#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ FRANCE 2027 — Moteur V2 (Phase 4) : effets de second ordre ENDOGÈNES ===================================================================== Différences avec moteur.py (V1) : 1. Le boost de croissance n'est plus une hypothèse de scénario : il est CALCULÉ à partir des leviers via des multiplicateurs budgétaires, selon 3 écoles économiques (keynésienne / libérale / consensus). - Court terme : Δcroissance(t) = [mult_dep × Δimpulsion_dépenses − mult_rec × Δimpulsion_recettes] / PIB (impulsion = variation ANNUELLE des leviers, pas le cumul) - Long terme : les CAPEX, l'école et la simplification relèvent la croissance potentielle après délai (rampe 2031-2035), plafonnée par école. 2. Module retraites démographique (COR, rapport juin 2025) : les dépenses de retraite sont isolées et RIGIDES (elles ne baissent pas en crise) : retraites(t) = retraites(t-1) × (1+inflation) × (1+drift_volume_COR) La réforme des retraites vient en déduction. 3. Kill tests automatiques par configuration. 4. Comparateur de programmes (croissance implicite requise). Usage : python3 moteur_v2.py # 3 écoles × 6 scénarios + kill tests python3 moteur_v2.py --comparateur FICHIER # audite un programme tiers """ import json, csv, os, argparse, copy ANNEES = list(range(2026, 2038)) ICI = os.path.dirname(os.path.abspath(__file__)) ECOLES = { "keynesienne": { "_doc": "Multiplicateurs dépenses élevés à court terme (OFCE haut de fourchette), faible effet d'offre des baisses d'impôts", "mult_depenses_ct": 1.3, "mult_recettes_ct": 0.4, "potentiel_lt_max": 0.15, "_potentiel": "CAPEX/école : +0,15 pt de potentiel max" }, "liberale": { "_doc": "Effet d'offre fort des baisses de prélèvements (supply-side), multiplicateur dépenses faible (éviction)", "mult_depenses_ct": 0.5, "mult_recettes_ct": 0.9, "potentiel_lt_max": 0.35 }, "consensus": { "_doc": "Médiane FMI/littérature : dépenses ~0,9 ct, recettes ~0,6 ; potentiel +0,25", "mult_depenses_ct": 0.9, "mult_recettes_ct": 0.6, "potentiel_lt_max": 0.25 } } # Module retraites — COR RA juin 2025 : retraités +0,8 %/an (2024-2030), +0,7 (2030-2050) ; # pension moyenne ~stable en réel (indexation prix). Drift volume retenu : DRIFT_RETRAITES = {2026: 0.8, 2027: 0.8, 2028: 0.8, 2029: 0.8, 2030: 0.8, 2031: 0.7, 2032: 0.7, 2033: 0.7, 2034: 0.7, "defaut": 0.7} PART_RETRAITES_2025 = 0.14 # ~14 % du PIB (COR : 13,9 % en 2024) # Spread de marché endogène : au-delà du seuil de dette, chaque point de dette/PIB # supplémentaire renchérit l'OAT effective (sanction des marchés), plafonné. SPREAD = {"seuil_dette_pct": 115.0, "par_point_pct": 0.03, "max_pct": 1.5} # Module fonds de pension souverain (informatif, hors solde budgétaire), articulé aux PER : # - amorçage 2030 : adossement d'une fraction des encours PER existants (~120 Mds fin 2024, en croissance) # - collecte : fléchage épargne 0,3 % PIB (2030) montant à 0,8 % (2034+, pan obligatoire de la réforme) # - rendement nominal 5 % (mix actions monde/émergents, doctrine Jean-Marc Daniel) FONDS_PENSION = {"debut": 2030, "amorcage_per_mds": 30, "collecte_pct_pib": {2030: 0.3, 2031: 0.4, 2032: 0.5, 2033: 0.65, "defaut": 0.8}, "rendement_pct": 5.0} # ACCEPTABILITÉ SOCIALE — conflictualité par levier (0 = apaisant, 5 = explosif) # Calibrée sur les précédents : retraites (1995, 2010, 2019, 2023), fonctionnaires, fiscalité conso. CONFLICTUALITE = { "retraites_reforme": 5, "effectifs_500k": 4, "tva_sociale_compensation": 3, "rabot_niches_cibles": 3, "rabot_niches_offensif": 3, "simplification_etat": 3, "plafonnement_hauts_salaires": 3, "fraude_recouvrement": 0, "recentrage_allegements": 2, "impots_production_suppression": 2, "logement_simplification": 2, "sante_plus10pct": 2, "charges_bas_salaires": 1, "defense_lpm_plus": 1, "justice_police": 1, "capex_infrastructures": 1, "tourisme_grande_cause": 1, "recherche_superieur": 1, "ecole_moyens": 1, "culture_5mds": 0, "salaires_professeurs": 0, "cannabis_legalisation_taxee": 2, "logement_pour_tous": 1, "grand_age_fragiles": 0, "agriculture_transition": 1, } SEUIL_CHALEUR = 60 # au-delà : risque de coagulation des colères (référence Juppé 1995) # Leviers à effet potentiel long terme (OFFRE) et leur poids — élargi V5 : # simplification, CAPEX, école/profs, mais aussi compétitivité (impôts de production), # R&D (recherche sup.), attractivité (plafonnement hauts salaires), mobilité (logement), emploi (bas salaires). LEVIERS_POTENTIEL = {"capex_infrastructures": 0.45, "salaires_professeurs": 0.20, "simplification_etat": 0.35, "impots_production_suppression": 0.30, "recherche_superieur": 0.30, "plafonnement_hauts_salaires": 0.20, "logement_simplification": 0.20, "charges_bas_salaires": 0.15} RAMPE_POTENTIEL = {2031: 0.2, 2032: 0.4, 2033: 0.6, 2034: 0.8, "defaut": 1.0} # Le boost de long terme devient PROPORTIONNEL à l'intensité des réformes (complétude), plafonné par l'école. POTENTIEL_REFERENCE_MDS = 40.0 # somme pondérée des leviers d'offre du programme complet (ordre de grandeur) # --- EFFETS CROISÉS (V5), versant DÉPENSES (le versant recettes est déjà dans l'élasticité × PIB) --- OKUN = 0.4 # 1 pt de croissance endogène cumulée -> -0,4 pt de chômage (loi d'Okun, bas de fourchette) COUT_POINT_CHOMAGE_PCT_PIB = 0.30 # 1 pt de chômage en moins -> ~0,30 % de PIB de dépenses sociales en moins (indemnisation + minima + induit) CHOMAGE_REDUCTION_MAX = 3.0 # plancher structurel : on ne descend pas le chômage de plus de 3 pts par la seule croissance # Économies de prévention/transparence santé (props 29, 30, 124, 125) — montée lente, prudente SANTE_PREVENTION_PCT_PIB = {2030: 0.02, 2031: 0.03, 2032: 0.05, 2033: 0.07, 2034: 0.09, 2035: 0.10, "defaut": 0.12} def val(d, annee): if d is None: return 0.0 k = str(annee) if str(annee) in d else (annee if annee in d else None) if k is not None: return float(d[k]) cles = [int(x) for x in d if str(x).isdigit()] if cles and annee < min(cles): return 0.0 return float(d.get("defaut", 0.0)) def simulate_v2(params, nom_scenario, ecole, leviers_override=None): sc = params["scenarios"][nom_scenario] base = params["base_2025"]; hyp = params["hypotheses_tendancielles"] leviers = leviers_override if leviers_override is not None else params["leviers_programme"] E = ECOLES[ecole] facteur = float(sc.get("facteur_leviers", 1.0)) suspendus = sc.get("leviers_suspendus_depuis_2029", []) pib = base["pib_nominal_mds"] part_rec = base["recettes_mds"] / pib retraites = pib * PART_RETRAITES_2025 dep_prim_autres = base["depenses_mds"] - base["charge_interets_mds"] - retraites dette = base["dette_mds"] taux = base["charge_interets_mds"] / dette prix = 1.0 d29_prec = 0.0 lev_rec_prec, lev_dep_prec = 0.0, 0.0 fonds_actifs = 0.0 cumul_boost = 0.0 rows = [] for an in ANNEES: vol = val(sc["croissance_volume_pct"], an) / 100 infl = val(sc["inflation_pct"], an) / 100 oat = val(sc["oat_pct"], an) / 100 prix_n = prix * (1 + infl) # ---- leviers cumulés (Mds courants) + chaleur sociale de l'année ---- lev_rec, lev_dep, d29, potentiel_brut, chaleur = 0.0, 0.0, 0.0, 0.0, 0.0 for nom, lv in leviers.items(): a_eff = 2028 if (nom in suspendus and an >= 2029) else an delta = val(lv["deltas_cumules"], a_eff) * facteur * prix_n delta_prec_lv = val(lv["deltas_cumules"], a_eff - 1) * facteur * prix chaleur += CONFLICTUALITE.get(nom, 2) * abs(delta - delta_prec_lv) if lv["type"] == "recettes": lev_rec += delta else: lev_dep += delta if nom == "impots_production_suppression": d29 = delta if nom in LEVIERS_POTENTIEL: potentiel_brut += abs(delta) * LEVIERS_POTENTIEL[nom] # retour fiscal conditionnalité D29 (décalage 1 an) lev_rec += -d29_prec * hyp.get("taux_retour_impots_production", 0.0) # ---- SECOND ORDRE COURT TERME : impulsion annuelle × multiplicateur ---- imp_dep = (lev_dep - lev_dep_prec) # >0 = relance dépenses imp_rec = (lev_rec - lev_rec_prec) # <0 = baisse de prélèvements boost_ct = (E["mult_depenses_ct"] * imp_dep - E["mult_recettes_ct"] * imp_rec) / pib # ---- SECOND ORDRE LONG TERME : potentiel (rampe, plafonné par école) ---- completude = min(1.0, potentiel_brut / POTENTIEL_REFERENCE_MDS) # V5 : LT proportionnel à l'intensité des réformes boost_lt = E["potentiel_lt_max"] / 100 * completude * val(RAMPE_POTENTIEL, an) * (1 if facteur > 0 else 0) boost = max(-0.01, min(0.012, boost_ct)) + boost_lt # bornes de prudence ±1pt ct pib = pib * (1 + vol + boost) * (1 + infl) prix = prix_n dep_exc = (val(sc.get("depenses_crise_mds"), an) + val(sc.get("defense_guerre_mds"), an)) * prix recettes = part_rec * pib * hyp["elasticite_recettes"] + lev_rec # ---- retraites rigides (module COR) ; la réforme est déjà dans lev_dep ---- retraites = retraites * (1 + infl) * (1 + val(DRIFT_RETRAITES, an) / 100) derive_autres = (hyp["croissance_volume_depenses_primaires_pct"] - 0.1) / 100 # hors retraites dep_prim_autres = dep_prim_autres * (1 + infl) * (1 + derive_autres) # spread de marché endogène (sur la dette/PIB de l'année précédente) dette_pct_prec = dette / (pib / ((1 + vol + boost) * (1 + infl))) * 100 spread = min(SPREAD["max_pct"], max(0.0, (dette_pct_prec - SPREAD["seuil_dette_pct"]) * SPREAD["par_point_pct"])) / 100 taux = taux + hyp["part_refinancement_annuelle"] * (oat + spread - taux) interets = taux * dette # fonds de pension souverain articulé aux PER (hors solde — patrimoine fléché) if an == FONDS_PENSION["debut"]: fonds_actifs += FONDS_PENSION["amorcage_per_mds"] if an >= FONDS_PENSION["debut"]: fonds_actifs = fonds_actifs * (1 + FONDS_PENSION["rendement_pct"] / 100) \ + pib * val(FONDS_PENSION["collecte_pct_pib"], an) / 100 depenses = retraites + dep_prim_autres + lev_dep + dep_exc + interets # --- EFFETS CROISÉS V5 : la croissance endogène nourrit l'emploi (-dépenses sociales) ; prévention santé --- # (le surcroît de TVA/IR/cotisations est déjà dans recettes via l'élasticité ; on n'ajoute QUE le versant dépenses) cumul_boost += max(0.0, boost) chomage_red = min(CHOMAGE_REDUCTION_MAX, OKUN * cumul_boost * 100) eco_chomage = chomage_red * COUT_POINT_CHOMAGE_PCT_PIB / 100 * pib * (1 if facteur > 0 else 0) eco_sante = val(SANTE_PREVENTION_PCT_PIB, an) / 100 * pib * (1 if facteur > 0 else 0) depenses = depenses - eco_chomage - eco_sante solde = recettes - depenses dette = dette - solde d29_prec, lev_rec_prec, lev_dep_prec = d29, lev_rec, lev_dep rows.append({"annee": an, "pib_mds": round(pib,1), "croissance_totale_pct": round((vol+boost)*100,2), "boost_endogene_pct": round(boost*100,2), "recettes_pct_pib": round(recettes/pib*100,1), "depenses_pct_pib": round(depenses/pib*100,1), "retraites_pct_pib": round(retraites/pib*100,1), "charge_interets_mds": round(interets,1), "solde_pct_pib": round(solde/pib*100,1), "dette_pct_pib": round(dette/pib*100,1), "solde_mds": round(solde,1), "dette_mds": round(dette,1), "spread_pct": round(spread*100,2), "fonds_pension_actifs_mds": round(fonds_actifs,1), "chaleur_sociale": round(chaleur,1)}) return rows # ---------------- KILL TESTS ---------------- def kill_tests(params, ecole, leviers=None): res = {} # KT1 — croissance additionnelle uniforme requise pour solde -1 % en 2032 (scénario réaliste) def solde_2032(extra): p = copy.deepcopy(params) for k in list(p["scenarios"]["realiste"]["croissance_volume_pct"]): if k != "_doc": p["scenarios"]["realiste"]["croissance_volume_pct"][k] = \ float(p["scenarios"]["realiste"]["croissance_volume_pct"][k]) + extra r = simulate_v2(p, "realiste", ecole, leviers) return next(x for x in r if x["annee"] == 2032)["solde_pct_pib"] lo, hi = 0.0, 6.0 for _ in range(40): mid = (lo + hi) / 2 if solde_2032(mid) < -1.0: lo = mid else: hi = mid res["croissance_additionnelle_requise_pt"] = round(hi, 2) base_g = 1.62 res["croissance_implicite_totale_pct"] = round(base_g + hi, 2) # KT2 — OPEX durables : leviers dépenses (hors CAPEX/défense/école) positifs en 2037 ? lv = leviers if leviers is not None else params["leviers_programme"] opex = sum(val(l["deltas_cumules"], 2037) for n, l in lv.items() if l["type"] == "depenses" and n not in ("capex_infrastructures", "defense_lpm_plus", "salaires_professeurs")) res["opex_durables_2037_mds"] = round(opex, 1) res["kt_opex"] = "ÉCHEC (hausse durable des OPEX)" if opex > 5 else "OK" # KT3 — test 0,8 % : solde le plus dégradé en scénario crise r = simulate_v2(params, "crise_economique", ecole, leviers) pire = min(x["solde_pct_pib"] for x in r) res["pire_solde_en_crise_pct"] = pire res["kt_crise"] = "FRAGILE (solde < -7 %)" if pire < -7 else "DÉFENDABLE" # KT4 — acceptabilité : pic de chaleur sociale (coagulation des colères, réf. 1995) rr = simulate_v2(params, "realiste", ecole, leviers) pic = max(x["chaleur_sociale"] for x in rr) an_pic = next(x["annee"] for x in rr if x["chaleur_sociale"] == pic) res["pic_chaleur_sociale"] = pic res["annee_pic"] = an_pic res["kt_social"] = f"RISQUE DE COAGULATION en {an_pic} (pic {pic:.0f} > seuil {SEUIL_CHALEUR})" \ if pic > SEUIL_CHALEUR else f"GÉRABLE (pic {pic:.0f} en {an_pic})" return res # ---------------- COMPARATEUR DE PROGRAMMES ---------------- def _decoter(leviers, decote=0.5): """Mode prudence : les leviers marqués fiabilite='annonce' (recettes nouvelles et économies non documentées) sont décotés de 50 %. Les dépenses nouvelles et baisses d'impôts restent à 100 % (elles, on est sûr qu'elles coûteront).""" out = copy.deepcopy(leviers) n = 0 for nom, lv in out.items(): if lv.get("fiabilite") != "annonce": continue for k in lv["deltas_cumules"]: d = float(lv["deltas_cumules"][k]) gain = (lv["type"] == "recettes" and d > 0) or (lv["type"] == "depenses" and d < 0) if gain: lv["deltas_cumules"][k] = d * decote n += 1 return out, n def comparer(params, fichier_programme): with open(fichier_programme) as f: prog = json.load(f) print(f"\n=== AUDIT : {prog['nom']} ===") print(prog.get("description", "")) jeux = [("AU CHIFFRAGE ANNONCÉ", prog["leviers"])] prudents, n = _decoter(prog["leviers"]) if n: jeux.append((f"MODE PRUDENCE (décote 50 % sur {n} levier(s) non documenté(s))", prudents)) res = {} for libelle, lv in jeux: print(f"\n──── {libelle} ────") for ecole in ECOLES: r = simulate_v2(params, "realiste", ecole, lv) r32 = next(x for x in r if x["annee"] == 2032) kt = kill_tests(params, ecole, lv) res[(libelle, ecole)] = (r32, kt) print(f"[{ecole:12s}] 2032 : solde {r32['solde_pct_pib']:5.1f} % | dette {r32['dette_pct_pib']:5.1f} % | " f"croissance implicite {kt['croissance_implicite_totale_pct']} %/an | " f"OPEX {kt['opex_durables_2037_mds']:+.0f} Mds ({kt['kt_opex']}) | crise {kt['pire_solde_en_crise_pct']} %") return res def garant(rows): """Le moteur comme GARANT des contraintes fondatrices : dette < 100 %, deficit < 3 % (Maastricht) puis < 1 %, depenses <= 50 %, charge d'interets en inflexion.""" by = {r["annee"]: r for r in rows} def first(cond): for r in rows: if r["annee"] >= 2027 and cond(r): return r["annee"] return None r37 = by[2037] d100 = first(lambda r: r["dette_pct_pib"] < 100) d95 = first(lambda r: r["dette_pct_pib"] <= 95) df3 = first(lambda r: r["solde_pct_pib"] >= -3.0) df1 = first(lambda r: r["solde_pct_pib"] >= -1.0) dp50 = first(lambda r: r["depenses_pct_pib"] <= 50.0) peak = max(rows, key=lambda r: r["charge_interets_mds"]) inflexion = r37["charge_interets_mds"] < by[2036]["charge_interets_mds"] f = lambda y: (f"atteinte en {y}" if y else "NON atteinte d'ici 2037") lignes = [ f"Dette < 100 % du PIB : {f(d100)} (2037 : {r37['dette_pct_pib']} %)", f" cible stricte 95 % : {f(d95)}", f"Deficit < 3 % (Maastricht) : {f(df3)} (2037 : {r37['solde_pct_pib']} %)", f" cible 1 % : {f(df1)}", f"Depenses <= 50 % du PIB : {f(dp50)} (2037 : {r37['depenses_pct_pib']} %)", f"Charge d'interets : pic {peak['charge_interets_mds']} Mds en {peak['annee']}, " + ("en inflexion en fin de periode" if inflexion else "encore ascendante en 2037") + f" (2037 : {r37['charge_interets_mds']} Mds vs 64,7 en 2025)", ] tenues = sum(1 for x in (d100, df3, dp50) if x is not None) + (1 if inflexion else 0) verdict = f"VERDICT : {tenues}/4 contraintes fondatrices tenues d'ici 2037" return {"lignes": lignes, "verdict": verdict, "dette100": (f"atteinte en {d100}" if d100 else "NON (> 100 % en 2037)")} def main(): ap = argparse.ArgumentParser() ap.add_argument("--params", default=os.path.join(ICI, "parametres.json")) ap.add_argument("--out", default=os.path.join(ICI, "resultats_v2")) ap.add_argument("--comparateur", help="fichier JSON d'un programme tiers à auditer") args = ap.parse_args() with open(args.params) as f: params = json.load(f) if args.comparateur: comparer(params, args.comparateur); return os.makedirs(args.out, exist_ok=True) print(f"{'école':12s} {'scénario':26s} {'solde32':>8s} {'dette32':>8s} {'dép.32':>7s} {'boost32':>8s} {'dette37':>8s}") for ecole in ECOLES: for nom in params["scenarios"]: rows = simulate_v2(params, nom, ecole) with open(os.path.join(args.out, f"{ecole}_{nom}.csv"), "w", newline="") as f: w = csv.DictWriter(f, fieldnames=rows[0].keys()); w.writeheader(); w.writerows(rows) r32 = next(r for r in rows if r["annee"] == 2032); r37 = rows[-1] print(f"{ecole:12s} {nom:26s} {r32['solde_pct_pib']:8.1f} {r32['dette_pct_pib']:8.1f} " f"{r32['depenses_pct_pib']:7.1f} {r32['boost_endogene_pct']:8.2f} {r37['dette_pct_pib']:8.1f}") print("\n--- KILL TESTS (programme Nash, scénario réaliste) ---") for ecole in ECOLES: kt = kill_tests(params, ecole) print(f"[{ecole}] croissance implicite requise : {kt['croissance_implicite_totale_pct']} %/an | " f"OPEX 2037 : {kt['opex_durables_2037_mds']} Mds ({kt['kt_opex']}) | " f"crise : {kt['pire_solde_en_crise_pct']} % ({kt['kt_crise']}) | " f"social : {kt['kt_social']}") # --- CONTRAINTES FONDATRICES : le moteur, garant des cibles de depart --- print("\n--- CONTRAINTES FONDATRICES (consensus, realiste) ---") g = garant(simulate_v2(params, "realiste", "consensus")) for line in g["lignes"]: print(" " + line) print(" >>> " + g["verdict"]) print(" Dette < 100 % -- annee d'atteinte par scenario :") for nom in params["scenarios"]: gg = garant(simulate_v2(params, nom, "consensus")) print(f" {nom:26s} : {gg['dette100']}") if __name__ == "__main__": main()