Données corrigées des variations saisonnières : définition, pièges

Que sont les données corrigées des variations saisonnières (CVS) ?

Les données corrigées des variations saisonnières, ou données CVS, sont des statistiques dont on a retiré l’effet des fluctuations qui se répètent chaque année à la même période, dues aux saisons et au calendrier, pour faire ressortir les évolutions significatives de la conjoncture. La définition est celle de l’Insee, qui donne l’exemple des jouets : leurs ventes augmentent toujours fortement entre novembre et décembre à cause de Noël ; une fois cet effet retiré, elles peuvent s’avérer en baisse, signe d’une moins bonne année. Aux États-Unis, on parle de données seasonally adjusted (SA), par opposition aux données brutes, not seasonally adjusted (NSA).

La quasi-totalité des chiffres qui font bouger les marchés sont publiés en données CVS : le rapport sur l’emploi américain, l’indice des prix à la consommation en variation mensuelle, le PIB, les inscriptions hebdomadaires au chômage. Les lignes directrices du système statistique européen le résument ainsi : les données corrigées ne montrent pas les événements « normaux » et répétitifs, mais les « nouvelles » de la série, c’est-à-dire les derniers mouvements de la tendance, du cycle et de la composante irrégulière, et les points de retournement. C’est précisément ce que cherche le marché, et c’est pourquoi un trader doit savoir ce que la correction ajoute, ce qu’elle retire et ce qu’elle peut fausser.

Les données corrigées des variations saisonnières en résumé

Une série brute est décomposée en tendance-cycle, en composante saisonnière et en composante irrégulière ; la série CVS est ce qui reste quand on a retiré la composante saisonnière et, le cas échéant, les effets de calendrier. Voici les repères.

• Définition (Insee) : éliminer les fluctuations périodiques infra-annuelles dues au calendrier et aux saisons, pour faire ressortir les évolutions les plus significatives
• Correction des jours ouvrables (CJO) : rendre la série indépendante du nombre et de la composition des jours du mois ou du trimestre
• Logiciel américain : X-13ARIMA-SEATS, produit par le Census Bureau, utilisé par le BLS pour l’emploi et pour l’indice des prix
• Règles européennes : lignes directrices du système statistique européen, édition du 13 juin 2024
• Révisions : indice des prix américain CVS révisable cinq ans en arrière, chaque année avec l’indice de janvier ; emploi salarié CVS révisé sur cinq ans à chaque révision annuelle
• Exemple : janvier 2026, emploi salarié américain −2 630 000 en brut, +160 000 en CVS

Comment corrige-t-on une statistique des variations saisonnières ?

On corrige une statistique des variations saisonnières en estimant, à partir de plusieurs années d’historique, la part de chaque mois ou de chaque trimestre qui revient régulièrement, puis en la retirant de la série. La plupart des méthodes utilisent des outils linéaires : moyennes mobiles, modèles ARIMA, régressions. Le logiciel de référence aux États-Unis, X-13ARIMA-SEATS, produit et maintenu par le Census Bureau, combine les deux grandes familles : les moyennes mobiles de la méthode X-11 et l’extraction de signal fondée sur des modèles, avec une version du programme SEATS développé à la Banque d’Espagne par Víctor Gómez et Agustín Maravall. Le BLS s’en sert pour l’indice des prix à la consommation comme pour l’enquête sur l’emploi salarié.

Avant la correction proprement dite vient un « prétraitement ». Les valeurs aberrantes, qui fausseraient l’estimation, sont repérées et neutralisées : une tempête, une rupture de série, un choc exceptionnel. Les effets de calendrier sont estimés à part. Les lignes directrices européennes rappellent qu’un samedi de plus dans le mois peut suffire à expliquer une hausse des ventes au détail, que la date de Pâques varie, qu’un mois de mars compte toujours 31 jours et que le calendrier se répète tous les 400 ans. Le BLS corrige de même, dans l’enquête sur l’emploi, l’effet dit « des quatre ou cinq semaines » : selon les années, l’intervalle entre deux enquêtes mensuelles n’a pas le même nombre de semaines, et les déclarations d’emploi s’en ressentent. En France, une série corrigée des deux effets est dite CVS-CJO, corrigée des variations saisonnières et des jours ouvrables : c’est par exemple ainsi que l’Insee étiquette ses séries trimestrielles de PIB.

La correction n’est faite qu’une fois par an dans certains instituts et à chaque nouvelle donnée dans d’autres. Les lignes directrices européennes distinguent la correction « courante », où les coefficients sont réestimés à intervalles fixes et prolongés jusqu’à la révision suivante, et la correction « concurrente », où tout est réestimé à chaque nouvelle observation : la seconde donne les données les plus précises à chaque instant, au prix de révisions plus fréquentes, souvent petites et parfois de sens contraire. Le BLS a choisi la correction concurrente pour l’emploi salarié : chaque mois, de nouveaux coefficients sont calculés pour le mois publié et pour les deux mois précédents, déjà révisés.

Quels exemples montrent l’écart entre données brutes et données corrigées des variations saisonnières ?

Le mois de janvier en donne l’exemple le plus frappant. Selon les séries du BLS, l’emploi salarié non agricole américain a reculé de 2 630 000 en données brutes entre décembre 2025 et janvier 2026, un recul qui se répète chaque mois de janvier (−2 886 000 en 2024, −2 907 000 en 2025) ; en données CVS, il a progressé de 160 000. Les deux chiffres sont exacts : le premier dit que le pays comptait moins d’emplois salariés en janvier qu’en décembre, le second qu’il y en avait plus qu’un mois de janvier ordinaire ne l’aurait laissé prévoir. C’est le second que lisent les marchés, et que publie en tête le rapport sur l’emploi américain. Les mêmes écarts se retrouvent ailleurs dans l’année, dans les deux sens : en octobre 2026, +1 023 000 emplois en brut, +165 000 en CVS.

Les inscriptions hebdomadaires au chômage montrent le mécanisme à l’échelle d’une semaine. Dans la semaine close le 10 janvier 2026, on comptait 330 963 premières demandes d’allocations en données brutes, et 201 000 en données CVS. Le communiqué du département du Travail détaille même le calcul : dans la semaine close le 7 novembre 2026, les demandes brutes ont augmenté de 16,2 % ; les coefficients saisonniers attendaient une hausse de 11,0 % ; en données corrigées, la hausse n’était plus que de 9 000 demandes. La correction ne supprime pas la hausse, elle en retire la part qui revient tous les ans à cette époque.

Il ne faut pas confondre la correction saisonnière avec l’annualisation. Le PIB américain est publié en données CVS et en rythme annualisé : la croissance de 1,5 % annoncée pour le deuxième trimestre 2026 correspondait, selon le BEA, à 0,4 % d’un trimestre sur l’autre. Eurostat publie le PIB de la zone euro en données CVS, mais en variation trimestrielle : +0,4 % au troisième trimestre 2026 dans l’estimation flash du 30 octobre. Comparer directement les +3,4 % annoncés pour le PIB américain du même trimestre et les +0,4 % européens n’aurait aucun sens ; la fiche sur le produit intérieur brut rappelle ce que mesure l’agrégat.

Pourquoi les données corrigées des variations saisonnières sont-elles révisées ?

Les données CVS sont révisées parce que la composante saisonnière est une estimation, que chaque nouvelle année d’observations permet d’affiner. Pour l’indice des prix à la consommation américain, le BLS recalcule ses coefficients chaque année avec la publication de l’indice de janvier, à partir des mouvements de prix de l’année écoulée ; les indices CVS publiés auparavant peuvent être révisés pendant cinq ans, puis sont définitifs. Les derniers coefficients ont été introduits le 13 février 2026. Les indices bruts, eux, ne sont pas révisés : le BLS les tient pour définitifs dès leur publication, sauf erreur.

Pour l’emploi salarié, les révisions sont permanentes : les deux mois précédents sont recalculés à chaque rapport, et cinq ans de données CVS sont révisés lors de la révision annuelle de février, qui met aussi à jour les modèles. Pour les inscriptions au chômage, le BLS fournit au département du Travail, au début de chaque année, les coefficients à appliquer pendant l’année, et la série historique est révisée à cette occasion. Les chiffres « historiques » d’une série CVS ne sont donc jamais tout à fait ceux qui ont été publiés sur le moment ; la fiche du guide consacrée aux révisions des statistiques détaille l’ensemble du mécanisme.

Comment lire les données corrigées des variations saisonnières en trading ?

La première règle est de lire les variations d’un mois sur l’autre en données CVS, et les variations sur un an en données brutes. Le BLS le fait lui-même pour l’indice des prix : le communiqué du 24 octobre 2025 annonçait une hausse de 0,3 % sur un mois en données corrigées, et de 3,0 % sur douze mois avant correction des variations saisonnières. Sur un an, la saisonnalité s’annule pour l’essentiel, puisqu’on compare deux mêmes mois ; la correction n’y apporterait guère que ses propres incertitudes. C’est ce glissement annuel que l’on appelle couramment le taux d’inflation.

La deuxième règle est de vérifier l’étiquette. Un même communiqué peut publier des données brutes et des données corrigées ; Eurostat précise ainsi que la croissance trimestrielle qu’il annonce porte sur le PIB corrigé des variations saisonnières (seasonally adjusted). Quand deux sources donnent deux chiffres différents pour la même statistique, la première chose à vérifier est la correction appliquée. La troisième règle est de se méfier des mois où la saisonnalité est la plus forte : janvier pour l’emploi, les semaines de fêtes pour les inscriptions au chômage. C’est là que les coefficients pèsent le plus, et que la moindre erreur d’estimation se voit le plus.

Il ne faut pas non plus confondre la saisonnalité des statistiques et la saisonnalité supposée des marchés. La première est un phénomène mesuré et corrigé par les statisticiens ; la seconde, celle des dictons boursiers, relève d’un autre débat, examiné dans l’article Sell in May and go away : mythe ou réalité boursière ?.

Quelles sont les limites des données corrigées des variations saisonnières ?

La première limite des données CVS est que la saisonnalité ne se définit pas avec précision. Les lignes directrices européennes l’écrivent sans détour : des approches différentes, comme l’extraction de signal ou les moyennes mobiles, peuvent donner des résultats différents, et l’expertise de l’analyste compte, même si la qualité de la série brute reste le facteur principal. Une donnée CVS n’est pas une mesure ; c’est une mesure transformée par un modèle, et deux modèles raisonnables peuvent produire deux chiffres différents.

La deuxième est la fragilité en fin de série. Le dernier point publié est celui pour lequel le modèle dispose du moins d’information, puisqu’il ne connaît pas encore les mois suivants : c’est aussi celui que lit le marché, et celui qui sera le plus révisé. La troisième tient aux chocs. Une pandémie, une fermeture du gouvernement fédéral ou une tempête exceptionnelle ne sont pas saisonnières, mais elles déforment l’estimation des coefficients si elles ne sont pas traitées à part : c’est pour mieux encadrer ces « chocs exogènes inattendus, comme la crise pandémique », qu’Eurostat a fait réviser ses lignes directrices, publiées dans leur nouvelle version en 2024, et le BLS applique par exemple un traitement particulier des valeurs aberrantes liées à la météo dans les séries de la construction.

Ces limites ne plaident pas pour l’abandon des données CVS, sans lesquelles chaque mois de janvier ressemblerait à une récession et chaque mois de décembre à un boom. Elles plaident pour une lecture prudente : regarder la tendance sur plusieurs mois, garder un œil sur les données brutes et sur leur glissement annuel, et ne pas tirer de conclusion définitive d’un seul point CVS, surtout quand il tombe dans le mois le plus saisonnier de l’année.

Questions fréquentes sur les données corrigées des variations saisonnières