Valorisation des investissements ultra-longs et dÉveloppement durable
Notice bibliographique
Résumé
En faisons-nous assez pour les générations futures? Cette question est sous-jacente à de nombreuses questions économiques actuelles, comme celles de la réduction de la dette, de la réforme des retraites, de la lutte contre le changement climatique, de la préservation des ressources naturelles, des investissements d’infrastructure ou de la fiscalité de l’épargne par exemple. Notre responsabilité sociale envers les générations futures se traduit en termes économiques par le taux d’actualisation, qui donne une valeur au futur relativement au présent, et qui détermine l’arbitrage présent/futur des agents économiques. Si on reconnaît qu’une société court-termiste utilise un taux d’actualisation trop élevé, comment déterminer le niveau désirable de ce taux? Dans cet article, je synthétise les importants développements scientifiques récents sur ce sujet. Étant donné la baisse tendancielle de nos anticipations de croissance et les fortes incertitudes sur les évolutions longues de notre société, je recommande un taux sans risque de deux fois le taux de croissance anticipé de la consommation (pour actualiser des cash flows engendrés sur les horizons inférieurs à 20 ans) à 1 % (pour des maturités au-delà de 100 ans). La prime de risque devrait aussi avoir une structure par terme, s’étalant de 1 % à court terme jusqu’à 3 % pour le long terme.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».