De l’arithmétique politique aux indices de liberté économique
« Toutes les sciences comportent une part importante d’art » (Tukey 1962, p. 7)[1].
Introduction
Le mot statistique, forgé par un professeur de Göttingen, Gottfried Achenwall, en 1749, est dérivé de l’allemand Statistik, lui-même issu de Staat ; l’État. La statistique est donc la science de l’État (Rothbard, 1997)[2]. Cette étymologie n’est pas anecdotique. Elle révèle une ontologie politique inscrite au cœur même de la discipline : les statistiques ne sont pas nées pour décrire le monde en général, mais pour renseigner le souverain sur « ses » ressources, ses sujets, sa puissance. Compter, c’est d’abord gouverner. La « statistisation » de la pensée procède donc d’une démarche politique impulsée par les États autour du XVIIIe siècle (Guyon et Noûs, 2024, p. 12)[3].
Pourtant, si l’on observe l’usage contemporain des statistiques dans le débat économique et politique, on remarque que les mêmes outils qui servaient à légitimer l’intervention de l’État sont aujourd’hui mobilisés pour en démontrer les méfaits. Historiquement au service des dirigistes, des progressistes et des socialistes, la statistique est aujourd’hui mobilisée par les libéraux[4]. Ainsi, des organisations comme le Fraser Institute ou la très conservatrice Heritage Foundation publient chaque année des indices de liberté économique qui permettent de soutenir qu’en moyenne, les pays les plus libres sont aussi les pays qui ont les meilleurs indicateurs de bien-être social. La statistique née au service du pouvoir se transforme alors en contre-pouvoir.
Cet usage des statistiques par les libéraux ne va pourtant pas de soi. Les économistes classiques des XVIIIe et XIXe siècles, d’orientation clairement libérale, ont longtemps critiqué l’usage des statistiques précisément parce qu’elles relevaient d’une science de l’État mais aussi d’un art pouvant conduire les gouvernements à décider sur la base de fictions au lieu de faits objectifs.
Le statisticien n’est pas, en effet, sous la seule discipline des chiffres et des mathématiques[5]. Il produit des modèles statistiques qui, certes, relèvent du champ des mathématiques (Guyon et Noûs, 2024, p. 11) mais comportent un fort degré de liberté – « research degrees of freedom» (Simmons et al., 2011)[6] – dans le choix de leur sujet, le nombre de données qu’ils utilisent, leur manière de compter, de mesurer, ainsi que leur méthode d’interprétation des relations qu’ils cherchent à observer. Tous ces choix modifient la manière dont le statisticien représente le réel et c’est pourquoi les statistiques comportent une part d’indéterminé qui, induisant l’interprétation, les exposent à la critique. N’est-ce pas, cependant, le lot de toute science ? La critique est en effet implicite selon laquelle l’art produirait des fictions alors que la science découvrirait des faits objectifs. Pourtant, les scientifiques disposent aussi de degrés de liberté qui peuvent les conduire à produire le réel plutôt qu’à le représenter.
La construction d’indicateurs de liberté économique produit une science de la liberté comme il y a une science des inégalités (dont l’orientation idéologique est généralement contraire). Elle donne des arguments statistiques aux défenseurs de la liberté tout en les exposant à leurs propres réserves épistémologiques et, plus généralement, aux limites de l’art statistique. Elle leur impose, aussi, d’abandonner leur défense non conséquentialiste de la liberté. Il existe en effet deux arguments majeurs en faveur de la liberté : la défense de la liberté pour elle-même (argument jusnaturaliste) et la défense de la liberté pour ses bienfaits (argument utilitariste), que la statistique est à même de renforcer.
Cet article porte un regard à la fois compréhensif et critique sur l’usage des statistiques à l’appui des libertés économiques. Il s’organise autour de quatre sections. Il revient d’abord sur l’origine étatique des statistiques en traçant brièvement l’histoire de l’arithmétique politique et le rôle central qu’ont joué les statistiques dans la défense des positions progressistes (1). Il expose ensuite les arguments que les économistes libéraux classiques ont opposés au travail statistique et à la construction de modèles probabilistes (2). La défense logico-verbale des libéraux classiques les conduisant à être progressivement ostracisés, une partie des économistes ont adopté la méthode hypothético-déductive afin de montrer que la liberté économique est très probablement une condition nécessaire du bien-être d’une société (3). Cette orientation a exposé les libéraux statisticiens à trois types de critique : celle des libéraux restés fidèles à la méthode logico-déductive, celle des dirigistes, mais aussi celle des statisticiens eux-mêmes (4). Il en ressort cependant que la défense du libéralisme peut être statistique et conséquentialiste, à condition de ne pas occulter les arguments de principe. En somme, la liberté n’est pas seulement bonne pour ce qu’elle produit. Elle est aussi désirable pour ce qu’elle est.
1. L’origine étatique des statistiques : compter pour gouverner
L’acte de naissance des statistiques modernes est un acte de pouvoir. En 1690, William Petty publie son Political Arithmetick[7], ouvrage dans lequel il entreprend de calculer la richesse de l’Angleterre, de sa population, de ses terres et de son commerce. Son projet est explicitement géopolitique et fiscal : démontrer que l’Angleterre peut rivaliser avec la France et les Pays-Bas, et fournir à la Couronne les bases d’une politique rationnelle de taxation et de mobilisation militaire. La démarche de William Petty est pionnière à plusieurs titres. Elle pose que la réalité sociale est quantifiable, que les phénomènes humains peuvent être réduits à des nombres, et que ces nombres constituent une forme de connaissance supérieure aux impressions qualitatives. Elle établit aussi un lien indissoluble entre la mesure et le gouvernement : on mesure pour agir – manipuler des grandeurs, les réduire ou les augmenter – et non pour savoir. La statistique est d’emblée un instrument d’action publique. Elle n’a pas vocation à être spéculative.
En France, Vauban ([1707] 2004)[8] poursuit un projet analogue avec sa Dîme Royale (1707). Maréchal de France et ingénieur militaire, il réalise des enquêtes systématiques sur la population et les revenus du royaume pour proposer une réforme fiscale radicale : remplacer les impôts arbitraires et inégaux par une contribution universelle et proportionnelle, assise sur des données précises. La statistique au service de la réforme fiscale révèle déjà sa double nature : elle sert à consolider le pouvoir en place mais aussi à le réformer s’il est menacé.
Dans les deux cas, elle renforce la capacité d’intervention de l’autorité centrale. C’est ce que le philosophe français Michel Foucault (1994)[9] a théorisé sous le terme de gouvernementalité. Au XIXe siècle, la statistique devient ainsi l’instrument central d’une nouvelle forme de pouvoir : le biopouvoir. Celui-ci gouverne des populations et non des individus singuliers. Or, la notion de population normale est une invention statistique (Hacking 1990)[10]. Ainsi, en mesurant, le pouvoir politique normalise[11] au point que l’absence de mesure devient progressivement synonyme d’ignorance et de vacuité. Pour revendiquer des nouveaux droits dans le débat démocratique, il faut disposer de chiffres qui permettent de rendre sa demande légitime (Porter, 1995)[12]. Progressivement, le chiffre devient argument d’autorité.
Cette évolution est en grande partie la conséquence du besoin de connaissance synthétique dont a besoin un gouvernement central interventionniste. Un État qui « gère » des millions d’individus doit savoir en moyenne ce que ceux-ci pensent, mangent, veulent, mais aussi ce dont ils manquent et ce qu’ils possèdent pour agir, répondre à ses attentes et/ou maximiser sa base fiscale.
Les progressistes qui cherchent généralement à réformer la société par l’autorité publique vont identifier dans cette nécessité du chiffre, la possibilité de défendre leurs causes. Ils vont documenter statistiquement la misère sociale afin de démontrer qu’en moyenne, les maux d’une société capitaliste sont supérieurs à ses bienfaits. Les réformateurs sociaux anglais du XIXe ont adopté cette démarche. Charles Booth, avec son enquête Life and Labour of the People in London (1902-1903)[13], ou Seebohm Rowntree ([1901] 2013)[14] ne se contentent pas de décrire la misère ouvrière. Ils proposent de calculer des seuils de pauvreté. Ils transforment un problème diffus et individuel en un problème social, donc un « fait de société » délimité, quantifiable, manipulable. À partir de là, le gouvernement peut alors se donner la légitimité de réduire la quantité d’individus vivant sous le seuil de pauvreté.
Les grands agrégats statistiques que sont le produit intérieur brut (PIB), le chômage, la pauvreté, les inégalités ou l’inflation ne sont pas des réalités préexistantes que les statisticiens se contenteraient de mesurer. Ce sont des constructions sociales et politiques qui rendent certaines réalités visibles, certains problèmes légitimes, certaines solutions désirables (Desrosières, 1993)[15]. La statistique produit ce que l’on peut appeler une évidence sensible : une réalité sociale qui, mise en forme par les chiffres, s’impose à la conscience collective avec une force quasi-physique. Ce mouvement culmine avec la construction de la comptabilité nationale dans les années 1930-1940. Le PIB n’est pas une mesure neutre de l’activité économique : c’est un instrument de pilotage keynésien, donc de gestion de l’activité nationale par l’État. Comme le montre Diane Coyle (2014)[16], le PIB est né comme outil de mobilisation de guerre avant de devenir l’instrument central de la planification macroéconomique : Coyle ajoute que la comptabilité nationale est une ontologie politique déguisée en technique comptable, dont le comptable national maîtrise toutes les conventions et toutes les limites.
2. La résistance libérale et la tentation statistique
Face à l’essor de la statistique et à son usage progressiste, les économistes libéraux ont longtemps adopté une posture de résistance. Jean-Baptiste Say, dans son Traité d’Économie Politique (1803), critique vigoureusement l’arithmétique politique (Ménard, 1976[17]; Breton, 1986, p. 1037[18]) car les chiffres sans théorie sont trompeurs. La vraie science économique relève de l’observation, de l’histoire et de la construction de lois qui pourront ensuite être illustrées par des faits singuliers. La statistique peut illustrer la théorie, mais elle ne peut pas la remplacer.
Au XIXe siècle, en France du moins, être économiste signifiait largement être favorable au libre-échange. Les membres de la Société d’économie politique, de Bastiat à Molinari, défendaient la liberté du commerce par des arguments philosophiques et logiques, non au moyen de corrélations statistiques. Cette posture correspondait à une époque où la statistique était encore perçue comme l’instrument du dirigisme colbertiste et de l’interventionnisme.
L’école de Vienne – ou école autrichienne – est née de cette opposition aux dirigistes de l’école caméraliste. Dans la Methodenstreit (la querelle des méthodes) qui oppose Carl Menger – fondateur de l’école autrichienne – à Gustav Schmoller dans les années 1880[19], Menger soutient que les lois économiques sont des lois exactes, déduites de la nature de l’action humaine, et que les données historiques ne peuvent ni les confirmer ni les infirmer. Ludwig von Mises ([1949] 1985)[20] radicalise cette position avec la notion de praxéologie : la science économique est une science de l’action humaine intentionnelle, dont les lois sont connues a priori alors qu’une corrélation statistique n’établit aucun lien causal, parce que les conditions qui ont produit cette corrélation dans le passé ne se reproduiront jamais à l’identique. Friedrich Hayek (1945)[21] argue, de son côté, que la connaissance économique pertinente est dispersée et tacite : elle est distribuée entre des millions d’individus qui connaissent les circonstances locales de leur action d’une manière qui ne peut pas être centralisée ni agrégée. Le prix du marché est un signal qui synthétise cette connaissance dispersée de manière incomparable tandis qu’en l’agrégeant, les statistiques la détruisent. La critique hayékienne ne dit pas seulement que les statistiques sont imparfaites. Elle dit que la nature même de la connaissance économique la rend irréductible à des agrégats statistiques.
Say, Bastiat, Molinari, Menger, Mises et Hayek fondent tous leur défense de l’économie de marché sur un argument scientifique logico-déductif : pour les économistes libéraux de l’école française comme de l’école autrichienne, la science économique réside en des lois plutôt qu’en des chiffres.
La rupture avec cette position épistémologique intervient au milieu du XXe siècle, sous l’effet d’une double pression. D’un côté, la révolution keynésienne s’est imposée dans les universités et les administrations, armée de modèles macroéconomiques et de données statistiques. De l’autre, la profession économique s’est progressivement réorganisée autour de standards méthodologiques communs : l’économétrie, les tests de significativité, les grandes bases de données. Sans cette méthodologie, l’argument économique n’est plus recevable : il perd son label de scientificité. C’est dans ce contexte que Milton Friedman opère un tournant décisif. Dans son célèbre essai The Methodology of Positive Economics (1953)[22], il défend la méthode hypothético-déductive : une théorie économique doit être jugée non sur le réalisme de ses hypothèses, mais sur la précision de ses prédictions. Ce faisant, Friedman ouvre la voie à une économie libérale qui parle le langage de la preuve empirique. Il ne s’agit plus de défendre la liberté par des arguments philosophiques ou par des lois déductives de l’action humaine : il s’agit de montrer, données à l’appui, que les politiques libérales produisent de meilleurs résultats que les politiques interventionnistes. Cette position est la marque de fabrique de l’école de Chicago : la liberté est souhaitable uniquement parce qu’elle maximise la richesse et que la richesse augmente le monde des possibles du plus grand nombre (Stigler, 1978)[23]. L’école de Chicago adopte donc une défense de la liberté de nature utilitariste – conséquentialiste et matérialiste – fondée sur une méthode empiriste.
Ce choix est lourd de conséquences. Il écarte l’éthique de conviction et la défense de la liberté pour elle-même. Il rejette la scientificité de tout argument n’utilisant pas le langage des statistiques et de l’économétrie. C’est à ce prix que les libéraux demeurent dans le débat scientifique et construisent, à côté d’une science des inégalités de veine socialiste, une science des libertés civiles et politiques à l’origine des indicateurs de liberté économique.
3. Les libéraux s’emparent de l’outil statistique
En 1986, Milton Friedman et Michael Walker organisent une conférence au Fraser Institute de Vancouver avec un objectif explicite : mesurer ce que Friedman avait défendu dans Capitalism and Freedom (1962)[24]. Si la liberté économique produit la prospérité, il faut pouvoir le démontrer empiriquement. Il faut donc des chiffres.
C’est ainsi qu’en 1995, la Heritage Foundation développe son Index of Economic Freedom comprenant douze dimensions censées représenter le degré de libéralisme d’un pays. L’Economic Freedom of the World (EFW) est de son côté publié en 1996 pour la première fois, par James Gwartney, Robert Lawson et Walter Block[25]. Il s’agit d’un indice qui agrège des données dans cinq grandes dimensions représentatives de la liberté économique : la taille du gouvernement, le système légal et les droits de propriété, la monnaie saine, la liberté du commerce international et la réglementation. Ces deux indicateurs deviennent progressivement incontournables dans la littérature en faveur de la liberté économique. Ils parviennent à mettre en équation les arguments des libéraux classiques afin de créer une évidence sensible en faveur d’une thèse normative – démontrer les bienfaits de la liberté économique – exactement comme les réformateurs sociaux du XIXe siècle avaient utilisé les statistiques sur la pauvreté pour justifier l’intervention de l’État.
En utilisant la statistique à leur profit, les penseurs libéraux la retournent donc contre son créateur à savoir l’État interventionniste. En effet, telle que mesurée par les indicateurs du Fraser Institute et de la Heritage Foundation, la liberté économique est positivement corrélée au niveau de développement économique d’un pays ; les pays les plus riches sont non seulement les plus libres (Berggren, 2003)[26] mais aussi ceux dont la croissance économique est la plus vigoureuse (Rode et Gwartney, 2012)[27], la mortalité infantile la plus faible, l’espérance de vie la plus longue, l’environnement le plus sain (Carlsson et Lundström, 2003)[28], les salaires entre hommes et femmes les plus proches (Williamson et Mathers, 2011)[29]. Ce sont aussi les pays dont les valeurs morales sont les moins matérialistes (Teague et al., 2020)[30] et la qualité de l’éducation – mesurée par les indicateurs des enquêtes PISA – la plus élevée (Feldmann, 2025)[31]. On peut ajouter que la gestion de la pandémie COVID-19 s’est avérée plus efficace dans les pays libres ayant une bonne gouvernance (Gómez Gallego et al., 2026)[32] et enfin, qu’ils sont ceux affichant les ratios d’émissions de gaz à effet de serre sur PIB les plus bas (Queinnec, 2025[33] ; Geng et al., 2025[34]). Cette liste des bienfaits potentiels de la liberté économique aurait pu être allongée.
La structure argumentative de toute cette littérature est claire : on cherche à savoir si, en moyenne, l’indicateur de liberté économique est significativement corrélé à des résultats jugés généralement désirables. C’est cette significativité qui donne sa force de persuasion à l’argument. Il s’agit donc d’imposer l’évidence de la liberté individuelle à l’aune des bienfaits qu’elle produit. Les méta-analyses – c’est-à-dire les études agrégeant plusieurs études empiriques sur un même sujet – permettent de conforter cette idée. C’est notamment le cas du travail de Doucouliagos (2005)[35] : l’auteur confirme l’existence d’une relation positive entre liberté et croissance, en dépit des biais de publication que comporte cette littérature[36]. À l’aune de ces travaux, les libéraux peuvent dire aux gouvernements qu’augmenter le taux de croissance de x% requiert de libéraliser l’économie de y%, à l’instar des keynésiens continuant de conseiller les gouvernements au sein des plus hautes instances du ministère des finances, en proposant des calculs de multiplicateur.
4. Le retournement critique : les libéraux victimes de leurs propres arguments
En adoptant le langage des statistiques et le culte de la significativité, les libéraux s’en remettent néanmoins à un colosse au pied d’argile. C’est un colosse car il a toute l’apparence de la rigueur et de la discipline mais il est fragile, car ses démonstrations reposent en partie sur l’art libre et sans contrainte de celui qui se livre à cet exercice. Tous les arguments statistiques, qu’ils soient favorables au socialisme, au dirigisme ou au libéralisme, ont les mêmes faiblesses (voir Guyon et Noûs, 2024).
4-1. De la corrélation à la causalité : les degrés de liberté du chercheur
L’approche statistique met d’abord en évidence des corrélations. Or, constater que deux phénomènes évoluent conjointement ne suffit pas à établir que l’un cause l’autre. Une partie importante du travail économétrique consiste donc à tenter d’identifier, derrière une corrélation observée, une relation causale. C’est précisément ce qu’ont cherché à faire les travaux consacrés aux relations entre liberté économique et croissance.
Le test de Granger constitue une première réponse au problème de la causalité inverse. Il consiste à examiner si les valeurs passées d’une variable améliorent la prédiction des valeurs présentes d’une autre. Dawson (2003) l’utilise ainsi pour déterminer si la liberté économique précède et prédit la croissance plutôt que l’inverse[37]. Le test établit cependant une antériorité temporelle et une capacité prédictive plutôt qu’une causalité au sens strict. D’autres techniques d’identification causale lui sont donc aujourd’hui préférées, parmi lesquelles les variables instrumentales.
La méthode des variables instrumentales vise plus généralement à traiter le problème de l’endogénéité[38]. Pour identifier l’effet propre de la liberté économique sur la prospérité, elle recherche une troisième variable, dite « instrument », qui explique suffisamment la première sans expliquer directement la seconde. Prenons, parmi les instruments utilisés par Faria et Montesinos (2009), la mortalité des colons européens[39]. L’hypothèse est qu’une forte mortalité des colons a rendu leur implantation durable plus difficile et favorisé l’établissement d’institutions extractives, tandis que des conditions plus favorables à leur installation ont permis le développement d’institutions davantage protectrices des droits individuels, donc de la propriété. Cette mortalité historique peut donc contribuer à expliquer les différences contemporaines de liberté économique. Pour constituer un instrument valide, elle doit en revanche n’expliquer la prospérité contemporaine que par l’intermédiaire de son effet sur la liberté économique. C’est à cette condition que la variation de liberté économique expliquée par l’instrument peut être utilisée pour identifier un effet causal de la liberté sur la croissance.
Cette condition d’exclusion constitue précisément le point délicat de la méthode. Dans un système social fait de causalités imbriquées et de rétroactions, l’existence d’une voie causale exclusive peut être extrêmement difficile à défendre.Une forte mortalité des colons a pu influencer non seulement la nature des institutions économiques d’un pays, mais aussi ses formes de peuplement, son commerce, son capital humain ou son organisation administrative ; ces différentes dimensions ont pu à leur tour interagir et influer sur les institutions et la prospérité. Il devient alors difficile d’affirmer que la mortalité des colons n’affecte la croissance contemporaine que par l’intermédiaire de la liberté économique. Le recours aux variables instrumentales permet donc de mieux traiter le problème de la causalité sans le résoudre définitivement : la force de la conclusion dépend de la plausibilité des hypothèses permettant d’isoler, au sein d’un système de relations interdépendantes, l’effet causal recherché.
Le problème de la causalité est ainsi traité sans être définitivement résolu. Son traitement exige des hypothèses d’identification qui simplifient nécessairement l’enchevêtrement des relations caractérisant les systèmes sociaux. Le travail statistique conserve ainsi une part de jugement, qui est précisément l’un des objets de cet article. Les économètres peuvent être d’accord sur le signe d’un effet sans l’être sur son ampleur, celle-ci restant souvent fonction des instruments et des variables de contrôle retenus (Benli et al., 2026)[40]. Le traitement statistique de la causalité laisse donc au chercheur un degré de liberté important dans le choix des outils lui permettant de mettre en évidence le phénomène étudié (Simmons et al., op.cit., voir note 6).
Ces degrés de liberté exposent la science statistique de la liberté à deux critiques. Premièrement, une relation significative peut se voir reprocher d’avoir été « fabriquée » par les choix méthodologiques du chercheur. Deuxièmement, la publication de ce résultat peut être favorisée par un environnement scientifique lui-même sensible aux résultats significatifs. L’économiste peut alors être comparé à un peintre choisissant ses couleurs : variables de contrôle, période d’observation, nombre et composition des pays ou des entreprises, technique d’estimation, traitement des valeurs aberrantes, etc. Chacun de ces choix peut être méthodologiquement justifié, mais leur multiplication crée un espace dans lequel le chercheur peut, consciemment ou non, favoriser les spécifications produisant les résultats les plus publiables. Le tableau 1 recense quelques-uns de ces degrés de liberté.
Tableau 1 : les degrés de liberté de l’économétrie
| Choix méthodologiques | Degrés de liberté |
| Taille de l’échantillon | arrêter la collecte des données quand le coefficient n’est plus significatif (optional stopping) |
| Variables de contrôle | ajouter ou retirer une variable qui permet d’obtenir un coefficient significatif |
| Exclusion d’une observation | éliminer un point aberrant (outlier) afin de ne pas perturber le résultat |
| Sous-échantillons | tester des sous-échantillons afin de trouver l’effet attendu |
| Variable dépendante | trouver la mesure qui permet de tester son histoire théorique |
4-2. Mesurer la liberté économique : le problème des indicateurs
La science statistique de la liberté doit naturellement commencer par mesurer sa variable d’intérêt : la liberté économique. Or, contrairement à une grandeur précisément observable – le montant d’une dépense dans un projet de loi de finances, le prix d’une matière première sur un marché de gros, le nombre de salariés d’une entreprise – la liberté est un construit rétif à la mesure. Il faut donc l’opérationnaliser au moyen d’indicateurs observables qui sont autant de proxies – des approximations – de la liberté. Cette difficulté est inhérente à tout phénomène non directement mesurable : les économistes qui travaillent sur les institutions, la confiance, le capital humain ou encore la qualité de la gouvernance doivent aussi représenter ces phénomènes au moyen de variables approximatives. La précision numérique d’un indicateur ne doit donc pas être confondue avec l’exactitude du concept qu’il prétend mesurer.
Comme les indicateurs de comptabilité nationale, les indicateurs de liberté reposent ainsi sur des conventions qui peuvent être contestées. Une première source de vulnérabilité est conceptuelle : quelles dimensions doivent entrer dans la définition de la liberté économique ? Pourquoi, par exemple, une diminution des dépenses publiques doit-elle être interprétée comme une augmentation de la liberté économique (Ott, 2018)[41] ? L’Economic Freedom of the World retient ce principe, qui renvoie à une certaine conception de la liberté : moins l’individu dépend de décisions et de ressources publiques, plus grande est sa liberté économique. Une autre conception peut au contraire considérer que certaines dépenses publiques augmentent les ressources et les possibilités d’action dont disposent les individus et, par conséquent, leur liberté réelle.
Il s’agit d’une difficulté importante car elle montre que le choix d’un indicateur statistique incorpore en amont une conception normative de l’objet que l’on cherche ensuite à mesurer. L’indicateur de liberté économique ne mesure donc pas « la liberté » indépendamment de toute définition préalable : il opérationnalise une certaine conception de celle-ci. Ce constat ne suffit pas à invalider l’indicateur mais il oblige à en préciser la signification et la portée. Ainsi, considérer qu’une dépense publique importante réduit la liberté économique peut être cohérent avec une conception de la liberté fondée sur l’autonomie et la responsabilité individuelles, indépendamment de la question de savoir si cette dépense augmente ou réduit le bien-être collectif.
Une seconde source de vulnérabilité concerne l’agrégation des différentes dimensions composant l’indicateur. Tout indice synthétique rassemble des dimensions hétérogènes et suppose donc des choix quant à leur agrégation et, le cas échéant, leur pondération. Plus généralement, Høyland et al. (2012) montrent que la construction d’indices internationaux peut masquer l’incertitude inhérente aux scores obtenus et donner aux classements une précision excessive[42]. De tels choix peuvent donner une apparence technique à des arbitrages qui sont en partie normatifs. Pour ce qui concerne les indicateurs de liberté économique, leurs concepteurs ont fait le choix de ne pas hiérarchiser les variables qui les composent, probablement afin de contourner cette difficulté. Cette absence de hiérarchisation est cependant une pondération en elle-même : elle revient à attribuer le même poids aux différentes dimensions d’un indicateur.
Ces deux difficultés – définir ce que l’on mesure et agréger les différentes dimensions de la mesure – caractérisent plus généralement les indicateurs cherchant à quantifier des réalités qualitatives. Mesurer la confiance au moyen d’une question d’enquête ou le capital humain par le nombre d’années de scolarité revient toujours à substituer à une réalité complexe une variable observable censée en constituer une approximation. L’indicateur permet le traitement statistique, mais cette possibilité a pour contrepartie une simplification du phénomène étudié.
Un exemple particulièrement discuté est fourni par Acemoglu, Johnson et Robinson (2001), qui mobilisent la mortalité historique des colons européens afin d’identifier l’effet des institutions sur le développement économique[43]. Cet exemple, déjà mobilisé dans la section précédente pour illustrer le recours aux variables instrumentales, soulève ici une autre difficulté : celle de la construction de la variable elle-même. Albouy (2012) conteste en effet la qualité des données utilisées : pour plusieurs pays, les taux de mortalité sont reconstruits à partir d’informations fragmentaires ou imputés à partir d’autres observations[44]. Il conclut que ces choix affectent substantiellement les résultats obtenus. L’exemple montre ainsi combien la robustesse apparente d’un résultat statistique peut dépendre de la manière dont une réalité historique complexe a préalablement été transformée en variable mesurable.
Il ne s’agit pas d’en conclure que la quantification serait inutile. Le travail d’Acemoglu et al. s’appuie également sur un récit historique et institutionnel dont la portée ne se réduit pas à son dispositif économétrique. Il invite plutôt à se demander si la force persuasive d’une recherche sur des réalités institutionnelles tient toujours principalement à la significativité de ses coefficients ou si elle ne repose pas aussi sur la qualité du récit historique et théorique qui permet de leur donner sens.
Conclusion
La science statistique de la liberté met en évidence un double paradoxe. Les libéraux ont retourné contre l’interventionnisme de l’État un outil historiquement conçu au service de celui-ci ; mais en s’emparant des statistiques pour défendre la liberté, ils se sont aussi exposés aux critiques qu’ils adressaient traditionnellement à cet outil.
Les bénéfices de la quantification de la liberté sont pourtant nombreux. D’abord, le développement de ces indicateurs maintient les libéraux dans la conversation scientifique contemporaine, qui exige que les phénomènes soient mesurés. Ensuite, l’usage d’indices de liberté conforte les économistes qui pensent qu’une économie de libre marché est plus performante qu’une économie dirigée, au point que la littérature qui les mobilise constitue désormais un corpus faisant contrepoids à l’importante science des inégalités. Lorsqu’ils sont bien utilisés, ces indicateurs permettent justement d’aborder la question de la nature des inégalités en montrant que, dans les pays libéraux, celles-ci résultent principalement de la recherche du profit tandis que, dans les pays non libéraux, elles procèdent davantage de la recherche de rentes publiques. Enfin, la statistique étant largement un art, elle donne aux libéraux un pouvoir de conviction pouvant concurrencer celui des dirigistes, au moyen de représentations du réel aussi suggestives qu’un récit, une peinture ou une sculpture. La bataille des idées se gagne aussi par la manière dont le réel est représenté.
Choisir cette voie de persuasion a cependant un coût. Lorsqu’un chercheur investit son temps et ses ressources dans les statistiques, il le fait au détriment de la théorie, de l’histoire qualitative et de l’étude du corpus intellectuel constitué par la tradition libérale. On retrouve ici une différence de méthode entre deux libéralismes : celui, utilitariste et empirique, de l’école de Chicago et celui, philosophique et aprioriste, de l’école autrichienne.
La pensée libérale doit donc trouver un équilibre entre l’art des statistiques mis au service des sociétés ouvertes et la défense non conséquentialiste de la liberté, fondée sur le droit inaliénable de chacun à disposer de soi et à effectuer ses propres choix moraux.
[1] Tukey, J.W. (1962). The future of data analysis, The Annals of Mathematical Statistics, 33 (1), 1-67.
[2] Rothbard, M. N. (1997). “Statistics: Achilles’ Heel of Government”, in The Logic of Action Two: Applications and Criticism from the Austrian School, Edward Elgar, Cheltenham, pp. 180-184.
[3] Guyon, H., Noûs C. (2024). Stat Wars. Le côté obscur de la force des statistiques, Collection « Essais », Presses Universitaires de Rennes, Rennes.
[4] En effet, la statistique a longtemps été pensée comme « un outil à la disposition des faibles pour combattre les puissants. Elle devait permettre aux dominés de dénoncer privilèges et inégalités, de critiquer les politiques injustes, de se battre pour le maintien du pouvoir d’achat ». In Desrosières, A. (2014). Prouver et Gouverner, La Découverte, Paris, p. 35.
« Statistique » (1973), Encyclopædia Universalis, vol. 15, Smollett–Théosophie, Encyclopædia Universalis France, Paris.
[6] Simmons, J.P., Nelson, L.D., Simonsohn, U. (2011). False positive psychology: undisclosed flexibility in data collection and analysis allows presenting anything as significant, Psychological Science, 22 (11), 1359-1366.
[7] Petty, W. [1690] (2017). Genèse de l’arithmétique politique, édité par Sabine Reungoat, Slatkine Reprints.
[8] Vauban [1707] (2004). La dîme royale, texte présenté par Jean-Marc Daniel, L’Harmattan, Paris, Budapest, Turin.
[9] Foucault, M. (1994). Dits et écrits, 1954-1988, tome III 1976-1979, par Michel Foucault, Daniel Defert et François Ewald, Gallimard, Paris.
[10] Hacking, I. (1990). The taming of chance, Cambridge University Press, Cambridge (Mass.).
[11] Le calcul du chômage est un autre exemple de cette construction sociale. Voir : Salais, R., Baverez, N., Reynaud-Cressent, B. (1999). L’invention du chômage, PUF, collection Quadridge, Paris.
[12] Porter, T. (1995). Trust in Numbers. Princeton University Press, Princeton (traduction française : La confiance dans les chiffres, Paris, Les Belles Lettres, 2017).
[13] Booth, C. (1902-1903). Life and labour of the people in London, series 1-3, MacMillan, Londres.
[14] Rowntree, L.B. (1901). Poverty: a study of town life, Macmillan, Londres (traduction française : pour une sociologie de la pauvreté, par Jacques Rodriguez, Paris, Ellipses, 2013).
[15] Desrosières, A. (1993). La politique des grands nombres, La Découverte, Paris.
[16] Coyle, D. (2014). GDP: a brief but affectionate history, Princeton University Press, Princeton.
[17] Ménard, C. (1976). Trois formes de résistance aux statistiques, Say, Cournot, Walras, in Pour une histoire de la statistique, INSEE, Paris.
[18] Breton, Y. (1986). La place de la statistique et de l’arithmétique politique dans la méthodologie économique de Jean-Baptiste Say : le temps des ruptures, Revue Économique, 37 (6), 1033-1062.
[19] On peut mieux comprendre les tenants et les aboutissants de cette querelle en lisant le chapitre 3 de l’ouvrage de Gilles Campagnolo (2008). Carl Menger entre Aristote et Hayek. Aux sources de l’économie moderne, CNRS Éditions, Paris.
[20] Mises, L. von (1949). Human Action: A Treatise on Economics. Yale University Press, New Haven (traduction française L’action humaine, PUF, Paris, 1985).
[21] Hayek, F. (1945). The Use of Knowledge in Society, American Economic Review, 35(4), 519-530 (traduction française : L’utilisation de l’information dans la société, Revue française d’économie, 1 (2) 117-140).
[22] Friedman, M. (1953). The methodology of positive economics, in Essays in Positive Economics, University of Chicago Press, Chicago (traduction française : Essais d’économie positive, Litec, Paris, 1995).
[23] Stigler, G.J. (1978). Wealth, and Possibly Liberty, Journal of Legal Studies, 7 (2) : 213-217.
[24] Friedman, M. (1962). Capitalism and freedom, University of Chicago Press, Chicago (traduction française : Capitalisme et liberté, Champs Essais, Paris, Flammarion).
[25] Gwartney, J., Lawson, R., Block, W. (1996). Economic freedom of the world: 1975-1995. Fraser Institute, Vancouver.
[26] Berggren, N. (2003). The benefits of economic freedom: a survey. The Independent Review, 8 (2), 193-211.
[27] Rode, M., Gwartney, J. (2012). Does institutional change impact economic growth, European Journal of Political Economy, 28 (4), 518-532.
[28] Carlsson, F., Lundström, S. (2003). Economic freedom and growth: decomposing the effects. Public Choice, 112 (3-4), 335-344.
[29] Williamson, C.R., Mathers, R.L. (2011). Economic freedom, culture, and growth. Public Choice, 148 (3-4), 313-335.
[30] Teague, M. V., Storr, V. H., Fike, R. (2020). Economic freedom and materialism: an empirical analysis, Constitutional Political Economy, 31 (1), 1-44.
[31] Feldmann, H. (2025). Economic freedom and the quality of education. Kyklos, 78 (1), 86–110.
[32] Gómez Gallego, J.C., Gallego M.G., Del Rocio Moreno Enguix, M. (2026). The impact of economic freedom on COVID-19 pandemic control: the moderating role of good governance, Applied Economics, 58 (21), 4085–4104.
[33] Queinnec, E. (2025). La liberté est-elle favorable à la sobriété carbone ? Une étude sur les 53 pays grands émetteurs de gaz à effet de serre. Journal des Libertés, 28, printemps, p. 43-56, https://journaldeslibertes.fr/download/JDL28-la-liberte-economique-est-elle-favorable-a-la-sobriete-carbone-une-etude-sur-les-53-pays-grands-emetteurs-de-ges.pdf
[34] Geng, L., Abban, O. J., Nuţă, F. M., Nuţă, A. C. (2025). Is economic freedom a panacea for environmental sustainability? Global and regional evidence, Journal of Environmental Management, 376, 124536.
[35] Doucouliagos, C. (2005). Publication bias in the economic freedom and economic growth literature, Journal of Economic Surveys, 19 (3), 367-387.
[36] Le biais de publication décrit la tendance à publier préférentiellement les études dont les résultats sont positifs, significatifs ou intéressants, au détriment des études dont les résultats sont négatifs, nuls ou non significatifs. Il ne s’agit pas nécessairement d’un biais idéologique, mais plutôt du fait que l’on ne publie généralement que les résultats qui ont permis de trouver ce que l’on attendait (ici un effet positif de la liberté économique sur le bien-être).
[37] Dawson, J., 2003. Causality in the freedom-growth relationship, European Journal of Political Economy, 19 (3), 479-495.
[38] Formellement, le recours à une variable instrumentale vise à traiter l’endogénéité de X (la variable agissant sur le phénomène auquel on s’intéresse, à savoir Y), c’est-à-dire sa corrélation avec le terme d’erreur ε. Cette endogénéité peut notamment résulter d’une causalité inverse, d’une variable omise, d’une erreur de mesure ou d’un biais de sélection. Un instrument Z doit satisfaire deux conditions : être suffisamment corrélé à X (condition de pertinence) et n’affecter Y que par l’intermédiaire de X (condition d’exclusion). La première condition peut être testée statistiquement ; la seconde repose en partie sur des arguments théoriques et ne peut généralement pas être établie directement à partir des données.
[39] Faria, H. J., Montesinos, H. M. (2009). Does Economic Freedom Cause Prosperity? An IV Approach, Public Choice, 141 (1-2), 103-127.
[40] Benli, M., Taş, H., and Ekinci, A. (2026). Unleashing Potential: How Economic Freedom Drives Growth in Developing Economies. The World Economy, 49, no. 4 : 729–742.
[41] Ott, J. (2018). “Measuring Economic Freedom: Better Without Size of Government”, Social Indicators Research, 135(2), 479–498.
[42] Høyland, B., Moene, K., Willumsen, F. (2012). The tyranny of international index ranking. Journal of Development Economics, 97 (1), 1-14.
[43] Acemoglu, D., Johnson, S., and Robinson, J. A. (2001). The colonial origins of comparative development: an empirical investigation, The American Economic Review, 91 (5), 1369-1401.
[44] Albouy, D.Y., 2012. The Colonial Origins of Comparative Development: An Empirical Investigation: Comment. The American Economic Review, 102 (6), 3059-3076.
