Croissance des marchés émergents et compromis environnementaux dans la région de l'océan Indien : une analyse prédictive des pays de l'IORA basée sur l'apprentissage automatique

Croissance des marchés émergents et compromis environnementaux dans la région de l'océan Indien

Dans le contexte de l'essor du Sud global, les pays riverains de l'océan Indien deviennent le théâtre des contradictions entre croissance économique et protection de l'environnement. Une étude récente publiée dans *Scientific Reports* (Xu et al., 2026) se concentre sur quatre pays – Malaisie, Maurice, Sri Lanka et Madagascar – et utilise des modèles d'apprentissage automatique pour prédire le PIB et la superficie des terres agricoles, révélant les liens complexes entre développement économique, émissions de CO₂ et changements d'utilisation des terres. Cette recherche offre non seulement un outil scientifique aux décideurs régionaux, mais reflète également les défis de durabilité auxquels sont confrontés les marchés émergents dans leur quête de croissance.

#### Structure régionale : vulnérabilité et opportunités des économies côtières

L'IORA (Alliance régionale de l'océan Indien) couvre 23 États membres d'Afrique, du Moyen-Orient, d'Asie du Sud et d'Asie du Sud-Est, dont beaucoup sont des îles ou des pays côtiers hautement sensibles au changement climatique. Les quatre pays sélectionnés représentent différents stades de développement : la Malaisie, centre manufacturier d'Asie du Sud-Est, où la croissance économique est étroitement liée aux émissions industrielles ; Maurice, une économie africaine ayant réussi sa transition vers les services touristiques et financiers ; le Sri Lanka, dominé par l'agriculture et le textile en Asie du Sud ; et Madagascar, confronté aux pressions de l'expansion agricole et de la déforestation. Ensemble, ces quatre pays forment un micro-spectre illustrant la tension typique entre industrialisation et protection écologique dans les marchés émergents.

#### Outils politiques fondés sur les données

Les modèles économiques et environnementaux traditionnels sont souvent complexes à calculer et sensibles aux paramètres. Le modèle XOS-ELM-GA proposé par l'étude améliore significativement la précision des prévisions grâce à l'optimisation par algorithme génétique et à l'initialisation des poids Xavier. Par exemple, dans la prévision du PIB de la Malaisie, le SMAPE moyen du modèle n'est que de 10,13 %, tandis que dans celle des terres agricoles du Sri Lanka, le SMAPE descend à 3,77 %. Cette capacité de prédiction de haute précision est particulièrement importante pour les pays émergents disposant de budgets limités et de bases de données faibles – ils peuvent anticiper les tendances économiques et d'utilisation des terres à partir des données historiques d'émissions sans avoir à construire de vastes modèles du système terrestre.

#### Perspective d'investissement : des émissions à la croissance, un signal

Pour les investisseurs internationaux, l'indicateur des émissions de carbone passe d'une variable environnementale externe à un indicateur avancé de la transformation structurelle de l'économie. Les résultats de prévision pour la Malaisie et Maurice montrent une forte corrélation non linéaire entre les émissions de CO₂ et le PIB, ce qui implique que les émissions liées à l'industrialisation peuvent accompagner l'expansion économique, tandis que le découplage peut s'accélérer une fois que l'économie est dominée par les services. En revanche, au Sri Lanka et à Madagascar, les changements d'utilisation des terres agricoles sont plus étroitement liés aux émissions, reflétant la dépendance de l'économie agricole aux ressources naturelles. Les investisseurs peuvent ainsi évaluer la durabilité des modèles de croissance de différentes économies, identifier les risques politiques et les opportunités de transition.

#### Tendances à long terme et programme du Sud globalL'étude souligne que les pays de l'IORA doivent équilibrer les ODD 8 (croissance économique), ODD 13 (action climatique) et ODD 15 (vie terrestre). C'est précisément le dilemme commun à de nombreux pays du Sud global : l'urbanisation et l'industrialisation rapides nécessitent une consommation d'énergie, tandis que la résilience climatique exige une réduction des émissions. La capacité prédictive de l'apprentissage automatique peut aider les pays à fixer à l'avance des plafonds d'émissions ou des limites d'expansion agricole, évitant ainsi la voie du « polluer d'abord, traiter ensuite ». Du point de vue de la coopération régionale, le partage de technologies dans le cadre de l'IORA (comme le modèle proposé par cette étude) peut offrir un soutien décisionnel à faible coût aux autres pays en développement.

#### Conclusion

La contribution technique de cette étude est de fournir un outil de prédiction réutilisable pour les marchés émergents, et sa signification plus large réside dans la transformation des interactions environnement-économie en choix politiques quantifiables. À mesure que le corridor de l'océan Indien devient un maillon important du commerce et des chaînes d'approvisionnement mondiaux, les trajectoires de croissance de pays comme la Malaisie et Maurice influenceront les modèles de développement des régions voisines. Les investisseurs et les décideurs politiques doivent tous prêter attention à la manière dont ces pays utilisent la science des données pour trouver un équilibre entre croissance et écologie – ce n'est pas seulement une question environnementale, mais aussi le cœur de la compétitivité à long terme des marchés émergents.