesures, le tableau 2 propose les résultats d’une simulation configurée un peu différemment. Dans celles-ci, l’ensemble des montants attribués pour chaque mesure est rassemblée sur l’année 2022, au lieu d’appliquer la répartition annuelle inhérente aux données d’entrées. Cela permet d’étudier les effets d’année en année.

Les multiplicateurs et indicateurs d’emplois cumulés sont calculés de la même manière que dans équation 1 et équation 2, à la différence de la période choisie, i.e. le multiplicateur en temps t ne donne les résultats que pour l’année du choc. Les résultats en temps t+n donnent le cumul des résultats entre l’année t et l’année t+n. Le tableau 2 présente les résultats de ces simulations.

Il apparaît que :

• les mesures type offre mettent plus de temps à générer des bénéfices en termes de PIB mais avec des effets à plus long-terme
• les effets bénéfiques des mesures type demande atteignent un pic vers t+5 pour ensuite s’estomper, avec un léger contrecoup négatif

Tableau 2: Résultats cumulés des mesures du Plan France-Relance sur 2020-2025, avec concentration de l’ensemble des dépenses en 2022

Type de mesure	Montant dépensé (en millions d'euros)	Multiplicateur du PIB						Emplois créés
		t	t +1	t +2	t +3	t +5	t +8	t	t +1	t +2	t +3	t +5	t +8
Baseline	0.00							0.00	0.00	0.00	0.00	0.00	0.00
Investissements directs	30.91	0.86	0.98	1.07	1.12	1.12	0.97	139.81	240.93	303.68	336.21	341.42	282.65
Aides à l'emploi	15.62	0.10	0.20	0.27	0.30	0.32	0.33	15.08	37.29	59.10	76.56	96.58	106.80
Réductions sur les impôts à la production	20.00	0.18	0.39	0.57	0.72	0.89	1.00	19.76	54.96	95.43	133.27	187.55	219.22
Dépenses publiques	20.60	1.19	1.41	1.57	1.68	1.75	1.68	187.68	309.12	382.27	421.18	435.65	393.33
Aides à la mobilité	1.90	0.99	1.14	1.27	1.35	1.42	1.39	12.07	20.48	25.61	28.35	29.50	26.90
MaPrimRenov	4.84	1.04	1.17	1.28	1.36	1.41	1.35	28.43	48.48	60.82	67.40	69.77	62.48
Plan France Relance	93.87	0.67	0.82	0.95	1.02	1.08	1.04	401.24	707.68	920.88	1,054.36	1,147.73	1,076.31
Les résultats sont calculés en différence au scénario baseline avec choc Covid et choc des prix

3.2 Contributions à la croissance du PIB par mesure

Les graphiques suivants donnent les contributions à l’écart du taux croissance du PIB avec le scénario baseline. Cela permet de rendre compte des canaux mobilisés pour chaque mesure pour stimuler l’activité.

Investissements directs

Aides à l’emploi

Réductions sur les impôts à la production

Aides à la mobilité

Dépenses publiques

MaPrimRenov

Plan France Relance

3.3 Effets sur l’emploi

Comme vu dans l’équation 2, la mesure de création d’emploi utilisée pour ces graphiques est la somme de la différence du nombre d’emploi entre le scenario alternatif et le scénario baseline

Figure 2: Trajectoire de la dette publique (en ratio de PIB)

Figure 3: Trajectoire de la dette publique (en ratio de PIB)

3.4 Dette publique

Figure 4: Trajectoire de la dette publique (en ratio de PIB)

Figure 5: Ecart du ratio dette/PIB par rapport au scénario baseline

3.5 Récapitulatif des aides sectorielles dans l’ensemble du plan France Relance

Les secteurs ayant bénéficiés le plus d’aides dans le cadre de France Relance sont ceux de l’Industrie Manufacturière et de la Construction (respectivement 14,8 et 11,9 Mds €) suivis ensuite de ceux des Services aux entreprises, du Commerce et du Transport (resp. 9.3, 8,4 et 8,3 Mds €). Les autres secteurs ont reçu un montant d’aides inférieur à 5 Mds € (à l’exception de celui des services aux entreprises qui a reçu 5,4 Mds €) et pour un total de 19.9 Mds€.

La figure 6 et la figure 7 permettent de mettre en lumière l’orientation sectorielles des mesures du plan de relance. Les secteurs privilégié (industrie manufacturière et construction) ne sont pas parmi les secteurs qui emploient le plus ou qui n’ont pas la plus forte valeur ajoutée. A noter toutefois que l’industrie manufactière a une productivité du travail supérieure à celle de la productivité moyenne, tandis que le secteur de la construction à une productivité du travil inférieure (voir figure 8).

3.5.1 Investissements sectoriel vs poids du secteur (dans le baseline, année 2019)

Figure 6: Total des aides versées sectorielles, en fonction du poids dans la VA

Figure 7: Total des aides versées sectorielles, en fonction du poids dans l’emploi

Figure 8: Aides versées vs emplois créés

3.5.2 Effets sur la VA sectorielle

En comparant avec les aides reçues par secteur (figure 6), il apparaît que certains secteurs sous-performent par rapport aux montants investis dans le secteur

3.5.3 Effets sur l’emploi sectoriel

Figure 9: Créations cumulées d’emploi par secteur

Figure 10: Emplois créés par euros dépensé dans le secteur

Figure 1: Dispositifs identifiés dans le plan de France Relance et montants cumulés (en Mds €) Figure 2: Trajectoire de la dette publique (en ratio de PIB) Figure 3: Trajectoire de la dette publique (en ratio de PIB) Figure 4: Trajectoire de la dette publique (en ratio de PIB) Figure 5: Ecart du ratio dette/PIB par rapport au scénario baseline Figure 6: Total des aides versées sectorielles, en fonction du poids dans la VA Figure 7: Total des aides versées sectorielles, en fonction du poids dans l’emploi Figure 8: Aides versées vs emplois créés Figure 9: Créations cumulées d’emploi par secteur Figure 10: Emplois créés par euros dépensé dans le secteur

Références

Dauvin, Magali, et Raul Sampognaro. 2021. « Le modèle mixte: un outil d’évaluation du choc de la Covid-19 ». Revue de l’OFCE, nᵒ 2: 219‑41.

Malliet, Paul, Frédéric Reynès, Gissela Landa, Meriem Hamdi-Cherif, et Aurélien Saussay. 2020. « Assessing short-term and long-term economic and environmental effects of the COVID-19 crisis in France ». Environmental and Resource Economics 76 (4): 867‑83.