Pourquoi ce sont toujours les programmes IA les plus récents qui paient la facture budgétaire

Le général Doug Schiess, chef des opérations spatiales américaines, a averti lors de la conférence AFA 2026 qu’environ un programme sur dix de la Space Force est aujourd’hui en péril : l’armée américaine entame l’exercice budgétaire 2027 sous résolution continue depuis le 1er octobre, faute de budget voté par le Congrès. « Je serais vraiment plus reconnaissant si nous avions un budget », a-t-il résumé.

La lecture la plus courante de cet épisode est politique : blocage partisan au Congrès, incapacité chronique à boucler les crédits dans les délais. Cette lecture n’est pas fausse, mais elle s’arrête là où l’analyse économique commence : pourquoi ce blocage frappe-t-il systématiquement certains types de dépenses — les programmes nouveaux, diffus, collectifs — plutôt que d’autres ?

La théorie du « common pool » budgétaire, formalisée par Barry Weingast, Kenneth Shepsle et Christopher Johnsen (« The Political Economy of Benefits and Costs: A Neoclassical Approach to Distributive Politics », Journal of Political Economy, 1981), apporte une réponse. Chaque élu, issu d’une circonscription géographique, capte l’intégralité du bénéfice politique d’une dépense ciblée dans son district (une base, un chantier naval, un contrat local) mais n’en supporte qu’une fraction infime du coût, réparti sur l’ensemble des contribuables du pays. Résultat prévisible : surproduction chronique de dépenses particularistes à bénéfice local, et difficulté structurelle à boucler les dépenses à bénéfice diffus et collectif — comme la capacité spatiale militaire nationale — dont aucun élu ne peut revendiquer le crédit électoral exclusif.

La Space Force est un cas d’école de bien collectif diffus : la sécurité apportée par une constellation d’alerte missile profite à l’ensemble du territoire, sans qu’aucune circonscription ne puisse en tirer un bénéfice électoral identifiable. À l’inverse, une base, un chantier naval ou une ligne de production ancienne ont, au fil des décennies, construit leur propre coalition locale d’élus prêts à les défendre ligne par ligne. Un programme tout juste lancé — typiquement un programme IA de nouvelle génération — n’a pas encore eu le temps de tisser ce réseau de soutien particulariste. Il est donc, structurellement, le premier sacrifié quand le Congrès n’arrive pas à s’accorder sur le partage du pot commun.

Le mécanisme juridique de la résolution continue rend cette théorie presque littérale : la loi interdit, par défaut, tout « new start » — tout programme qui n’existait pas l’exercice précédent — sauf dérogation explicite du Congrès, tandis que les programmes déjà en cours (donc déjà politiquement ancrés) continuent d’être financés au niveau de l’an dernier. La résolution continue ne fait qu’acter, au niveau légal, le blocage politique du partage du pot commun : rien de nouveau ne peut démarrer avant que l’accord soit trouvé.

Trois implications opérationnelles pour les fournisseurs industriels et les décideurs qui suivent ce marché : (1) intégrer le risque de calendrier budgétaire comme un paramètre structurel de tout programme IA/autonomie encore dépourvu d’ancrage politique local, et calibrer les plannings contractuels en conséquence ; (2) privilégier, pendant les périodes de résolution continue, l’engagement sur des lignes de sustainment déjà ancrées plutôt que sur de purs « new starts » ; (3) pour les acteurs européens qui fournissent ce marché, traiter l’échéance budgétaire américaine du 30 septembre comme un facteur de risque récurrent annuel, et non comme un bruit ponctuel.

Réserve d’économiste pour conclure : la théorie du common pool prédit un sous-investissement chronique dans les biens collectifs diffus et des blocages récurrents — pas une défaillance de gestion d’un programme en particulier. Attendre une résolution par une meilleure exécution des programmes manque donc la cible : le seul remède structurel serait une réforme du processus budgétaire lui-même (crédits pluriannuels pour les capacités stratégiques, par exemple), pas une amélioration ligne par ligne de la gestion de programme.