Montée industrielle du Maroc et valorisation de la Bourse de Casablanca : une modélisation prospective par réseaux de neurones

Résumé

La promotion du Maroc au premier rang de l’Indice d’industrialisation de l’Afrique (Africa Industrialisation Index, AII) de la Banque africaine de développement (BAD) en mai 2026, devant l’Afrique du Sud, marque un tournant structurel pour l’économie marocaine. Cet article propose une analyse prospective des effets d’entraînement de cette montée industrielle sur la place boursière de Casablanca. À partir d’un panel comparatif de huit places boursières africaines et émergentes sur la période 2010–2025, complété par une fréquence d’observation semestrielle afin d’élargir l’échantillon d’apprentissage, nous mobilisons une modélisation par réseaux de neurones artificiels (perceptron multicouche et réseau récurrent LSTM) pour projeter la trajectoire de la capitalisation boursière, de l’indice MASI et de la performance sectorielle à l’horizon 2030. Les variables explicatives intègrent l’indice d’industrialisation de la BAD, la valeur ajoutée manufacturière, les flux d’investissement industriel et un ensemble d’indicateurs macro-financiers internationaux (taux d’intérêt, liquidité de marché, conditions financières mondiales). La procédure d’optimisation des hyperparamètres (recherche par grille et validation croisée temporelle), le découpage explicite apprentissage/validation/test et les contrôles du surapprentissage sont détaillés afin de garantir la robustesse de la démarche. Nos résultats suggèrent qu’une progression soutenue de l’indice d’industrialisation se traduirait par une croissance projetée de la capitalisation boursière de l’ordre de 45 à 60 % à l’horizon 2030, assortie d’intervalles de confiance, et portée principalement par les secteurs industriels, automobile et aéronautique. La robustesse prédictive du modèle LSTM, confirmée par comparaison avec des modèles économétriques de référence (MCO, ARIMA) et des algorithmes d’apprentissage automatique alternatifs (Random Forest, XGBoost), valide la pertinence de l’approche connexionniste pour capter les dynamiques non linéaires entre transformation industrielle et valorisation boursière.