Abonnez-vous à DeepL Pro pour traduire des fichiers plus volumineux.

Visitez www.DeepL.com/pro pour en savoir plus.

la durabilité

Article
Impact de la croissance économique, de l'ouverture commerciale,
de l'urbanisation et de la consommation d'énergie sur les
émissions de carbone : Une étude de l'Inde
Arvind Goswami 1 , Harmanpreet Singh Kapoor 2 , Rajesh Kumar Jangir 1, Caspar Njoroge Ngigi 1,
Behdin Nowrouzi-Kia 3,* et Vijay Kumar Chattu 3,4,5,*

1 Département d'études économiques, Université centrale du Punjab, Ghudda, Bathinda 151401, Inde ;
arvindgoswamisdlp@gmail.com (A.G.) ; gcklbs1962@gmail.com (R.K.J.) ; ncasparnjoroge@gmail.com
(C.N.N.)
2 Département de mathématiques et de statistiques, Université centrale du Punjab, Ghudda, Bathinda 151401,
Inde ;
harmanpreet.singh@cup.edu.in
3 Département des sciences du travail et de l'ergothérapie, Faculté de médecine Temerty,
Université de Toronto, Toronto, ON M5G 1V7, Canada
4 Centre de recherche transdisciplinaire, Collège dentaire Saveetha, Institut médical et technique Saveetha
Sciences, Université Saveetha, Chennai 600077, Inde
5
Département de médecine communautaire, Faculté de médecine, Datta Meghe Institute of
Medical Sciences (DMIMS), Wardha 442107, Inde
* Correspondance : behdin.nowrouzi.kia@utoronto.ca (B.N.-K.) ; vijay.chattu@mail.utoronto.ca (V.K.C.) ; Tél
: +1-416-946-3249 (V.K.C.)

creativecommons.org/licenses/by/ 4.0/).

Citation : Goswami, A. ; Kapoor, H.S. ;

Jangir, R.K. ; Ngigi, C.N. ;
Nowrouzi-Kia, B. ; Chattu, V.K.
Impact de la croissance économique,
de l'ouverture commerciale, de
l'urbanisation et de la consommation
d'énergie sur les émissions de
carbone : A Study of India.
Sustainability 2023, 15, 9025.
https://doi.org/10.3390/ su15119025

Éditeur académique : Pallav Purohit

Reçue : 14 avril 2023

Révisé : 25 mai 2023
Accepté : 31 mai 2023
Publié : 2 juin 2023

Copyright : © 2023 par les auteurs.

Licencié MDPI, Bâle, Suisse. Cet
article est un article en libre accès
distribué selon les termes et
conditions de la licence Creative
Commons Attribution (CC BY)
(https://
Résumé : (1) Contexte : Le
réchauffement climatique
est l'un des problèmes
environnementaux les plus
graves auxquels l'homme est
actuellement confronté.
Cette étude vise à évaluer
les impacts de la croissance
économique, de l'ouverture
commerciale, de
l'urbanisation et de la
consommation d'énergie sur
les émissions de carbone en
Inde ; (2) Méthodologie :
Dans cette étude
longitudinale, les données
ont été collectées à partir
des indicateurs du
développement mondial et
de Our World in Data de
1980 à 2021. Deux modèles
ont été utilisés dans cette
étude, à savoir le modèle
ARDL et le modèle de forêt
aléatoire, qui est un
algorithme d'apprentissage
automatique qui utilise la
prédiction agrégée pour la
prédiction finale ; (3)
Durabilité 2023, 15, 9025. https://doi.org/10.3390/su15119025
Résultats : Le modèle ARDL a révélé que les variables étaient cointégrées. À court terme, les
émissions de CO2 au décalage précédent, la croissance économique et l'ouverture commerciale sont
en corrélation négative avec les émissions de CO2 , tandis que la consommation d'énergie et
l'urbanisation présentent une corrélation positive. À long terme, la consommation d'énergie,
l'urbanisation et l'ouverture commerciale présentent une corrélation positive avec les émissions de
CO2 , tandis que la croissance économique et les émissions de CO2 au décalage précédent
présentent une corrélation négative. La valeur élevée du R2 et les faibles valeurs du RMSE et du
M.A.E. dans le modèle Random Forest montrent l'adéquation du modèle ; (4) Conclusions : Les
résultats de l'étude ont été brièvement discutés et quelques suggestions ont été formulées sur la base
des résultats.
Mots clés : changement climatique ; croissance économique ; urbanisation ; émissions de carbone ;
environnement ; gaz à effet de serre
1. Introduction
Le réchauffement de la planète est l'un des problèmes environnementaux les plus
graves auxquels les êtres humains sont actuellement confrontés. L'augmentation du
niveau de dioxyde de carbone (CO2 ), le principal responsable de l'effet de serre, semble
exacerber la situation. L'effet de serre est principalement dû aux émissions de gaz à effet
de serre (GES) provoquées par l'homme. Selon Our World in Data, sur le total des
émissions de GES en 2016, le secteur de l'énergie représentait à lui seul environ 73,2 %,
et le CO2 y contribuait à hauteur de 74 % [1]. Les émissions de CO2 ont considérablement
augmenté, en particulier après l'industrialisation [2], comme le montre la figure 1 ci-dessous. Sur
la base des informations présentées dans la figure 1, i l e s t évident que le niveau des
émissions de CO2 a augmenté de manière significative au fil du temps. En particulier, les
émissions annuelles de CO2 sont passées de 5 milliards de tonnes par an au milieu du
XXe siècle à 35 milliards de tonnes par an en 2021. En outre, la concentration de CO2
dans l'atmosphère a également augmenté.
https://www.mdpi.com/journal/sustainability
Durabilité 2023, 15, 9025 2 de 31

a augmenté, passant de 280 parties par million (PPM) en 1750 à 420 PPM en 2021. Cela
représente une croissance de 50 % sur la période. La principale cause de cette
augmentation des émissions et de la concentration de CO2 est la révolution industrielle.
L'avènement de la révolution industrielle a entraîné une transformation notable du
fonctionnement de la société, divers pays connaissant des changements socio-
économiques importants, communément appelés urbanisation et industrialisation [3].
Depuis le début de la révolution industrielle occidentale, le concept d'un lien entre
l'urbanisation et l'industrialisation a été largement accepté dans le monde entier [4]. Ce
lien a été fondé sur le désir apparent des économies d'atteindre une croissance
économique et une prospérité économique plus élevées [3]. D'une part, cette
interdépendance s'est avérée bénéfique en augmentant la taille de la production et en
soutenant ainsi la croissance économique dans les économies développées et émergentes.
D'autre part, elle a également entraîné des changements climatiques [3].

Figure 1. Quantités de dioxyde de carbone atmosphérique et émissions annuelles.

En conséquence, l'urbanisation et l'industrialisation ont doté la société de la

modernité et d'un niveau de vie plus élevé, avec des implications significatives sous la
forme de problèmes de santé inévitables [3]. Avec l'augmentation du niveau de vie, la
demande de produits étrangers a également augmenté, ce qui a conduit à l'expansion du
commerce et au transport transfrontalier de marchandises nécessitant une utilisation
importante d'énergie, ce qui entraîne une augmentation de la demande d'énergie et, par
conséquent, des émissions de CO2 [5]. Ceci est particulièrement vrai dans le cas du
transport longue distance, qui implique l'utilisation de plusieurs modes de transport, tels
que les bateaux, les avions et les camions. Le processus de fabrication des biens dans les
pays spécialisés dans leur production requiert également une quantité importante
d'énergie, ce qui contribue encore à l'augmentation de la demande énergétique et des
émissions de CO2 . De même, la production et le transport des produits agricoles vers les
marchés internationaux entraînent une empreinte carbone substantielle. Les industries à
forte consommation d'énergie, telles que la sidérurgie ou la cimenterie, peuvent se délocaliser dans
des pays où l'énergie est moins chère, ce qui peut entraîner une augmentation des
émissions de CO2 en raison de la dépendance à l'égard des combustibles fossiles.
Toutefois, il est essentiel de noter que le commerce international peut également avoir
des effets positifs sur l'environnement, comme l'adoption de technologies plus propres et
le transfert de pratiques respectueuses de l'environnement. C'est pourquoi la présente
étude a pris en compte plusieurs variables indépendantes, à savoir l'ouverture
commerciale, la consommation d'énergie, la croissance économique et l'urbanisation, afin
d'examiner leur impact sur les émissions de CO2 . Pour atteindre cet objectif, l'étude a
utilisé une approche de recherche empirique pour examiner les relations entre ces
variables et leur effet sur les émissions de CO .2
La présente étude porte sur l'Inde, le pays le plus peuplé du monde, a v e c u n e
p o p u l a t i o n d ' environ 1,4 milliard d'habitants et la cinquième économie mondiale [6].
D'ici 2030, le revenu par habitant de l'Inde devrait atteindre 5 000 USD, soit plus du
double du niveau actuel [7]. Cette croissance économique entraînera une augmentation
de la consommation d'énergie, du commerce international, de l'urbanisation et des
Durabilité 2023, 15, 9025 3 de 31

émissions de CO2 [8]. Toutes ces variables sont étroitement liées. Il est donc important
de comprendre comment ces facteurs sont liés et affectent le niveau des émissions de
GES.
Durabilité 2023, 15, 9025 4 de 31

afin que les mesures nécessaires puissent être prises pour lutter contre les effets du
changement climatique. La relation entre toutes les variables sélectionnées est illustrée
ci-dessous dans la figure 2.

Figure 2. Relation entre toutes les variables.

La figure 2 illustre la relation entre toutes les variables sélectionnées, la croissance

économique étant le fondement de l'industrialisation. À mesure que l'économie se
développe, les industries se concentrent dans les zones urbaines, attirant les habitants des
zones rurales à la recherche de meilleures opportunités d'emploi. Cela crée à son tour un
environnement favorable aux investisseurs pour lancer la production, ce qui entraîne une
réduction des coûts de production et une augmentation des exportations, tandis que le
désir de la population pour les produits étrangers fait augmenter les importations. À
mesure que le commerce et l'investissement augmentent, la concentration des industries
dans les zones urbaines encourage la poursuite des migrations et l'accélération de
l'urbanisation. En outre, l'augmentation de la demande de produits due à l'urbanisation
entraîne une augmentation des investissements dans les industries, ce qui complète
l'ouverture commerciale et accroît la production et les exportations. Toutefois, ce
processus entraîne également une hausse de la demande d'énergie, principalement
satisfaite par la combustion de combustibles fossiles, ce qui se traduit en fin de compte
par une augmentation des émissions de gaz à effet de serre. En Inde, en 2021, 42 % de
l'énergie totale a été consommée dans les transports, 30 % dans l'industrie et 21 % dans
les secteurs résidentiel, tertiaire et agricole [9]. La plupart de ces besoins énergétiques
sont satisfaits par les réserves locales de charbon et de pétrole et par le pétrole brut
importé. Selon le ministère de l'électricité du gouvernement indien, jusqu'en 2022, la
contribution des combustibles fossiles à la production totale d'énergie sera d'environ 57,5
%, celle de l'hydroélectricité de 11,4 %, celle de l'énergie solaire de 15,1 %, celle de
l'énergie éolienne de 10,2 % et celle de l'énergie nucléaire de seulement 1,7 % [10]. Il est donc
essentiel d'étudier le comportement de ces variables pour lutter contre le changement
climatique.

Importance de l'étude
L'objectif principal de cette recherche est de déterminer l'impact de la croissance
économique, de l'ouverture commerciale, de l'urbanisation et de la consommation
d'énergie sur les émissions de CO2 en Inde. Ces variables ont été sélectionnées pour
l'étude car elles contribuent principalement à l'augmentation des émissions de CO2 et
peuvent également jouer un rôle crucial dans la réalisation des objectifs de
développement durable en fournissant les ressources, les infrastructures et les
opportunités nécessaires à l'amélioration des résultats sociaux, économiques et
environnementaux. Voici quelques exemples donnés par les Nations unies [11].
• La croissance économique peut contribuer à la réalisation de l'objectif de
développement durable n° 1 (pas de pauvreté), de l'objectif de développement
durable n° 2 (faim zéro) et de l'objectif de développement durable n° 8 (travail décent
et croissance économique) en augmentant les revenus, en créant des emplois et en
réduisant la faim et la pauvreté.
• L'ouverture commerciale peut contribuer à la réalisation de l'objectif stratégique de
développement 9 (industrie, innovation et infrastructure) et de l'objectif stratégique de
Durabilité 2023, 15, 9025 5 de 31

réduction de la pauvreté.
S.D.G. 10 (réduction des inégalités) en facilitant le transfert de technologies, de
connaissances et de ressources entre les pays et en réduisant les barrières
commerciales qui peuvent entraver la croissance économique et le développement.
• L'urbanisation peut contribuer à la réalisation de l'ODD 11 (villes et communautés
durables) en fournissant des services essentiels tels que l'eau, l'assainissement et
l'accès aux soins de santé et en promouvant des transports durables, l'utilisation des
sols et la conception des bâtiments.
• La consommation d'énergie peut contribuer à la réalisation de l'objectif stratégique 7
(énergie propre et abordable) et de l'objectif stratégique 13 (action en faveur du climat) en
améliorant l'accès à une énergie propre et abordable, en promouvant l'efficacité
énergétique et en utilisant des sources d'énergie renouvelables.
Durabilité 2023, 15, 9025 6 de 31

Cependant, il est essentiel de noter que la réalisation des ODD nécessite une
approche globale et intégrée qui prend en compte les liens entre les facteurs sociaux,
économiques et environnementaux. Par exemple, la croissance économique et l'ouverture
commerciale doivent être équilibrées avec la durabilité environnementale et l'équité
sociale afin de garantir que les bénéfices du développement soient partagés par tous les
membres de la société, y compris les générations futures. De même, l'urbanisation et la
consommation d'énergie doivent être gérées de manière à réduire les émissions de CO2 et
à promouvoir l'efficacité des ressources, tout en assurant un accès équitable aux services
essentiels et aux opportunités pour tous. Le reste de l'étude est divisé en plusieurs
sections. Le matériel et les méthodes sont décrits dans la section 2. La section 3 présente
les résultats. Les sections 4 et 5 présentent respectivement la discussion et les
conclusions.

2. Revue de la littérature
La littérature sur les facteurs influençant les émissions de carbone est relativement
abondante. Au fur et à mesure que le nombre d'études sur ce sujet augmente, elles
peuvent être classées en trois groupes. Le premier groupe a étudié le lien entre le progrès
économique et les émissions de carbone. Le deuxième groupe a combiné l'urbanisation et
l'énergie dans le paradigme de l'étude du développement économique et des émissions de
carbone. Outre l'urbanisation et l'énergie, le troisième groupe couvre des variables de
contrôle telles que l'ouverture commerciale [12]. La présente étude regroupe ces trois
catégories et fournit une analyse approfondie de l'impact de la croissance économique, de
la consommation d'énergie, de l'ouverture commerciale et de l'urbanisation sur les
émissions de CO2 en Inde.

2.1. La relation entre la croissance économique et la qualité de l'environnement

Les écologistes et les décideurs politiques des pays en développement et des pays
développés ont étendu leurs divergences sur la qualité de l'environnement et ses
déterminants. Cette controverse est née de l'hypothèse de la courbe de Kuznets
environnementale (EKC). Selon cette hypothèse, au début du développement, la qualité
de l'environnement se dégrade, se stabilise et commence enfin à s'améliorer. Dans une
étude réalisée par Bildirici et Ersin (2018), les auteurs ont vérifié la présence de la
courbe de Kuznets environnementale dans le cas des États-Unis et du Royaume-Uni, et
les résultats ont révélé que la forme de la courbe de Kuznets environnementale n'est pas
stable [13]. En outre, diverses études ont également été menées pour vérifier la présence
de l'EKC [14-25].

2.2. La relation entre l'urbanisation, l'industrialisation et la croissance économique

En 2015, une étude de Guan et al. a conclu que l'urbanisation est un moteur de
croissance dans la province chinoise de Jiangsu [26], tandis que Chen et al. (2014)
ont constaté qu'il n'y a pas de corrélation entre le taux d'urbanisation et la croissance
économique au niveau mondial [27]. Frick et Rodríguez (2018) ont également
constaté que l'urbanisation profite aux pays développés, mais que ce n'est pas le cas
dans les pays en développement [28]. De même, pour découvrir la relation entre
l'industrialisation et l'environnement, Cherniwchan (2012) a appliqué un modèle de
croissance néoclassique à deux secteurs et l'environnement dans une petite économie
ouverte pour examiner l'impact de l'industrialisation sur l'environnement. Les
résultats montrent qu'une augmentation de 1 % de l'industrialisation entraîne une
augmentation de 24 % des émissions par habitant [29]. La relation entre l'urbanisation et
l'industrialisation a été largement abordée dans la littérature [30-35].

2.3. La relation entre la consommation d'énergie, la croissance économique et les émissions de

carbone
La consommation d'énergie est également un facteur déterminant de la croissance
économique et des émissions de carbone. En 2010, Acaravci a constaté qu'en Europe, la
consommation d'énergie et le PIB ont un impact positif sur les émissions de CO2 , tandis
que la juste valeur du PIB y nuit [36]. L'étude révèle également l'existence d'un lien
de causalité en forme de U inversé au Danemark et en Italie [36]. L'étude de Zhang et
Durabilité 2023, 15, 9025 7 de 31

Cheng, 2009, révèle une causalité unidirectionnelle allant de la croissance du PIB à la

consommation d'énergie et de la consommation d'énergie aux émissions [37]. Il a
également été constaté que la consommation d'énergie et les émissions de CO2
n'affectent pas la croissance économique ; par conséquent, le gouvernement peut
élaborer des politiques visant à réduire les émissions de CO2 sans entraver la
croissance économique. Dans le même ordre d'idées, Ali et al. ont également constaté
que la croissance économique et les émissions de CO
Durabilité 2023, 15, 9025 8 de 31

la consommation d'énergie ont un impact positif sur les émissions de CO2 , tandis que
l'ouverture commerciale a un impact négatif sur les émissions de CO2 [38]. Outre ces
études, un grand nombre de travaux ont également été réalisés sur cette relation [39-43].

2.4. La relation entre la croissance économique, l'ouverture commerciale,

l'urbanisation, la consommation d'énergie et les émissions de carbone
Ahmad et Zhao (2018) ont étudié la relation entre l'urbanisation, l'industrialisation,
la consommation d'énergie, les émissions de CO2 et la croissance économique ; ils ont
constaté que l'impact de l'urbanisation sur la croissance économique varie d'une région à
l'autre e n f o n c t i o n du niveau de développement ; il est positif pour les régions
développées et négatif pour les régions les moins développées [3]. Il a également été
constaté que l'impact des émissions de CO2 sur la croissance économique est négatif [3].
Ghosh et Kanjilal (2014) ont également tenté d'explorer la relation entre l'urbanisation, la
consommation d'énergie et la croissance économique en Inde de 1971 à 2008 en utilisant
le modèle ARDL [44]. Une causalité unidirectionnelle entre la consommation d'énergie,
l'activité économique et l'urbanisation a été constatée. Récemment, les conclusions de
Wang et Zhang (2021) ont démontré que l'ouverture commerciale réduit les émissions de
carbone dans les pays à revenu élevé et moyen supérieur, mais n'a que peu d'effet sur les
pays à revenu moyen inférieur. En revanche, l'ouverture commerciale a augmenté les
émissions de carbone dans les pays à faible revenu [12]. Les différents effets de
l'ouverture commerciale sur les émissions de carbone suggèrent que l'ouverture
commerciale profite aux pays riches en découplant la croissance économique des
émissions de carbone, mais qu'elle nuit aux pays pauvres. La lutte contre le changement
climatique par l'atténuation des GES et l'adaptation à ses effets est aujourd'hui une
préoccupation majeure pour sauver la planète, protéger la vie et parvenir à un
développement durable [45].
En outre, l'augmentation des revenus individuels et de la population perturbe le
découplage entre la croissance économique et les émissions de carbone. Les énergies
renouvelables et les coûts élevés du pétrole ont contribué à découpler la croissance
économique des émissions de carbone. Les résultats d'une autre étude menée par Al-
Mulali et al. (2015) révèlent que la croissance économique, l'urbanisation et la
consommation d'énergie ont un impact positif sur les émissions de CO2 . En revanche,
l'ouverture commerciale a un impact négatif sur ces émissions. En revanche, l'ouverture
commerciale a un impact négatif sur celles-ci [45]. De même, Hossain (2011) a également
étudié la relation entre la croissance économique et l'ouverture commerciale et les
émissions de dioxyde de carbone, la croissance économique et la consommation
d'énergie, l'ouverture commerciale et la croissance économique, l'urbanisation et la
croissance économique, et l'ouverture commerciale et l'urbanisation [46]. L'élasticité à
long terme des émissions de dioxyde de carbone par rapport à la consommation d'énergie
(1,2189) est supérieure à l'élasticité à court terme de 0,5984. Cela suggère que lorsque la
consommation d'énergie augmente dans les pays nouvellement industrialisés, les
émissions de dioxyde de carbone augmentent et notre environnement devient plus pollué
[46]. Outre ces études, plusieurs études ont également été réalisées pour évaluer l'impact
des variables mentionnées ci-dessus sur les émissions de CO2 [38,47-50].
Quelques autres études essentielles sont présentées dans le tableau 1 ci-dessous.

Tableau 1. Diverses études internationales relatives aux émissions de carbone.

L'auteur Origine Période Méthode Résultats

Il existe une relation en forme de N entre le
Fakher et al,
taux de change par OPEP et le taux de change de l'euro par rapport à l'euro. 1994-2019 Régression
2023 [51]
par habitant et les mesures de la qualité de l'environnement.
la détérioration.
Begum et al,
2015 [52] La relation négative entre les émissions de
Malaisie 1970-1980 Modèle ARDL
carbone et le revenu par habitant.
Zhang et al,
2015 [53] La relation positive entre l'urbanisation
Chine 1980-2013 Modèle ARDL
et les émissions de
carbone.
Durabilité 2023, 15, 9025 9 de 31

Tableau 1. Cont.

L'auteur Origine Période Méthode Résultats

Les résultats montrent que la croissance
Sikder et al, Pays en
économique, l'énergie 1995-2018 Modèle ARDL consommation d'énergie,
2022 [54] développemen
l'urbanisation
t
l'industrialisation augmentent les émissions de
Hossain, M.S., carbone.
8 nouveaux
2011 [45]
pays Causalité unidirectionnelle à court
industrialisés terme de 1971 à 2007 Test de causalité de Granger
croissance économique et ouverture commerciale à
les émissions de carbone.
Dogan &Seker, Techniques Les énergies renouvelables et le commerce
Union européenne 1980-2012
2016 [55] d'estimation par panel ont un impact négatif sur les émissions de
carbone.
Non paramétrique Il a été constaté que l'impact des
2015
Xu et[56]
Lin, 1990-2011 régression additive l'industrialisation et l'urbanisation sur le
Chine
carbone
modèle varie d'une région à l'autre.
2014 [57] La causalité unidirectionnelle à court terme a
été
Farhani et al, 1971-2008 Modèle ARDL trouvé, qui va du PIB au carré du PIB,
Tunisie
et la consommation d'énergie aux émissions de
carbone.
Liu, X., et al, Moyen-Orient
24 OCDE et Unité de panneau Les résultats
Une montrentaune
relation négative été relation
trouvée positive
entre
Arouri 1975-1990 Équations
Bootstrap de régression entre
2005 [59] pays les revenus et les émissions
Afrique du Nord 1981-2005 et le test de la racine la consommation d'énergie et les émissions de
2012 [58] de carbone.
carbone.
Les résultats indiquent que la consommation
Sadiq et al, Pays
pays d'Asie cointégration La théorie de l'EKCmodifié
n'est guère étayée.
d'énergie, 1972-2019 O.L.S. entièrement la
2022 [60] du Sud
mondialisation et la croissance économique augmentent
les émissions de carbone.
Test de stabilité des
Zhang et al, L'amélioration du niveau de vie peut
coefficients, 175 pays2000-2018 GMM, instrumental
2022 [61] améliorer la santé publique dans les zones
méthode variable
urbaines.

3. Matériel et méthodologie
L'objectif de cette étude est d'examiner l'impact de la croissance économique, de la
consommation d'énergie, de l'urbanisation et de l'ouverture commerciale sur les
émissions de CO2 , avec une référence particulière à l'Inde. La description des variables
sélectionnées est donnée ci-dessous dans le tableau 2. Pour étudier cette question, des
modèles ARDL et de forêt aléatoire ont été utilisés. L. Breiman a créé l'algorithme de la
forêt aléatoire en 2001, qui a connu un énorme succès en tant qu'approche de
classification et de régression à usage général. Cette méthode, qui combine de nombreux
arbres de décision aléatoires et calcule la moyenne de leurs prédictions, a démontré des
performances exceptionnelles dans des scénarios où le nombre de variables est beaucoup
plus important que le nombre d'observations [62]. En outre, elle est suffisamment
polyvalente pour être appliquée à des problèmes à grande échelle, s'adapte à diverses
activités d'apprentissage ad hoc et renvoie des mesures d'une pertinence variable. Elle
s'applique à un large éventail de problèmes de prédiction et ne nécessite que quelques
paramètres à régler. Outre sa facilité d'utilisation, l'approche est réputée pour sa précision
et sa capacité à traiter de minuscules quantités d'échantillons et des espaces de
caractéristiques à haute dimension. En même temps, elle est facilement parallélisable et
capable de traiter des systèmes massifs du monde réel.
Durabilité 2023, 15, 9025 10 de 31

Tableau 2. Description de la variable.

S. Non. Variable Source

1 Émissions de CO2 (millions de tonnes) Indicateurs du développement dans le
monde
2 Consommation d'énergie par habitant (kWh) Notre monde en données
3 Revenu par habitant (USD constants de 2015) Indicateurs du développement dans le
monde
4 Ouverture commerciale (% du PIB) Indicateurs du développement dans le
monde
5 Population urbaine totale Indicateurs du développement dans le
monde

Les données utilisées dans cette étude couvrent la période allant de 1980 à 2021.
Les sources utilisées pour collecter les données sont les indicateurs du développement
mondial et Our World in Data (Oxford). La forme générale du modèle est présentée
ci-dessous.

CO2 = f (Y, EC, TO, UB, U)

Ici, CO2 représente les émissions de carbone, Y le revenu par habitant, EC la

consommation d'énergie, TO l'ouverture commerciale, UB l'urbanisation, et U toutes les
autres variables qui affectent les émissions de carbone. Les tests de Dickey-Fuller
augmenté, de Kwiatkowski-Phillips- Schmidt-Shin (KPSS) et DF-GLS ont été utilisés pour
vérifier la stationnarité. Pour vérifier la cointégration, le test F-bounds a été appliqué et les
résultats confirment la présence de la cointégration. Le test de causalité de Granger a
également été appliqué pour vérifier la causalité entre les variables. Enfin, divers tests de
diagnostic ont été utilisés pour vérifier l'hypothèse du modèle concernant les résidus, qui
sont présentés dans le tableau 3, et les statistiques récapitulatives des variables sont
présentées dans le tableau 4.

Tableau 3. Tests utilisés pour vérifier les hypothèses du modèle.

S. Non. Hypothèse Test/Critères

1 Homoscédasticité Test de Breusch-Pagan-Godfrey
2 Stabilité CUSUM et CUSUM Square
3 Autocorrélation en Test du multiplicateur de Lagrange
série (LM)
4 Normalité Histogramme et Jarque-Bera

Tableau 4. Statistiques sommaires.

Std.
Variable Obs. Moyenne Min Max
Dév.
(Y) 42 936.0226 494.5419 388.8227 1941.815
(CE) 42 3874.64 1598.356 1729.039 6889.742
(CO2) 42 1.20 × 109 7.43 × 108 2.92 × 108 2.63 × 109

(TO) 42 30.46358 14.50012 12.21927 55.79372

(UB) 42 2.75139 0.3911207 2.294913 3.889168

Équation ARDL :
∆log CO2t = Ψ0 + Ψ1 logCO2t + Ψ2 + Ψ3 + Ψ4 +Ψ5 logEC +p θi ∆logCO2t−i
logTO logUB logY Σ
q
-1
q
t-1 t-q1 t-1
q
t-1 i=1 (1)
+Σi=1βi∆logTOt−i + Σi=1γi∆logUBt-i + Σi=1ϕi ∆logYt-i + Σi=1ωi ∆logECt-i + εt

Équation ECM :
Durabilité 2023, 15, 9025 q q q q 11 de 31
Σp
∆ logCO2t =α1 + i=1 θi∆logCO2t-i + Σi=1 βi∆logTOt-i + Σi=1 γi∆logUBt-i + Σi=1 ϕi∆logYt-i + Σi=1 ωi∆logECt-i (2)
+λ ECTit−1 + εt
Durabilité 2023, 15, 9025 12 de 31

Ici, Ψ0 est l'intercept, Ψ1 , Ψ2 , Ψ3 , Ψ4 , Ψ5 sont les coefficients de pente à long

terme, et θi , βi , γi , ϕi , et ωi sont les coefficients de pente à court terme. ECT est un
terme de correction d'erreur qui indique la vitesse de l'ajustement vers l'équilibre.

4. Résultats
Les résultats du modèle ont été examinés dans cette section. Elle a été divisée en
deux parties. Dans la première section, la tendance de toutes les variables a été montrée,
et dans la deuxième partie, les résultats du modèle ont été discutés.

4.1. Tendance des variables

L'Inde, le pays le plus peuplé et la cinquième économie mondiale, a urbanisé plus de
35 % de sa population, soit moins que la moyenne mondiale, qui est de 56 % [63].
Néanmoins, la taille de la population est si importante que, en chiffres absolus, la taille
de la population urbaine est tout à fait significative. Depuis 1991, après les réformes
économiques, l'économie indienne a enregistré une croissance considérable du revenu par
habitant, comme le montre la figure 3 ci-dessous ; la consommation d'énergie par
habitant, l'ouverture commerciale, le taux de croissance de l'urbanisation et les émissions
de CO2 sont présentés respectivement dans les figures 4 à 7 ci-dessous.

Figure 3. Revenu par habitant.

Figure 4. Consommation d'énergie par habitant.

Durabilité 2023, 15, 9025 13 de 31

600000000

500000000

400000000

300000000
total
urbain
200000000 population

100000000

0
1980
1983
1986
1989
1992
1995
1998
2001
2004
2007
2010
2013
2016
2019
Figure 5. Population urbaine totale.

Figure 6. Ouverture commerciale.

Figure 7. Émissions de CO .2

Les émissions de CO2 provenant des économies en développement et en transition,

en particulier de l'Inde, augmentent régulièrement depuis 1980 [64]. La figure 7 montre
que l'augmentation des émissions de CO2 est assez régulière, avec une tendance à la
baisse en 2020 grâce à COVID-19. Au cours de la période, toutes les variables ont
affiché une croissance positive, comme le montrent les figures 3 à 7. Selon les données
des indicateurs de développement mondial, le revenu par habitant de l'Inde a augmenté depuis
1980.
Durabilité 2023, 15, 9025 14 de 31

5 fois, les émissions de CO2 6,6 fois, l'ouverture commerciale et la population urbaine
totale 3 fois, et la consommation d'énergie 2,46 fois.
Selon les simulations préparées par l'Organisation de coopération et de
développement économiques, les émissions mondiales de GES devraient augmenter d'environ
52 % d'ici à 2050 si aucune mesure sérieuse n'est prise [65]. Pour la période 2005-2050, les
émissions de CO2 liées à l'énergie devraient augmenter de 78 %. Cela augmenterait la
température moyenne mondiale de 1,7 ◦C-2,4 ◦C en 2050 par rapport aux niveaux
préindustriels [65].

4.2. Résultats empiriques des modèles ARDL et Random Forest

Dans cette section, les résultats empiriques du modèle ARDL ont été discutés. Pour
procéder avec le modèle ARDL, la stationnarité a été vérifiée à l'aide du test de Dickey-
Fuller augmenté (A.D.F.), du KPSS et du test DF-GLS. Le tableau 5 présente les résultats
de tous les tests, qui montrent que toutes les variables sont stationnaires à I (0) ou I (1) et
un mélange des deux.

Tableau 5. Tests de racine unitaire.

Variables KPSS ADFDF-GLS

Au niveau
Log(CO )2 0.798668 *** -1.875902 -0.553597
log(Y) 0.752899 *** 0.874516 -0.075082
log(TO) 0.714984 ** -0.668131 0.010759
log(UB) 0.812034 ** -0.953089 0.633703
log(EC) 0.795104 *** -1.213025 -0.166812
1ère différence
Log(CO )2 0.406172 * -3.648016 *** -2.597612 **
log(Y) 0.479092 ** -6.128427 *** -2.211544 **
log(TO) 0.615581 ** -5.195471 *** -4.803803 ***
log(UB) 0.776082 *** -4.439020 *** -1.970005 **
log(EC) 0.481169 ** -3.297859 *** -2.748679 ***
*** "au niveau de 1%", ** "au niveau de 5%", * au niveau de 10%.

Les résultats des différents tests de racine unitaire montrent que toutes les variables
sont soit stationnaires en niveau, soit en première différence ; par conséquent, le modèle
ARDL peut être appliqué, comme il peut l'être si les séries sont stationnaires en I (0), I
(1), et un mélange des deux. Pour vérifier la cointégration, le test F-bounds a été utilisé,
dont les résultats sont présentés dans le tableau 6.

Tableau 6. Résultats de la cointégration (test des bornes F).

Test des bornes F H0 : Pas de relation de niveau

Statistiques des Valeur Sig. Niveau I (0) I (1)
tests
Variable dépendante : Émissions de CO 2

Statistique F 9.282889 10% 2.46 3.46

K 4 5% 2.947 4.088
1% 4.093 5.532
Variable dépendante : consommation d'énergie

Statistique F 7.270500 10% 2.427 3.395

K 4 5% 2.893 4
1% 3.967 5.455
Durabilité 2023, 15, 9025 15 de 31

Tableau 6. Cont.

Test des bornes F H0 : Pas de relation de niveau

Statistiques des Valeur Sig. Niveau I (0) I (1)
tests
Variable dépendante : revenu par habitant

Statistique F 8.100040 10% 2.427 3.395

K 4 5% 2.893 4
1% 3.967 5.455
Variable dépendante : ouverture commerciale

Statistique F 7.317451 10% 2.427 3.395

K 4 5% 2.893 4
1% 3.967 5.455
Variable dépendante : population urbaine totale

Statistique F 4.383463 10% 2.427 3.395

K 4 5% 2.893 4
1% 3.967 5.455

Le tableau 6 montre que la valeur de la statistique F est supérieure à la limite

supérieure [I (1)] au niveau de 1 %, ce qui confirme l'existence d'une relation à long terme
entre les variables. Les critères A.I.C. ont été utilisés pour sélectionner la longueur
optimale du décalage et 4 est sélectionné comme le décalage optimal. Le tableau 7
présente les coefficients de long terme et de court terme.

Tableau 7. Coefficients à long terme et à court terme.

Variables Coefficient Erreur std. t-Statistiques Valeur p

Longue durée
log (CO )2 -0.691342 *** 0.231607 -2.984982 0.0073
log(Y) -0.491969 *** 0.082263 -5.980465 0.0000
log (TO) 0.133460 ** 0.060637 2.200975 0.0396
log (UB) 0.245248 ** 0.327734 2.748316 0.0463
log (EC) 1.839673 *** 0.225141 8.171198 0.0000
Courte durée
D(logCO2 (-1)) -0.377986 *** 0.100887 -3.746634 0.0013
D(logEC) 1.034088 *** 0.081211 12.73328 0.0000
D(logY) -0.012747 0.063207 -0.201668 0.8422
D(logTO) -0.051640 ** 0.021257 -2.429329 0.0247
D(logUB) 6.941345 *** 0.779243 8.907808 0.0000
ECT -0.691342 *** 0.077182 -8.957236 0.0000
*** "au niveau de 1%", ** "au niveau de 5%".

Le tableau 7 montre qu'à long terme, la consommation d'énergie affecte

positivement les émissions de CO2 , ce qui est significatif au niveau de 1 %, et que
l'urbanisation et le commerce affectent également positivement les émissions de CO2 ,
ce qui est significatif au niveau de 5 %. Cependant, les émissions de CO2 au décalage
précédent et la croissance économique présentent une relation négative qui est
significative au niveau de 1 %. À court terme, les émissions de CO2 au décalage
précédent sont négativement liées aux émissions de CO2 , ce qui est significatif au niveau de 1
%. De même, l'ouverture commerciale présente également une relation négative avec des
émissions de carbone significatives au niveau de 5 %, tandis que la consommation
d'énergie et l'urbanisation présentent une relation positive, toutes deux étant significatives
au niveau de 1 %. À court terme, la relation entre la croissance économique et les
Durabilité 2023, 15, 9025 16 de 31

émissions de CO2 n'est pas significative.

Durabilité 2023, 15, 9025 17 de 31

4.3. Modèle de forêt aléatoire

La forêt aléatoire est un algorithme d'apprentissage automatique qui a gagné en
popularité en raison de sa capacité à traiter efficacement des tâches complexes de
classification et de régression. Il s'agit d'un type de méthode d'apprentissage d'ensemble
qui construit de nombreux arbres de décision et regroupe leurs prédictions pour produire
un résultat final [66]. Dans cette approche, chaque arbre de décision est formé sur un
sous-ensemble aléatoire des données disponibles et un sous-ensemble aléatoire des
caractéristiques disponibles, ce qui réduit le risque de surajustement et améliore la
généralisation du modèle. En outre, la forêt aléatoire fournit des classements
d'importance des caractéristiques qui peuvent être utilisés pour la sélection et
l'interprétation des caractéristiques. Sa robustesse, sa précision et sa capacité
d'interprétation en font un choix populaire dans divers domaines, notamment la biologie,
la finance et l'ingénierie.
L'ensemble de données original a été divisé dans un rapport 80:20 pour faciliter
l'application des algorithmes d'apprentissage automatique. Le tableau 8, qui décrit les
performances du modèle, indique que le modèle de la forêt aléatoire (F.A.) a fait preuve d'une
grande précision, avec des valeurs R2 de 0,988 et 0,992 pour les ensembles de données
d'apprentissage et de test, respectivement. Les critères d'évaluation statistique ont révélé des
performances satisfaisantes pour tous les modèles, comme le montrent les valeurs R2
proches de l'unité et les valeurs inférieures de l'erreur quadratique moyenne (RMSE) et
de l'erreur absolue moyenne (M.A.E.). Toutefois, les valeurs d'erreur inférieures obtenues
par le modèle sur l'ensemble de données d'apprentissage, par rapport à l'ensemble de
données de test, suggèrent que ce modèle est mieux adapté à l'ajustement qu'à la
prédiction.

Tableau 8. Résultats du modèle de forêt aléatoire.

R2
RMSE MAE
Train 0.988565 0.128052 0.102064
Test 0.992583 0.0914858 0.080175

Architecture du modèle Random Forest

La figure 8 montre l'architecture de la forêt aléatoire. Deux cent cinquante arbres ont
été pris en compte. La prédiction moyenne a été dérivée en prenant la moyenne des
valeurs de prédiction de chaque arbre. Cela permettra de poursuivre la prédiction de la
forêt aléatoire. En outre, la figure 9 montre que le terme d'erreur tend vers zéro au cours
de la période. L'importance relative de toutes les variables sélectionnées peut être
comprise à l'aide de la figure 10 ci-dessous. Elle montre qu'en ce qui concerne les
émissions de CO2 , la consommation d'énergie est la variable la plus importante, tandis
que l'ouverture commerciale est la moins importante.
Durabilité 2023, 15, 9025 18 de 31
Figure 8. Architecture du modèle de forêt aléatoire.
Durabilité 2023, 15, 9025 19 de 31

Figure 9. Tendance du terme d'erreur.

Figure 10. Importance des variables.

Test de causalité de Granger par paire

Le test de causalité de Granger par paire a également été appliqué pour vérifier la
causalité par paire entre les variables et 2 a été sélectionné comme décalage optimal.
L'analyse a été effectuée après avoir pris la première différence des variables. Les
résultats du test sont présentés dans le tableau 9.

Tableau 9. Test de causalité de Granger par paire.

H0 : Pas de cause de Granger Obs.F-Statistique Prob.

CO2 vers
CE 1.36053 0.2701
39
CE au CO2 3.47464 0.0424 **
Y à CO2
39 0.46512 0.64070 0.6320 0.5332
CO2 à Y

TO vers 0.0427 **
393 .46636 1.59006
CO2 CO2 0.2187
vers TO
392 .43585 0.103630 .1027 0.9018
UB vers
CO2 CO2
0.0799 *
vers UB 392 .72418 0.25754
0.7744
Y vers EC
EC vers Y 390.32598 1.549710 .7240 0.2269
TO vers
0.0536 **
EC EC 393 .19282 0.37230
0.6919
vers TO
UB vers
EC EC
vers UB
Durabilité 2023, 15, 9025 20 de 31

Tableau 9. Cont.

H0 : N'a pas de cause de Granger Obs. F-Statistique Prob.

TO à Y
39 1.52782 1.59107 0.2315 0.2185
Y vers
UB à Y
39 0.30966 0.70914 0.7357 0.4992
TO Y
UB à TO
39 0.43255 1.01380 0.6524 0.3735
vers UB

TO vers

UB
** "au niveau de 5%", * au niveau de 10%.

Le tableau 9 ci-dessus présente les résultats de la causalité de Granger par paire. Il

existe une causalité unidirectionnelle entre la consommation d'énergie et les émissions de
CO2 , l'ouverture commerciale et les émissions de CO2 , et l'urbanisation et la
consommation d'énergie à un niveau de signification de 5 %. En outre, il existe
également une causalité unidirectionnelle entre le revenu par habitant et la consommation
d'énergie, qui est statistiquement significative au niveau de 10 %. Ces résultats montrent
que l'urbanisation et la croissance économique conduisent toutes deux à la consommation
d'énergie, qui entraîne une augmentation des émissions de carbone ; dans le même temps,
l'ouverture commerciale est également à l'origine des émissions de CO2 . Cela indique
que le gouvernement devrait se concentrer sur une planification urbaine durable et qu'il
doit également découpler la croissance économique des émissions de CO2 . Le commerce
est également un facteur important d'émissions de CO2 ; par conséquent, les
gouvernements devraient élaborer et appliquer des réglementations environnementales
qui tiennent compte de l'empreinte carbone associée aux activités commerciales. Il peut
s'agir d'imposer des normes d'émission plus strictes aux marchandises importées, de
promouvoir des chaînes d'approvisionnement durables et d'encourager l'adoption de
processus de production respectueux de l'environnement par les entreprises engagées
dans le commerce international.

4.4. Tests de diagnostic

Enfin, divers tests de diagnostic ont été appliqués pour vérifier l'hypothèse du
modèle concernant le résidu. Les résultats de ces tests sont présentés dans le tableau 7
ci-dessous.
Le tableau 10 ci-dessus montre que la valeur p des deux tests est supérieure à 0,05, ce
qui signifie qu'il n'y a pas d'autocorrélation sérielle et que les données sont
homoscédastiques.

Tableau 10. Tests de diagnostic.

Test F-Statistique p Valeur

Test LM de corrélation sérielle de Breusch-Godfrey 1.165277 0.3343
Breusch-Pagan-Godfrey : Test d'hétéroscédasticité 0.848213 0.6268

Le CUSUM et le CUSUM du carré ont été appliqués pour vérifier la stabilité, comme
le montrent les figures 11 et 12.
Durabilité 2023, 15, 9025 21 de 31

Figure 11. CUSUM.

Durabilité 2023, 15, 9025 22 de 31

Figure 12. Carré CUSUM.

On constate que les sommes cumulées des écarts standardisés se situent à l'intérieur
des limites inférieure et supérieure, ce qui montre que la série est stable.

5. Discussion
Dans un pays en développement comme l'Inde, le changement climatique représente
un défi considérable, car la prospérité économique du pays repose sur des méthodes
traditionnelles de production de ressources et d'énergie [64]. Les recommandations politiques
de cette étude ont des implications significatives pour les efforts de l'Inde visant à réduire
les émissions de CO2 . Pour y parvenir, l'Inde a mis en œuvre plusieurs stratégies,
notamment les objectifs de développement durable (ODD) des Nations unies, qui fournissent un
cadre permettant d'équilibrer les préoccupations économiques, sociales et
environnementales en vue d'un avenir plus durable. Cette recherche revêt une importance
particulière pour
S.D.G. 7 (énergie abordable et propre), S.D.G. 11 (villes et communautés durables) et
S.D.G. 13 (action climatique), car il met en lumière les déterminants des émissions de
CO2 et l'interaction complexe entre la croissance économique, la consommation
d'énergie, l'ouverture au commerce, l'urbanisation et les émissions de CO2 . Il fournit un
examen complet de l'impact de la croissance économique, de la consommation d'énergie,
de l'ouverture commerciale et de l'urbanisation sur les émissions de dioxyde de carbone
en Inde. Étant donné que l'Inde se classe au troisième rang mondial des émetteurs de CO2
[63], les résultats de l'étude présentent un intérêt académique considérable, en particulier
à la lumière des objectifs ambitieux de l'Inde visant à atténuer le changement climatique
en réduisant les émissions de CO .2
Malgré les avancées technologiques significatives, l'Inde se trouve dans des positions
opposées lorsqu'il s'agit de faire face au changement climatique par l'atténuation des
émissions de CO2 et l'adaptation à ses impacts, qui sont des préoccupations pressantes
pour préserver la planète, protéger la vie et atteindre les objectifs de développement
durable. Cette étude recommande que les décideurs politiques se concentrent sur le
soutien des techniques de développement durable qui réduisent les émissions de CO2 tout
en favorisant la croissance économique et en améliorant le niveau de vie de tous les
habitants. Pour atténuer le changement climatique, l'Inde doit réduire les émissions de
GES, ce qui peut être réalisé en réduisant les émissions de CO2 dans le secteur de
l'énergie grâce au développement et à la diffusion de technologies d'efficacité énergétique
(EET) et à la promotion des technologies d'énergie renouvelable (RET). La première
approche consiste à accroître l'efficacité énergétique grâce à des technologies améliorées,
ce qui réduit les intrants énergétiques pour un niveau de service donné ou améliore le
service pour un niveau d'intrant donné. La seconde approche consiste à investir dans des
technologies énergétiques alternatives respectueuses du climat et à faible taux d'émission
de CO .2
D'après les résultats de l'enquête empirique, la croissance économique a un impact
négatif sur les émissions de CO2 , tandis que la consommation d'énergie, l'urbanisation et
l'ouverture commerciale ont des effets positifs significatifs, comme l'indiquent les
coefficients à long terme. Cela suggère que les émissions de CO2 diminuent à mesure que
l'économie croît à long terme. Le coefficient positif à long terme de la consommation
Durabilité 2023, 15, 9025 23 de 31

d'énergie confirme que l'augmentation de la consommation d'énergie est liée à une

augmentation de la pollution, ce qui indique que la consommation d'énergie est un
facteur essentiel des émissions de CO2 en Inde. Le coefficient positif à long terme de
l'ouverture commerciale confirme l'affirmation selon laquelle le commerce stimule la
croissance économique, augmentant ainsi les émissions de CO2 . Ceci est en accord avec
les recherches précédentes
Durabilité 2023, 15, 9025 24 de 31

l'établissement d'un lien entre la mondialisation et le commerce, d'une part, et les

émissions de CO2 , d'autre part. Cependant, le commerce peut également jouer un rôle
dans la réduction des émissions de CO2 en promouvant des technologies à haut
rendement énergétique et en adoptant des processus de production plus propres. Le
commerce peut faciliter la diffusion de technologies et de pratiques innovantes qui
contribuent à réduire les émissions de CO2 . En outre, les politiques commerciales
peuvent être conçues pour inciter les entreprises à adopter des pratiques durables, telles
que les systèmes d'échange de droits d'émission ou l'imposition de droits de douane sur
les biens à forte empreinte carbone.
La promotion des sources d'énergie renouvelables et des mesures d'économie
d'énergie peut également conduire à des réductions à long terme de la consommation
d'énergie non renouvelable et des émissions de CO2 . Des politiques d'urbanisation
durables, telles que la promotion des villes vertes et des infrastructures de transport,
peuvent réduire les effets néfastes de l'urbanisation sur l'environnement. Selon
l'hypothèse EKC, qui est étayée par ces résultats, le développement économique entraîne
d'abord une augmentation de la dégradation de l'environnement, mais la réduit ensuite à
mesure que les nations progressent et adoptent des technologies plus propres. Les
résultats de cette étude suggèrent que les décideurs politiques doivent se concentrer sur la
mise en œuvre de politiques durables pour réduire les émissions de CO2 en Inde, telles
que la promotion des énergies renouvelables, l'urbanisation durable et les investissements
dans les technologies vertes.
Sur la base de ces résultats, certaines recommandations politiques peuvent être proposées
pour réduire les émissions de CO2 en Inde. Premièrement, il est nécessaire d'accroître
l'utilisation des sources d'énergie renouvelables et de promouvoir les pratiques
d'économie d'énergie afin de réduire la consommation d'énergie. Deuxièmement, le
gouvernement devrait encourager les investissements dans les technologies vertes, en
particulier dans l'industrie manufacturière, afin de réduire les émissions de CO2 [67].
Troisièmement, le gouvernement devrait promouvoir une urbanisation durable en mettant
en œuvre des politiques qui soutiennent le développement de villes et de systèmes de
transport écologiques. En outre, il est impératif de renforcer les mesures réglementaires
concernant le commerce afin de garantir que les entreprises fonctionnent de manière
écologiquement durable. Quatrièmement, il est recommandé que le gouvernement mette
en œuvre des mesures visant à encourager l'utilisation des transports publics afin
d'atténuer la prolifération des véhicules privés sur les routes, ce qui entraînerait une
réduction des émissions de CO2 . Enfin, il est recommandé de mettre en place des
politiques visant à encourager l'adoption de pratiques de production et de consommation
durables. Les pouvoirs publics peuvent offrir des incitations fiscales et un soutien
financier aux entreprises qui mettent en œuvre des mesures durables, telles que l'adoption
de sources d'énergie renouvelables, l'utilisation de matériaux respectueux de
l'environnement et la réduction de leur production de déchets. Grâce à des initiatives
d'éducation et de sensibilisation, ainsi qu'à des incitations financières, il est possible de
motiver les consommateurs à adopter des pratiques durables, y compris, mais sans s'y
limiter, le recyclage, la réduction de la consommation d'énergie et l'utilisation des
transports publics. Outre les incitations aux pratiques durables, les politiques devraient
s'attaquer aux facteurs fondamentaux des émissions de CO2 , tels que la consommation
excessive de combustibles fossiles. Une approche possible pour atteindre cet objectif
consiste à mettre en œuvre des mesures politiques telles que les taxes sur le CO2 , qui
augmentent le coût des biens et des activités à forte intensité de carbone, et les
programmes de plafonnement et d'échange, qui limitent les émissions de CO2 et
permettent aux entreprises d'échanger leurs émissions. Il est important de noter que la
transition vers une économie durable prendra du temps. Elle nécessitera des
investissements importants, de l'innovation et une collaboration entre les gouvernements,
les entreprises et les particuliers. Toutefois, les avantages à long terme, tant pour
l'environnement que pour l'économie, seront considérables. La réduction des émissions
de CO2 et la promotion de pratiques durables peuvent créer une planète plus saine et plus
résistante, tout en ouvrant de nouvelles perspectives économiques et en créant une société
plus équitable et plus prospère.
Durabilité 2023, 15, 9025 25 de 31

6. Conclusions
Cette recherche vise à étudier expérimentalement la relation de cause à effet à court
et à long terme entre les émissions de dioxyde de carbone, la consommation d'énergie, la
croissance économique, l'ouverture commerciale et l'urbanisation en Inde en utilisant des données
chronologiques de 1980 à 2021. Le modèle ARDL a été appliqué avec le modèle de forêt
aléatoire développé par L. Breiman, un ensemble d'arbres de décision multiples, dont
chacun fait une prédiction indépendamment et combine ensuite les prédictions pour former
une prédiction globale. Les résultats du modèle ARDL montrent qu'à long terme, l'énergie,
l'urbanisation et l'ouverture commerciale ont un impact positif sur les émissions de
carbone, tandis que les émissions de CO2 à un stade antérieur et la croissance
économique ont un impact positif sur les émissions de CO
Durabilité 2023, 15, 9025 26 de 31

ont un impact négatif. À court terme, les émissions de carbone lors du décalage
précédent, la croissance économique et l'ouverture commerciale ont une relation
négative avec les émissions de carbone, tandis que la consommation d'énergie et
l'urbanisation ont une relation positive.
Investir dans les énergies renouvelables peut aider l'Inde à délaisser les combustibles
fossiles, à réduire la pollution de l'air et à créer davantage d'emplois. La création de
nouveaux systèmes de transport en commun et l'extension des systèmes existants peuvent
réduire les émissions des véhicules tout en créant de nouveaux emplois. À l'avenir, cela
stimulera également la croissance économique grâce aux économies d'agglomération. La
conservation et l'amélioration des zones humides et des forêts stimuleront la production
agricole, réduiront les émissions de CO2 et augmenteront la résistance aux chocs
environnementaux.

Contributions des auteurs : Conceptualisation, R.K.J. et B.N.-K. ; méthodologie, R.K.J. et V.K.C. ;

l o g i c i e l s , A.G. et H.S.K. ; validation, A.G., C.N.N. et R.K.J. ; analyse formelle, A.G. et H.S.K. ;
enquête, A.G. et H.S.K. ; ressources, R.K.J. et V.K.C. ; conservation des données, A.G., et H.S.K. ; rédaction
- préparation de la version originale, A.G., H.S.K. et R.K.J. ; révision et édition, V.K.C. et B.N.-K. ;
supervision,
R.K.J. et B.N.-K. ; administration du projet, R.K.J. Tous les auteurs ont lu et approuvé la version
publiée du manuscrit.
Financement : Le premier auteur, A.G, reconnaît le soutien financier dans le cadre du programme
"UGC JRF" par le biais de la demande n° 190520417508. Le deuxième auteur, H.S.K, reconnaît le
soutien financier apporté dans le cadre du programme "Fund for Improvement of S&T
Infrastructure (FIST)" du ministère de la science et de la technologie (DST) du gouvernement
indien, comme le prouve la lettre numéro SR/FST/MS- I/2021/104 adressée au ministère des
mathématiques et des statistiques : SR/FST/MS- I/2021/104 au département de mathématiques et de
statistiques de l'université centrale du Pendjab et à la subvention Research Seed Money (R.S.M.) de
l'université centrale du Pendjab sous le numéro CUPB/Acad./20-21/1037.
Déclaration de disponibilité des données : Les données sont collectées à partir de sources ouvertes et les
noms des sources sont indiqués. Par conséquent, tout le monde peut collecter les données à partir des
sources indiquées.
Remerciements : Les auteurs remercient le département de mathématiques et de statistiques de
Références
l'université centrale du Pendjab pour son soutien.
Conflits d'intérêts : Les auteurs ne déclarent aucun conflit d'intérêts.
1. Notre monde en données. Av ailable online : https://ourworldindata.org (consulté le 11 décembre 2022).
2. Kivyiro, P.T. Foreign Direct Investment, Clean Development Mechanism, and Environmental Management : A case of Sub-Saharan Africa
; Lappeenranta University of Technology : Lappeenranta, Finlande, 2015.
3. Ahmad, M. ; Zhao, Z.Y. Empirics on linkages among industrialization, urbanization, energy consumption, CO2 emissions, and
economic growth : A heterogeneous panel study of China. Environ. Sci. Pollut. Res. 2018, 25, 30617-30632. [CrossRef]
4. Dia, K.B. ; Baudelaire, D.W. Variabilité climatique et urbanisation en Afrique subsaharienne : Atténuer les effets sur la
croissance économique. Consortium pour la recherche économique en Afrique. 2021. Available online:
http://3.65.68.50/bitstream/handle/123456789/2819
/Working%20Paper%20Series%20CC-010.pdf?sequence=1&isAllowed=y (consulté le 25 mars 2023).
5. Wang, A. ; Lin, B. Évaluation des émissions de CO2 dans le secteur commercial chinois : Determinants and reduction strategies. J.
Clean. Prod.
2017, 164, 1542-1552. [CrossRef]
6. Forum économique mondial. Disponible en ligne : https://www.weforum.org/agenda/2022/08/world-population-
countries-india- china-2030/ (consulté le 7 janvier 2023).
7. Times of India. Disponible en ligne : https://timesofindia.indiatimes.com/blogs/The-underage-optimist/let-this-be-indias-goal-
for-this-decade-5000-per-capita-income-by-2030/ (consulté le 8 janvier 2023).
8. Lin, B. ; Omoju, O.E. L'investissement privé dans le secteur des transports atténue-t-il l'impact environnemental de l'urbanisation ?
Evidence from Asia. J. Clean. Prod. 2017, 153, 331-341. [CrossRef]
9. Informations sur l'énergie en Inde Enerdata. Disponible en ligne : https://www.enerdata.net/estore/energymarket/india/
(consulté sur le 18 décembre 2022).
10. Ministère de l'électricité, gouvernement de l'Inde. Disponible en ligne : https://powermin.gov.in/en/content/power-sector-
glance-all-india (consulté le 31 janvier 2023).
11. Programme des Nations Unies pour le développement. Objectifs de développement durable. Disponible en ligne :
https://www.undp.org/ sustainable-
developmentgoals#:~:text=The%20Sustainable%20Development%20Goals%20(SDGs)%2C%20also%20known%20
as%20the,people%20enjoy%20peace%20and%20prosperity (consulté le 25 mars 2023).
Durabilité
12. Wang, 2023,Q.
15,; 9025 27 de
Zhang, F. The effects of trade openness on decoupling carbon emissions from economic growth-evidence from 31
182
countries. J. Clean. Prod. 2021, 279, 123838. [CrossRef]
13. Bildirici, M. ; Ersin, Ö. Markov-switching vector autoregressive neural networks and sensitivity analysis of environment, economic
growth and petrol prices. Environ. Sci. Pollut. Res. 2018, 25, 31630-31655. [CrossRef] [PubMed]
Durabilité 2023, 15, 9025 28 de 31

14. Grossman, G.M. ; Krueger, A.B. Environmental Impacts of a North American Free Trade Agreement. 1991. Disponible en
ligne : https://www.nber.org/system/files/working_papers/w3914/w3914.pdf (consulté le 27 mars 2023).
15. Cole, M.A. ; Rayner, A.J. ; Bates, J.M. La courbe de Kuznets environnementale : An empirical analysis. Environ. Dev. Econ. 1997,
2, 401-416. [CrossRef]
16. Andreoni, J. ; Levinson, A. L'analyse simple de la courbe de Kuznets environnementale. J. Public Econ. 2001, 80, 269-286.
[CrossRef]
17. Dasgupta, S. ; Laplante, B. ; Wang, H. ; Wheeler, D. Confronting the environmental Kuznets curve. J. Econ. Perspect. 2002,
16, 147-168. [CrossRef].
18. Yandle, B. ; Vijayaraghavan, M. ; Bhattarai, M. La courbe de Kuznets environnementale. A Primer PERC Res. Study 2002, 2, 1-38.
19. Dinda, S. L'hypothèse de la courbe de Kuznets environnementale : A survey. Ecol. Econ. 2004, 49, 431-455. [CrossRef]
20. Stern, D.I. The rise and fall of the environmental Kuznets curve. World Dev. 2004, 32, 1419-1439. [CrossRef]
21. Shahbaz, M. ; Ozturk, I. ; Afza, T. ; Ali, A. Revisiter la courbe de Kuznets environnementale dans une économie mondiale. Renew.
Sustain. Energy Rev. 2013, 25, 494-502. [CrossRef]
22. Stern, D.I. La courbe de Kuznets environnementale après 25 ans. J. Bioeconomics 2017, 19, 7-28. [CrossRef]
23. Sarkodie, S.A. ; Ozturk, I. Investigating the environmental Kuznets curve hypothesis in Kenya : A multivariate analysis.
Renew. Sustain. Energy Rev. 2020, 117, 109481. [CrossRef]
24. Ansari, M.A. Re-visiting the Environmental Kuznets curve for ASEAN : A comparison between ecological footprint and
carbon dioxide emissions. Renew. Sustain. Energy Rev. 2022, 168, 112867. [CrossRef]
25. Wang, Q. ; Wang, X. ; Li, R. L'urbanisation redéfinit-elle la courbe de Kuznets environnementale ? Une analyse empirique de 134
pays.
Soutenir. Cities Soc. 2022, 76, 103382. [CrossRef].
26. Guan, X. ; Zhou, M. ; Zhang, M. Using the ARDL-ECM approach to explore the nexus among urbanization, energy
consumption, and economic growth in Jiangsu Province, China. Emerg. Mark. Financ. Trade 2015, 51, 391-399. [CrossRef]
27. Chen, M. ; Zhang, H. ; Liu, W. ; Zhang, W. The global pattern of urbanization and economic growth : Evidence from the last three
decades. PLoS ONE 2014, 9, e103799. [CrossRef]
28. Frick, S.A. ; Rodríguez-Pose, A. Changements dans la concentration urbaine et croissance économique. World Dev. 2018, 105, 156-170.
[CrossRef]
29. Cherniwchan, J. Croissance économique, industrialisation et environnement. Resour. Energy Econ. 2012, 34, 442-467. [CrossRef]
30. Uttara, S. ; Bhuvandas, N. ; Aggarwal, V. Impacts de l'urbanisation sur l'environnement. Int. J. Res. Eng. Appl. Sci. 2012, 2, 1637-
1645.
31. Li, K. ; Lin, B. Impacts de l'urbanisation et de l'industrialisation sur la consommation d'énergie et les émissions de CO2 . Le niveau
de développement a-t-il une influence ? Does the level of development matter ? Renew. Sustain. Energy Rev. 2015, 52, 1107-1122.
[CrossRef]
32. Liu, X. ; Bae, J. Urbanization and industrialization impact of CO2 emissions in China. J. Clean. Prod. 2018, 172, 178-186. [CrossRef]
33. Li, M. ; Li, L. ; Strielkowski, W. L'impact de l'urbanisation et de l'industrialisation sur la sécurité énergétique : Une étude
de cas de la Chine.
Énergies 2019, 12, 2194. [CrossRef]
34. Mahmood, H. ; Alkhateeb, T.T.Y. ; Furqan, M. Industrialisation, urbanisation et émissions de CO2 en Arabie Saoudite :
Asymmetry analysis. Energy Rep. 2020, 6, 1553-1560. [CrossRef]
35. Voumik, L.C. ; Sultana, T. Impact de l'urbanisation, de l'industrialisation, de l'électrification et des énergies renouvelables sur
l'environnement dans BRICS : Fresh evidence from novel CS-ARDL model. Heliyon 2022, 8, e11457. [CrossRef] [PubMed]
36. Acaravci, A. ; Ozturk, I. Relation entre la consommation d'énergie, les émissions de CO2 et la croissance économique en Europe. L'énergie
2010, 35, 5412-5420. [CrossRef]
37. Zhang, X.P. ; Cheng, X.M. Consommation d'énergie, émissions de carbone et croissance économique en Chine. Ecol. Econ. 2009,
68, 2706-2712. [CrossRef].
38. Ali, H.S. ; Law, S.H. ; Zannah, T.I. Impact dynamique de l'urbanisation, de la croissance économique, de la consommation d'énergie et de
l'ouverture commerciale sur CO2 émissions au Nigeria. Environ. Sci. Pollut. Res. 2016, 23, 12435-12443. [CrossRef]
39. Ardakani, M.K. ; Seyedaliakbar, S.M. Impact de la consommation d'énergie et de la croissance économique sur les émissions
de CO2 à l'aide d'une régression multivariée. Energy Strategy Rev. 2019, 26, 100428. [CrossRef]
40. Sharif, A. ; Raza, S.A. ; Ozturk, I. ; Afshan, S. The dynamic relationship of renewable and non-renewable energy consumption
with carbon emissions : A global study with the application of heterogeneous panel estimations. Renew. Energy 2019, 133,
685-691. [CrossRef]
41. Waheed, R. ; Sarwar, S. ; Wei, C. L'enquête sur la croissance économique, la consommation d'énergie et les émissions de carbone.
Energy Rep. 2019, 5, 1103-1115. [CrossRef]
42. Osobajo, O.A. ; Otitoju, A. ; Otitoju, M.A. ; Oke, A. L'impact de la consommation d'énergie et de la croissance économique
sur les émissions de dioxyde de carbone . Sustainability 2020, 12, 7965. [CrossRef].
43. Ali, U. ; Guo, Q. ; Kartal, M.T. ; Nurgazina, Z. ; Khan, Z.A. ; Sharif, A. L'impact de la consommation d'énergie renouvelable et
non renouvelable sur l'intensité des émissions de carbone en Chine : Fresh evidence from novel dynamic ARDL simulations. J. Environ.
Manag. 2022, 320, 115782. [CrossRef] [PubMed]
44. Ghosh, S. ; Kanjilal, K. Long-term equilibrium relationship between urbanization, energy consumption, and economic activity
: Empirical evidence from India. Energy 2014, 66, 324-331. [CrossRef]
45. Al-Mulali, U. ; Ozturk, I. ; Lean, H.H. L'influence de la croissance économique, de l'urbanisation, de l'ouverture commerciale, du
développement financier et de l'énergie renouvelable sur la pollution en Europe. Nat. Hazards 2015, 79, 621-644. [CrossRef]
46. Hossain, M.S. Panel estimation for CO2 emissions, energy consumption, economic growth, trade openness and urbanization of
Durabilité 2023, 15, 9025 29 de 31
newly industrialized countries. Energy Policy 2011, 39, 6991-6999. [CrossRef]
Durabilité 2023, 15, 9025 30 de 31

47. Anwar, A. ; Younis, M. ; Ullah, I. Impact de l'urbanisation et de la croissance économique sur les émissions de CO2 : A case of far
east Asian countries.
Int. J. Environ. Res. Public Health 2020, 17, 2531. [CrossRef]
48. Nurgazina, Z. ; Ullah, A. ; Ali, U. ; Koondhar, M.A. ; Lu, Q. L'impact de la croissance économique, de la consommation d'énergie,
de l'ouverture commerciale et du développement financier sur les émissions de carbone : Empirical evidence from Malaysia.
Environ. Sci. Pollut. Res. 2021, 28, 60195-60208. [CrossRef]
49. Azam, M. ; Rehman, Z.U. ; Ibrahim, Y. Causal nexus in industrialization, urbanization, trade openness, and carbon emissions :
Empirical evidence from OPEC economies. Environ. Dev. Sustain. 2022, 24, 13990-14010. [CrossRef]
50. Su, M. ; Wang, Q. ; Li, R. ; Wang, L. Consommation d'énergie renouvelable par habitant dans 116 pays : The effects of
urbanization, industrialization, G.D.P., aging, and trade openness. Energy 2022, 254, 124289. [CrossRef]
51. Fakher, H.A. ; Ahmed, Z. ; Acheampong, A.O. ; Nathaniel, S.P. Renewable energy, non-renewable energy, and environmental
quality nexus : An investigation of the N-shaped Environmental Kuznets Curve based on six environmental indicators. Energy
2023, 263, 125660. [CrossRef]
52. Begum, R.A. ; Sohag, K. ; Abdullah, S.M.S. ; Jaafar, M. CO2 emissions, energy consumption, economic and population
growth in Malaysia. Renew. Sustain. Energy Rev. 2015, 41, 594-601. [CrossRef]
53. Zhang, Y.J. ; Yi, W.C. ; Li, B.W. L'impact de l'urbanisation sur les émissions de carbone : Empirical evidence in Beijing. Energy
Procedia
2015, 75, 2963-2968. [CrossRef]
54. Sikder, M. ; Wang, C. ; Yao, X. ; Huai, X. ; Wu, L. ; Kwame Yeboah, F. ; Dou, X. The integrated impact of G.D.P. growth,
industrializa- tion, energy use, and urbanization on CO2 emissions in developing countries : Evidence from the panel ARDL
approach. Sci. Total Environ. 2022, 837, 155795. [CrossRef]
55. Dogan, E. ; Seker, F. Déterminants des émissions de CO2 dans l'Union européenne : Le rôle des énergies renouvelables et non
renouvelables.
Renew. Energy 2016, 94, 429-439. [CrossRef]
56. Xu, B. ; Lin, B. How industrialization and urbanization process impacts on CO2 emissions in China : Evidence from nonparametric
additive regression models. Energy Econ. 2015, 48, 188-202. [CrossRef]
57. Farhani, S. ; Chaibi, A. ; Rault, C. CO2 emissions, output, energy consumption, and trade in Tunisia. Econ. Model. 2014, 38, 426-
434. [CrossRef]
58. Arouri, M.E.H. ; Youssef, A.B. ; M'henni, H. ; Rault, C. Consommation d'énergie, croissance économique et émissions de CO2
dans les pays du Moyen-Orient et d'Afrique du Nord. Energy Policy 2012, 45, 342-349. [CrossRef]
59. Liu, X. Explication de la relation entre les émissions de CO2 et le revenu national - Le rôle de la consommation d'énergie. Econ.
Lett.
2005, 87, 325-328. [CrossRef].
60. Sadiq, M. ; Kannaiah, D. ; Yahya Khan, G. ; Shabbir, M.S. ; Bilal, K. ; Zamir, A. Does sustainable environmental agenda matter ? Le rôle
de la mondialisation dans la consommation d'énergie, la croissance économique et les émissions de dioxyde de carbone dans
les pays d'Asie du Sud. Environ. Dev. Sustain. 2022, 25, 76-95. [CrossRef]
61. Zhang, Z. ; Zhao, M. ; Zhang, Y. ; Feng, Y. Comment l'urbanisation affecte-t-elle la santé publique ? Nouvelles données provenant
de 175 pays du monde entier. Front. Public Health 2022, 10, 1096964.
62. Gupta, P.K. ; Maiti, S. Enhancing data-driven modeling of fluoride concentration using new data mining algorithms. Environ.
Earth Sci. 2022, 81, 89. [CrossRef]
63. Banque mondiale. Disponible en ligne : https://data.worldbank.org/country/india (consulté le 10 décembre 2022).
64. Singh, K. ; Adhana, P. ; Garg, V. Impact des variations climatiques sur l'économie indienne. Int. J. Zool. Appl. Biosci. 2022, 7, 5-8.
[CrossRef]
65. OCDE. Disponible en ligne : https://www.oecd.org/newsroom/40556222.pdf (consulté le 18 novembre 2022).
66. Yuk, E.H. ; Park, S.H. ; Park, C.S. ; Baek, J.G. Feature-learning-based printed circuit board inspection via speeded-up robust
features and random forest. Appl. Sci. 2018, 8, 932. [CrossRef]
67. Ali, W. ; Abdullah, A. ; Azam, M. The dynamic relationship between structural change and CO2 emissions in Malaysia : A cointe-
grating approach. Environ. Sci. Pollut. Res. 2017, 24, 12723-12739. [CrossRef]

Clause de non-responsabilité/Note de l'éditeur : Les déclarations, opinions et données contenues dans toutes les publications sont
uniquement celles des auteurs et contributeurs individuels et non celles de MDPI et/ou de l'éditeur. MDPI et/ou le(s) rédacteur(s)
décline(nt) toute responsabilité en cas de dommages corporels ou matériels résultant d'idées, de méthodes, d'instructions ou de
produits mentionnés dans le contenu.