La construction d’un argument économique commence par une définition nette de l’objectif : montrer une tendance, évaluer l’impact d’une politique publique ou mesurer la performance d’un secteur. Cet objectif conditionne le choix des indicateurs. Par exemple, l’analyse de la croissance repose sur le PIB, celle de l’inflation sur l’IPC et celle du marché du travail sur le taux de chômage. Le guide insiste sur la nécessité d’utiliser des séries temporelles suffisamment longues pour repérer des évolutions structurelles, notamment avant et après un événement comme une réforme fiscale.
Les sources doivent être fiables et transparentes. Le texte cite explicitement l’INSEE et Eurostat comme références de premier plan qui publient des données vérifiées et méthodologiquement robustes. Les bases académiques et les rapports de think tanks sont utiles en complément, mais leur méthodologie doit être scrutée : choix des seuils, définition des variables et techniques d’échantillonnage peuvent modifier sensiblement les conclusions (par exemple, des seuils de pauvreté différents produisent des résultats divergents).
Toute analyse comporte des incertitudes qu’il faut identifier et communiquer. Les prévisions économiques viennent souvent avec des marges d’erreur — l’exemple donné est une prévision de croissance de 2% assortie d’une marge de ±0,5%. Les limites proviennent aussi de la qualité des données : un échantillon non représentatif dans une enquête de consommation peut biaiser les résultats. Le guide recommande de présenter ces limites pour éviter toute surinterprétation.
Enfin, deux biais sont mis en garde : la confusion entre corrélation et causalité et le cherry-picking. L’exemple des ventes de glaces et des noyades illustre la nécessité d’identifier variables de confusion et d’utiliser des méthodes statistiques appropriées pour établir des liens de causalité. Pour contrer le cherry-picking, il faut exposer les éléments qui contredisent l’hypothèse et offrir une analyse équilibrée.
