News :: Erreur :: Visiteurs :: ClearType :: Imprimer ::

DYNAMIQUE DES POPULATIONS | THÉORIE DES JEUX ET DE LA DÉCISION | ÉCONOMIE
TECHNIQUES DE GESTION | MUSIQUE MATHÉMATIQUE

Dernière mise à jour de ce chapitre: 2017-12-31 18:00:04 | {oUUID 1.809}
Version: 3.1 Révision 7 | Avancement: ~95%
vues depuis le 2012-01-01: 25'370

LISTE DES SUJETS TRAITÉS SUR CETTE PAGE

La théorie de la décision et des jeux dépasse très largement le cadre étroit des jeux de société, même si ces derniers ont constitué son premier objet d'étude et lui ont donné son nom dans la plupart des ouvrages disponibles dans le commerce.

Par ailleurs, les deux théories sont très proches l'une de l'autre d'où le fait qu'elles soient très souvent non différenciées dans la littérature.

Définition:

D1. La "théorie des jeux" est l'étude des modèles de prise de décision en avenir incertain non probabilisable.

D2. La "théorie de la décision" (appelée aussi parfois "analyse décisionnelle") est l'étude des modèles de prise de décision en avenir incertain probabilisable (objectivement ou subjectivement).

Chacune des méthodes d'analyse de ces deux théories se fait principalement sous forme tabulaire (tableau) ou sous la forme d'un arbre vertical ou horizontal.

Voici un schéma assez connu par les coordinateurs de projets qui résume assez bien la situation globale:

Figure: 65.1 - Classification élémentaire des techniques de décision

Ces outils ont pour objectif de tenter de formaliser comment statuer que telle configuration ou décision est meilleure qu'une autre? Nous chercherons pour cela à trouver l'optimum de certains paramètres qui permettent de quantifier la qualité stratégique d'une situation. Il faut également déterminer quelles conditions conduisent à une configuration qui est jugée optimale.

La théorie des jeux et de la décision est aujourd'hui assez répandue et utilisée dans les milieux universitaires, non seulement en économie (finance d'entreprise particulièrement), mais également par toute une classe d'autres sciences dans lesquelles l'étude des situations de confits est pertinente: sociologie, biologie, évolution, informatique (jeux vidéo), marketing...

Nous tenterons, comme toujours sur ce site, de minimiser au mieux le nombre de définitions et concepts afin de ne pas noyer la rigueur de l'analyse mathématique sous le chaos d'un vocabulaire inutile et non nécessaire à une telle analyse (et dans le cadre de la théorie de jeux c'est un peu comme dans la théorie des graphes vraiment le cauchemar!).

Définition: Un "jeu" est une situation où des joueurs sont conduits à faire des choix stratégiques parmi un certain nombre d'actions possibles, et ce dans le cadre défini à l'avance par les "règles du jeu", le résultat de ces choix constituant une "issue du jeu", à laquelle est associé un "gain" (ou payement), positif ou négatif, pour chacun des participants.

Postulats (nous les retrouverons en économétrie):

P1. Le marché est régi par la compétition et la coopération...

P2. Les comportements des agents économiques sont rationnels (...)

P3. Il est possible de formaliser les comportements compétitifs

P4. Tous les phénomènes compétitifs ont une dimension utilitaire

Nous différencions et définissons quatre types de situations (que nous formaliserons plus loin):

D1. Les "jeux coopératifs ou non-coopératifs": un jeu est dit coopératif lorsque les joueurs peuvent communiquer librement entre eux et passer des accords (par ex. sous forme d'un contrat). Ils forment alors une coalition et recherchent l'intérêt général suivi d'un partage des gains entre tous les joueurs. Dans un jeu non-coopératif, les joueurs (qui ne communiquent pas ou ne peuvent pas communiquer entre eux) agissent selon le principe de rationalité économique: chacun cherche à prendre les meilleures décisions pour lui-même (c'est à dire cherche à maximiser égoïstement ses gains individuels). Ce dernier type de jeu fait intervenir les probabilités.

D2. Les "jeux à somme nulle ou non nulle": un jeu est dit à "somme nulle" lorsque la somme des gains des joueurs est constante (ou par le choix subtil d'une fonction d'utilité peut l'être...) ou autrement dit: ce que l'un gagne est nécessairement perdu par un autre (échecs, poker et certains disent que la bourse est aussi un jeu à somme nulle mais en réalité c'est faux quand on y réléchit de manière globale…). Les jeux de société sont souvent des jeux à somme nulle mais les situations réelles sont souvent mieux décrites par les jeux non-coopératifs à somme non nulle car certaines issues sont profitables pour tous, ou dommageables pour tous (vie politique, situations d'affaires…).

D3. Les "jeux avec ou sans équilibre": un jeu à somme non nulle coopératif ou non est dit avec "équilibre de Nash" s'il existe un couple de stratégies (dans le cas d'un jeu à deux joueurs) tel qu'aucun des joueurs n'a intérêt à changer unilatéralement de stratégie et ceci afin de s'assurer le maximum des minimum (le "maximin") des gains.

D4. Les "jeux compétitifs ou non-compétitifs": un jeu non-compétitif est à l'opposé d'un jeu compétitif tel que par définition, lorsque tout couple de stratégies (dans le cas d'un jeu à deux joueurs) est tel qu'il fait perdre ou gagner simultanément à tous les joueurs un gain donné (quand je perds quelque chose, tu perds quelque chose, quand je gagne quelque chose tu gagnes aussi quelque chose).

REPRÉSENTATIONS DE JEUX

Il existe différentes manières de formaliser la théorie des jeux et de la décision et ce d'autant plus suivant le type de situations dont il s'agit. Ainsi, nous distinguons:

1. Les "formes extensives" qui sont des formes synoptiques (arbre, branche, feuille) utiles à une compréhension simple des stratégies possibles et où l'issue d'un jeu est assimilée à une feuille dans laquelle nous retrouvons le vecteur des gains (ou "payements") respectifs des joueurs. Ce genre de représentation devient compliqué (longue à dessiner) lors de jeux répétitifs.

Lorsqu'une forme extensive fait appel aux probabilités, nous faisons alors référence à un "arbre de décision", car comme nous l'avons mentionné au début, qui dit intervention des probabilités dit théorie à part entière: la théorie de la décision.

2. Les "formes normales" qui permettent de réduire considérablement la taille et le temps de représentation graphique d'un jeu sous forme d'un tableau (matrice) de gains (ou "payements") mais qui sont inadaptées aux jeux répétitifs.

Deux sous-catégories principales peuvent en plus être distinguées (il en existe donc d'autres!):

- Les "formes normales des jeux à somme nulle" (jeux strictement compétitifs) où selon un choix adapté, il est possible de simplifier la représentation de la matrice (ou "bimatrice") en demi-matrice puisque les gains sont égaux et opposés pour les joueurs pour chaque stratégie donnée.

- Les "formes normales des jeux à somme non nulle" (jeux compétitifs).

3. Les "formes ensemblistes" qui ont une approche ensembliste orientée probabiliste qui va nous permettre d'étudier la dernière forme ci-dessous.

4. Les "formes graphiques" qui sont sympathiques à regarder et que nous introduirons comme approche complémentaire car faisant appel à la recherche opérationnelle (cf. chapitre de Méthodes Numériques).

FORME EXTENSIVE D'UN JEU

Les règles d'un jeu stratégique et les gains contingents qui y sont associés peuvent donc être représentés sous une forme extensive plus couramment nommée par les spécialistes "arbre de Kuhn".

Exemple:

Nous considérons deux firmes d'ordinateurs qui ont à faire un choix de système d'exploitation. La compatibilité entre les systèmes serait socialement préférable, mais pour des raisons liées à l'histoire des deux firmes, chacune préférerait que ce soit l'autre qui fasse l'effort de s'adapter. Si les deux firmes choisissent CAM, MBI () gagne 600 M$ et Poire () 200 M$. Si elles choisissent MAC, c'est Poire qui gagne 600 M$ et MBI 200 M$. S'ils ne sont pas compatibles, ils gagnent chacun 100 M$.

Les firmes jouent séquentiellement tel que le jeu puisse être représenté sous la forme d'un arbre de décision:

Figure: 65.2 - Jeu séquentiel sous forme d'un arbre de décision (ou arbre de Kuhn)

Une analyse plus simple de la meilleure stratégie à adopter dans le cadre d'un jeu consiste à passer directement à la forme normale comme nous le verrons un peu plus loin (mais cette forme normale n'est pas adaptée pour une forme extensive d'une décision).

FORME EXTENSIVE D'UNE DÉCISION

Comme nous l'avons mentionné au début de ce chapitre, les théories des jeux et de la décision se différencient par le fait que les données de départ de la première se trouvent dans un univers totalement déterministe alors que pour la seconde, elles sont totalement probabilistes. Ce dernier contexte est tellement important dans l'industrie qu'il existe comme nous allons le voir de suite des logiciels (@Risk, Isograph, Treeage) spécialisés sur le marché pour la gestion des formes extensives (ces dernières faisant partie intégrante des méthodes de gestion de risque de la norme ISO 31010).

Exemples:

E1. Le cas de décision le plus simple dans l'industrie est l'analyse par arbres d'événements qui fait appel (lorsque les probabilités sont fixes) uniquement aux axiomes élémentaires des probabilités (cf. chapitre de Probabilités). Si les probabilités ne sont pas fixes (ce qui est fréquent dans la réalité), il faudra faire appel à des logiciels intégrant les méthodes de Monte-Carlo (cf. chapitre de Méthodes Numériques).

L'analyse par arbre d'événements est une technique graphique permettant de représenter les séquences d'événements mutuellement exclusifs suivant un événement initiateur dépendant du fonctionnement/non fonctionnement (ou enclenchement/non enclenchement) de divers systèmes conçus pour limiter ses conséquences.

Voici un exemple simple d'arbre d'événement effectué et automatisé par mes soins au niveau des calculs avec le logiciel bureautique Microsoft Office Visio:

Figure: 65.3 - Arbre d'événements avec probabilités fixes sous MS Office Visio

La fréquence annuelle dans la colonne se trouvant à l'extrême droite du tableau (les feuilles) est simplement égale à l'estimation de la fréquence annuelle de l'événement initiateur multipliée par le produit des probabilités d'une branche telle que:

  (65.1)

et il faut bien évidemment faire attention à ce que la somme des probabilités dans chaque branche soit égale à 100%.

E2. Cet exemple va être plus compliqué et nettement plus long que l'analyse par arbre d'événements vue avant. Imaginons une société informatique B en concurrence potentielle, pour une migration informatique internationale chez X avec une autre société A (cette dernière pouvant être vue comme un ensemble de concurrents aussi!).

En simplifiant quelque peu, mais sans être toutefois hors de la réalité, considérons que deux choix sont ouverts à B: viser "cher" ou viser "bas".

Supposons que nous sachions également que dans le passé B a soumis une proposition pour chaque appel d'offres de ce type, alors que le groupe A ne l'a fait que dans 60% des cas (pas de fonction de distribution de probabilité dans notre scénario!).

Nous savons également que:

- Si B soumet cher et est le seul à soumettre une proposition, son bénéfice attendu est de 22 millions.

- Si B soumet un prix élevé mais se trouve en concurrence avec le groupe A, il obtiendra le contrat selon le niveau de prix demandé par le groupe A. Dans ce cas, il sait qu'il obtiendra en moyenne 1 million.

- Si enfin B soumet à un prix bas, il est sûr d'obtenir le contrat et de réaliser un bénéfice de 10 millions.

Donc dans le cadre où le choix du projet est déterminé uniquement par son prix (au détriment de la qualité comme souvent dans la réalité...) les questions qui se posent sont alors les suivantes:

Q1. Que doit faire B, si aucune information complémentaire ne peut être obtenue?

Ceci constitue une situation du type: "décision sans informations"

Q2. À supposer qu'un espion au sein du groupe A puisse informer B si le groupe A soumettra une offre ou non, combien vaudrait cette information pour B?

Ceci constitue une situation du type: "décision avec information parfaite"

Q3. Une société de conseil spécialisée peut donner son avis, mais son expertise, chère, s'élève à 1 million par étude. Pour envisager le recours à ses services, nous savons que, dans le passé, sur les 30 fois où le groupe A avait en fait soumis une proposition, la société de conseil l'avait prévu 24 fois. Et, sur les 20 fois où il n'en avait pas soumis, elle l'avait prévu 17 fois. Faut-il lui commander une étude (bon de toute façon dans la réalité ce genre d'information est quasi impossible à obtenir...)?

Ceci constitue une situation du type: "décision avec information imparfaite"

S1. Pour répondre à la première question (Q1), nous représentons tout d'abord le problème à résoudre sous la forme graphique d'un arbre de décision (qui est pour l'instant assez simple à mettre aussi sous forme de tableau) avec le logiciel TreeAge par exemple:

Figure: 65.4 - Arbre de décision sans informations avec TreeAge

Indiquons qu'il est possible de faire le même type d'arbres avec MS Office Visio mais la modélisation de Monte-Carlo n'y est pas incorporée et la création des formules prend beaucoup de temps (compter un facteur temps de 10 à 20 par rapport à TreeAge, Isograph ou @Risk).

Ensuite, en lançant le calcul de l'espérance à chaque branchement, appelée "valeur monétaire espérée" (VME), TreeAge nous donne simplement (ce logiciel a une option pour faire de la modélisation de Monte-Carlo mais l'exemple ici étant avec des probabilités fixes cette option est inutile à ce niveau):

Figure: 65.5 - Espérances calculées sur l'arbre de décision

Ainsi, la réponse à la première question est que la stratégie donnant l'espérance de gain la plus grande est la stratégie "Pas Cher" car il y a un gain espéré de 10 millions.

Avec la première décision (Cher) nous ne gagnerions en moyenne que:

  (65.2)

S2. Pour répondre à la deuxième question (Q2) qui est de connaître la valeur financière de l'information donnée par l'espion, nous devons d'abord construire l'arbre (bon l'exemple est tellement simple qu'ici ce n'est pas vraiment nécessaire mais bon...) d'une situation dite de concurrence à "information parfaite" (car l'espion peut nous fournir une information tout à fait sûre).

L'arbre est facile à construire. Si l'espion nous dit que le groupe A va faire une offre, alors nous allons devoir proposer l'offre la moins chère. Dans le cas contraire, nous allons proposer l'offre la plus chère. Le scénario est donc le suivant:

Figure: 65.6 - Arbre de décision avec information parfaite sous TreeAge

La probabilité qu'il y ait concurrence est de 60% et 40% qu'il n'y en ait pas. Donc "l'espérance de la valeur monnétaire de l'information parfaite" (EVMIP) est dans une situation à information parfaite:

  (65.3)

Donc par rapport à la meilleure situation précédente nous avons un delta de 4.8 millions. C'est donc la valeur de l'information parfaite de l'espion.

S3. Concernant la troisième question (Q3) qui consiste à déterminer la valeur de l'information imparfaite fournie par une société de conseil. La seule certitude de bon sens que nous ayons est que cette information ne peut avoir une valeur supérieure à celle de l'information parfaite: elle aura donc une valeur comprise entre 0 et  4.8 millions.

Pour commencer, rappelons que  selon l'énoncé, nous pensons que pour le mandat actuel, il y a 60% de probabilité qu'il y ait concurrence et la société de conseil dans le passé a eu 80% du temps raison (24 fois sur 30) lorsqu'elle avait dit qu'il y aurait concurrence (et donc 20% des autres fois tort...).

Respectivement, nous pensons pour le mandat actuel qu'il y a 40% de probabilité qu'il y ait non concurrence (1-60%) et la société de conseil dans le passé au eu 85% du temps raison (17 fois sur 20) lorsqu'elle avait dit qu'il n'y aurait pas de concurrence (et donc 15% des autres fois tort...).

Ce qui se résume sous forme de tableau:

Nous aimerions maintenant:

1. Calculer la probabilité qu'il y ait réellement concurrence ET que  la société de conseil ait prévu de la concurrence.

2. Calculer la probabilité qu'il n'y ait réellement  pas de concurrence ET que la société de conseil ait prévu de la concurrence.

3. Calculer la probabilité qu'il n'y ait réellement  pas de concurrence ET que la société de conseil ait prévu pas de concurrence.

4. Calculer la probabilité qu'il y ait réellement concurrence ET que la société de conseil ait prévu pas de concurrence.

Pour  calculer ces probabilités, nous allons utiliser la formule de Bayes démontrée dans le chapitre de Probabilités. Ainsi pour rappel, les probabilités a posteriori et a priori sont données par:

 et    (65.4)

d'où:

  (65.5)

Nous pouvons maintenant:

1. Calculer la probabilité qu'il y ait réellement concurrence ET que la société de conseil ait prévu de la concurrence. Nous avons alors en utilisant le tableau précédent:

  (65.6)

où dans cette situation A est donc l'événement "il y a eu réellement concurrence" et B est l'événement "prévision de concurrence par la société de conseil". B/A est donc l'événement "prévision de concurrence par la société de conseil sachant qu'il y a eu réellement concurrence".

2. Calculer la probabilité qu'il n'y ait réellement pas concurrence ET que la société de conseil ait prévu de la concurrence. Nous avons alors en utilisant le tableau précédent:

  (65.7)

où dans cette situation A est donc l'événement "il y a eu réellement pas de concurrence" et B est l'événement "prévision de concurrence par la société de conseil". B/A est donc l'événement "prévision de concurrence par la société de conseil sachant qu'il y a eu réellement pas de concurrence".

3. Calculer la probabilité qu'il n'y ait  réellement pas concurrence ET que la société de conseil ait prévu pas concurrence. Nous avons alors en utilisant le tableau précédent:

  (65.8)

où dans cette situation A est donc l'événement "il y a eu réellement pas de concurrence" et B est l'événement "prévision de pas de concurrence par la société de conseil". B/A est donc l'événement "prévision de pas concurrence par la société de conseil sachant qu'il y a eu réellement pas de concurrence".

4. Calculer la probabilité qu'il y ait  réellement concurrence ET que  la société de conseil ait prévu pas de concurrence. Nous avons alors en utilisant le tableau précédent:

  (65.9)

où dans cette situation A est donc l'événement "il y a eu réellement concurrence" et B est l'événement "prévision de pas de concurrence par la société de conseil". B/A est donc l'événement "prévision de pas concurrence par la société de conseil sachant qu'il y a eu réellement concurrence".

Nous avons alors le tableau suivant qui résume de manière utilisable les scénarios possibles:

À l'aide de ce tableau, nous vérifions bien que la somme des 4 premières cases donne 100% (c'est-à-dire l'ensemble des éventualités).

Nous voyons donc que 54% du temps la société de conseil prévoit de la concurrence (quelle que soit l'issue réelle) et 46% du temps aucune concurrence (quelle que soit l'issue réelle).

Nous avons alors l'arbre de décision suivant dans le logiciel TreeAge:

Figure: 65.7 - Arbre de décision avec information imparfaite avec TreeAge

Ce qui donne après calculs:

Figure: 65.8 - Espérances calculées sur l'arbre de décision

Nous nous retrouvons donc avec une espérance de gain de 13 millions moins le 1 million de paiement pour la société de conseil cela fait 12 millions.

Ainsi, la valeur de l'information imparfaite est de 2 millions par rapport aux 4.8 que rapporte l'information parfaite. Ce résultat est donc tout à fait logique.

OPTIONS RÉELLES

Lors de l'utilisation d'arbres pour les décisions d'investissements dans des projets (nous parlons alors "d'analyse d'investissement par options réelles") il faut prendre en compte que chaque série parallèle de branches représente une période du projet (mois, trimestre, semestre ou année). Il ne faut pas oublier alors d'actualiser les valeurs aux taux de rendement sans risque du marché (cf. chapitre d'Économie) correspondant à chaque période. De plus l'arbre permet aussi de calculer la valeur d'option de l'investissement, ce qui est parfois demandé par la direction.

Considérons comme cas d'illustration la situation suivante à une unique période temporelle:

Figure: 65.9 - Arbre d'investissement complet (non réduit)

Dans un logiciel cela donnera typiquement (malheureusement les coûts des options sont toujours cachés dans le total de la branche dans les logiciels spécialisés, raison pour laquelle je préfère dessiner mes propres arbres dans Microsoft Excel):

Figure: 65.10 - Arbre précédent représenté dans le logiciel Precision Tree de Palisade

Alors nous avons bien évidemment:

  (65.10)

Car l'arbre se réduit à:

Figure: 65.11 - Arbre d'investissement réduit optimiste

Mais qu'en est-il de la valeur actuelle nette (VAN/N.P.V)? Eh bien ce type de logiciels nous permettent facilement d'intégrer ce type de calcul avec ou sans simulation de Monte-Carlo. Ainsi, si le taux sans risque du marché est à 10% sur un an, nous avons alors (cf. chapitre d'Économie pour les notions sur la Valeur Actuelle Nette):

  (65.11)

Maintenant il peut être intéressant (même exigé par la direction!) de calculer le "prix de l'option d'investir". Dans la configuration pessimiste notre arbre devient:

Figure: 65.12 - Arbre d'investissement réduit optimiste + pessimiste

Nous avons alors pour cette configuration:

  (65.12)

Le prix de l'option réelle d'investissement (expected Option Value) est alors:

  (65.13)

FORME NORMALE D'UN JEU

Pour passer à la forme normale ou encore "forme stratégique", nous définissons une stratégie comme un plan d'action complet pour chaque joueur, qui spécifie un choix pour chaque noeud de l'arbre et donc pour chaque situation pouvant survenir au cours du jeu. La "matrice des gains" représente la situation stratégique des joueurs et les gains qu'ils recevront pour chaque stratégie.

Nous reprenons l'exemple précédant MAC/CAM et obtenons:

Définition: Une stratégie donnée est dite à "tactique prudente" (c'est le choix du numéro de la ligne pour le joueur ligne, ou du numéro de la colonne pour le joueur colonne) lorsque le gain d'un des joueurs est tel que lorsque par rapport à une stratégie choisie, l'ensemble des choix de son concurrent apporte un gain maximal à ce dernier. Le gain minimal assuré de est appelé le "niveau de sécurité" de .

Exemple:

Le joueur A peut penser que le joueur B est très perspicace, ou a beaucoup de chance, et est ainsi en mesure de choisir la meilleure réponse possible à toute tactique de A.

Ainsi:

- Si A choisit a₁, B le devinant choisirait b₃, et A aurait gagné 0 (tandis que B aurait gagné 10)
- Si A choisit a₂, B le devinant choisirait b₁, et A aurait gagné 1 (tandis que B aurait gagné 9)
- Si A choisit a₃, B le devinant choisirait b₁, et A aurait gagné 6 (tandis que B aurait gagné 4)
- Si A choisit a₄, B le devinant choisirait b₃, et A aurait gagné 0 (tandis que B aurait gagné 10)
- Si A choisit a₅, B le devinant choisirait b₄, et A aurait gagné 0 (tandis que B aurait gagné 10)

Le choix prudent de A est donc a₃, qui lui assure de gagner au moins 6. Ce gain minimal assuré est le niveau de sécurité. En faisant de même pour B s'il redoute l'extrême perspicacité de A le choix est b₁. Cette tactique lui assure un gain de 4, qui est aussi son niveau de sécurité.

Si nous étudions le jeu MAC/CAM par sa matrice de gains, nous pouvons nous rendre compte qu'il y a deux issues remarquables où le gain des deux entreprises est maximum par rapport aux autres stratégies. Ces deux issues sont intéressantes à plus d'un titre:

Effectivement, les deux entreprises n'ont aucun regret quant à leur choix de stratégie. S'ils considèrent la stratégie de leur adversaire comme inéluctable, leur propre choix de stratégie est le meilleur possible. Nous disons que les deux issues sont des "équilibres de Nash" (nous définirons ce concept de manière formelle un peu plus loin). L'équilibre de Nash caractérise ainsi en quelque sorte la rationalité individuelle!

C'est ainsi que la théorie des jeux fait apparaître la stratégie sociale la plus favorable aux deux joueurs: que les deux joueurs adoptent au moins le même système. Quant à savoir lequel... le jeu devra dès lors être coopératif.

Dans l'exemple précédent aussi, la conjonction des tactiques prudentes (a₃,b₁) constitue un équilibre de Nash (dans le sens où chacun des joueurs n'a pas intérêt à changer unilatéralement de stratégie s'il veut préserver le gain minimum). Cela tient à une particularité de ce jeu ! En d'autres termes:

1. Il existe de nombreux jeux qui n'ont pas d'équilibre

2. Il existe de nombreux jeux qui ont des équilibres qui ne correspondent pas à la conjonction des tactiques prudentes.

Exemple:

Dans ce jeu, deux joueurs s'affrontent à pierre, ciseaux, papier (PCP...). De façon générale, la pierre bat les ciseaux (en les émoussant), les ciseaux battent le papier (en le coupant), le papier bat la pierre (en l'enveloppant). Ainsi chaque coup bat un autre coup, fait match nul contre le deuxième (son homologue) et est battu par le troisième (donc il n'y a pas de stratégie gagnante et in extenso il n'y pas d'équilibre de Nash).

La forme extensive de ce jeu est trivialement:

Figure: 65.13 - Forme extensive du jeu (arbre de Kuhn)

Pour faire apparaître la simultanéité du jeu sur la représentation, nous avons entouré les ensembles d'informations. sait que a choisi un élément, mais il ne sait pas lequel, donc il ne connaît pas le noeud exact où son propre choix va intervenir, et donc il est incapable de déterminer l'issue du jeu qui va être atteinte. Le jeu est donc à "information imparfaite".

Sous forme normale, nous avons donc:

J1 / J2	Pierre	Ciseaux	Papier
Pierre	0 , 0	1 , -1	-1 , 1
Ciseaux	-1 , 1	0 , 0	1 , -1
Papier	1 , -1	- 1 , 1	0 , 0

Ce jeu est un jeu à somme nulle dans le sens où tout ce qui est gagné par l'un est perdu par l'autre. En d'autres termes, nous avons déjà vu que nous pouvions parler dès lors de jeux "strictement compétitifs".

Les jeux à somme nulle ont ceci de particulier en plus qu'il est toujours possible comme nous l'avons déjà mentionné de les représenter par leur demi-matrice (par rapport à un seul joueur donc) qui résume à elle seule tout le jeu puisque ce qui est gagné par ce joueur est perdu par l'autre et inversement:

J1 / J2	Pierre	Ciseaux	Papier
Pierre	0	1	-1
Ciseaux	-1	0	1
Papier	1	- 1	0

Au besoin, si les gains et pertes respectives de jeu n'ont pas le même "delta", il suffit de définir une fonction d'utilité adéquate pour l'autre joueur telle qu'il soit toujours possible pour n'importe quel jeu strictement compétitif où les gains ne sont pas opposés et égaux d'être mis sous la forme d'une demi-matrice. Nous démontrerons qu'il existe une telle fonction d'utilité.

Dans le duel tactique ainsi défini, l'espérance du joueur ligne est le maximum des minimums de lignes, c'est-à-dire le "maximin", tandis que l'espérance du joueur colonne est le minimum des maximums de colonnes, c'est-à-dire le "minimax".

Définitions:

D1. Le "maximin", appelé aussi parfois "critère de Wald", est un critère pessimiste. Il s'agit effectivement selon ce critère, de maximiser le résultat minimum. Pour le mettre en oeuvre, il convient dans un jeu à somme nulle et à information parfaite:

- Pour chaque décision (ou stratégie), de retenir le résultat le plus faible

- Parmi, les moins bons résultats, choisir le plus élevé des moins bons résultats des différentes stratégies.

Ce genre d'approche peut donc outre sous forme tabulaire être représenté sous la forme d'un arbre de décision.

D2. Le "maximax", selon la même logique que le critère précédent consiste à retenir le meilleur des résultats des différentes stratégies possibles, c'est donc un critère optimiste. Pour le mettre en oeuvre, il convient dans un jeu à somme nulle et à information parfaite:

- Pour chaque décision (ou stratégie), de retenir le résultat le plus attendu le plus élevé

- Parmi, les meilleurs résultats, choisir le plus élevé des meilleurs résultats des différentes stratégies.

D3. Le "minimax", est un critère appelé parfois "critère de Von Neumann" prudent qui consiste à retenir le plus petit des meilleures résultats des stratégies possibles. Pour le mettre en oeuvre, il convient dans un jeu à somme nulle et à information parfaite:

- Pour chaque décision (ou stratégie), de retenir le résultat le plus attendu le plus élevé

- Parmi, les meilleurs résultats, choisir le moins élevé des meilleurs résultats des différentes stratégies.

Ce genre d'approche peut donc outre sous forme tabulaire être représenté sous la forme d'un arbre de décision.

Si et seulement si le maximin est égal au minimax, leur valeur commune, qui est l'espérance commune aux deux adversaires, est appelée la "valeur du jeu" (nous le démontrons juste quelques lignes en dessous), et tout couple formé par une telle tactique prudente du joueur ligne et une tactique prudente du joueur colonne défini un équilibre (pour cette raison l'exemple précédent n'a pas d'équilibre).

Exemple:

Dans ce jeu, la ligne 1 est la meilleure tactique prudente du joueur ligne et le joueur colonne choisira la colonne 1 comme tactique prudente dans laquelle se trouvent les plus petites pertes. Dès lors, la cellule supérieure gauche correspond aux tactiques prudentes conjointes et correspond comme nous le voyons à un équilibre de Nash.

Définition: Dans un jeu à somme nulle nous appelons "col", l'utilité (vue dans le sens du gain ou de la perte) qui est à la fois minimum dans sa ligne et maximum dans sa colonne (ce qui est le cas de l'exemple précédent où l'équilibre est un col).

Démontrons maintenant que dans tout jeu à somme nulle, si et seulement si les niveaux de sécurité des deux joueurs sont opposés (le minimax est égal au maximin), la conjonction des tactiques prudentes est toujours un équilibre.

Reprenons la définition d'un couple formé:

- d'une tactique prudente pour le joueur A, lui assurant de gagner au moins
- d'une tactique prudente pour le joueur B, lui assurant de gagner au moins

Dans le cas d'un jeu à somme nulle, nous pouvons toujours redéfinir la fonction d'utilité d'un des joueurs de manière à obtenir comme nous l'avons vu afin de pouvoir écrire la demi-matrice. Dès lors, observons ce qu'il se passe (en se rappelant bien que dans un tel jeu, le gain équivaut à la perte donc par extension quand le gain est minimal pour l'un la perte est minimale pour l'autre):

Le couple , comme tout couple qui contient , assure A de gagner au moins v et in extenso assure B de gagner au moins -v (puisque ).

A n'a donc aucun intérêt à s'écarter unilatéralement de , puisque B s'est assuré de perdre au plus v dans la stratégie de A. De même, B n'a aucun intérêt à s'écarter unilatéralement de la tactique , puisque A s'est assuré de gagner au moins v.

Par conséquent, dans le cas où les niveaux de sécurité des deux joueurs sont égaux et opposés, la conjonction des tactiques prudentes est un équilibre.

Nous avons déjà vu précédemment un exemple dans lequel les niveaux n'étaient pas exactement opposés.

JEUX RÉPÉTITIFS

Supposons qu'un homme et une femme aillent au cinéma. Une fois sur place, ils doivent choisir entre aller voir un documentaire ou une comédie. L'un des deux préfère les documentaires et l'autre les comédies, mais tous deux préfèrent voir un film ensemble plutôt que séparément: c'est... la guerre des sexes (la G.D.S....)

Les stratégies disponibles pour chacun des deux joueurs, en considérant qu'ils font leur choix simultanément (ce qui est peu vraisemblable dans un cas réel, la galanterie obligeant à désynchroniser le jeu au profit de la femme:-) ), sont alors:

- Aller voir un documentaire, ce que nous noterons Doc

- Aller voir une comédie, ce que nous noterons Com

La matrice des gains sera alors:

Que l'on peut récrire sous la forme suivante:

D'abord, nous pouvons remarquer que GDS n'est pas un jeu strictement compétitif (donc inutile d'essayer de le représenter sous la forme d'une demi-matrice) et qu'il s'agit d'un jeu de coordination. Deuxièmement, nous remarquons que les deux issues à gain maximum sont des équilibres de Nash (nous ne pouvons donc prédire l'issue du jeu). Donc il s'agit d'un jeu à équilibre de Nash multiples.

Ce jeu a cependant ceci de particulier par rapport aux précédents ce que c'est un jeu à une seule étape. Supposons ainsi maintenant que le couple retourne au cinéma la semaine suivante, et qu'il doive à nouveau faire ce choix. Nous pouvons de nouveau représenter cette situation par un jeu, qui n'est en fait que la répétition de G.D.S., notons le G.D.S.2.

Si nous considérons que lors de la deuxième étape chacun des deux joueurs sait ce que l'autre a choisi lors de la première étape, les stratégies disponibles sont maintenant des stratégies conditionnelles: elles peuvent tenir compte des coups joués par l'adversaire lors d'étapes précédentes.

La description de ces stratégies suit le schéma suivant: nous jouons au premier coup, puis si l'autre a choisi le documentaire lors de la première sortie, alors nous jouons , sinon , avec prenant leur valeur dans l'ensemble . Nous noterons cette stratégie:

  (65.14)

Nous pouvons lire cette notation de la manière suivante: nous jouons , puis si nous nous retrouvons en alors nous jouons , ou si nous nous retrouvons en alors nous jouons . Dans le cas G.D.S.2, nous avons donc 8 stratégies:

1. : nous choisissons toujours le documentaire

2. : nous choisissons toujours le documentaire, sauf si la première fois nous nous sommes retrouvé(e)s seul(e)s

3. : nous choisissons toujours le documentaire, sauf si la première fois nous avons tous les deux choisi le documentaire

4. : la première fois nous choisissons le documentaire et la seconde, la comédie.

5. : la première fois nous choisissons la comédie et la seconde, le documentaire

6. : nous choisissons toujours la comédie, sauf si la première fois, nous nous sommes retrouvé(s) seul(e)s.

7. : nous choisissons la comédie sauf si la première fois, nous avons tous les deux choisi la comédie.

8. : nous choisissons toujours la comédie.

Pour chaque issue de GDS2, les vecteurs d'utilité sont déterminés en effectuant la somme des vecteurs obtenus pour chacune des étapes considérées comme des issues de G.D.S.. Nous dirons que G.D.S.2 est un "super jeu" dont G.D.S. est le "jeu constitutif".

Définition: Un "équilibre parfait en sous-jeux" correspond à une combinaison stratégique dont les actions choisies pour chaque sous-jeu sont des équilibres de Nash.

Voyons maintenant tous ces concepts de manière ensembliste (accrochez-vous un peu ;-) )

FORME ENSEMBLISTE D'UN JEU

Nous avons donc vu jusqu'à maintenant qu'il existe un certain nombre d'éléments qui composent un jeu: les joueurs, les actions et stratégies des joueurs, les déroulements et les étapes du jeu, les résultats du jeu et les informations dont disposent les joueurs de chaque choix d'action.

Définitions:

D1. Les règles d'un jeu indiquent:

- La succession des étapes du jeu, et l'ordre dans lequel interviennent les joueurs

- Les actions qui sont autorisées à chaque étape

- Les informations dont dispose le joueur chaque fois qu'il doit prendre une décision

Nous avons vu qu'il y a deux formes de représentations possibles pour un jeu jusqu'à maintenant. L'une d'entre elles utilise un arbre (une forme extensive) et l'autre une table (forme normale). Sous une expression formelle cela donne:

D2. Un arbre de jeu est la donnée:

- D'un ensemble D de noeuds de décisions, ou situations de jeu

- D'un ensemble I d'issues de jeu, avec (donc un noeud n'est pas considéré comme une issue!)

- D'un élément de D et d'une fonction p de dans D telle que:

  (65.15)

appelée "fonction prédécesseur", qui pour chaque situation de jeu, ou issue, indique l'unique action (décision ou situation, d'où le fait que nous enlevons au moins un élément D de l'ensemble de départ) qui a permis d'arriver à cette situation, ou issue.

Pour déterminer l'issue d'un jeu, il suffit de connaître les stratégies utilisées par chacun des joueurs. Une stratégie est une combinaison d'actions autorisées par les règles du jeu jusqu'à la fin de celui-ci. Il existe plus précisément trois types de stratégies.

D3. Une "stratégie pure" s pour un joueur n est une application de l'ensemble des noeuds de décision de ce joueur vers l'ensemble D de tous les noeuds de décision du jeu telle que:

  (65.16)

Plus simplement dit, une stratégie pure est une stratégie ne faisant intervenir aucune forme de hasard, qui est donc complètement déterministe.

Remarque: La fonction stratégie pure n'est que la fonction réciproque de p telle que .

D4. Une "stratégie mixte" pour un joueur n est une distribution de probabilité avec sur l'ensemble de ses stratégies pures .

Exemple:

Les tirs aux buts (penaltys) sont une forme de jeu à stratégie mixte. Effectivement, le gardien de but doit anticiper le tir et ne peut l'analyser. Il doit donc choisir au hasard s'il restera au milieu, s'il ira à gauche ou à droite. Idem, pour l'attaquant (normalement le gardien doit se lancer au moment même où l'attaquant tire) qui ne sachant pas où se lancera le gardien tirera donc au hasard.

Naturellement, le résultat obtenu par le joueur ne peut pas être garanti de façon certaine, puisque le processus de choix de la décision fait intervenir des probabilités.

Une stratégie pure est donc une stratégie faisant le choix d'une parmi toutes les stratégies mixtes et qui utilise celle-ci durant toute la durée de jeu. Un joueur utilisant une stratégie mixte face à un joueur utilisant une stratégie pure utilisera (sera forcé) donc lui aussi une stratégie pure pour une rencontre, mais n'utilisera pas toujours la même stratégie pure lors de toutes leurs rencontres.

D5. Une "stratégie de comportement" pour un joueur n est un ensemble où est un élément de (donc un numéro de noeud) et une distribution de probabilité sur le sous-ensemble des successeurs du noeud de décision i.

D6. Une "combinaison stratégique" est un vecteur de stratégies dont chaque élément correspond à la stratégie utilisée par un joueur participant au jeu. La donnée d'une combinaison stratégique détermine donc de manière complète l'issue du jeu.

Les joueurs doivent avoir des préférences parmi les issues qui sont à leur portée. C'est avec la définition de ces préférences que nous pouvons caractériser la rationalité d'un joueur. La relation de préférence que nous noterons , est une relation binaire sur l'ensemble des issues d'un jeu. Nous noterons et nous dirons que "x est au moins aussi bon que y". Nous pouvons alors définir la préférence stricte telle que:

  (65.17)

que nous lirons "x est préféré à y", et la relation d'indifférence:

  (65.18)

D7. Une relation de préférence est dite "relation rationnelle", si elle est complète (réflexive) et transitive. Dans ce cas, comme nous l'avons vu dans le chapitre des Opérateurs (section Arithmétique), nous avons affaire à un préordre.

D8. Une "fonction d'utilité", ou encore "fonction de paiement" ("payoff function" en anglais) est une fonction de l'ensemble des issues d'un jeu à n joueurs vers qui associe les utilités retirées par chaque joueur.

Si U est une fonction d'utilité, nous noterons la fonction de l'ensemble des issues d'un jeu vers correspondant aux utilités du joueur i. Une telle fonction sera dite représentant de la relation de préférence si pour toute issue , nous avons:

  (65.19)

La théorie de l'utilité dont fait usage la théorie des jeux axiomatise le fait que seule cette notion de préférence est importante. En bref, nous dirons que seul l'ordre de préférence de l'utilité des issues est important, la valeur des gains apportés par chaque issue étant sans importance.

Nous pouvons maintenant étendre la définition du jeu:

D9. Un "jeu sous forme développée" est la donnée:

- d'un arbre de jeu

- d'un ensemble N de joueurs

- d'une fonction d'utilité U qui donne pour un joueur donné son gain

- d'un ensemble de partitions d'informations F, dont chaque élément est une partition de D et indique les états du jeu que le joueur est capable de distinguer

D10. Un jeu est à "information complète" quand chaque joueur connaît l'ensemble des composantes du jeu, et à "information incomplète" sinon. Il est à noter que de parler d'un jeu à information complète revient à dire que F ne contient qu'une seule partition et donc que les joueurs n'ont qu'une seule vue sur l'arbre de jeu.

D11. Un jeu est à "information parfaite" quand l'unique élément de F se réduit à une partition de D où chaque noeud de décision forme un sous-ensemble, c'est-à-dire que chaque élément de la partition est un noeud de l'arbre et réciproquement. Plus simplement, nous pouvons dire que dans ce cas les joueurs peuvent savoir à chaque instant quel noeud de l'arbre est atteint. Dans le cas contraire le jeu est dit à information imparfaite.

Maintenant nous pouvons en venir à définir ce qu'est la matrice des gains:

D12. Un "jeu sous forme normale" est la donnée:

- d'un ensemble N de joueurs

- d'un ensemble S de combinaisons stratégiques

- d'une fonction d'utilité U définie sur S

Ainsi, un jeu sous forme normale est également dit "jeu sous forme stratégique". Nous simplifions d'ailleurs la donnée du jeu à la donnée de la fonction d'utilité, sous la forme d'une matrice de gains (ou de paiements).

D13. Un jeu est "concurrentiel pur" ou "strictement compétitif" si:

  (65.20)

Donc un jeu est strictement compétitif si pour un ensemble couple d'issues, les gains d'un au moins des joueurs diminuent. Si les deux joueurs ont pour un couple d'issues, leurs gains respectifs qui augmentent ou diminuent, alors nous avons:

  (65.21)

le jeu n'est dès lors plus strictement positif. Nous en avons par ailleurs donné des exemples au début de ce chapitre.

D14. Un jeu strictement compétitif est un "jeu à somme nulle" si:

  (65.22)

Un jeu est à somme nulle quand les intérêts des joueurs sont diamétralement opposés. Dans un jeu à deux joueurs à somme nulle, par exemple, ce qui est gagné par l'un est perdu par l'autre. Ce terme trouve son origine dans les jeux de salon comme le poker où un joueur qui veut gagner de l'argent doit le faire aux dépens des autres. Les échecs sont un jeu à somme nulle.

D15. Un "super jeu" est la donnée:

- d'un jeu constitutif

- du nombre de répétitions T

- du vecteur de taux d'escompte d'utilité, étant le taux d'escompte du joueur (souvent pris comme égal à l'unité)

Ainsi, comme nous en avons déjà fait mention lors de notre jeu répétitif GDS2, nous considérons qu'à une étape t le choix dicté par une combinaison stratégique s au joueur n est noté et que l'utilité, pour ce même joueur, obtenue à cette étape du jeu, c'est-à-dire l'utilité issue du jeu constitutif correspondant, est notée , alors l'utilité associée à l'issue du super jeu est:

  (65.23)

il est clair que si nous retrouvons une définition intuitive simple de la cumulation des gains.

FORME GRAPHIQUE D'UN JEU

Nous avons maintenant amassé suffisamment d'éléments pour avoir une approche probabiliste et opérationnelle de jeux à somme nulle relativement simples.

Comme il est toujours relativement difficile de ne pas être trop théorique pour que ce domaine reste compréhensible étudions les formes graphiques via un exemple.

Considérons deux sociétés que nous nommerons respectivement S1 et S2 qui sont spécialisées dans la vente à grande échelle d'un certain produit et qui forment un oligopole bilatéral en concurrence parfaite (cf. chapitre d'Économie). La société S1 décide d'investir un nouveau marché, constitué par un ensemble de régions d'importances comparables.

La pénétration dans différentes régions s'opère grâce à l'installation d'un présentoir dans des chaînes de magasins C1 ou C2 dans chacune des régions. Pour mieux motiver ses détaillants, la société S1 ne choisira qu'une seule chaîne de distribution (C1 ou C2) par région pour vendre ses produits.

La société S2 ayant pris connaissance du projet de la société S1 décide alors aussi d'investir le marché de manière similaire.

Le problème pour chaque société est de savoir, pour chaque région, s'il vaut mieux faire installer un présentoir dans la chaîne de magasins C1 ou C2 ou ne pas en faire installer du tout, c'est-à-dire nulle part (ce que nous noterons NP).

Suite à une étude de marché (il faut bien obtenir au moins quelques chiffres au départ pour faire des maths...) la société S1 apprend que ses gains par rapport au concurrent seraient ceux représentés dans le tableau ci-dessous:

La société S2 arrive au même résultat suite à une étude de marché (nous simplifions par cette hypothèse l'analyse du problème).

Commençons par analyser quelles sont les stratégies qui n'ont aucun intérêt pour l'une ou l'autre des sociétés.

Pour cela, regardons s'il y a une stratégie qui ne sera jamais choisie par S1 quelle que soit la stratégie de S2:

1. Si S2 choisit C1 alors S1 aura pour meilleur intérêt à choisir C2

2. Si S2 choisit C2 alors S1 aura pour meilleur intérêt à choisir C1

2. Si S2 choisit NP alors S1 aura pour meilleur intérêt à choisir C2

Nous voyons ici que quel que soit le choix de S2, la société S1 ne choisira jamais NP. Donc la stratégie NP pour S1 est totalement dominée et peut être éliminée.

De même, regardons s'il y a une stratégie qui ne sera jamais choisie par S2 quelle que soit la stratégie de S1.

1. Si S1 choisit C1 alors S2 aura pour meilleur intérêt à choisir C1 (car ainsi S2 ne perdra rien (0))

2. Si S1 choisit C2 alors S2 aura pour meilleur intérêt à choisir C2 (car ainsi S2 gagnera 3)

3. Si S1 choisit NP alors S2 aura pour meilleur intérêt à choisir C2 (car ainsi S2 gagnera 5)

Nous voyons ici que quel que soit le choix de S1, la société S2 ne choisira jamais NP. Donc la stratégie NP pour S2 est totalement dominée et peut être éliminée.

Le tableau se simplifie alors de la manière suivante:

Par ailleurs, ce jeu ne contient pas d'équilibre de Nash (donc aucune stratégie pure n'est avantageuse). Il est donc sans équilibres. Effectivement, si S1 choisit C1 alors S2 a intérêt à choisir aussi C1. Mais S1 a alors meilleur intérêt à jouer C2. Mais S2 a maintenant intérêt à choisir plutôt C2. Ce qui redonne à S1 l'envie de choisir C1...

Étudions maintenant l'aspect ensembliste, en d'autres termes l'aspect du jeu qui va donner la stratégie mixte à adopter par S1 avec la répartition du choix ad hoc pour que celle-ci ait un gain maximal.

Pour cela, appelons p et q les fréquences avec lesquelles les sociétés S1 et S2 choisissent la chaîne de magasin C1.

Ces probabilités doivent être interprétées de la manière suivante:

1. Si p et q sont égaux à l'unité alors pour toutes les régions, ce sera la chaîne C1 qui s'occupera de la commercialisation

2. Si p et q sont par exemple 9/11 et respectivement 5/11 cela signifiera que la société S1 donnera le droit de vente à la chaîne de magasins C1 dans 9 régions sur 11 (les deux restantes étant pour C2) et respectivement la société S2 donnera le droit de vente à la chaîne de magasins C1 dans 5 régions sur 11 (les 6 restantes étant pour C2).

Donc commençons notre étude. Nous allons nous mettre dans une optique d'analyse dans laquelle la société S1 cherche sa stratégie mixte de manière à maximiser son gain (ou utilité) que nous noterons v et à connaître la stratégie mixte de la société S2 afin qu'elle minimise sa perte v (puisque c'est un jeu à somme nulle et tout ce que gagne l'un l'autre le perd).

Le système d'équation sera alors naturellement pour la société S1:

  (65.24)

et pour la société S2:

  (65.25)

Or, nous retrouvons ici une situation remarquable. Effectivement, il ne s'agit que de deux formes standards de programmation linéaire (cf. chapitre de Méthodes Numériques). Nous avons vu lors de notre étude de celle-ci que lorsqu'il n'y a qu'une seule inconnue par forme (ou système) alors il est possible de passer par une résolution graphique sans faire usage de l'algorithme du simplexe.

Après simplification cela donne:

  (65.26)

et la représentation graphique de v en fonction de p correspondante:

Figure: 65.14 - Correspondance des inéquations du problème d'optimisation

En résolvant avec l'algorithme du simplexe, nous avons comme valeurs optimales pour les deux systèmes respectifs (il est aussi possible de lire la valeur approximative sur les graphiques mais bon...):

  (65.27)

La société S1 peut par conséquent se garantir un gain moyen v (nous devrions parler "d'espérance" pour être rigoureux) de 12/11. Effectivement:

  (65.28)

et la probabilité p donnant au fait la distribution entre les chaînes de magasins C1 qui aura 9/11 du marché de l'ensemble des régions et C2 le reste soit 2/11 (la somme devant faire bien évidemment 1).

La société S2 peut par conséquent se garantir aussi un gain moyen v de 12/11. Effectivement:

  (65.29)

et la probabilité q donnant la distribution entre les chaînes de magasins C1 qui aura 5/11 du marché de l'ensemble des régions et C2 le reste soit 6/11.

JEUX COOPÉRATIFS ET NON-COOPÉRATIFS

Une première approche (sans faire usage des maths dans un premier temps) de cette attitude d'esprit (forme de jeu) est accessible à de jeunes enfants (sans qu'ils le sachent!).

Exemple:

Imaginons deux enfants, l'un et l'autre gourmands, en présence d'un gâteau homogène, parfaitement divisible (et très bon...). Si la maman fait deux parts, il y aura immanquablement des disputes, chacun trouvant plus grosse la part de l'autre. Le seul moyen (hors dictat) d'éviter toute dispute est pour la mère d'imposer la règle suivante: l'un des enfants effectue le partage, et l'autre choisit en premier sa part. Celui qui coupe ne peut pas raisonner en tenant compte de ses seules préférences, qui le pousseraient à se couper une grosse part. Il sait en effet que l'autre pourra choisir sa part. Si donc il coupe une part plus grosse que l'autre, il risque de la retrouver dans l'assiette du voisin. Il va donc s'efforcer de couper des parts aussi égales que possibles, à ses yeux. Ainsi, quel que soit le choix de l'autre, il ne s'estimera pas maltraité. C'est cette anticipation du choix d'un autre décideur qui constitue l'originalité de la théorie de la décision et de la coopération !

Définitions:

D1. La partie de la théorie des jeux qui s'occupe de la détermination des éléments socialement préférables (au niveau du groupe plutôt que de l'individu seul en d'autres termes) de l'ensemble des issues I est souvent dite "coopérative" ou "coalitionnelle". Elle nécessite que les différentes parties puissent communiquer entre elles et... qu'elles soient rationnelles.

D2. La partie dite, au contraire, "non-coopérative" ou "stratégique" ne s'intéresse pas à la mise en oeuvre des solutions préconisées par la théorie des jeux coopératifs qui ont force de loi. Elle suppose que les différentes parties ne communiquent pas entre elles ou ne sont pas rationnelles.

Cette distinction entre jeux coopératifs et jeux non-coopératifs prête souvent à confusion. Essayons de la dissiper pour partie. Tout d'abord, cette distinction ne signifie nullement que les comportements que nous concevons intuitivement comme "coopératifs", au sens où ils induisent une part de sacrifice de nos intérêts propres au profit d'un bien jugé supérieur, ne pourront apparaître que dans le cadre des jeux coopératifs, au contraire! Les jeux stratégiques se soucient beaucoup de l'apparition endogène de tels comportements. Inversement, les jeux coopératifs sont très attentifs au respect des intérêts des individus. C'est là d'ailleurs l'une des difficultés principales qu'il leur faut affronter: si sacrifice individuel pour le bien commun il doit y avoir, qui doit se sacrifier ? Et pourquoi tel individu plutôt qu'un autre ?

Une fois défini l'ensemble I unanimement considéré comme représentant toutes les issues possibles du problème que nous cherchons à résoudre, il nous faut déterminer  des critères qui permettent de sélectionner le "meilleur" état possible, compte tenu des appréciations diverses et contradictoires dont I fait l'objet par les différents citoyens en présence.

Nous savons que cette appréciation se mesure au moyen de la fonction d'utilité   définie sur I et prenant ses valeurs dans . Ainsi, si le système que nous considérons comporte individus et si  est l'issue sélectionnée,  est le gain accordé par le joueur i à x.

Remarque: Si un individu i avait le pouvoir d'imposer sa volonté aux autres (quitte, au besoin, à la faire passer pour la "volonté générale"), il choisirait tout simplement l'issue x qui maximise  (c'est-à-dire son gain).

OPTIMUM DE PARETO

Un premier critère qui vient à l'esprit, et qui est dû au sociologue italien Vilfredo Pareto, est celui de l'optimalité qui porte son nom (à ne pas confondre avec la "loi de Pareto" concept complètement empirique en économie selon lequel la plupart des répartitions se font dans un rapport 20/80% (cf. chapitre de Techniques De Gestion).

Considérons deux issues x et y, appartenant toutes deux à I, et supposons que, pour chaque individu i, nous ayons la situation suivante:

  (65.30)

En d'autres termes, aucun individu ne serait a priori lésé si nous substituions pour chacun l'état y à l'état x. Supposons de surcroît, qu'il existe au moins une personne j qui préfère strictement y à x tel que:

  (65.31)

Dans ces conditions, nous ne voyons plus vraiment ce qui devrait retenir le législateur de choisir y plutôt que x.

Définition: Une issue i réalisable qui n'admet aucune "amélioration" est appelée un "optimum de Pareto" (O.P.) et est définie rigoureusement par:

  (65.32)

La "pareto-optimalité" est à comprendre comme une condition sine qua non, un "minimum minimorum", sans lequel le concept de solution d'un jeu coopératif que nous cherchons à élaborer devrait être automatiquement rejeté.

ÉQUILIBRE DE NASH

Définition: "L'équilibre de Nash" (ou "équilibre" tout court) décrit donc une issue d'un jeu dans lequel aucun joueur n'a intérêt à modifier sa stratégie unilatéralement, compte tenu des stratégies des autres joueurs.

Soit un jeu à n joueurs, et:

  (65.33)

une combinaison de choix stratégiques de ces n joueurs où  est le meilleur choix stratégique du joueur i et avec , l'ensemble des stratégies praticables par le joueur i. Soit le gain du joueur i lorsque  est sélectionné.

Une combinaison de choix stratégiques est un équilibre de Nash si et seulement si:

  (65.34)

pour tout dans  et tout i.

Interprétation: Aucun joueur ne peut tirer un bénéfice d'une déviation de , quelle que soit la stratégie qu'il choisisse dans son ensemble . Ainsi, aucun joueur n'a intérêt à dévier, et  participe à un équilibre.

Définition: Quand la stratégie d'un joueur est la meilleure réponse face à toutes les stratégies possibles de ses rivaux, nous parlons alors de "stratégie dominante" (cette stratégie domine toutes les autres stratégies du joueur). L'équilibre de ce jeu est alors appelé "équilibre en stratégie dominante".

In extenso, une stratégie est "dominée" si elle procure au joueur des gains toujours inférieurs à ceux associés à au moins une autre de ses stratégies.

Méthode: Une manière de déterminer les équilibres d'un jeu consiste à éliminer en premier toutes les stratégies dominées puis à rechercher les équilibres dans le jeu ainsi réduit.

Exemple:

En éliminant les stratégies dominées (mêmes faiblement dominées) pour chacun des joueurs, nous tombons sur (6 , 4) qui est comme nous le voyons un équilibre de Nash (car c'est celle où aucun joueur n'a intérêt à changer de stratégie).

Le jeu suivant par contre, ne comporte pas d'équilibre de Nash. Effectivement, quel que soit le couple de stratégies envisagé, l'un des joueurs obtient toujours plus en modifiant son choix.

Toutefois, pour le moment il apparaît pour le moins prématuré de prescrire aux joueurs le choix d'un équilibre; certes s'il est choisi, la situation a une certaine stabilité, mais il reste trois difficultés:

1. Nous ne sommes pas assurés de l'existence d'un couple de tactiques en équilibre (conjonction des tactiques prudentes)

2. Même en cas d'existence, nous ne sommes pas assurés de l'unicité d'un couple de tactiques en équilibre

3. Même en cas d'existence et d'unicité, nous pouvons prescrire un autre choix (!!!!)

UTILITÉ ESPÉRÉE

Soit le jeu non-coopératif à somme nulle suivant:

qui ne comporte pas d'équilibre comme nous l'avons vu plus haut. Dans ce genre de jeu, toute recommandation à un joueur de choisir une tactique plutôt qu'une autre peut lui nuire, dès lors que l'adversaire en est informé, ou peut deviner cette recommandation.

Effectivement, si pense que va choisir sa tactique 1, il a intérêt à choisir sa tactique 2 (utilité 3 contre 0). Mais alors, si pense que va choisir sa tactique 2, il a intérêt à choisir sa tactique 2 (perte 1 au lieu de 3). Alors, si pense que va choisir sa tactique 2, il a intérêt à choisir sa tactique 1 (utilité 2 contre 1). Mais alors, si pense que va choisir sa tactique 1, il a intérêt à choisir sa tactique 1 (perte 0 au lieu de 3). Et la boucle est bouclée...

En définitive, la chose qui importe avant tout dans un jeu non-coopératif c'est que la tactique d'un joueur ne puisse pas être devinée par son adversaire. Comme tout raisonnement pourrait être percé à jour, les adversaires étant parfaitement rationnels et informés, la seule solution imaginable est de s'en remettre à un processus précis, appuyé sur des probabilités affectées aux diverses tactiques possibles. Ainsi, comme nous l'avons défini plus haut, le jeu comporte un aspect à "stratégie mixte".

Naturellement, le résultat obtenu par le joueur ne peut pas être garanti de façon certaine, puisque le processus de choix de la décision fait intervenir des probabilités. Comparer des résultats revient donc à comparer des loteries. Nous imaginons la situation d'un amiral devant répondre devant un tribunal militaire de la perte d'un navire, et expliquant qu'il a pris sa décision en jouant aux dés (en supposant une bataille sans équilibre de Nash et non-coopérative): même si parfaitement conforme aux prescriptions de la théorie des jeux, cette explication aura peine à convaincre!

CRITÈRE DE HURWITZ

Il nous faut donc introduire une utilité probabiliste (appelée aussi parfois le "critère de Hurwitz"). Considérons un jeu à deux stratégies propres et notons l'utilité respective:

  (65.35)

qui permet d'obtenir avec une probabilité P et avec une probabilité 1-P. Cette relation s'écrit avec des notations évidentes (cf. chapitre de Probabilités):

  (65.36)

avec E que nous appellerons "l'utilité espérée" (en similitude avec le concept d'espérance vu dans le chapitre de Statistiques) ou "espérance de gain anticipée".

Nous pouvons déjà noter que, s'il existe une telle utilité (espérée), il en existe une infinité à un arbitraire près, obtenues à partir de U par une transformation affine strictement croissante, c'est-à-dire une relation de la forme:

avec   (65.37)

En effet, la relation:

  (65.38)

entraîne pour :

  (65.39)

qui, additionnée terme à terme à la relation évidente (nécessaire):

  (65.40)

conduit bien à:

  (65.41)

Cela prouve entre autres ce que nous avions énoncé plus haut: nous pouvons toujours choisir une fonction d'utilité (et ce même dans une optique de stratégie pure où ou ) telle que les deltas des gains de joueurs dans les jeux à somme nulle soient égaux et opposés.

Remarque: L'utilité espérée (ou "critère de Hurwitz") se confond avec le critère du maximin lorsque et du maximax lorsque (voir plus loin).

Voyons de suite un exemple en considérant le jeu à somme nulle suivant:

Nous voyons dans ce jeu qu'il n'y a pas d'équilibre de Nash (et donc pas de col). Effectivement, si pense que va décider , il a intérêt à choisir (perte de 2 au lieu de 5). Mais comprenant cela, va changer pour (gain de 4 au lieu de 2). Mais devinant cela va changer pour (perte de 3 au lieu de 4), et qui a tout compris va revenir à (gain de 5 au lieu de 3).

Considérons maintenant que le joueur va choisir un nombre compris entre 0 et 1, soit x, et prendra les décisions avec la probabilité x et avec la probabilité 1- x. De même, le joueur va choisir un nombre compris entre 0 et 1, soit y, et prendra les décisions avec la probabilité y et avec la probabilité 1- y.

Les résultats de ces décisions conjointes sont alors:

- 5, résultant de la conjonction de , obtenu avec la probabilité xy (les décisions des deux joueurs étant indépendantes !)

- 2, obtenu avec la probabilité

- 3, obtenu avec la probabilité

- 4, obtenu avec la probabilité

L'espérance de est donc:

  (65.42)

Remarque: Nous voyons bien que si x=0 (et y=1) alors nous tombons sur le critère du Minimax (le gain maximum des stratégies les plus pessimistes) soit égal à 3. De même si x=1 (et y=1) alors nous tombons sur le critère du Maximax (le gain maximum des stratégies les plus optimistes).

S'il y a équilibre entre les stratégies probabilistes, n'aura aucune raison de modifier la valeur de x dans l'espoir d'augmenter . Dès lors, la dérivée par rapport à x doit être nulle telle que (maxima):

  (65.43)

Dans ces conditions:

  (65.44)

Pour examiner ce qui s'offre à , dont l'espérance, rappelons-le, sera dans un jeu à somme nulle nécessairement opposée à celle de , nous écrivons:

  (65.45)

En appliquant le même raisonnement (mais implicitement en minima):

  (65.46)

Dans ce cas:

  (65.47)

Ainsi, nous avons déterminé les probabilités des stratégies qui maximisent l'espérance des gains de ce jeu non-coopératif ! En les adoptants est certain d'une espérance au moins égale à 7/2 (puisque n'a rien à gagner à modifier sa stratégie) et est certain d'une espérance au moins égale à -7/2. Le nombre 7/2 (valeur absolue) est la "valeur du jeu".

Définition: Si la valeur du jeu d'un jeu non-coopératif à stratégie mixte est égale pour les deux joueurs, nous disons alors qu'il s'agit d'un "équilibre en stratégie mixte" (aucun des joueurs n'a intérêt à dévier unilatéralement).

Ce résultat est certainement le plus remarquable jusque-là sur ce chapitre, car les jeux non-coopératifs sont les plus nombreux sur le marché.

CRITÈRE DE LAPLACE

Le critère de Laplace est un critère qui affecte la même probabilité, en l'absence d'information, pour chaque décision (équiprobabilité). Il s'agira de calculer une espérance de gain pour chaque décision compte tenu de la probabilité affectée.

Autrement dit, le critère de Laplace consiste à déterminer pour chaque projet l'espérance mathématique en affectant la même probabilité à chaque état de la nature et retenant celui dont l'espérance est la plus élevée.

Voyons de suite un exemple en considérant à nouveau le jeu de somme nulle suivant:

JEUX ÉVOLUTIONNAIRES

Les stratégies de l'évolution biologique, comme nous en avons fait mention au début de ce chapitre, peuvent être modélisées à l'aide de la théorie des jeux. Dans ce cadre, le biologiste est amené à définir des relations remarquables définissant une stratégie d'évolution donnée (dominance, stagnation, suicide).

Définition: Une "stratégie évolutionnaire stable (SES)" (ou "evolutionary stable strategy" ESS) est une stratégie adoptée par la majorité et empêchant qu'une population soit envahie par un mutant qui recourrait à une stratégie différente.

Cette stratégie s'écrit sous la forme d'une condition de stabilité telle que soient deux stratégies de deux joueurs nous ayons:

  (65.48)

ou (si cette dernière n'apparaît pas) par la simultanéité des deux stratégies de non-sélection et suicide:

et   (65.49)

- La première relation signifie qu'en aucun cas un individu n'a à changer de stratégie pour se défendre contre une évolution mutante ayant la même stratégie que lui, car toute autre lui serait défavorable.

- La deuxième relation signifie que quelle que soit la stratégie adoptée contre une stratégie mutante, il y aura stagnation.

- La troisième relation signifie que contre , toute stratégie différente de est préférable pour contrer même. Autrement dit, appliquer une stratégie différente de est suicidaire (le cas contraire ne l'est donc pas!).

Exemple:

Voyons un jeu connu Faucons (Hawk) contre Colombes (Dove).

Ce jeu vise à modéliser les rapports entre individus en compétition pour une ressource rare, c'est-à-dire dont le degré d'adaptation va être modifié à la fois par l'obtention de cette ressource et par les violences qu'ils subiront ou infligeront pour l'obtenir.

Dans leurs interactions compétitives, les organismes recourent à deux types de stratégies (comportements): la stratégie du faucon et celle de la colombe. Le faucon intensifie le conflit jusqu'à ce qu'il soit blessé ou jusqu'à ce que l'autre batte en retraite. La colombe se retire après une première démonstration de force si l'adversaire choisit d'intensifier le conflit. Lorsque deux faucons se rencontrent, l'un est blessé et l'autre emporte la ressource. Si un faucon et une colombe s'affrontent, le faucon s'empare de la ressource sans danger d'être blessé et la colombe n'obtient ni avantage ni dommage. Enfin, deux colombes se partagent à part égale la ressource.

Nous posons également les hypothèses suivantes:

H1. Les affrontements se déroulent un à un

H2. La population est infinie

H3. Les rencontres sont aléatoires

H4. Les combats sont symétriques (au sens ou ni l'âge, ni la taille, ni l'expérience n'influent sur l'issue du combat)

H5. Il est impossible de savoir avant le début d'un conflit quelle stratégie un animal adoptera.

Sur la base de ces règles d'interaction (assez loin de la réalité...), il est possible de construire le tableau du jeu qui nous permettra de calculer les avantages ou les désavantages des diverses stratégies selon les circonstances.

Ainsi le tableau de jeu est le suivant:

Comme il s'agit d'un jeu à somme nulle, nous pouvons le simplifier:

Nous notons ici V l'avantage qu'un organisme retire de l'obtention de la ressource. V désigne non la ressource elle-même, mais l'accroissement du degré d'adaptation qu'elle procure à l'organisme qui l'obtient. C correspond au coût payé, mise en danger ou blessure, pour acquérir la ressource.

D'abord explicitons la manière dont il faut lire ce tableau:

1. Pour la stratégie (D, D) - tout le monde est gentil avec tout le monde - le gain total des deux individus est:

  (65.50)

La population restera donc constante (c'est la stagnation).

Bref, de par leurs comportements les colombes se partagent à l'amiable la valeur de la ressource.

2. Pour les stratégies les "colombes" D sont toujours perdantes (elles ne progressent pas dans leur évolution). Leur gain est nul alors que les "faucons" auront éliminé le nombre V de colombes (d'où le gain).

3. Pour la stratégie les "faucons" supportent une perte du type où C est une constante et telle que la somme des gains des faucons est normalement inférieure ou égale à V. Autrement dit:

  (65.51)

Bref, lorsqu'un faucon en affronte un autre, il obtient en moyenne une fois sur deux la valeur de la ressource diminuée du prix encouru pour l'obtenir.

Nous devons maintenant considérer deux stratégies:

1. L'étude du jeu de manière globale en stratégie pure (sans probabilités donc)

2. L'étude du jeu de manière globale en stratégie mixte (faisant intervenir les probabilités)

Commençons par la première en considérant 3 cas de figure:

  (65.52)

- Si (avantage plus élevé que le coût de la stratégie), en choisissant (qui est dès lors l'équilibre de Nash strict du jeu) nous pouvons observer que le jeu sera du type évolutionnaire stable (SES). Effectivement, nous retrouvons la relation:

  (65.53)

correspondant bien à:

  (65.54)

et nous pouvons aussi observer qu'il existe aussi une stratégie faiblement dominante (pas de sélection naturelle) dans:

  (65.55)

correspondant bien à:

  (65.56)

Mais celle-ci ne sera pas adoptée puisque moins forte que l'équilibre de Nash.

- Si (avantage égal au coût), le jeu est aussi du type SES. Effectivement, (H, H) devient une stratégie faiblement dominante:

  (65.57)

correspondant bien à et il n'y a dès lors pas d'évolution et nous pouvons aussi observer qu'il y a aussi:

  (65.58)

correspondant à:

  (65.59)

Puisque nous avons simultanément:

et   (65.60)

lorsque le jeu est une SES.

- Si (avantage inférieur au coût), ni H, ni D ne sont des stratégies dominantes et nous n'avons pas de SES:

  (65.61)

et:

  (65.62)

ces deux dernières relations correspondant toutes 2 à:

  (65.63)

C'est plutôt embêtant... c'est une sorte de suicide collectif...

Cherchons maintenant à l'aide de l'étude en stratégie mixte ce que nous pourrions faire pour amener la dernière configuration précédente à un ESS (donc relativement à la dernière configuration afin de voir de plus près ce que nous pouvons faire pour éviter cela):

Nous considérons une population d'individus qui jouent donc une stratégie mixte que nous noterons pour chacun:

  (65.64)

avec et:

  (65.65)

Si (stratégie pure), nous aurons dès lors:

  (65.66)

Reprenons maintenant l'étude des trois cas de figure:

  (65.67)

1. Si avec et nous avons toujours:

  (65.68)

en d'autres termes, la stratégie sera toujours du type évolutionnaire stable (SES) si est une stratégie pure et ce même si peut varier et s'approcher de .

2. Si avec et nous avons toujours:

et   (65.69)

en d'autres termes, la stratégie sera toujours du type non-sélective si est une stratégie pure et ce même si peut varier et s'approcher de .

3. Si et , nous laissons tomber pour ne nous intéresser qu'à la généralisation . Nous avons alors:

  (65.70)

Effectivement:

  (65.71)

De même:

  (65.72)

Effectivement:

  (65.73)

Et nous aimerions arriver à une SES en stratégie mixte. Cela est-il possible ?

Dans le cadre d'une stratégie mixte, nous avons démontré lors de l'étude d'un jeu à somme nulle que l'équilibre mixte était donné par:

  (65.74)

Il est donc assez évident que pour un jeu qui n'est pas à somme nulle, nous ayons l'équilibre mixte qui soit donné par:

  (65.75)

Dès lors, cherchons la relation entre P, C, V telle que cet équilibre soit atteint:

  (65.76)

En connaissant les utilités:

  (65.77)

d'où nous tirons que l'équilibre en stratégie mixte est donné par:

  (65.78)

et donc que l'équilibre est donné par la stratégie mixte:

  (65.79)

À quoi cette stratégie va-t-elle mener ? Eh bien simplement dans le cas suicidaire cette stratégie mixte est la meilleure réponse contre elle-même (c'est ce qu'il est possible de faire de mieux dans ce qu'il y de pire) car elle conduit aux deux conditions qui satisfont une SES.

ÉQUILIBRE DE COURNOT

Imaginons deux propriétaires M et N, et deux sources dont les qualités sont identiques et qui se trouvent placées de manière à alimenter concurremment le même marché de sorte que la quantité totale livrée aux commerces se compose de la somme des quantités m, n livrées par chacun des propriétaires à un prix qui est nécessairement le même pour chacun d'eux puisqu'il n'y a aucun motif de préférer une source à l'autre. Ce prix se trouve déterminé quand la somme des quantités m, n l'est elle-même, à cause de la liaison qui existe entre le prix et la demande.  Admettons que le propriétaire N ait fixé arbitrairement, sans égard au prix, la quantité n qu'il entend livrer: alors le propriétaire M fixera le prix de vente, c'est-à-dire la production totale (composée de la somme des quantités m et n), c'est-à-dire encore sa production m de manière à se procurer le plus grand revenu possible.

Dans la pratique, une suite de tâtonnements et d'oscillations amènera les deux propriétaires à cette position d'équilibre, et la théorie montre que cet équilibre est stable: c'est-à-dire que si l'un ou l'autre des propriétaires, trompé sur ses intérêts véritables, vient à s'en écarter momentanément, il y sera ramené par une suite d'oscillations du genre de celles qui avaient primitivement abouti à constituer l'équilibre.

Nous allons mettre en place une situation de jeu à deux personnes. Nous poserons que le prix P est une fonction affine de la quantité totale Q produite:

  (65.80)

où  est une constante de normalisation des unités.

Nous supposerons égaux et fixes les coûts marginaux de production, représentés par le nombre , et nuls les coûts fixes, en sorte que le coût de production s'écrive respectivement  et  pour les deux sources.

Le modèle de Cournot pose que les deux entreprises fixent les quantités qu'elles produisent simultanément, ou, à tout le moins dans l'ignorance mutuelle de la tactique de l'autre.

Pour reconnaître un jeu sous forme normale, il ne nous reste plus qu'à identifier le gain retiré par chacun des adversaires pour tout couple de tactique afin de pouvoir, si on le désire, construire la matrice des gains.

Le profit de M est:

  (65.81)

et celui de N:

  (65.82)

La recherche d'un équilibre de Nash conduit chaque entreprise à choisir sa production pour maximiser son profit et minimiser ses coûts de stockage (voir modèle de Wilson dans le chapitre de Techniques de Gestion), la production de son partenaire étant supposée connue.

Dans ce but, on annule la dérivée des deux fonctions précédentes:

  (65.83)

Système dont la résolution conduit très facilement à la détermination de:

  (65.84)

(resterait à vérifier que ce sont bien des maximums, en contrôlant les dérivées de deuxième ordre et non des minimums). La situation d'équilibre du duopole intervient donc lorsque chacune des deux firmes produit un tiers du marché potentiel (son profit est alors maximum).

Le prix de vente dans le cadre d'un équilibre de Nash serait alors:

  (65.85)

Soit, une valeur inférieure au coût marginal ce qui ne présage évidemment rien de bon! Il vaudrait donc mieux que le prix ne soit pas une fonction affine de la quantité...

De ce dernier résultat nous déduisons que le profit de chaque entreprise sera donné par:

  (65.86)

et est in extenso négatif pour les deux (en cause le modèle de relation supposée affine).

Ces calculs sont à rapprocher du raisonnement purement économique, pour lequel chaque entreprise aimerait être seule, en monopole sur le marché. Le profit de l'entreprise M en situation de monopole serait:

  (65.87)

ce qui met en évidence le maximum, atteint pour (on cherche où la dérivée s'annule):

  (65.88)

Ainsi, on voit très bien que la quantité produite en cas de monopole est plus grande qu'en cas de duopole (logique!) et que le profit ainsi que les prix sont plus élevés.

Cependant avec notre modèle affine, même si l'entreprise M est seule, son profit sera négatif...

L'idée serait maintenant, si l'on revient à nos deux entreprises, qu'un accord soit établi (cas appelé "entente oligopole" contre la concurrence... ce qui est interdit par la loi!), qui leur partage ce profit majoré. La parfaite symétrie des situations conduirait au partage par moitiés. Mais la difficulté vient du fait que la décision de produire:

  (65.89)

n'est pas la meilleure réponse car elle incite à trahir l'accord avec l'autre. Ainsi, le meilleur équilibre est celui de Nash qui impose:

  (65.90)

Lors de la mise au point d'une entente ou d'un cartel, on peut distinguer plusieurs niveaux qui dépendent du degré de précision des règles fixées par l'ensemble des entreprises.

Le premier cas est celui qu'on peut appeler "l'entente parfaite"; c'est l'entente qui permet de maximiser le profit total des entreprises concernées. Une condition mathématique élémentaire est que toutes les entreprises doivent fonctionner avec le même coût marginal. En effet, la maximisation du profit total d'un ensemble d'entreprises s'écrit de la manière suivante:

    (65.91)

où rappelons-le :

  (65.92)

Ce profit est maximum quand toutes les dérivées partielles d'ordre 1 sont nulles et maximales (condition dites du "premier ordre"). Soit:

  (65.93)

La partie de gauche de la deuxième relation exprime la variation de recette totale provoquée par une petite variation de la quantité produite par le producteur i, et la partie droite exprime la variation de coût engendrée par la même variation de  (coût marginal du producteur i). La recette marginale provoquée par une variation donnée de production q est la même, quel que soit le producteur qui a modifié sa production. En effet, l'influence d'une production additionnelle sur l'offre totale et sur le prix est identique, que cette production additionnelle vienne d'un producteur ou d'un autre.

Mais comme on l'a vu dans le duopole de Carnot, ce type d'égalité admet un profit total maximum à condition que toutes les entreprises de l'entente aient leur coût marginal au même niveau, correspondant à la recette marginale du marché. Cette condition d'égalité n'est certainement pas une condition facile à remplir dans la réalité des ententes...

CHAÎNES DE MARKOV

Comme nous l'avons mentionné dans le chapitre de Probabilités, les chaînes de Markov sont aussi utilisées dans le domaine des techniques de décision. Nous disons alors que nous faisons une "analyse de Markov" (dénomination que l'on retrouve dans la norme ISO 31010). Le cas d'utilisation le plus fréquent des chaînes de Markov dans l'industrie est le milieu de la pharma-économie (analyse des coûts de traitements des malades) qui passe avant, d'après notre expérience, le domaine de la finance et de l'ingénierie.

Par exemple, la chaîne de Markov simple suivante relative à un symptôme particulier, a une étape dite "état absorbant" connue par tous dont il n'est pas possible de réchapper à ce jour...:

Figure: 65.15 - Chaîne de Markov avec état absorbant

Dont voici la chaîne de Markov décomposée sur 20 cycles comme le présente traditionnellement le domaine médical (cela suppose que les probabilités ne changent pas au cours du temps...):

Figure: 65.16 - Chaîne de Markov avec cycles

Évidemment il est possible d'effectuer le même calcul directement sous forme matricielle... à nouveau la matrice de transition (matrice stochastique) est simple à identifier. Il s'agit de (cf. chapitre de Probabilités):

  (65.94)

Le vecteur de probabilités initiales p(0) vaut bien évidemment dans les cas les plus courants de maladie...:

  (65.95)

À chaque fois que nous multiplions la transposée de la matrice de transition par le vecteur de probabilités initiales, nous obtenons donc la probabilité d'être dans un état donné, à un cycle donné!:

  (65.96)

Avec la version anglaise de Microsoft Excel 11.8346, la modélisation est assez simple à reproduire:

Figure: 65.17 - Calculs des vecteurs

Soit avec les formules:

Figure: 65.18 - Calculs explicites des vecteurs

Si nous continuons ainsi jusqu'au 20ème cycle:

Figure: 65.19 - Suite (...)

Il est très courant dans les entreprises de synthétiser l'évolution sous forme graphique (plus parlant pour la direction...):

Figure: 65.20 - Évolution de la cohorte

Nous voyons donc que l'état "mort" est bien un état absorbant car toute la probabilité y converge (malheureusement...). Nous voyons également que l'espérance de vie totale est de 4.99 cycles. Si nous assimilons un cycle à une année, alors l'espérance de vie est 4.99 années. Nous voyons immédiatement que la mesure stationnaire de la chaîne (cf. chapitre de Probabilités) est donc:

  (65.97)

- Initiation à la théorie des jeux, J.-L. Boursin, Éditions Montchrestien, ISBN10: 227511069 (188 pages) - Imprimé en 1998

12   2

Notée par 37 visiteur(s) 12345 PageRater 0.5.0 Commentaires: [2]