"When the crisis came, the serious limitations of existing economic and financial models immediately became apparent." "There is also a strong belief, which I share, that bad or oversimplistic and overconfident economics helped create the crisis."
« Quand vint la crise, les limites importantes des modèles économiques et financiers actuels apparurent très vite. » « Il y a aussi une croyance, que je partage, disant qu’une économie mauvaise ou trop simple et sûre d’elle a aidé à créer la crise. »
Now, you've probably all heard of similar criticism coming from people who are skeptical of capitalism. But this is different. This is coming from the heart of finance. The first quote is from Jean-Claude Trichet when he was governor of the European Central Bank. The second quote is from the head of the UK Financial Services Authority. Are these people implying that we don't understand the economic systems that drive our modern societies? It gets worse. "We spend billions of dollars trying to understand the origins of the universe, while we still don't understand the conditions for a stable society, a functioning economy, or peace."
Vous avez tous probablement déjà entendu de pareilles critiques venant de personnes sceptiques envers le capitalisme. Mais celle-ci est différente. Celle-ci vient du cœur même de la finance. La première citation est de Jean-Claude Trichet lorsqu’il était directeur de la Banque Centrale d’Europe. La seconde citation est du chef de l’Autorité des Services Financiers du Royaume-Uni. Ces personnes insinuent-elles que nous ne comprenons pas les systèmes économiques qui dirigent notre société moderne ? Ça empire. « Nous dépensons des milliards de dollars pour essayer de comprendre les origines de l’univers alors que nous ne comprenons toujours pas les conditions nécessaires à une société stable, une économie fonctionnelle ou la paix. »
What's happening here? How can this be possible? Do we really understand more about the fabric of reality than we do about the fabric which emerges from our human interactions? Unfortunately, the answer is yes. But there's an intriguing solution which is coming from what is known as the science of complexity.
Que se passe-t-il ? Comment cela peut-il être possible ? Comprenons-nous vraiment mieux comment la réalité est faite que nous ne comprenons ce qui découle de nos interactions humaines ? Malheureusement, la réponse est oui. Mais une solution curieuse arrive de ce que nous connaissons comme la science de la complexité.
To explain what this means and what this thing is, please let me quickly take a couple of steps back. I ended up in physics by accident. It was a random encounter when I was young, and since then, I've often wondered about the amazing success of physics in describing the reality we wake up in every day. In a nutshell, you can think of physics as follows. So you take a chunk of reality you want to understand and you translate it into mathematics. You encode it into equations. Then, predictions can be made and tested. We're actually really lucky that this works, because no one really knows why the thoughts in our heads should actually relate to the fundamental workings of the universe. Despite the success, physics has its limits. As Dirk Helbing pointed out in the last quote, we don't really understand the complexity that relates to us, that surrounds us. This paradox is what got me interested in complex systems. So these are systems which are made up of many interconnected or interacting parts: swarms of birds or fish, ant colonies, ecosystems, brains, financial markets. These are just a few examples.
Pour expliquer ce que cela signifie et ce qu’est cette chose, permettez-moi de revenir brièvement en arrière. Je suis devenu physicien par accident. Ce fut une rencontre fortuite quand j’étais jeune, et depuis, je me suis souvent posé des questions sur le succès extraordinaire qu’avait la physique pour décrire le monde dans lequel nous nous réveillons chaque jour. En gros, on peut voir la physique de la façon suivante : vous prenez un bout de réalité que vous voulez comprendre et vous le traduisez en mathématiques. Vous trouvez des équations pour tout ceci. Et à partir de là des prédictions peuvent être faites et testées. Nous sommes en fait très chanceux que cela fonctionne, parce que personne ne sait vraiment pourquoi nos pensées pourraient vraiment approcher le fonctionnement fondamental de l’univers. Malgré ses réussites, la physique a ses limites. Comme Dirk Helbing le soulignait dans la dernière citation, nous ne comprenons pas vraiment la difficulté qui nous touche, qui nous entoure. Ce paradoxe est ce qui m’a donné de l’intérêt pour les systèmes complexes. Ces systèmes sont faits de plein de parties interconnectées et interagissant entre elles : les vols d’oiseaux ou bancs de poissons, les colonies de fourmis, les écosystèmes, le cerveau, les marchés financiers. Ce ne sont que quelques exemples.
Interestingly, complex systems are very hard to map into mathematical equations, so the usual physics approach doesn't really work here. So what do we know about complex systems? Well, it turns out that what looks like complex behavior from the outside is actually the result of a few simple rules of interaction. This means you can forget about the equations and just start to understand the system by looking at the interactions, so you can actually forget about the equations and you just start to look at the interactions. And it gets even better, because most complex systems have this amazing property called emergence. So this means that the system as a whole suddenly starts to show a behavior which cannot be understood or predicted by looking at the components of the system. So the whole is literally more than the sum of its parts. And all of this also means that you can forget about the individual parts of the system, how complex they are. So if it's a cell or a termite or a bird, you just focus on the rules of interaction.
Il est intéressant de noter que les systèmes complexes sont très difficiles à transposer en équations mathématiques et que l’approche physique habituelle ne fonctionne pas ici. Mais que savons-nous donc des systèmes complexes ? Eh bien, il se trouve que ce qui a l’air d’un comportement complexe de l’extérieur est en fait le résultat de quelques règles simples d’interaction. Ce qui signifie que vous pouvez oublier les équations et commencer à simplement comprendre le système en observant les interactions, pour pouvoir vraiment oublier les équations et juste regarder les interactions. Et c’est même encore mieux puisque la plupart des systèmes complexes ont une propriété époustouflante appelée émergence. Ça veut dire que le système dans son ensemble montre soudainement un comportement qui ne peut être compris ou prédit en regardant les composants du système. L’ensemble est donc vraiment plus que la somme de chacune de ses parties. Tout cela veut aussi dire que vous pouvez oublier les parties individuelles du système, quelle que soit leur complexité. Que ce soit une cellule, une termite ou un oiseau, concentrez-vous uniquement sur les règles d’interaction.
As a result, networks are ideal representations of complex systems. The nodes in the network are the system's components, and the links are given by the interactions. So what equations are for physics, complex networks are for the study of complex systems.
De cette façon, les réseaux sont les représentations idéales des systèmes complexes. Les nœuds du réseau sont les composants du système et les liens sont donnés par les interactions. Ce que les équations sont à la physique, les réseaux complexes le sont à l’étude des systèmes complexes.
This approach has been very successfully applied to many complex systems in physics, biology, computer science, the social sciences, but what about economics? Where are economic networks? This is a surprising and prominent gap in the literature. The study we published last year, called "The Network of Global Corporate Control," was the first extensive analysis of economic networks. The study went viral on the Internet and it attracted a lot of attention from the international media. This is quite remarkable, because, again, why did no one look at this before? Similar data has been around for quite some time.
Cette approche a été appliquée avec brio à de nombreux systèmes complexes en physique, biologie, informatique, sciences sociales, mais qu’en est-il de l’économie ? Quels sont les réseaux économiques ? Il y a un écart surprenant et important dans la littérature. L’étude que nous avons publiée l’année dernière et appelée « Le Réseau du Contrôle Global d’Entreprise » était la première analyse approfondie de réseaux économiques. L’étude s’est répandue comme une traînée de poudre sur Internet et a beaucoup attiré l’attention des médias internationaux. C’est plutôt remarquable parce que, encore une fois, pourquoi personne n’y avait pensé avant ? Des données similaires existent depuis pas mal de temps.
What we looked at in detail was ownership networks. So here the nodes are companies, people, governments, foundations, etc. And the links represent the shareholding relations, so shareholder A has x percent of the shares in company B. And we also assign a value to the company given by the operating revenue. So ownership networks reveal the patterns of shareholding relations. In this little example, you can see a few financial institutions with some of the many links highlighted.
Ce que nous avons regardé en détail était des réseaux de propriétés. Ici, les nœuds sont des entreprises, des personnes, des gouvernements, des fondations, et cætera. Et les liens sont les relations entre actionnaires, par exemple l’actionnaire A possède x pourcents des actions de la société B. Nous avons aussi affecté une valeur à la société donnée par les recettes d’exploitation. Les réseaux de propriété dévoilent des motifs des relations entre actionnaires. Dans ce petit exemple, vous pouvez voir quelques institutions financières avec les principaux liens rehaussés.
Now, you may think that no one looked at this before because ownership networks are really, really boring to study. Well, as ownership is related to control, as I shall explain later, looking at ownership networks actually can give you answers to questions like, who are the key players? How are they organized? Are they isolated? Are they interconnected? And what is the overall distribution of control? In other words, who controls the world? I think this is an interesting question.
Maintenant, vous pensez sûrement que personne n’y a jeté un œil avant parce que les réseaux de propriétés sont vraiment très ennuyeux à étudier. Eh bien, comme la propriété est liée au contrôle, comme je devrai l’expliquer plus tard, observer les réseaux de propriétés peut en fait vous donner les réponses à des questions comme « Qui sont les acteurs-clefs ? Comment sont-ils organisés ? Sont-ils isolés ? Sont-ils interconnectés ? Et quelle est la distribution globale du pouvoir ? » En d’autres mots, qui contrôle le monde ? Je pense que c’est une question intéressante.
And it has implications for systemic risk. This is a measure of how vulnerable a system is overall. A high degree of interconnectivity can be bad for stability, because then the stress can spread through the system like an epidemic.
Et elle a des implications sur les risques du système. C’est une mesure de la vulnérabilité d'un système dans sa globalité. Un haut degré d’interconnectivité peut être mauvais pour la stabilité, parce que le stress peut se répandre à travers le système comme une épidémie.
Scientists have sometimes criticized economists who believe ideas and concepts are more important than empirical data, because a foundational guideline in science is: Let the data speak. OK. Let's do that.
Les scientifiques ont parfois critiqué les économistes qui pensent que les idées et concepts sont plus importants que les données empiriques, parce que la ligne directrice en sciences est : « Laisser parler les données ». D’accord. Faisons cela.
So we started with a database containing 13 million ownership relations from 2007. This is a lot of data, and because we wanted to find out "who rules the world," we decided to focus on transnational corporations, or "TNCs," for short. These are companies that operate in more than one country, and we found 43,000. In the next step, we built the network around these companies, so we took all the TNCs' shareholders, and the shareholders' shareholders, etc., all the way upstream, and we did the same downstream, and ended up with a network containing 600,000 nodes and one million links. This is the TNC network which we analyzed.
Nous avons donc commencé avec une base de données contenant 13 millions de rapports de propriété depuis 2007. Ça fait beaucoup de données, et parce que nous voulions découvrir qui dirige le monde, nous avons décidé de nous concentrer sur les firmes multinationales, ou FMN pour faire court. Ce sont des entreprises qui sont actives sur plus d’un pays, et nous en avons trouvé 43 000. L’étape suivante fut la construction du réseau autour de ces sociétés, nous avons donc pris tous les actionnaires des FMN, et les actionnaires des actionnaires, et cætera, tout le trajet en amont, la même chose en aval et avons fini avec un réseau contenant 600 000 nœuds et un million de liens. C’est le réseau FMN que nous avons analysé.
And it turns out to be structured as follows. So you have a periphery and a center which contains about 75 percent of all the players, and in the center, there's this tiny but dominant core which is made up of highly interconnected companies. To give you a better picture, think about a metropolitan area. So you have the suburbs and the periphery, you have a center, like a financial district, then the core will be something like the tallest high-rise building in the center. And we already see signs of organization going on here. 36 percent of the TNCs are in the core only, but they make up 95 percent of the total operating revenue of all TNCs.
Il est apparu qu’il était structuré de la façon suivante. Il y a une périphérie et un centre qui contiennent environ 75% de tous les acteurs, et au centre il y a un noyau petit mais dominant fait de toutes les sociétés fortement interconnectées. Pour vous donner une meilleure image, pensez à une aire urbaine. Vous avez la banlieue et la périphérie, vous avez un centre comme un quartier financier, puis le cœur serait quelque chose comme l’immeuble le plus haut au centre. Nous voyons déjà des signes de l’organisation en cours ici. Trente-six pourcents des FMN sont seulement dans le cœur, mais ils font jusqu’à 95% du revenu total d’exploitation de toutes les FMN.
OK, so now we analyzed the structure, so how does this relate to the control? Well, ownership gives voting rights to shareholders. This is the normal notion of control. And there are different models which allow you to compute the control you get from ownership. If you have more than 50 percent of the shares in a company, you get control, but usually, it depends on the relative distribution of shares. And the network really matters. About 10 years ago, Mr. Tronchetti Provera had ownership and control in a small company, which had ownership and control in a bigger company. You get the idea. This ended up giving him control in Telecom Italia with a leverage of 26. So this means that, with each euro he invested, he was able to move 26 euros of market value through the chain of ownership relations.
Donc, maintenant que nous avons analysé la structure, qu’est-ce que cela a à voir avec le contrôle. Eh bien, la propriété donne le droit de vote aux actionnaires. C’est la notion normale de contrôle. Et il y a différents modèles qui permettent d’évaluer le contrôle donné par la propriété. Si vous avez plus de 50 pourcents des actions d’une société, vous en prenez le contrôle, mais habituellement cela dépend de la distribution des actions. Et le réseau importe vraiment. Il y a environ 10 ans, M Tronchetti Provera avait la propriété et le contrôle d’une petite entreprise qui possédait et contrôlait une plus grande firme. Vous voyez l’idée. Il a fini par avoir le contrôle de Telecom Italia avec une influence de 26. Ça signifie que, avec chaque euro qu’il avait investi, il pouvait changer de 26 euros la valeur du marché à travers la chaîne des rapports de propriété.
Now what we actually computed in our study was the control over the TNCs' value. This allowed us to assign a degree of influence to each shareholder. This is very much in the sense of Max Weber's idea of potential power, which is the probability of imposing one's own will despite the opposition of others.
Ce que nous avons calculé dans notre étude est le contrôle effectué sur les valeurs des FMN. Ces calculs nous ont permis d’attribuer un degré d’influence à chaque actionnaire. C’est vraiment dans le sens de l’idée de Max Weber sur le pouvoir potentiel, qui est la probabilité d’imposer sa volonté malgré l’opposition des autres.
If you want to compute the flow in an ownership network, this is what you have to do. It's actually not that hard to understand. Let me explain by giving you this analogy. So think about water flowing in pipes, where the pipes have different thickness. So similarly, the control is flowing in the ownership networks and is accumulating at the nodes. So what did we find after computing all this network control? Well, it turns out that the 737 top shareholders have the potential to collectively control 80 percent of the TNCs' value. Now remember, we started out with 600,000 nodes, so these 737 top players make up a bit more than 0.1 percent. They're mostly financial institutions in the US and the UK. And it gets even more extreme. There are 146 top players in the core, and they together have the potential to collectively control 40 percent of the TNCs' value.
Si vous voulez calculer le flux d’un réseau de propriété, voici ce que vous devez faire. Ce n’est en fait pas si compliqué à comprendre. Laissez-moi vous l’expliquer par une analogie. Pensez à de l’eau s’écoulant par des tuyaux de différentes largeurs. De façon similaire, le contrôle s’écoule par le réseau de propriété et s’accumule au niveau des nœuds. Alors, qu’avons-nous trouvé après avoir évalué tout ce contrôle du réseau ? Il est apparu que 737 principaux actionnaires avaient le pouvoir de contrôler collectivement 80 pourcents de la valeur des FMN. Maintenant, souvenez-vous, nous avons commencé avec 600 000 nœuds, ces 737 principaux acteurs représentent donc un peu plus de 0,1 pourcent du total. Ce sont pour la plupart des institutions financières des États-Unis et du Royaume-Uni. Et c’est même encore plus extrême. Il y a 146 acteurs très influents dans le cœur et ils ont ensemble le pouvoir de contrôler 40 pourcents de la valeur des FMN.
What should you take home from all of this? Well, the high degree of control you saw is very extreme by any standard. The high degree of interconnectivity of the top players in the core could pose a significant systemic risk to the global economy. And we could easily reproduce the TNC network with a few simple rules. This means that its structure is probably the result of self-organization. It's an emergent property which depends on the rules of interaction in the system, so it's probably not the result of a top-down approach like a global conspiracy.
Que devez-vous retirer de tout cela ? Le haut degré de contrôle que vous avez vu est vraiment extrême depuis tous les points de vue. Le degré élevé d’interconnectivité des principaux acteurs du cœur pourrait représenter un risque important pour l’économie globale et nous pourrions facilement reproduire le réseau des FMN avec quelques règles simples. Ce qui signifie que sa structure est probablement le résultat d’auto-organisation. C’est une propriété émergente qui dépend des règles d’interaction dans le système, donc ce n’est probablement pas le résultat d’une méthode descendante comme un complot global.
Our study "is an impression of the moon's surface. It's not a street map." So you should take the exact numbers in our study with a grain of salt, yet it "gave us a tantalizing glimpse of a brave new world of finance." We hope to have opened the door for more such research in this direction, so the remaining unknown terrain will be charted in the future. And this is slowly starting. We're seeing the emergence of long-term and highly-funded programs which aim at understanding our networked world from a complexity point of view. But this journey has only just begun, so we will have to wait before we see the first results.
Notre étude « est une impression de la surface de la Lune. Ce n’est pas une carte de quartier. » Vous devriez prendre les chiffres exacts de notre étude avec un grain de sel mais ils « nous donnent un aperçu alléchant d’un courageux nouveau monde de la finance. » Nous espérons avoir ouvert la voie pour de nombreuses autres recherches dans cette direction, pour que le terrain inconnu restant soit bientôt balisé. Et ça commence petit à petit. Nous voyons le début de programmes à long terme et fortement financés qui tentent de comprendre notre monde en réseau du point de vue de la complexité. Mais cette aventure vient juste de commencer, nous devons donc attendre avant d’en voir les premiers résultats.
Now there is still a big problem, in my opinion. Ideas relating to finance, economics, politics, society, are very often tainted by people's personal ideologies. I really hope that this complexity perspective allows for some common ground to be found. It would be really great if it has the power to help end the gridlock created by conflicting ideas, which appears to be paralyzing our globalized world. Reality is so complex, we need to move away from dogma. But this is just my own personal ideology.
Mais il reste un gros problème, de mon point de vue. Les idées touchant à la finance, l’économie, la politique, la société, sont souvent teintées d’idéologies personnelles. J’espère sincèrement que cette perspective de la complexité permettra de trouver un terrain d’entente. Ce serait vraiment bien si cela permettait de mettre fin au blocage créé par les idées divergentes, qui paralysent notre monde globalisé. La réalité est si complexe, nous devons nous éloigner des dogmes. Mais ce n’est que mon idéologie personnelle.
Thank you.
Merci.
(Applause)
(Applaudissements)