1.2- La volatilité, un frein au processus du
learning by doing : la nécessité de la prise en compte
simultanée des deux modes d'apprentissage
Le Learning by doing (Arrow, 1962) est un
phénomène essentiel dans la formation et l?accumulation de
capital humain. Dans la plupart des emplois, les connaissances
théoriques acquises pendant les années d?études scolaires
ne constituent que la base de ce qui est
nécessaire à un travailleur pour pouvoir mener
sa tâche de manière efficiente. Le plus important est
l?expérience et la compétence que les travailleurs ne peuvent
obtenir qu?en travaillant. C?est donc un apprentissage non intentionnel
(externe). Martin et Rogers (1997 et 2000) mettent en exergue ce fait. Ils
établissent que la prolifération du chômage durant les
périodes de récession entraine des pertes de capital humain
(résultat à l?encontre des conclusions d?Aghion et Saint-paul en
1998). Le raisonnement intuitif derrière ce constat est assez simple :
Quand les circonstances ou les prévisions économiques sont
défavorables, volatilité, les firmes réduisent leurs
personnels, ce qui à son tour prive les travailleurs de gagner en
expérience et connaissances productive. La sévérité
de la récession amplifie ou restreint la perte en capital humain. La
volatilité exerce donc un effet négatif sur l?accumulation de
capital humain.
Van Ewijk (1997) incorporent à la fois l?approche en
terme de coüt d?opportunité et celle relative au Learning by doing
pour expliquer la relation entre volatilité et accumulation de capital
humain. Ses résultats montrent que l?effet positif de l?hypothèse
du coüt d?opportunité domine lorsque l?économie subit une
faible volatilité, mais l?effet négatif issu du Learning by doing
prend le pas lorsque la volatilité est plus sévère.
Les conclusions divergentes des différentes
théories ci-dessus sont souvent associées à des
implications différentes en ce qui concerne le lien volatilité
croissance via l?accumulation du capital. A priori, il n?y a pas de raison
fondamental qui permette de supposer que cette relation doive absolument
être d?un signe particulier, en fonction du mode d?accumulation
(intentionnelle ou pas). Egalement, il n?y a pas de raison de supposer que
l?accumulation de capital humain provient d?un seul mode d?apprentissage sans
que l?autre ne soit pris en compte. Les résultats des modèles
précédents dans lesquels c?est le cas sont dès lors
difficiles à comparer étant donné leurs différences
structurelles.
1.2.1- Le modèle de Blackburn et Galindev (2003)
: l'intégration simultanée des deux modes d'apprentissage
Blackburn et Galindev (2003) étendent et consolident la
littérature en incluant les deux modes de formation du capital humain
dans un seul modèle analytique. L?importance de chaque mode est
capturée convenablement par une para métrisation flexible du
processus à l?origine du changement technologique qui le réduit
à un processus basée entièrement sur un mode ou sur
l?autre en fonction de configuration alternative de la valeur du
paramètre. Les auteurs se basent sur un modèle de croissance
stochastique simple.
L?économie est constituée d?individus identiques
avec un horizon temporel infini qui produisent et consomment le meme bien. Le
problème de l?agent est donc de maximiser
U= E0? = t [ãtlog(Ct II +
ëlog(111- Lt - Htlig â ? [0 1], ë > 0, ( 1
)
Sous contrainte de :
Ct ?ZtLt, ? > 0, á ? (0, 1) (2)
Zt+1
ÙZtHötÅèt, Ù > 1,
ö et è > 0 (3)
L?agente dérive l?utilité espérée
de (1) à partir de la consommation Ct et du loisir 1-Lt-Ht,
ou Lt represente le temps alloue au travail (production) et Ht celui qui est
alloue à l?apprentissage (accroissement du capital humain). Le terme
ãt est une variable aleatoire positive qui peut representer une
preference, un gout ou un choc de demande suivant un processus stationnaire de
moyenne u et variance ?2. La contrainte de budget de l?agent est
donner par l?équation (2) qui égalise la consommation et
l?output, avec Zt un facteur de variation technologique dans la fonction de
production. La technologie evolue selon l?équation (3), qui inclut
à la fois les comportements d?apprentissage
délibéré (interne) et non delibere (externe). Le premier
est representer par Ht, c?est-à-dire la quantite de temps que l?agent
alloue intentionnellement à l?accroissement de sa propre
productivité, alors que le second est capturé par Åt, le
niveau global de l?emploi qui détermine l?ampleur de
l?externalité de compétence entre les agents et que chaque agent
prend évidement comme donnée. L?importance relative de ces deux
paramètres de croissance est déterminée par la magnitude
relative des paramètres respectifs ö et è. Les cas extremes
qui nous intéressent sont obtenus à partir des configurations
{ö > 0, è= 0} (apprentissage exclusivement intentionnel) et
{ö= 0, è > 0} (apprentissage exclusivement forcé). Les
solutions du modèle sont caracterisees par les règles de decision
suivantes concernant Lt et Ht :
Lt l(ãt)= áãt/ [ë+öBu+
áãt] (4)
Ht h(ãt)= öBu/ [ë+öBu+
áãt] (5)
Où B= 1 . Évidemment, l?(.) > 0
et h?(.) < 0 : ce qui signifie intuitivement qu?un
accroissement de ãt, donc par exemple un choc positif
(respectivement negatif) de demande
conduit les agents à accorder
plus de temps (respectivement moins de temps) au travail et
moins de temps (respectivement plus de temps) à
l?apprentissage. Ceci est dû à l?augmentation de l?utilité
marginale de la consommation qui accroit le cout d?opportunité des
activités liées à l?apprentissage.
En remplaçant (4) et (5) dans (2) et (3) et en appliquant
la condition d?équilibre Lt= Åt, on peut obtenir le taux de
croissance de la technologie et de l?output entre les périodes :
Zt+1/Zt Ù
(öBu)öáèãèt
/ [ë+öBu+
áãt]ö+è z(ãt)
(6)
Ct+1/Ct = Ù
(öBu)öáèãtè-áãát+1
/ [(ë+öBu+
áãt)ö+è-á(ë+öBu+
áãt+1)á c(ãt,
ãt+1)
Comme indiqué dans la littérature existante,
l?effet de la volatilité du produit sur l?accumulation du capital humain
dépend effectivement du mode d?accumulation de ce capital : on constate
ici que lorsque le mode d?apprentissage est exclusivement interne {ö >
0, è= 0}, alors z?(.) < 0, ce qui implique que la croissance de la
technologie est contra cyclique. Dans ce cas, la volatilité de l?output
conduit effectivement à l?accroissement du capital humain. A l?inverse,
si le mode d?apprentissage est externe {ö= 0, è > 0}, z?(.) >
0 et l?évolution de la technologie est pro cyclique. Dans ce cas, la
volatilité a un effet négatif sur l?accumulation de capital. Ces
résultat divergents sont dérivés des réponses
divergentes des variables Ht et Lt décrites plus haut. Des observations
similaires peuvent être faites sur le taux de croissance de la
production, même si l'expression est un peu plus compliquée. Etant
donné que l?output de chaque période dépend de
l'état de la technologie et du niveau de l'emploi dans cette
période, le taux de croissance de la production d'une période
à l'autre est fonction des chocs dans ces deux périodes. Un choc
positif ãt provoque une augmentation de Lt, une diminution de la Ht et
une augmentation ou une diminution dans Zt +1. Ces effets signifient que Ct
augmente, pendant que Ct+1 augmente ou bien diminue, de sorte que le taux de
croissance de la production peut augmenter ou diminuer. Dans les cas limites
qui nous intéressent, on a c1(.) < 0 pour {ö > 0, è=
0}, pendant que c1(.) > Ou < 0 pour {ö= 0, è > ou <
á}. A l?inverse, un choc positif ãt+1a des effets fortement
positifs sur la croissance, c2(.) > 0, à travers son effet positif
sur Lt+1 et par suite Ct+1. Les propriétés non linéaires
de c(.) sont dus à des considérations similaires. Donc c11(.)
> 0 pour {ö > 0, è= 0} ; c11(.) > Ou < 0 pour {ö =
0, è > ou < 0} ; et c22(.) < 0 dans tous les cas.
La conclusion du modèle est simple, puisqu?on retrouve
les résultats précédemment mis en exergue par Aghion et
saint-paul (1998) : la volatilité du PIB affecte positivement
l?accumulation de capital humain à cause du fait que durant les
récessions, le chômage et la faiblesse des salaires contribuent
à baisser le coüt d?opportunité d?allouer plus de temps
à l?apprentissage qui est bien entendu interne.
| 
