{"id":3707,"date":"2026-09-11T01:30:35","date_gmt":"2026-09-11T01:30:35","guid":{"rendered":"http:\/\/french.arabpsychology.com\/experiments\/experiences-equilibre-reponse-quantale-mckelvey-thomas\/"},"modified":"2026-09-11T01:30:35","modified_gmt":"2026-09-11T01:30:35","slug":"experiences-equilibre-reponse-quantale-mckelvey-thomas","status":"publish","type":"psych_experiment","link":"https:\/\/french.arabpsychology.com\/?psych_experiment=experiences-equilibre-reponse-quantale-mckelvey-thomas","title":{"rendered":"Les exp\u00e9riences d’\u00e9quilibre de r\u00e9ponse quantale – Richard McKelvey et Thomas"},"content":{"rendered":"

L’analyse formelle des interactions strat\u00e9giques a longtemps \u00e9t\u00e9 domin\u00e9e par le paradigme de la rationalit\u00e9 substantielle, dont le couronnement th\u00e9orique r\u00e9side dans le concept d’\u00e9quilibre de Nash<\/a>. Sous cette perspective classique, chaque agent \u00e9conomique est suppos\u00e9 poss\u00e9der des facult\u00e9s cognitives parfaites, lui permettant de calculer sans aucune friction la meilleure r\u00e9ponse face aux strat\u00e9gies d’autrui, tout en formulant des croyances rigoureusement correctes sur le comportement de ses partenaires. D\u00e8s les ann\u00e9es 1980 et 1990, toutefois, l’essor fulgurant de l’\u00e9conomie exp\u00e9rimentale a confront\u00e9 ce cadre axiomatique \u00e0 des anomalies empiriques r\u00e9currentes et syst\u00e9matiques. Dans les laboratoires universitaires, des sujets humains plac\u00e9s dans des environnements d’incitations financi\u00e8res contr\u00f4l\u00e9s refusaient obstin\u00e9ment de converger vers les \u00e9quilibres pr\u00e9dits par la th\u00e9orie orthodoxe, en particulier dans les jeux impliquant des strat\u00e9gies mixtes, des asym\u00e9tries de gains ou des structures s\u00e9quentielles complexes.<\/p>\n

C’est dans ce contexte de crise paradigmatique f\u00e9conde que deux chercheurs du California Institute of Technology (Caltech), Richard D. McKelvey<\/a> et Thomas R. Palfrey, ont formul\u00e9 une rupture m\u00e9thodologique d\u00e9cisive avec la publication, en 1995, de leur article s\u00e9minal introduisant le concept de Quantal Response Equilibrium<\/em> (QRE), ou \u00e9quilibre de r\u00e9ponse quantale. Loin de rejeter l’\u00e9difice de la th\u00e9orie des jeux non coop\u00e9rative, McKelvey et Palfrey ont op\u00e9r\u00e9 une synth\u00e8se r\u00e9volutionnaire entre la th\u00e9orie du choix stochastique issue de l’\u00e9conom\u00e9trie de Daniel McFadden et la coh\u00e9rence strat\u00e9gique des croyances mutuelles. Au lieu de postuler qu’un joueur choisit avec certitude l’action qui maximise son utilit\u00e9 esp\u00e9r\u00e9e, le mod\u00e8le QRE postule que la d\u00e9cision est probabiliste : les actions offrant des gains esp\u00e9r\u00e9s plus \u00e9lev\u00e9s ont une plus grande probabilit\u00e9 d’\u00eatre s\u00e9lectionn\u00e9es, mais des erreurs de calcul ou des chocs idiosyncrasiques de perception demeurent toujours possibles.<\/p>\n

Le coup de g\u00e9nie des deux \u00e9conomistes r\u00e9side dans la pr\u00e9servation d’une condition d’\u00e9quilibre endog\u00e8ne : bien que chaque individu commette des erreurs d\u00e9cisionnelles, tous les participants anticipent correctement la distribution de ces erreurs chez leurs adversaires. Cet ancrage th\u00e9orique a ouvert la voie \u00e0 une formalisation probabiliste et param\u00e9tr\u00e9e du comportement strat\u00e9gique humain, transformant la th\u00e9orie des jeux d’une science purement normative en un mod\u00e8le empiriquement testable et \u00e9conom\u00e9triquement estimable. Cet article se propose d’explorer en profondeur la gen\u00e8se intellectuelle, l’ossature math\u00e9matique, les v\u00e9rifications exp\u00e9rimentales inaugurales et les ramifications contemporaines de cette avanc\u00e9e majeure qui constitue, encore aujourd’hui, la pierre angulaire de l’\u00e9conom\u00e9trie comportementale des interactions strat\u00e9giques.<\/p>\n

1. Introduction et gen\u00e8se historique de l’\u00e9quilibre de r\u00e9ponse quantale<\/h2>\n

1.1 Le contexte intellectuel de la th\u00e9orie des jeux exp\u00e9rimentale dans les ann\u00e9es 1990<\/h3>\n

Au cours des ann\u00e9es 1980 et au d\u00e9but des ann\u00e9es 1990, l’\u00e9conomie exp\u00e9rimentale traverse une p\u00e9riode de turbulences intellectuelles sans pr\u00e9c\u00e9dent. Les travaux pionniers men\u00e9s par des chercheurs comme Vernon Smith, Charles Plott ou Reinhard Selten avaient d\u00e9montr\u00e9 qu’il \u00e9tait possible d’isoler des interactions strat\u00e9giques au sein de protocoles de laboratoire rigoureusement contr\u00f4l\u00e9s. Les r\u00e9sultats obtenus dans les jeux \u00e0 somme non nulle, les jeux de n\u00e9gociation bilat\u00e9rale et les interactions en strat\u00e9gies mixtes r\u00e9v\u00e9laient cependant des failles b\u00e9antes dans le mod\u00e8le n\u00e9oclassique. Les sujets r\u00e9els, loin d’ex\u00e9cuter l’optimisation math\u00e9matique sans faille postul\u00e9e par John von Neumann et John Nash, s’\u00e9cartaient de mani\u00e8re continue, reproductible et pr\u00e9visible des sentiers th\u00e9oriques.<\/p>\n

Face \u00e0 ce constat d’\u00e9chec empirique, la discipline s’est rapidement scind\u00e9e en deux attitudes contradictoires. D’un c\u00f4t\u00e9, les th\u00e9oriciens orthodoxes disqualifiaient les donn\u00e9es de laboratoire, arguant que les d\u00e9viations observ\u00e9es n’\u00e9taient que du simple \u00ab bruit blanc \u00bb, le fruit de l’incompr\u00e9hension passag\u00e8re des r\u00e8gles du jeu ou d’un manque d’incitations financi\u00e8res suffisantes. De l’autre, certains tenants d’une approche purement descriptive pr\u00f4naient l’abandon total des outils math\u00e9matiques de la th\u00e9orie des jeux au profit d’heuristiques psychologiques disparates. Cette seconde approche, bien que f\u00e9conde, manquait d’un cadre unifi\u00e9 capable de g\u00e9n\u00e9rer des pr\u00e9dictions quantitatives fermes et d’int\u00e9grer formellement les interactions mutuelles.<\/p>\n

C’est pr\u00e9cis\u00e9ment au sein du laboratoire de sciences sociales exp\u00e9rimentales de Caltech que Richard McKelvey et Thomas Palfrey ont per\u00e7u l’urgence d’une troisi\u00e8me voie. Leur conviction \u00e9tait qu’il ne fallait ni rejeter les observations empiriques ni capituler devant l’abandon de la rigueur axiomatique. Il apparaissait indispensable d’int\u00e9grer formellement la fragilit\u00e9 cognitive des agents humains au c\u0153ur m\u00eame de la m\u00e9canique d’\u00e9quilibre. Les erreurs commises par les individus en chair et en os ne devaient plus \u00eatre rel\u00e9gu\u00e9es dans le terme r\u00e9siduel d’une r\u00e9gression statistique, mais devoir devenir une composante endog\u00e8ne du calcul strat\u00e9gique des acteurs.<\/p>\n

1.2 La rupture conceptuelle avec l’orthodoxie de l’\u00e9quilibre de Nash<\/h3>\n

L’\u00e9quilibre de Nash classique repose sur deux piliers in\u00e9branlables : d’une part, l’optimisation d\u00e9terministe, selon laquelle chaque joueur s\u00e9lectionne une meilleure r\u00e9ponse stricte parmi son ensemble de strat\u00e9gies disponibles ; d’autre part, la consistance parfaite des croyances, chaque joueur anticipant avec exactitude les actions de tous les autres. Cette construction th\u00e9orique implique une hypersensibilit\u00e9 pathologique : une variation infinit\u00e9simale de l’utilit\u00e9 esp\u00e9r\u00e9e attach\u00e9e \u00e0 une action peut provoquer un basculement discontinu et total de la probabilit\u00e9 de choix de z\u00e9ro \u00e0 un. Dans la r\u00e9alit\u00e9 psychologique humaine, une action qui ne rapporte qu’un centime de moins qu’une autre n’est pas balay\u00e9e instantan\u00e9ment de la conscience du d\u00e9cideur.<\/p>\n

La rupture op\u00e9r\u00e9e par McKelvey et Palfrey en 1995 consiste \u00e0 substituer \u00e0 la meilleure r\u00e9ponse d\u00e9terministe une fonction de r\u00e9ponse stochastique<\/strong>. L’optimisation rigide c\u00e8de la place \u00e0 un processus probabiliste continu o\u00f9 la propension \u00e0 choisir une strat\u00e9gie d\u00e9pend de son attractivit\u00e9 relative. D\u00e8s lors, les agents ne maximisent plus leur utilit\u00e9 avec une pr\u00e9cision m\u00e9canique chirurgicale, mais commettent des d\u00e9viations. Le saut conceptuel fondamental du QRE est que cette faillibilit\u00e9 n’est pas un secret : chaque joueur sait que ses partenaires sont imparfaits et probabilistes. Les croyances mutuelles ne portent plus sur des actions certaines, mais sur des profils de probabilit\u00e9s de choix mutuellement coh\u00e9rents.<\/p>\n

En formulant le concept de Quantal Response Equilibrium<\/em>, les auteurs ont r\u00e9ussi le tour de force de pr\u00e9server l’\u00e9quilibre int\u00e9rieur de la th\u00e9orie des jeux tout en humanisant la fonction de d\u00e9cision. L’\u00e9quilibre n’est plus un point fixe dans l’espace des strat\u00e9gies pures ou mixtes d\u00e9terministes, mais un point fixe stochastique o\u00f9 la distribution des probabilit\u00e9s de choix g\u00e9n\u00e8re un ensemble d’utilit\u00e9s esp\u00e9r\u00e9es qui, r\u00e9inject\u00e9es dans les fonctions de r\u00e9ponse probabilistes des agents, r\u00e9g\u00e9n\u00e8rent exactement cette m\u00eame distribution. Cette boucle de r\u00e9troaction statistique r\u00e9sout avec \u00e9l\u00e9gance l’antagonisme s\u00e9culaire entre r\u00e9alisme descriptif et consistance th\u00e9orique.<\/p>\n

1.3 Objectifs scientifiques et m\u00e9thodologiques de la recherche de McKelvey et Thomas<\/h3>\n

Le projet intellectuel de Richard McKelvey et Thomas Palfrey r\u00e9pondait \u00e0 des objectifs m\u00e9thodologiques explicites. Leur premi\u00e8re ambition \u00e9tait d’\u00e9riger un pont structurel entre la th\u00e9orie formelle et les m\u00e9thodes d’inf\u00e9rence statistique. Jusqu’alors, la confrontation d’un \u00e9quilibre de Nash \u00e0 des donn\u00e9es de laboratoire relevait du test binaire : si les fr\u00e9quences observ\u00e9es s’\u00e9cartaient des pr\u00e9dictions ponctuelles, le mod\u00e8le \u00e9tait formellement rejet\u00e9 par les tests de khi-deux, ce qui laissait le chercheur sans grille d’interpr\u00e9tation pour quantifier la s\u00e9v\u00e9rit\u00e9 ou la direction de la d\u00e9viation. Le QRE visait \u00e0 offrir une fonction de vraisemblance continue permettant l’estimation param\u00e9trique et le test d’hypoth\u00e8ses sur des donn\u00e9es r\u00e9elles.<\/p>\n

Le second objectif consistait \u00e0 formaliser l’impact du bruit informationnel, perceptuel et computationnel sur la morphologie des \u00e9quilibres. McKelvey et Palfrey voulaient comprendre comment une perturbation mineure dans la cha\u00eene de traitement de l’information pouvait, par ricochet strat\u00e9gique, alt\u00e9rer dramatiquement les issues d’un jeu. Dans un environnement interactif, si le joueur A sait que le joueur B a 5 % de chances de se tromper, la meilleure r\u00e9ponse de A peut \u00eatre modifi\u00e9e en profondeur, ce qui en retour transforme compl\u00e8tement le calcul d’optimisation de B. L’analyse ne pouvait donc se contenter d’ajouter du bruit ex post ; elle devait imp\u00e9rativement incorporer l’anticipation du bruit ex ante.<\/p>\n

Enfin, les auteurs entendaient fonder ce que l’on appelle aujourd’hui l’\u00e9conom\u00e9trie comportementale des interactions strat\u00e9giques. En dotant les chercheurs d’un cadre param\u00e9trique rigoureux, il devenait possible de comparer objectivement la performance de diff\u00e9rents mod\u00e8les d’erreurs, de mesurer empiriquement l’influence du contexte institutionnel sur la pr\u00e9cision cognitive des acteurs, et d’isoler les d\u00e9viations relevant de v\u00e9ritables pr\u00e9f\u00e9rences sociales non mon\u00e9taires de celles qui d\u00e9coulaient simplement de l’imperfection du calcul stochastique.<\/p>\n

2. Les fondements psychologiques et cognitifs du comportement strat\u00e9gique<\/h2>\n

2.1 La rationalit\u00e9 limit\u00e9e et le traitement imparfait de l’information<\/h3>\n

L’assise philosophique et psychologique du QRE plonge directement ses racines dans les travaux fondamentaux de Herbert Simon<\/a> sur la rationalit\u00e9 limit\u00e9e<\/em> (bounded rationality). Simon a d\u00e9montr\u00e9 d\u00e8s les ann\u00e9es 1950 que l’esprit humain ne dispose pas des ressources infinies requises par le mod\u00e8le de l’homo \u0153conomicus. Le traitement de l’information dans des contextes complexes est grev\u00e9 par des contraintes neurobiologiques insurmontables : m\u00e9moire de travail restreinte, attention s\u00e9lective, fatigue cognitive et latence de calcul. Dans un jeu interactif, l’\u00e9valuation des gains esp\u00e9r\u00e9s impose d’anticiper des arborescences de probabilit\u00e9s conditionnelles, une t\u00e2che qui sature rapidement les capacit\u00e9s cognitives des d\u00e9cideurs.<\/p>\n

Ce co\u00fbt cognitif inh\u00e9rent \u00e0 la d\u00e9lib\u00e9ration transforme la rationalit\u00e9 en une ressource \u00e9conomique rare. L’individu ne peut pas chercher la perfection absolue, car le co\u00fbt marginal de l’effort intellectuel n\u00e9cessaire pour \u00e9liminer la derni\u00e8re fraction d’impr\u00e9cision surpasse le gain marginal escompt\u00e9. Par cons\u00e9quent, l’arbitrage op\u00e9r\u00e9 par le cerveau conduit in\u00e9vitablement \u00e0 des d\u00e9cisions sous-optimales au sens strict du terme, mais rationnellement satisfaisantes au sens de Simon. Le comportement strat\u00e9gique r\u00e9el s’av\u00e8re donc intrins\u00e8quement bruit\u00e9, oscillant autour des optimums sans jamais pouvoir s’y fixer de fa\u00e7on d\u00e9terministe.<\/p>\n

Le point saillant du mod\u00e8le de McKelvey et Palfrey r\u00e9side dans la mani\u00e8re dont cette imperfection est mod\u00e9lis\u00e9e. Loin de concevoir l’erreur humaine comme un chaos anarchique ou une folie destructrice, le QRE postule que l’erreur poss\u00e8de une structure g\u00e9om\u00e9trique ordonn\u00e9e. Les d\u00e9viations humaines sont gradu\u00e9es : un agent est infiniment plus susceptible de commettre une erreur mineure dont le co\u00fbt d’opportunit\u00e9 est n\u00e9gligeable qu’une b\u00e9vue monumentale entra\u00eenant une perte financi\u00e8re d\u00e9vastatrice. Cette r\u00e9gularit\u00e9 psychologique fondamentale constitue le socle cognitif du choix stochastique.<\/p>\n

2.2 La perception probabiliste des utilit\u00e9s et la th\u00e9orie du choix discret<\/h3>\n

Pour formaliser cette intuition psychologique, McKelvey et Palfrey ont op\u00e9r\u00e9 une greffe audacieuse en important dans la th\u00e9orie des jeux les concepts de la th\u00e9orie du choix discret \u00e9labor\u00e9s en psychophysique par Louis Leon Thurstone et raffin\u00e9s en \u00e9conom\u00e9trie par Daniel McFadden<\/a>. La psychophysique thurstonienne avait \u00e9tabli que la perception d’un stimulus physique (comme le poids d’un objet ou la luminosit\u00e9 d’une source) n’est jamais constante chez un individu, mais oscille autour d’une valeur moyenne en raison d’interf\u00e9rences neuronales al\u00e9atoires. McFadden a transpos\u00e9 ce principe \u00e0 l’\u00e9valuation \u00e9conomique dans le mod\u00e8le d’utilit\u00e9 al\u00e9atoire (Random Utility Model).<\/p>\n

Dans ce cadre, l’utilit\u00e9 per\u00e7ue par un joueur $i$<\/span> lorsqu’il choisit une strat\u00e9gie pure $s_{ij}$<\/span> est d\u00e9compos\u00e9e de mani\u00e8re additive en deux termes distincts :
\n$$U_{ij} = \\bar{u}_{ij} + \\varepsilon_{ij}$$<\/span>
\nIci, $\\bar{u}_{ij}$<\/span> repr\u00e9sente l’utilit\u00e9 d\u00e9terministe esp\u00e9r\u00e9e de la strat\u00e9gie (calcul\u00e9e sur la base des r\u00e8gles du jeu et des croyances sur les choix adverses), tandis que $\\varepsilon_{ij}$<\/span> est un choc al\u00e9atoire inobservable qui capte les fluctuations transitoires de l’attention, les erreurs de perception, les sauts d’humeur ou les variations idiosyncrasiques de valorisation. Le joueur agit de fa\u00e7on parfaitement rationnelle par rapport \u00e0 son utilit\u00e9 per\u00e7ue totale $U_{ij}$<\/span>, ce qui implique qu’il choisit la strat\u00e9gie $s_{ij}$<\/span> si et seulement si $U_{ij} > U_{ik}$<\/span> pour tout $k \\neq j$<\/span>.<\/p>\n

Cependant, du point de vue d’un observateur ext\u00e9rieur ou des autres participants au jeu qui ne connaissent pas la r\u00e9alisation exacte du vecteur des chocs stochastiques $boldsymbol{\\varepsilon}_i$<\/span>, le choix de l’individu appara\u00eet comme probabiliste. La probabilit\u00e9 d’adopter une strat\u00e9gie donn\u00e9e devient alors l’int\u00e9grale de la distribution conjointe des erreurs sur la r\u00e9gion de l’espace o\u00f9 cette strat\u00e9gie conf\u00e8re la plus haute utilit\u00e9 per\u00e7ue. Ce pont conceptuel a permis de faire basculer la th\u00e9orie des jeux d’une m\u00e9taphysique d\u00e9terministe vers une m\u00e9canique statistique rigoureuse.<\/p>\n

2.3 La sensibilit\u00e9 cognitive aux variations de gains : l’axiome de Luce<\/h3>\n

L’autre pilier psychologique majeur soutenant la formulation du QRE provient des travaux de R. Duncan Luce<\/a> sur les mod\u00e8les de choix probabilistes et son c\u00e9l\u00e8bre axiome de choix formul\u00e9 en 1959. L’axiome de Luce stipule que la probabilit\u00e9 relative de choisir une option $A$<\/span> plut\u00f4t qu’une option $B$<\/span> parmi un ensemble d’alternatives ne d\u00e9pend pas de la pr\u00e9sence ou de l’absence d’une troisi\u00e8me option non pertinente. En extrapolant cette id\u00e9e \u00e0 la th\u00e9orie de la d\u00e9cision sous risque, la r\u00e8gle de Luce \u00e9tablit que les probabilit\u00e9s de s\u00e9lection doivent \u00eatre des fonctions strictement croissantes et monotones de l’utilit\u00e9 associ\u00e9e \u00e0 chaque alternative.<\/p>\n

Dans un contexte d’interaction strat\u00e9gique, cela implique que la propension d’un joueur \u00e0 s\u00e9lectionner une strat\u00e9gie pure r\u00e9pond avec souplesse \u00e0 l’\u00e9cart de gains esp\u00e9r\u00e9s. Si une strat\u00e9gie procure un gain marginal sup\u00e9rieur de cinq points par rapport \u00e0 une autre, sa probabilit\u00e9 d’adoption sera substantiellement plus \u00e9lev\u00e9e. Si cet \u00e9cart n’est que de quelques centi\u00e8mes de point, la balance du choix restera quasiment ind\u00e9cise. Cette propri\u00e9t\u00e9 d’ordonnancement pr\u00e9serve la r\u00e9activit\u00e9 strat\u00e9gique des agents : m\u00eame plong\u00e9s dans un environnement bruit\u00e9, les joueurs demeurent orient\u00e9s vers la rentabilit\u00e9, \u00e9vitant de se perdre dans l’al\u00e9atoire aveugle.<\/p>\n

La complexit\u00e9 de la matrice de paiement joue un r\u00f4le m\u00e9diateur d\u00e9terminant dans cette m\u00e9canique. Lorsque les matrices de jeu pr\u00e9sentent de multiples dimensions strat\u00e9giques, des paiements enchev\u00eatr\u00e9s ou des d\u00e9grad\u00e9s de gains tr\u00e8s progressifs, la charge cognitive impos\u00e9e aux joueurs explose. Sous l’effet de cette complexification, la capacit\u00e9 du cerveau \u00e0 discriminer les \u00e9carts marginaux d’utilit\u00e9 s’\u00e9mousse. L’axiome de Luce, tel qu’int\u00e9gr\u00e9 dans le mod\u00e8le logistique de McKelvey et Palfrey, refl\u00e8te admirablement cette sensibilit\u00e9 cognitive fluctuante, fournissant un mod\u00e8le \u00e9l\u00e9gant de la transition continue entre l’acuit\u00e9 calculatoire maximale et la d\u00e9sorientation totale.<\/p>\n

3. Structure formelle et formulation math\u00e9matique du QRE<\/h2>\n

3.1 La formulation canonique du mod\u00e8le logit (Logit-QRE)<\/h3>\n

Pour transformer ces intuitions th\u00e9oriques en un outil de calcul universel, McKelvey et Palfrey ont d\u00e9velopp\u00e9 la sp\u00e9cification canonique la plus c\u00e9l\u00e8bre du mod\u00e8le : le Logit-QRE<\/strong>. Consid\u00e9rons un jeu sous forme normale fini compos\u00e9 de $n$<\/span> joueurs indic\u00e9s par $i in N = {1, dots, n}$<\/span>. Chaque joueur dispose d’un ensemble fini de strat\u00e9gies pures $S_i = {s_{i1}, s_{i2}, dots, s_{iJ_i}}$<\/span>. L’espace des strat\u00e9gies mixtes de chaque joueur est le simplexe $\\Delta_i$<\/span>, et le produit cart\u00e9sien $\\Delta = \\prod_{i=1}^n \\Delta_i$<\/span> d\u00e9finit l’ensemble des profils de strat\u00e9gies mixtes. Soit $\\pi_i(s_{ij}, \\sigma_{-i})$<\/span> le gain esp\u00e9r\u00e9 du joueur $i$<\/span> lorsqu’il joue la strat\u00e9gie pure $s_{ij}$<\/span> face au profil de strat\u00e9gies mixtes des autres joueurs not\u00e9 $\\sigma_{-i} in \\Delta_{-i}$<\/span>.<\/p>\n

L’hypoth\u00e8se fondatrice du Logit-QRE postule que les perturbations stochastiques $\\varepsilon_{ij}$<\/span> associ\u00e9es \u00e0 chaque strat\u00e9gie pure sont des variables al\u00e9atoires ind\u00e9pendantes et identiquement distribu\u00e9es (i.i.d.) selon une loi des valeurs extr\u00eames de type I, plus commun\u00e9ment appel\u00e9e distribution de Gumbel<\/a> (ou distribution de Fisher-Tippett), dont la fonction de r\u00e9partition cumulative est donn\u00e9e par :
\n$$F(\\varepsilon) = \\exp(-\\exp(-\\lambda \\varepsilon – \\gamma))$$<\/span>
\no\u00f9 $\\gamma$<\/span> est la constante d’Euler-Mascheroni garantissant une esp\u00e9rance nulle, et $lambda ge 0$<\/span> repr\u00e9sente le param\u00e8tre d’\u00e9chelle qui gouverne la variance des chocs. En exploitant les propri\u00e9t\u00e9s remarquables de cette distribution, la probabilit\u00e9 que l’utilit\u00e9 per\u00e7ue de l’action $j$<\/span> soit strictement sup\u00e9rieure \u00e0 celle de toutes les autres actions $k \\neq j$<\/span> s’exprime par la c\u00e9l\u00e8bre fonction logistique de Boltzmann-Gibbs :<\/p>\n

$$\\sigma_{ij} = \\frac{\\exp\\left(\\lambda \\cdot \\pi_i(s_{ij}, \\sigma_{-i})\\right)}{\\sum_{k=1}^{J_i} \\exp\\left(\\lambda \\cdot \\pi_i(s_{ik}, \\sigma_{-i})\\right)}$$<\/span><\/p>\n

Cette \u00e9quation vectorielle d\u00e9finit une application continue reliant l’espace des strat\u00e9gies mixtes \u00e0 lui-m\u00eame. Un \u00e9quilibre de r\u00e9ponse quantale logit est alors rigoureusement d\u00e9fini comme un profil de strat\u00e9gies mixtes $\\sigma^* = (\\sigma_1^*, dots, \\sigma_n^*) in \\Delta$<\/span> qui constitue un point fixe<\/strong> de ce syst\u00e8me d’\u00e9quations coupl\u00e9es :
\n$$\\sigma_{ij}^* = \\frac{\\exp\\left(\\lambda \\cdot \\pi_i(s_{ij}, \\sigma_{-i}^*)\\right)}{\\sum_{k=1}^{J_i} \\exp\\left(\\lambda \\cdot \\pi_i(s_{ik}, \\sigma_{-i}^*)\\right)}, \\quad \\forall i in N, , \\forall j in {1, dots, J_i}$$<\/span>
\nLa beaut\u00e9 analytique de cette formulation tient au fait que chaque probabilit\u00e9 $\\sigma_{ij}^*$<\/span> est strictement positive pour tout $lambda$<\/span> fini, ce qui bannit l’\u00e9cueil des probabilit\u00e9s nulles incompatibles avec l’analyse de vraisemblance.<\/p>\n

3.2 Variantes statistiques : Mod\u00e8les Probit et familles param\u00e9triques alternatives<\/h3>\n

Bien que la sp\u00e9cification logit soit la plus r\u00e9pandue pour des raisons d’\u00e9l\u00e9gance analytique et de tractabilit\u00e9 computationnelle, le cadre axiomatique d\u00e9fini par McKelvey et Palfrey englobe une famille g\u00e9n\u00e9rale de mod\u00e8les de choix stochastique. L’alternative structurelle la plus notable r\u00e9side dans le Probit-QRE<\/strong>. Dans cette formulation, le vecteur des perturbations al\u00e9atoires $boldsymbol{\\varepsilon}_i = (\\varepsilon_{i1}, dots, \\varepsilon_{iJ_i})’$<\/span> est suppos\u00e9 suivre une loi normale multivari\u00e9e de moyenne nulle et de matrice de variance-covariance $boldsymbol{\\Sigma}_i$<\/span> :
\n$$boldsymbol{\\varepsilon}_i \\sim \\mathcal{N}(\\mathbf{0}, boldsymbol{\\Sigma}_i)$$<\/span><\/p>\n

L’avantage conceptuel du mod\u00e8le Probit r\u00e9side dans son extraordinaire flexibilit\u00e9. Alors que le Logit impose l’hypoth\u00e8se de perturbations stochastiques orthogonales et de m\u00eame variance (impliquant la fameuse propri\u00e9t\u00e9 d’ind\u00e9pendance des alternatives non pertinentes, IIA), le Probit autorise des structures de corr\u00e9lation non nulles entre les erreurs affectant diff\u00e9rentes strat\u00e9gies. Ceci est crucial lorsque deux strat\u00e9gies partagent des similarit\u00e9s cognitives ou tactiques : une erreur commise en faveur de la premi\u00e8re sera naturellement corr\u00e9l\u00e9e \u00e0 une propension accrue \u00e0 choisir la seconde. De plus, le Probit permet d’assigner des variances d’erreurs h\u00e9t\u00e9rog\u00e8nes entre des options dont la complexit\u00e9 d’\u00e9valuation est dissemblable.<\/p>\n

Le revers de la m\u00e9daille du Probit-QRE est son co\u00fbt computationnel prohibitif. L’\u00e9valuation des probabilit\u00e9s de choix exige de calculer des int\u00e9grales multiples sur des domaines poly\u00e9driques, sans forme close disponible d\u00e8s que le nombre de strat\u00e9gies pures d\u00e9passe trois :
\n$$\\sigma_{ij} = \\int_{-\\infty}^{\\infty} \\left[ \\prod_{k \\neq j} \\Phi\\left(\\frac{\\pi_i(s_{ij}) – \\pi_i(s_{ik}) + \\varepsilon_{ij}}{\\sigma_k}\\right) \\right] \\phi(\\varepsilon_{ij}) , d\\varepsilon_{ij}$$<\/span>
\nLes chercheurs doivent alors recourir \u00e0 des m\u00e9thodes de simulation de Monte Carlo par cha\u00eenes de Markov (MCMC) ou \u00e0 des simulateurs de type GHK (Geweke-Hajivassiliou-Keane). Les tests empiriques ont largement montr\u00e9 que, sauf dans des cas pathologiques de forte corr\u00e9lation entre strat\u00e9gies substituts, les estimations fournies par le Logit et le Probit sont quantitativement quasi identiques.<\/p>\n

3.3 Propri\u00e9t\u00e9s math\u00e9matiques fondamentales : existence, continuit\u00e9 et unicit\u00e9<\/h3>\n

L’un des apports majeurs de l’article de 1995 r\u00e9side dans la d\u00e9monstration math\u00e9matique rigoureuse des propri\u00e9t\u00e9s structurales du QRE. Le premier r\u00e9sultat fondamental est le th\u00e9or\u00e8me d’existence<\/strong> : pour tout jeu fini sous forme normale et pour toute valeur du param\u00e8tre de pr\u00e9cision $\\lambda in [0, \\infty)$<\/span>, il existe au moins un \u00e9quilibre de r\u00e9ponse quantale. La d\u00e9monstration repose de mani\u00e8re classique sur le th\u00e9or\u00e8me du point fixe de Brouwer<\/a>. En effet, l’espace des profils de strat\u00e9gies $\\Delta = \\prod_{i=1}^n \\Delta_i$<\/span> est un ensemble compact et convexe non vide de $\\mathbb{R}^{\\sum J_i}$<\/span>. De plus, la fonction de r\u00e9ponse stochastique logit (ou toute fonction issue d’une fonction de r\u00e9partition d’erreurs absolument continue) est strictement continue sur $\\Delta$<\/span>. L’application v\u00e9rifiant les hypoth\u00e8ses de Brouwer, l’existence d’un point fixe est garantie pour tout $lambda$<\/span>.<\/p>\n

La seconde propri\u00e9t\u00e9 structurelle concerne l’analyse de sensibilit\u00e9 topologique \u00e0 mesure que le param\u00e8tre $lambda$<\/span> varie de z\u00e9ro \u00e0 l’infini. McKelvey et Palfrey ont d\u00e9montr\u00e9 que l’ensemble des \u00e9quilibres QRE forme une vari\u00e9t\u00e9 diff\u00e9rentiable<\/em> unidimensionnelle param\u00e9tr\u00e9e par $lambda$<\/span>. Pour $lambda = 0$<\/span>, le bruit est infini, et l’\u00e9quilibre est strictement unique : chaque joueur adopte une strat\u00e9gie totalement uniforme, affectant la probabilit\u00e9 $1\/J_i$<\/span> \u00e0 chacune de ses options pures. Lorsque $lambda$<\/span> s’accro\u00eet, cet \u00e9quilibre unique trace une trajectoire continue dans le simplexe des strat\u00e9gies, appel\u00e9e le sentier de pr\u00e9cision<\/strong> (precision path<\/em> ou QRE path<\/em>).<\/p>\n

\u00c0 mesure que $\\lambda to \\infty$<\/span>, le niveau de bruit dispara\u00eet asymptotiquement, et ce sentier de pr\u00e9cision converge n\u00e9cessairement vers le sous-ensemble des \u00e9quilibres de Nash du jeu. Plus remarquable encore : dans les jeux poss\u00e9dant une multitude d’\u00e9quilibres de Nash, le trac\u00e9 du sentier QRE op\u00e8re comme un puissant m\u00e9canisme de s\u00e9lection d’\u00e9quilibre<\/strong>. La trajectoire continue partie du centre du simplexe \u00e0 $lambda = 0$<\/span> va typiquement converger vers un \u00e9quilibre de Nash sp\u00e9cifique lorsque $\\lambda to \\infty$<\/span>. Des bifurcations structurelles peuvent toutefois survenir le long de ce sentier : dans certains jeux non lin\u00e9aires ou hautement asym\u00e9triques, l’unicit\u00e9 de l’\u00e9quilibre peut \u00eatre rompue pour des valeurs interm\u00e9diaires de $lambda$<\/span>, cr\u00e9ant des branches secondaires d’\u00e9quilibres stochastiques stables et instables.<\/p>\n

4. Le param\u00e8tre de pr\u00e9cision comportementale et son interpr\u00e9tation empirique<\/h2>\n

4.1 Signification th\u00e9orique du param\u00e8tre lambda<\/h3>\n

Au c\u0153ur de l’architecture du Logit-QRE se trouve un scalaire d\u00e9terminant : le param\u00e8tre $lambda$<\/span> (souvent not\u00e9 $\\beta$<\/span> dans la litt\u00e9rature physique ou statistique). Ce coefficient de sensibilit\u00e9 gouverne l’intensit\u00e9 de la rationalit\u00e9 du syst\u00e8me. Math\u00e9matiquement, la variance des perturbations stochastiques de Gumbel est inversement proportionnelle au carr\u00e9 de ce param\u00e8tre, selon la relation analytique :
\n$$operatorname{Var}(\\varepsilon_{ij}) = \\frac{\\pi^2}{6 \\lambda^2}$$<\/span>
\nLe param\u00e8tre $lambda$<\/span> est donc une m\u00e9trique directe de la pr\u00e9cision comportementale<\/strong> ou du pouvoir discriminatoire de l’agent face aux diff\u00e9rentiels de gain.<\/p>\n

L’exploration des valeurs limites de $lambda$<\/span> illustre l’universalit\u00e9 et la souplesse du mod\u00e8le :<\/p>\n