Thèse Métaux Critiques et Intelligence Artificielle la Transition Énergétique à l'Épreuve des Bulles Spéculatives H/F - Doctorat.Gouv.Fr

Établissement : Université d'Orléans École doctorale : Sciences de la Société : Territoires, Economie, Droit - SSTED Laboratoire de recherche : LÉO - Laboratoire d'Economie d'Orléans Direction de la thèse : Daria ONORI ORCID 0000000346488403 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-18T23:59:59 La transition énergétique (TTE) et la révolution de l'intelligence artificielle (IA) constituent deux transformations structurelles majeures de l'économie mondiale. Bien que poursuivant des objectifs distincts, elles entrent en concurrence directe pour un même panier restreint de minéraux critiques - lithium, cobalt, cuivre et éléments de terres rares. Or, la TTE exige des signaux de prix stables pour mobiliser les investissements colossaux nécessaires à l'expansion des capacités minières mondiales, estimée entre +400 % et +600 % d'ici 2050. Les marchés de ces métaux affichent pourtant une volatilité extrême, illustrée par l'effondrement de 86 % du prix du lithium en 2023-2024 après une hausse de plus de 400 %. Ces cycles endogènes de type « boom-bust », amplifiés par l'incertitude radicale qu'introduit la demande IA, échappent aux modèles économiques traditionnels fondés sur les seuls fondamentaux observables.
Cette thèse vise à modéliser et à prévoir ces dynamiques spéculatives au moyen d'innovations théoriques et économétriques, afin de quantifier le risque systémique que la finance des matières premières fait peser sur le financement de la transition climatique. Le projet s'articule autour de trois chapitres formant une progression cohérente.
Le premier chapitre développe un modèle macroéconomique original d'équilibre général avec agents à rationalité limitée et actif réel « métal critique ». Il formalise comment l'incertitude radicale sur la demande TTE-IA génère des équilibres de bulle stationnaire - au sens de Gourieroux, Jasiak et Monfort (2020) - dans lesquels les prix oscillent entre des régimes extrêmes sans diverger indéfiniment. Le modèle intègre trois mécanismes complémentaires : les bulles rationnelles stationnaires, la myopie des agents incapables d'évaluer une demande s'étalant sur plusieurs décennies (Magris et Onori, 2024), et la coordination des anticipations auto-réalisatrices par des « récits » de marché - annonces sur l'IA, restrictions géopolitiques chinoises - agissant comme des équilibres sunspot (Cass et Shell, 1983).
Le deuxième chapitre propose une analyse économétrique systématique des marchés de métaux critiques à « double usage » TTE-IA. Il applique d'abord les tests GSADF (Phillips, Shi et Yu, 2015) pour détecter et dater les épisodes de bulles sur un large panel de métaux (cuivre, lithium, terres rares, cobalt, nickel). Il adapte ensuite l'estimateur généralisé de la covariance (GCov) de Gourieroux et Jasiak (2023) pour identifier les composantes anticipatives de ces séries de prix, en surmontant la difficulté posée par l'absence de moments finis caractéristique de ces distributions à queues lourdes. La déconvolution des signaux fondamentaux et spéculatifs repose sur l'analyse des fonctions caractéristiques de distributions extrêmes.
Le troisième chapitre constitue l'apport le plus original de la thèse : il transforme la détection en prévision. En exploitant la théorie récente de de Truchis, Fries et Thomas (2025), fondée sur les représentations en semi-normes de processus -stables, et les avancées en théorie des valeurs extrêmes conditionnelles (Mikosch et Wintenberger, 2024), ce chapitre conduit des exercices de prévision hors-échantillon des trajectoires de bulles. Les paramètres estimés sont ensuite injectés dans le modèle théorique du chapitre I pour simuler des trajectoires de long terme de la TTE sous différents scénarios d'incertitude IA, permettant une quantification inédite du risque systémique climatique.
Les contributions attendues sont : (1) la première formalisation théorique des équilibres spéculatifs sous concurrence intersectorielle TTE-IA ; (2) un cadre économétrique prédictif pour les cycles boom-bust sur les marchés de métaux critiques ; (3) une quantification du risque systémique pour le financement climatique ; (4) des recommandations de politique économique pour la stabilisation de ces marchés.
La compétition croissante entre la transition énergétique et l'essor de l'intelligence artificielle pour un même stock limité de minéraux critiques génère une volatilité extrême sur ces marchés. Ces dynamiques de type boom-bust menacent la stabilité des investissements nécessaires à la décarbonation de l'économie mondiale, et restent mal capturées par les outils économiques traditionnels. - Modéliser les équilibres spéculatifs sur les marchés de métaux critiques sous incertitude radicale TTE-IA, via un modèle d'équilibre général à rationalité limitée.
- Détecter et dater économétriquement les épisodes de bulles sur un large panel de métaux à double usage (lithium, cobalt, cuivre, terres rares).
- Prévoir hors-échantillon les trajectoires de bulles à partir de méthodes fondées sur les processus -stables et la théorie des valeurs extrêmes.
- Quantifier le risque systémique que la finance des matières premières fait peser sur le financement de la transition climatique, et formuler des recommandations de politique économique.

Master 2 en économie, économétrie ou mathématiques appliquées. Solides bases en macroéconomie théorique et en économétrie des séries temporelles. Maîtrise de R et/ou Python. Intérêt marqué pour l'économie de l'environnement et la finance des matières premières. Bonne maîtrise de l'anglais académique écrit.