Nous évaluons la prévisibilité de l’activité économique du Québec dans un environnement riche en données. Notre approche consiste à voir la province du Québec comme une économie régionale soumise aux influences des économies canadienne et américaine. Trois grands ensembles d’information sont utilisés : les données québécoises, canadiennes et américaines, soit un total de 453 variables macroéconomiques. Nous comparons un grand ensemble de modèles dans le but d’identifier ceux qui sont les plus efficaces pour prédire les principaux agrégats de l’économie québécoise tels que le PIB, l’emploi, l’inflation, l’investissement, etc. Nos résultats suggèrent que le meilleur modèle en termes d’erreur quadratique moyenne dépend de la série à prédire et de l’horizon de prévision visé. Un modèle ayant de bonnes performances à court horizon peut devenir moins bon à long horizon. Un modèle bon pour prédire le PIB nominal ne l’est pas forcément pour prédire le PIB réel. Dans la catégorie des modèles standards, le modèle ARMA(1,1) s’est révélé un bon benchmark pour prédire le PIB nominal ou l’inflation. Les modèles riches en données se classent souvent comme les meilleurs individuellement. La moyenne des prévisions fournies par une sélection des 5, 10 ou 20 meilleurs modèles individuels délivre des performances encore plus robustes.