Économiste · Le spécialiste de la rareté — de l'usine d'épingles d'Adam Smith à la salle de décision de la banque centrale, toujours invité à prédire ce qu'aucun modèle ne saisit entièrement.
De l'extérieur, la compétence de l'économiste ressemble aux mathématiques. À l'intérieur de la profession, les mathématiques sont le minimum syndical ; les compétences rares sont le jugement sur les données — savoir ce qu'un chiffre peut et ne peut pas soutenir — et la discipline de dire à voix haute à quel point une conclusion est réellement incertaine. Les économistes les plus estimés sont rarement les meilleurs mathématiciens ; ce sont ceux qui posent des questions auxquelles les données peuvent réellement répondre.
Le métier se divise en un noyau de recherche — cadrer une question, trouver une variation crédible, estimer et stress-tester un effet — et une enveloppe de communication : transformer le résultat en deux pages qu'un ministre, un gouverneur ou un PDG lira et sur lesquelles il agira. Les carrières s'enlisent aussi souvent dans l'enveloppe que dans le noyau, ce qui explique pourquoi la littérature de conseils privés de la profession traite surtout d'écriture et de simplicité.
Estimer des effets à partir de données réelles et désordonnées, et savoir laquelle des nombreuses pièges statistiques de la profession un jeu de données donné tend à poser.
Donner un conseil utilisable lorsque le modèle est connu pour être incomplet — la compétence que révèlent les crises, et celle pour laquelle l'ancienneté est réellement payée.
Construire le plus petit modèle formel qui clarifie une question, et savoir quand un modèle décore un article plutôt que de le discipliner.
La plupart des heures de travail se passent dans Stata, R ou Python à nettoyer et restructurer des données ; les résultats empiriques ne valent que ce que vaut cette couche peu glamour.
La recherche vit ou meurt par l'article ; le conseil politique vit ou meurt par la note de deux pages et la réponse de soixante secondes à la question d'un décideur.
Savoir comment les chiffres sont construits, comment les trois dernières crises se sont réellement déroulées, et quelles leçons les modèles supposent silencieusement écartées.
Les statistiques majeures arrivent tôt — inflation, emploi, PIB — et les premières heures servent à les lire par rapport aux attentes, aux mouvements nocturnes des marchés et aux working papers à parcourir.
Les heures centrales de production : nettoyer les données, lancer et relancer des estimations, déboguer le code de modèle, vérifier si le résultat d'hier survit à une spécification alternative.
Le séminaire brown-bag est la salle de sport quotidienne de la profession : un collègue ou un visiteur présente un travail en cours et encaisse des interruptions dès la première diapositive, à l'université comme à la banque centrale.
Transformer l'analyse en production — rédiger la note de prévision ou la section d'article, informer un économiste en chef ou un comité de politique, arbitrer, superviser des assistants de recherche, enseigner les jours universitaires.
Le domaine avance via les working papers bien avant les revues ; rester à jour est une taxe permanente du soir, avec des appels de co-auteurs à travers les fuseaux horaires.
Le rythme s'accélère autour des réunions de politique, des nuits budgétaires et des turbulences de marché : les tours de prévision avant une décision de taux ou un week-end de crise peuvent consumer des nuits que le calendrier avait marquées comme repos.
Craft knowledge practitioners actually pass on — not motivation.
Le premier commandement du domaine moderne : avant d'estimer quoi que ce soit, nommer la source de variation qui rend la comparaison causale plutôt que coïncidente — une loterie, une frontière de politique, un changement de règle soudain. La « révolution de la crédibilité » en a fait le standard par lequel le travail empirique est admis dans la conversation.
Avant de faire confiance à une série, apprendre qui l'a collectée, comment la question a été posée, et ce qui a changé lorsque la méthodologie a été révisée — car les défauts des données économiques ne sont pas du bruit aléatoire mais des artefacts systématiques de collecte. Griliches a consacré sa carrière à montrer que la contrainte des données, et non l'économétrie, limite généralement ce que les économistes peuvent honnêtement prétendre.
Les règles écrites de recherche de Krugman — questionner la question, oser être simple, simplifier sans relâche — décrivent comment ses modèles de commerce primés Nobel ont commencé comme exemples-jouets que ses collègues trouvaient embarrassamment simples. Le métier consiste à réduire un problème au modèle minimal qui produit encore le résultat surprenant, puis à s'arrêter.
L'essai méthodologique de Friedman soutenait que des hypothèses irréalistes ne sont pas un défaut : un modèle est un outil, et le seul test équitable est s'il prédit mieux que les alternatives. Les économistes en activité l'appliquent quotidiennement comme triage — contester les prévisions d'un modèle, pas sa ressemblance avec la réalité.
Le réflexe de travail le plus ancien de la profession : les décisions se prennent à la marge — l'unité suivante, l'heure suivante, l'euro suivant — donc les coûts irrécupérables sont ignorés et les moyennes sont suspectées. Marshall a construit l'enseignement de la discipline autour de l'analyse marginale, et cela reste le moyen le plus rapide de repérer un mauvais argument en réunion.
Les graphiques en éventail de la Banque d'Angleterre, introduits dans son Inflation Report de 1996, impriment la prévision comme des bandes de probabilité s'élargissant plutôt qu'une ligne unique — institutionnalisant la règle du métier qu'une prévision honnête énonce sa propre incertitude. Les prévisionnistes seniors enseignent aux juniors à dire la bande à voix haute avant le chiffre central.
Le logiciel statistique de travail de l'économie appliquée depuis 1985, standard en microéconomie empirique et dans des institutions comme la Banque mondiale ; des archives entières de réplication des meilleures revues du domaine y sont écrites.
La paire open source qui déplace progressivement les logiciels propriétaires : R pour les statistiques et les graphiques, Python pour les pipelines de données et le machine learning, tous deux désormais attendus des nouvelles recrues aux banques centrales et dans les équipes d'économistes du secteur technologique.
La boîte à outils open source pour résoudre et estimer des modèles DSGE — les chevaux de bataille de l'équilibre général dynamique stochastique de la macroéconomie académique — utilisée pour la prévision et les scénarios dans des dizaines de banques centrales.
Le service gratuit Federal Reserve Economic Data de la Fed de Saint-Louis, hébergeant des centaines de milliers de séries temporelles du monde entier ; ses graphiques sont la lingua franca de la profession sur les réseaux sociaux et dans les diapositives de séminaire.
Le poste de pilotage de l'économiste de marché depuis 1982 : prix en direct, calendriers économiques, prévisions consensuelles et le réseau de chat où les appels des économistes financiers se font, se testent et se moquent en temps réel.
L'échec canonique du domaine : une régression bien ajustée sur des données observationnelles, publiée avec un langage causal, qui s'effondre lorsqu'un facteur de confusion apparaît. Les mouvements de réplication et de crédibilité existent parce que des décennies de résultats influents — sur la croissance, l'aide, la nutrition, la police — n'ont pas survécu à une meilleure identification.
Rapporter une prévision ponctuelle ou une élasticité de titre sans sa bande d'incertitude est le mode d'échec le plus public de la profession — la crise de 2008, prévue par presque aucun modèle dominant, a provoqué la célèbre question de la reine Élisabeth II à la LSE et une décennie d'introspection institutionnelle sur une précision trop confiante.
Des hypothèses adoptées pour la tractabilité se durcissent en croyances sur le monde ; l'économiste commence à défendre le modèle contre des données gênantes plutôt qu'à le réviser. Chaque génération réapprend cela au prix fort — la courbe de Phillips dans les années 1970, les marchés efficients en 2008 — et les critiques internes de la discipline l'appellent la maladie professionnelle caractéristique du domaine.
Voisins les plus proches sur le profil à six scores — pas seulement le même champ.
Conseille les clients, rédige les documents qui les lient et défend leur cause lorsqu'elle est portée devant le tribunal, engageant ainsi sa responsabilité juridique personnelle si le conseil est erroné.
AI-resistant 58 💊L'expert des médicaments derrière chaque ordonnance — des premières boutiques de drogues de Bagdad et du mortier de l'apothicaire à la morphine, l'artémisinine et l'officine moderne.
AI-resistant 58 🛰️Conçoit, analyse et certifie les avions, les fusées et les engins spatiaux qui quittent le sol, en respectant des marges de sécurité qui ne laissent aucune place aux suppositions.
AI-resistant 74 🦾Conçoit les machines qui perçoivent, décident et agissent dans le monde physique — où le vrai défi n'a jamais été l'intelligence, mais le monde lui-même.
AI-resistant 65 ⚛️Établit et teste les lois mathématiques qui régissent la matière, l'énergie, l'espace et le temps, d'un tableau noir solitaire à un article de collisionneur signé par 3 000 auteurs.
AI-resistant 65 🔌Conçoit et fabrique les transistors à l'intérieur de chaque ordinateur, téléphone et système d'armes, avec des machines si précises que seules quelques usines sur Terre peuvent les faire tourner.
AI-resistant 60Celui ou celle qui crée l'entreprise — repère la faille, porte le risque et répond de la paie, des financiers de caravanes assyriens aux fondateurs financés par capital-risque.
AI-resistant 88 💹Le négociateur qui valorise les entreprises et fait circuler le capital — un métier de la Florence des Médicis aux pitch decks d'aujourd'hui, rémunéré pour la confiance lorsque des milliards changent de mains.
AI-resistant 42 🧾Le gardien des livres : héritier d'un métier si ancien qu'il a inventé l'écriture, négociant aujourd'hui avec les logiciels conçus pour l'automatiser.
AI-resistant 35 📣Le professionnel qui crée la demande — des murs peints de Pompéi et du mémo « brand man » de P&G en 1931 aux fils d'actualité gouvernés par les enchères de l'ère numérique.
AI-resistant 38 🗺️Décide ce que l'entreprise doit construire ensuite, et pourquoi — en transformant les besoins clients, les objectifs business et les contraintes techniques en un plan partagé que personne d'autre ne possède vraiment.
AI-resistant 50