L’expérience du paradoxe d’Allais – Maurice Allais L’expérience du paradoxe d’Ellsberg –

La théorie de la décision moderne repose sur une ambition séculaire : formaliser mathématiquement les choix humains face au hasard et à l’incertitude afin d’en dégager des lois universelles de rationalité. Durant la première moitié du XXe siècle, sous l’impulsion conjointe des mathématiques formelles, de la statistique bayésienne et de l’essor de l’économie néoclassique, s’est forgé un consensus normatif particulièrement élégant. Ce cadre canonique, dominé par la théorie de l’utilité attendue développée par John von Neumann et Oskar Morgenstern, puis consolidé sous un angle subjectif par Leonard J. Savage, postulait que tout agent rationnel évalue des perspectives incertaines en maximisant une espérance mathématique d’utilités pondérées par des probabilités, qu’elles soient objectives ou subjectivement construites. L’homo œconomicus devenait ainsi un processeur bayésien infaillible, doté d’une cohérence logique absolue, immunisé contre les biais contextuels et gouverné par des axiomes d’une apparente pureté géométrique.

Cependant, cet édifice axiomatique a été ébranlé de l’intérieur par deux déflagrations empiriques et conceptuelles majeures qui constituent les piliers de l’économie comportementale contemporaine : le paradoxe de Maurice Allais en 1952 et le paradoxe de Daniel Ellsberg en 1961. L’économiste et ingénieur français Maurice Allais a magistralement démontré que, même lorsque les probabilités gouvernant des loteries monétaires sont parfaitement objectives et transparentes, les décideurs réels – y compris les plus grands théoriciens de l’époque – violent systématiquement l’axiome fondamental d’indépendance en surévaluant la certitude. Moins d’une décennie plus tard, l’analyste américain Daniel Ellsberg mettait en lumière une seconde faille fondamentale de la théorie de la décision : l’incapacité de l’orthodoxie bayésienne à faire la distinction épistémique fondamentale entre un risque probabilisable quantifiable et une ambiguïté informationnelle profonde, caractérisée par une ignorance de la distribution elle-même.

Loin d’être de simples anomalies marginales ou des curiosités de laboratoire, les expériences d’Allais et d’Ellsberg ont révélé des tensions philosophiques et cognitives insurmontables au sein de la rationalité standard. Elles ont contraint les mathématiciens, les économistes et les psychologues à démanteler l’hypothèse de la linéarité probabiliste et à réexaminer la manière dont le cerveau humain appréhende l’inconnu, le flou et la certitude. Cet article propose une exploration intégrale, approfondie et comparative de ces deux révolutions intellectuelles : de leur genèse historique et formelle aux développements récents des théories non-attribuées du risque, de leurs corrélats neurobiologiques à leurs répercussions concrètes dans les politiques publiques, la haute finance et l’intelligence artificielle.

1. Fondements théoriques de la décision dans l’incertain : De l’utilité attendue aux premiers doutes

1.1 Le paradigme de von Neumann et Morgenstern

L’acte de naissance de la théorie contemporaine de la décision remonte à 1944 avec la publication de l’ouvrage fondateur de John von Neumann et Oskar Morgenstern, Theory of Games and Economic Behavior. Les auteurs cherchaient à doter l’analyse économique d’une rigueur mathématique comparable à celle de la physique théorique, particulièrement dans les contextes d’interaction stratégique et d’aléa pur. Pour résoudre le problème classique de la mesure du bien-être et de la prise de risque face à des événements probabilisés, ils ont forgé l’armature axiomatique de l’utilité attendue (Expected Utility Theory ou EUT). Contrairement aux approches du XVIIIe siècle initiées par Daniel Bernoulli avec le paradoxe de Saint-Pétersbourg, qui proposaient l’utilité logarithmique pour amortir les espérances monétaires infinies, von Neumann et Morgenstern ont formalisé les conditions nécessaires et suffisantes sous lesquelles un agent choisit nécessairement une option qui maximise l’espérance d’une fonction d’utilité numérique définie sur les gains.

Leur formalisation repose sur la définition d’un ensemble de loteries simples et composées. Une loterie associe à chaque issue possible $x_i$ une probabilité objective $p_i$, telle que la somme des probabilités soit égale à un. Le modèle s’articule autour de quatre axiomes directeurs : la complétude des préférences (le décideur est toujours capable d’ordonner deux loteries quelconques), la transitivité (si la loterie $L_1$ est préférée à $L_2$ et $L_2$ à $L_3$, alors $L_1$ doit être préférée à $L_3$), la continuité (assurant l’absence de sauts infinis ou lexicographiques) et l’axiome d’indépendance. Sous ces prémisses, le théorème de représentation de von Neumann et Morgenstern prouve l’existence d’une fonction d’utilité $U$, unique à une transformation affine positive près, telle que le décideur préfère la loterie $L$ à la loterie $L’$ si et seulement si l’espérance mathématique pondérée par les utilités subjectives de $L$ surpasse celle de $L’$ :

$$\mathbb{E}[U(L)] = \sum_{i=1}^{n} p_i U(x_i) > \sum_{j=1}^{m} p’_j U(x’_j) = \mathbb{E}[U(L’)]$$

Cette approche postulait une stricte linéarité par rapport aux probabilités. Dans ce schéma, la probabilité intervient comme un scalaire pur, dénué de distorsion perceptive : un pour cent de chance pèse exactement un centième de la fonction de valorisation finale, indépendamment de la structure globale de l’aléa ou de la magnitude absolue des gains. Ce paradigme a servi de fondement à toute la microéconomie d’après-guerre, instaurant l’idée qu’un agent économique rationnel doit systématiquement calculer et ordonner ses choix sans jamais déroger à cette mécanique prédictive.

1.2 L’axiome d’indépendance comme pierre angulaire normative

Au cœur de l’édifice de von Neumann et Morgenstern, ainsi que de ses reformulations ultérieures, trône l’axiome d’indépendance. Souvent qualifié d’axiome de substitution, il stipule que si un agent est indifférent entre deux perspectives probabilistes ou préfère une loterie $L_1$ à une loterie $L_2$, cette relation d’ordre doit rester strictement invariable lorsqu’on mélange ces loteries dans une proportion probabiliste identique avec une tierce loterie $L_3$. Formellement, pour tout $\alpha in (0, 1]$ :

$$L_1 succ L_2 iff \alpha L_1 + (1 – \alpha) L_3 succ \alpha L_2 + (1 – \alpha) L_3$$

La puissance normative de cet axiome repose sur une hypothèse de neutralité contextuelle absolue. En substance, l’axiome postule que les conséquences communes à deux loteries ne doivent exercer aucun poids différentiel dans l’acte de décision. Si, dans l’état de la nature associé à l’événement de probabilité $(1 – \alpha)$, le décideur reçoit la même issue $L_3$ qu’il ait choisi l’alternative $L_1$ ou $L_2$, cet état de la nature commun devient hors de propos pour déterminer l’arbitrage. Il devrait logiquement être annulé du calcul d’optimisation, car quelle que soit l’alternative sélectionnée, l’issue générée sous cette branche stochastique sera strictement identique.

Cette hypothèse est fondamentale car elle impose directement la linéarité mathématique de la théorie de l’utilité attendue par rapport aux probabilités. Sans l’axiome d’indépendance, les courbes d’indifférence dans le simplexe des probabilités ne seraient plus des droites parallèles, ce qui rendrait impossible l’agrégation linéaire des utilités élémentaires sous la forme $\sum p_i U(x_i)$. Toute violation de cette neutralité contextuelle signifierait que l’esprit humain ne traite pas les branches d’un arbre de décision de façon isolée et modulaire, mais évalue la configuration globale des risques de manière holistique, interactive ou non linéaire, ruinant ainsi l’idéal de calculabilité séparable cher aux économistes néoclassiques.

1.3 La rationalité bayésienne et ses hypothèses psychologiques

Bien que le modèle de von Neumann et Morgenstern ait constitué une avancée méthodologique magistrale, il souffrait d’une restriction empirique notable : il exigeait que les probabilités associées aux événements soient objectivement connues, comme dans les jeux de dés ou les tirages de roulette équilibrés. Or, la quasi-totalité des décisions économiques, financières, juridiques ou géopolitiques réelles se déroule dans des contextes où les probabilités statistiques objectives sont inexistantes. Pour combler ce vide, Leonard J. Savage a publié en 1954 son traité monumental, The Foundations of Statistics, introduisant la théorie de l’utilité subjective espérée (Subjective Expected Utility ou SEU).

Savage a combiné l’axiomatique de von Neumann et Morgenstern avec la conception personnaliste et subjective des probabilités initialement formulée par Frank Ramsey et Bruno de Finetti. Selon l’orthodoxie bayésienne de Savage, face à une incertitude quelconque concernant les états de la nature, tout individu rationnel se comporte comme s’il attribuait à chaque événement une probabilité subjective précise, unique et additive, respectant rigoureusement les axiomes de Kolmogorov. Ces probabilités a priori ne découlent pas nécessairement de fréquences observées dans le monde physique, mais constituent l’expression cohérente du degré de croyance interne du décideur, révélé par ses arbitrages et ses dispositions à parier.

Sur le plan psychologique, la théorie de Savage repose sur des postulats extrêmement exigeants quant aux capacités cognitives des agents. Elle assimile purement et simplement l’incertitude épistémique (l’absence de connaissances objectives) à un risque probabilisable quantifiable. Elle suppose une stabilité cognitive parfaite : l’agent bayésien ne doute jamais de ses propres probabilités subjectives, ne ressent aucune hésitation due au flou structurel de l’environnement, et met à jour ses croyances selon la formule de Bayes avec une discipline infaillible au fur et à mesure que de nouvelles informations se présentent. Cet individu idéal évolue dans un monde où l’ignorance totale n’existe pas, puisqu’elle est instantanément convertie en distributions numériques précises, prêtes à être injectées dans le grand algorithme de la maximisation de l’utilité attendue.

2. Maurice Allais et la genèse de l’expérience de 1952

2.1 Le colloque de Paris de 1952 et la confrontation avec Leonard Savage

En mai 1952 s’est tenu à Paris un colloque international de première importance consacré aux « Fondements et applications de la théorie du risque en économie », organisé sous l’égide du Centre National de la Recherche Scientifique (CNRS) au sein de la Fondation Singer-Polignac. Cet événement rassemblait les esprits les plus éminents de l’époque dans le domaine des mathématiques appliquées et de l’économie, parmi lesquels Kenneth Arrow, Milton Friedman, Paul Samuelson, Ragnar Frisch et Leonard Savage lui-même. Le jeune paradigme de l’école américaine, porté par l’universalité présumée des axiomes de von Neumann-Morgenstern et des travaux naissants de Savage, s’y présentait dans une position de triomphe intellectuel indiscuté.

C’est dans ce cénacle prestigieux que Maurice Allais, polytechnicien français, ingénieur du corps des Mines et économiste hétérodoxe d’une formidable acuité analytique (futur lauréat du prix de la Banque de Suède en sciences économiques en 1988), décida de poser une bombe méthodologique. Allais contestait avec véhémence la prétention normative de l’école de Chicago et des théoriciens de Princeton. Il réfutait l’idée que l’axiome d’indépendance fût un prérequis nécessaire de la rationalité. Pour démontrer empiriquement la fausseté descriptive du modèle anglo-saxon, Allais élabora un questionnaire d’apparence anodine mais à la précision diabolique, qu’il soumit directement aux participants du colloque au cours de discussions informelles.

L’épisode le plus célèbre de cette confrontation implique Leonard Savage lui-même. Soumis aux choix formulés par Allais lors d’un déjeuner, Savage opta spontanément pour les réponses typiques observées chez la plupart des êtres humains. Lorsque Allais lui révéla, preuves algébriques à l’appui, que les choix qu’il venait de formuler violaient de plein fouet son propre axiome d’indépendance (et plus tard, son fameux « principe de la chose sûre »), Savage fut frappé de stupeur. Même si Savage tenta par la suite de requalifier ses propres réponses en « erreurs de jugement » qu’il convenait de corriger pour retrouver la conformité axiomatique, la brèche était ouverte : si le fondateur même de la théorie subjective espérée pouvait être mis en défaut par une expérience de pensée élémentaire, que restait-il de l’universalité de la théorie ?

2.2 Le protocole expérimental classique du paradoxe d’Allais

Le protocole conçu par Maurice Allais consiste à confronter les sujets à deux choix successifs et indépendants entre des paires de loteries monétaires fictives mais comportant des enjeux financiers colossaux. Dans sa formulation monétaire française historique exprimée en francs de 1952, puis modernisée en dollars ou en euros dans la littérature ultérieure, le protocole s’établit à travers deux situations de choix bien distinctes :

Première situation de décision (Choix 1) : Le sujet doit choisir entre deux perspectives :

• Loterie 1A : Obtenir avec certitude la somme de 100 millions de francs (probabilité $p = 1{,}00$).
• Loterie 1B : Obtenir 500 millions de francs avec une probabilité de $0{,}10$, 100 millions de francs avec une probabilité de $0{,}89$, et 0 franc avec une probabilité de $0{,}01$.

Seconde situation de décision (Choix 2) : Le même sujet est invité à choisir entre deux nouvelles perspectives :

• Loterie 2A : Obtenir 100 millions de francs avec une probabilité de $0{,}11$, et 0 franc avec une probabilité de $0{,}89$.
• Loterie 2B : Obtenir 500 millions de francs avec une probabilité de $0{,}10$, et 0 franc avec une probabilité de $0{,}90$.

La structure mathématique de ce dispositif expérimental est un modèle d’ingénierie décisionnelle. Allais a calibré les probabilités et les gains de façon à ce que le Choix 2 soit rigoureusement déduit du Choix 1 par la soustraction probabiliste pure d’une conséquence commune. En effet, la loterie 1A peut être décomposée conceptuellement en une probabilité de $0{,}89$ d’obtenir 100 millions et une probabilité de $0{,}11$ d’obtenir 100 millions. De même, la loterie 1B offre une probabilité de $0{,}89$ d’obtenir 100 millions, une probabilité de $0{,}10$ d’obtenir 500 millions et une probabilité de $0{,}01$ d’obtenir 0 franc. L’événement commun de $0{,}89$ rapportant 100 millions de francs est présent dans les deux branches du premier choix. Dans le second choix, Allais s’est contenté de remplacer cette issue commune de 100 millions par une issue commune de 0 franc, préservant strictement toutes les autres probabilités et tous les autres différentiels de paiement.

2.3 Les résultats empiriques originaux et le choix majoritaire systématique

Lorsqu’Allais présenta ces deux problèmes aux participants du colloque de 1952 ainsi qu’à de nombreux sujets ultérieurs, il constata l’émergence d’une régularité statistique frappante et immuable. Dans la première situation de décision, une écrasante majorité des individus choisit sans hésiter la Loterie 1A plutôt que la Loterie 1B :

$$1A succ 1B$$

L’attrait psychologique exercé par la sécurité absolue d’une fortune colossale (100 millions garantis) l’emporte de manière décisive sur le gain espéré légèrement supérieur de la loterie 1B, en raison de la présence terrifiante d’une probabilité d’un pour cent de ne rien recevoir du tout. L’idée de risquer l’absence totale de gain pour espérer quintupler une fortune déjà acquise est repoussée par la quasi-totalité des sujets.

En revanche, face à la seconde situation de décision, la même majorité d’individus bascule de manière spectaculaire et préfère nettement la Loterie 2B à la Loterie 2A :

$$2B succ 2A$$

Ici, la probabilité d’obtenir 0 franc est devenue écrasante dans les deux cas ($0{,}89$ contre $0{,}90$). Dès lors que l’événement de non-gain est quasi certain dans les deux perspectives, la différence marginale de probabilité de gain (11 % contre 10 %) est perçue comme négligeable par rapport à l’écart spectaculaire entre les montants financiers en jeu (500 millions contre 100 millions). Les sujets estiment rationnel de tenter le grand jackpot de 500 millions.

Les résultats originaux d’Allais indiquaient que plus de 70 % à 80 % des individus testés présentaient simultanément la combinaison de préférences $(1A succ 1B)$ et $(2B succ 2A)$. Ce résultat a été reproduit maintes fois avec des populations hautement formées en mathématiques, en économie et en physique statistique. L’observation empirique d’Allais n’était pas un épiphénomène lié à l’ignorance mathématique des répondants, mais une caractéristique intrinsèque et persistante de la psychologie décisionnelle humaine.

3. Analyse mathématique et déconstruction formelle du paradoxe d’Allais

3.1 La violation mathématique de l’axiome d’indépendance

Pour appréhender la portée dévastatrice des résultats d’Allais, il est nécessaire de formaliser algébriquement le comportement des sujets à l’aide de la fonction d’utilité $U(w)$ de la théorie de von Neumann et Morgenstern. Sans perte de généralité, fixons l’utilité du gain nul à zéro, soit $U(0) = 0$. Soient $U(100)$ l’utilité associée à 100 millions et $U(500)$ l’utilité associée à 500 millions. Selon la théorie de l’utilité attendue, la préférence observée dans le premier choix $(1A succ 1B)$ implique l’inégalité stricte suivante :

$$\mathbb{E}[U(1A)] > \mathbb{E}[U(1B)]$$

$$U(100) > 0{,}10 , U(500) + 0{,}89 , U(100) + 0{,}01 , U(0)$$

Puisque $U(0) = 0$, nous pouvons réarranger cette expression en soustrayant $0{,}89 , U(100)$ de chaque côté de l’inégalité :

$$(1 – 0{,}89) , U(100) > 0{,}10 , U(500)$$

$$0{,}11 , U(100) > 0{,}10 , U(500) \quad \text{ou encore} \quad \frac{U(500)}{U(100)} < \frac{0{,}11}{0{,}10} = 1{,}10$$

Examinons à présent la modélisation formelle du second choix. La préférence simultanée pour la Loterie 2B par rapport à la Loterie 2A $(2B succ 2A)$ se traduit par l’inégalité suivante :

$$\mathbb{E}[U(2B)] > \mathbb{E}[U(2A)]$$

$$0{,}10 , U(500) + 0{,}90 , U(0) > 0{,}11 , U(100) + 0{,}89 , U(0)$$

En substituant à nouveau $U(0) = 0$, l’inéquation se simplifie immédiatement de la façon suivante :

$$0{,}10 , U(500) > 0{,}11 , U(100) \quad \text{ou encore} \quad \frac{U(500)}{U(100)} > \frac{0{,}11}{0{,}10} = 1{,}10$$

La contradiction mathématique est flagrante et incontestable. Le même individu devrait simultanément vérifier $frac{U(500)}{U(100)} < 1{,}10$ et $\frac{U(500)}{U(100)} > 1{,}10$. Il est absolument impossible d’assigner une fonction d’utilité $U$, quelle que soit sa forme concave, convexe ou sigmoïde, capable de réconcilier ces deux choix sous le cadre de l’utilité attendue. La théorie classique postule que l’événement commun de 89 % (qui rapporte 100 millions dans le Choix 1 et 0 franc dans le Choix 2) doit s’annuler purement et simplement. En supprimant cette composante commune, les deux paires de loteries deviennent rigoureusement identiques : comparer 1A à 1B revient formellement à comparer $0{,}11$ de chance d’avoir 100 millions contre $0{,}10$ d’avoir 500 millions et $0{,}01$ d’avoir 0. Pourtant, la présence d’un résultat certain dans la première paire bouleverse entièrement le calcul des probabilités, prouvant que les agents économiques ne se conforment pas à la linéarité axiomatique.

3.2 L’effet de certitude et la déformation psychologique des probabilités

Le mécanisme cognitif sous-jacent révélé par le paradoxe d’Allais a été qualifié par les psychologues Amos Tversky et Daniel Kahneman d’« effet de certitude » (Certainty Effect). Cet effet traduit une discontinuité psychologique fondamentale dans l’appréciation quantitative des probabilités : les êtres humains accordent un sur-poids décisionnel disproportionné aux issues qui sont assurées avec une certitude absolue par rapport aux issues qui ne sont que hautement probables.

Pour illustrer ce phénomène, considérons l’impact subjectif d’un décalage probabiliste de un pour cent ($0{,}01$). Sur le plan normatif classique, la réduction d’une probabilité de $1{,}00$ à $0{,}99$ possède exactement la même valeur arithmétique qu’une réduction de $0{,}11$ à $0{,}10$. Or, sur le plan phénoménologique et psychologique, l’écart entre $1{,}00$ et $0{,}99$ est perçu comme un gouffre qualitatif : il marque le passage de la sécurité absolue au règne de l’aléa, de l’inquiétude et du doute existentiel. Dans le Choix 1, accepter la loterie 1B au lieu de la loterie 1A expose le décideur à la possibilité – même infime – de repartir les mains vides alors qu’une immense fortune lui était acquise d’office.

Cette vulnérabilité psychologique est étroitement corrélée à l’anticipation du regret. Si l’individu choisit la loterie 1B et que le tirage stochastique défavorable de 1 % se réalise, il subira un coût émotionnel dévastateur causé par la prise de conscience qu’il possédait 100 millions de façon certaine et qu’il les a perdus par cupidité calculée. Inversement, dans le Choix 2, où l’aléa domine déjà massivement des deux côtés (89 % contre 90 % d’échec), la perspective de repartir avec zéro est déjà intégrée cognitivement comme le scénario par défaut. La transition de $0{,}11$ à $0{,}10$ n’engendre aucune altération qualitative du statut épistémique de l’état final ; le décideur ne sacrifie aucune certitude préalable et concentre toute son attention sur l’attractivité brute du gain maximal de 500 millions.

3.3 Les implications épistémologiques pour la théorie du choix rationnel

La découverte d’Allais a précipité une crise épistémologique majeure au sein des sciences économiques, touchant directement à la délimitation entre le domaine normatif (la façon dont les individus éclairés devraient choisir) et le domaine descriptif (la manière dont les individus réels choisissent effectivement). Face à la contradiction mise en évidence, deux postures épistémologiques irréconciliables se sont affrontées pendant plusieurs décennies.

D’un côté, l’école orthodoxe menée par Leonard Savage, Paul Samuelson et Kenneth Arrow a soutenu que l’axiome d’indépendance conservait une validité normative inviolable. Selon eux, le comportement modal révélé par le paradoxe d’Allais ne constituait qu’une « illusion cognitive », comparable aux illusions d’optique perceptives documentées par la psychologie de la Gestalt. Tout comme un observateur apprend à rectifier son jugement lorsque les règles de la perspective géométrique lui démontrent que deux segments de droite d’apparence inégale ont en réalité la même longueur physique, un agent rationnel instruit des axiomes de von Neumann-Morgenstern devrait, selon Savage, corriger spontanément ses préférences empiriques pour s’aligner sur la théorie de l’utilité attendue.

À l’opposé, Maurice Allais a défendu avec opiniâtreté l’idée que les choix des sujets ne procédaient nullement d’une tare logique ou d’une erreur d’inattention, mais d’une rationalité plus profonde et plus générale que l’orthodoxie anglo-saxonne était incapable de conceptualiser. Allais soutenait que la prise en compte de la dispersion globale de la distribution d’utilité, le goût légitime pour la sécurité et la sensibilité au risque de ruine ou au regret sont des composantes consubstantielles du comportement sage et rationnel. Il dénonçait l’assimilation dogmatique de la rationalité à un carcan axiomatique trop étroit, affirmant qu’imposer l’axiome d’indépendance relevait d’une pétition de principe dénuée de fondement scientifique empirique.

4. Daniel Ellsberg et l’introduction de l’ambiguïté en 1961

4.1 L’héritage de Frank Knight : Risque mesurable versus incertitude radicale

Pour comprendre la rupture conceptuelle que Daniel Ellsberg introduira en 1961, il convient de remonter à une distinction épistémologique fondamentale formulée quatre décennies plus tôt par l’économiste de l’école de Chicago Frank H. Knight dans son ouvrage séminal de 1921, Risk, Uncertainty and Profit. Knight proposait d’opérer une ligne de démarcation tranchée entre deux modalités profondément différentes de l’aléa :

• Le risque mesurable (ou risque au sens strict) : Une situation dans laquelle les issues potentielles sont inconnues, mais où l’ensemble des probabilités associées à chaque issue est parfaitement connu ou calculable a priori, soit par déduction mathématique pure (les jeux de hasard équilibrés), soit par inférence statistique actuarielle fondée sur un échantillon empirique robuste et répétable.
• L’incertitude non mesurable (ou incertitude radicale) : Une situation dans laquelle il n’existe aucun moyen objectif ou calculable d’attribuer des probabilités numériques rigoureuses aux différents états du monde possibles, en raison de l’unicité de l’événement, du manque de données historiques ou de la complexité intrinsèque de l’environnement informationnel.

Cette distinction knightienne capitale avait été délibérément évacuée de la théorie économique dominante par la construction de Leonard Savage en 1954. Savage postulait qu’une telle séparation était opérationnellement inutile et scientifiquement caduque : pour le paradigme bayésien, l’incertitude radicale se dissout dès lors que l’agent est capable d’exprimer des probabilités subjectives. Pour Savage, qu’une probabilité découle d’un tirage de dé non pipé ou d’un pari géopolitique inédit sur le déclenchement d’un conflit armé, elle doit être formalisée par le même scalaire mathématique dans le calcul d’utilité espérée.

C’est précisément cette réduction réductrice que Daniel Ellsberg va contester. Ellsberg démontre que l’omission de la distinction knightienne affaiblit la portée explicative de la théorie. Il réintroduit l’incertitude radicale sous la qualification précise d’ambiguïté informationnelle, définie comme une situation où la qualité, la quantité, la précision ou la consistance de l’information disponible sur les probabilités relatives des événements sont insuffisantes, floues ou contradictoires.

4.2 Le contexte intellectuel de la thèse d’Ellsberg à Harvard

Daniel Ellsberg n’était pas initialement destiné à la microéconomie académique pure. Formé à l’université Harvard, économiste brillant et esprit rebelle, il s’est tourné vers les applications stratégiques et militaires de la théorie de la décision au tournant de la guerre froide. Intégrant la célèbre RAND Corporation, Ellsberg travaillait sur des scénarios de crise nucléaire, de dissuasion stratégique et de prise de décision sous menace extrême – des environnements où l’information est fondamentalement lacunaire, trompeuse et instable.

C’est au sein de cette atmosphère de haute tension géopolitique et mathématique qu’Ellsberg rédige sa thèse de doctorat à Harvard. Il constate l’abîme séparant les modèles théoriques de l’utilité subjective espérée élaborés par Savage des dynamiques décisionnelles concrètes observées chez les stratèges militaires et les décideurs politiques de premier plan face à des scénarios inédits. En 1961, il publie dans le Quarterly Journal of Economics son article fondamental intitulé « Risk, Ambiguity, and the Savage Axioms ».

L’objectif d’Ellsberg n’était pas simplement de contester la validité descriptive de la théorie de Savage, mais d’exposer une défaillance logique interne au cœur même du concept de probabilité subjective. Il cherchait à démontrer que le comportement humain réagit systématiquement à la « nature de l’information » et pas uniquement aux valeurs probabilistes finales. À travers des expériences d’urnes d’une simplicité désarmante, Ellsberg allait prouver que les individus établissent une différence psychologique et économique irréductible entre un risque connu et une ambiguïté opaque, même lorsque leurs croyances implicites devraient les conduire à une parfaite indifférence.

4.3 La critique ciblée de la théorie de l’utilité subjective espérée (SEU)

L’argumentaire d’Ellsberg porte le fer contre l’un des piliers cardinaux du bayésianisme subjectif : l’obligation pour les probabilités subjectives d’être additives et univoques. Selon Savage, face à n’importe quelle partition de l’univers des possibles en états mutuellement exclusifs $E_1, E_2, dots, E_n$, les croyances de l’agent rationnel se traduisent par une mesure de probabilité $P$ telle que :

$$P\left(\big\cup_{i=1}^{n} E_i\right) = \sum_{i=1}^{n} P(E_i) = 1$$

Ellsberg fait observer que cette formulation impose une contrainte cognitive absurde : elle interdit formellement à un décideur de moduler son évaluation en fonction de son niveau de confiance ou de doute dans la distribution qu’il attribue. Que l’on dispose d’un million d’observations empiriques confirmant qu’une pièce est équilibrée ($P(\text{Pile}) = 0{,}5$) ou que l’on n’ait absolument aucune idée de la nature physique d’une pièce extra-terrestre à deux faces, le cadre bayésien contraint l’agent à poser $P(\text{Pile}) = P(\text{Face}) = 0{,}5$ en vertu du principe de raison insuffisante de Laplace.

Ellsberg soutient qu’un indice scalaire unique de probabilité est structurellement incapable de capturer à la fois le degré d’association d’un événement (le fait qu’il soit plus ou moins probable qu’un autre) et le poids de l’information sous-jacente (la robustesse ou la fiabilité des données qui fondent ce jugement). En d’autres termes, la théorie de l’utilité subjective espérée confond délibérément l’absence d’information avec une information indiquant l’égalité symétrique des probabilités. Cette réduction conceptuelle empêche le modèle classique de rendre compte du comportement d’évitement ou d’attirance éprouvé par les individus lorsqu’ils doivent naviguer dans des eaux informationnelles troubles.

5. Les expériences d’urnes d’Ellsberg : Protocoles et dynamiques décisionnelles

5.1 Le problème expérimental des deux urnes

Pour matérialiser sa démonstration, Daniel Ellsberg propose deux expériences de laboratoire devenues emblématiques. La première met en scène deux urnes distinctes, l’Urne A et l’Urne B, contenant chacune un total de 100 billes réparties exclusivement entre deux couleurs, le rouge et le noir :

• L’Urne A (Urne transparente ou risquée) : Sa composition exacte est parfaitement connue de tous. Elle contient précisément 50 billes rouges et 50 billes noires.
• L’Urne B (Urne opaque ou ambiguë) : Elle contient également 100 billes rouges et noires, mais sa composition exacte est totalement inconnue. Elle peut contenir 100 billes rouges et 0 bille noire, 50 de chaque, 13 rouges et 87 noires, ou n’importe quelle autre combinaison entière comprise entre 0 et 100.

Le sujet est alors confronté à une série de paris monétaires consistant à choisir une urne et à parier sur la couleur de la bille qui sera extraite au hasard. Si la couleur désignée sort, le participant remporte un gain monétaire significatif (par exemple 100 $), sinon il ne gagne rien (0$) :

• Pari 1 : Parier sur l’extraction d’une bille rouge de l’Urne A ($R_A$) ou d’une bille rouge de l’Urne B ($R_B$).
• Pari 2 : Parier sur l’extraction d’une bille noire de l’Urne A ($N_A$) ou d’une bille noire de l’Urne B ($N_B$).

Les résultats empiriques recueillis par Ellsberg et confirmés par d’innombrables réplications sont sans équivoque. Face au Pari 1, les décideurs préfèrent massivement parier sur l’Urne A plutôt que sur l’Urne B ($R_A succ R_B$). Face au Pari 2, les mêmes décideurs préfèrent à nouveau, avec la même intensité statistique, parier sur l’Urne A plutôt que sur l’Urne B ($N_A succ N_B$).

Si l’on applique la théorie de Savage pour modéliser cette suite de préférences, l’incohérence bayésienne saute aux yeux. Le choix $R_A succ R_B$ implique que la probabilité subjective attribuée à l’événement $R_A$ est strictement supérieure à celle attribuée à $R_B$ :

$$P(R_A) > P(R_B)$$

Puisque l’Urne A est objectivement équilibrée, $P(R_A) = 0{,}50$, ce qui implique nécessairement que $P(R_B) < 0{,}50$. Or, le second choix$N_A succ N_B$ impose exactement la déduction symétrique :

$$P(N_A) > P(N_B) implies 0{,}50 > P(N_B) implies P(N_B) < 0{,}50$$

En additionnant ces deux probabilités subjectives pour l’Urne B, nous obtenons l’inégalité absurde :

$$P(R_B) + P(N_B) < 0{,}50 + 0{,}50 = 1{,}00$$

Or, les billes de l’Urne B étant obligatoirement soit rouges soit noires, les événements $R_B$ et $N_B$ constituent une partition exhaustive et mutuellement exclusive de l’univers des possibles pour cette urne. La somme de leurs probabilités subjectives devrait donc être rigoureusement égale à 1. Les décideurs se comportent comme si les deux couleurs de l’urne ambiguë étaient simultanément moins probables que leur contrepartie transparente, violant l’axiome fondamental d’additivité des probabilités de Kolmogorov.

5.2 Le problème de l’urne unique à trois couleurs

La seconde expérience proposée par Ellsberg, encore plus élégante d’un point de vue analytique, se concentre sur une urne unique renfermant 90 billes au total, réparties selon trois couleurs : rouge, noir et jaune. La structure informationnelle est configurée comme suit :

• 30 billes sont objectivement rouges.
• Les 60 billes restantes sont soit noires, soit jaunes, mais dans une proportion totalement indéterminée (le nombre de billes noires peut être n’importe quel entier compris entre 0 et 60, le reste étant constitué de billes jaunes).

Une bille doit être tirée au hasard dans cette urne. Le protocole soumet le participant à deux situations de choix binaires consécutives où une issue favorable rapporte un gain fixe de 100 $ :

Premier choix (Paris élémentaires) :

• Option I : Gagner 100 $ si la bille tirée est Rouge (0 $ sinon).
• Option II : Gagner 100 $ si la bille tirée est Noire (0 $ sinon).

Second choix (Paris composites) :

• Option III : Gagner 100 $ si la bille tirée est Rouge ou Jaune (0 $ sinon).
• Option IV : Gagner 100 $ si la bille tirée est Noire ou Jaune (0 $ sinon).

La distribution empirique des arbitrages fait apparaître un schéma récurrent et symétrique à celui du paradoxe d’Allais. Dans le premier choix, les décideurs privilégient très majoritairement l’Option I sur l’Option II :

$$\text{Option I} succ \text{Option II}$$

La probabilité d’extraire une bille rouge est connue avec une certitude absolue ($30/90 = 1/3$), tandis que la probabilité d’extraire une bille noire est frappée d’ambiguïté (elle peut être inférieure ou supérieure à $1/3$, oscillant entre 0 et $2/3$). L’aversion pour cette ambiguïté pousse le sujet vers le tirage transparent.

Dans le second choix, les mêmes décideurs inversent leur logique apparente et préfèrent de façon écrasante l’Option IV à l’Option III :

$$\text{Option IV} succ \text{Option III}$$

Sous l’Option IV, le gain est garanti si la bille extraite est noire ou jaune. Or, le sujet sait pertinemment que le groupe combiné des billes noires et jaunes contient exactement 60 billes sur 90. La probabilité de succès de l’Option IV est donc parfaitement transparente et objective : elle est de $60/90 = 2/3$. En revanche, sous l’Option III (Rouge ou Jaune), la probabilité dépend du nombre inconnu de billes jaunes ; elle est égale à $(30 + \text{Jaunes})/90$, une grandeur ambiguë pouvant fluctuer entre $1/3$ et $1$. Les sujets fuient une nouvelle fois l’ambiguïté au profit de la distribution dont la fréquence est mathématiquement stabilisée.

5.3 La violation du principe de la chose sûre de Savage

L’expérience de l’urne unique à trois couleurs constitue une réfutation directe et dévastatrice de l’axiome central de la théorie de Savage : le principe de la chose sûre (Sure-Thing Principle, ou axiome P2 dans l’axiomatique formelle de Savage). Ce principe énonce que si un décideur préférerait entreprendre l’action $A$ plutôt que l’action $B$ s’il savait avec certitude que l’état du monde $E$ s’est produit, et s’il préférerait également l’action $A$ à l’action $B$ s’il savait avec certitude que l’état $E$ ne s’est pas produit, alors il doit préférer l’action $A$ à l’action $B$ même s’il ignore si $E$ s’est produit ou non.

Analysons la matrice des gains de l’expérience d’Ellsberg à la lumière des trois états possibles de la nature (couleur de la bille extraite : Rouge, Noir, Jaune) :

Perspective	Rouge (30 billes)	Noir (inconnu)	Jaune (inconnu)
Option I	100 $	0 $	0 $
Option II	0 $	100 $	0 $
Option III	100 $	0 $	100 $
Option IV	0 $	100 $	100 $

Considérons l’état de la nature où la bille tirée est Jaune. Que le sujet ait choisi l’Option I ou l’Option II, le gain dans cet état est rigoureusement identique : 0 $. De même, que le sujet ait choisi l’Option III ou l’Option IV, le gain dans l’état « Jaune » est rigoureusement identique : 100$. Selon le principe de la chose sûre de Savage, l’issue associée à l’état « Jaune » étant commune et invariable entre les deux termes de chaque arbitrage, elle ne devrait exercer aucune influence sur l’ordre des préférences. La transition entre le premier problème (Option I vs Option II) et le second problème (Option III vs Option IV) consiste exclusivement à transformer le gain de l’état « Jaune » de 0 $ à 100 $ pour les deux options simultanément.

Par conséquent, en vertu du principe de la chose sûre, un décideur rationnel devrait afficher des préférences invariantes :

$$\text{Option I} succ \text{Option II} iff \text{Option III} succ \text{Option IV}$$

Pourtant, le comportement modal inverse cette condition en sélectionnant simultanément I plutôt que II et IV plutôt que III. La preuve mathématique est sans appel : les poids décisionnels attribués aux événements ne sont pas de simples probabilités bayésiennes combinées linéairement. Le flou épistémique qui enveloppe la proportion de billes jaunes interagit avec la configuration du pari, détruisant la modularité séparable exigée par le principe de la chose sûre.

6. Approches psychologiques et cognitives de l’aversion à l’ambiguïté

6.1 L’hypothèse de l’évaluation comparative de Fox et Tversky

Pour expliquer les racines cognitives de l’aversion à l’ambiguïté mise au jour par Ellsberg, les psychologues Craig Fox et Amos Tversky ont formulé en 1995 l’hypothèse de l’évaluation comparative (Comparative Ignorance Hypothesis). Selon cette théorie, l’aversion pour l’ambiguïté n’est pas une réponse automatique et inconditionnelle à l’absence d’information, mais un phénomène fondamentalement relationnel, déclenché ou exacerbé par la comparaison explicite entre un état de connaissance robuste et un état de méconnaissance relative.

Fox et Tversky ont démontré expérimentalement que lorsque les sujets sont placés dans un protocole d’évaluation intra-sujet (within-subject) – c’est-à-dire lorsqu’on leur présente côte à côte l’urne transparente à 50/50 et l’urne ambiguë –, l’aversion à l’ambiguïté s’exprime avec une intensité maximale. La proximité immédiate d’une alternative dont les probabilités sont limpides agit comme un projecteur cognitif qui souligne et dramatise le manque d’information caractérisant l’alternative opaque. En revanche, lorsque les mêmes paris sont soumis à des groupes distincts dans un cadre d’évaluation isolée (between-subjects design), où un groupe n’évalue que l’urne ambiguë sans avoir connaissance de l’existence de l’urne transparente, la disposition à payer pour parier sur l’urne ambiguë augmente considérablement et l’aversion à l’ambiguïté s’atténue, voire disparaît presque entièrement.

Ce résultat démontre que la réaction psychologique face à l’ambiguïté est médiée par le sentiment de compétence relative du décideur. Dès lors qu’un individu se sent profane, mal informé ou placé en situation d’infériorité cognitive par rapport à une situation de référence mieux documentée, il se rétracte et applique une pénalité sévère à l’option obscure. L’ambiguïté devient psychologiquement douloureuse uniquement lorsqu’elle renvoie au sujet le reflet de sa propre ignorance.

6.2 La peur de l’incompétence et le rôle du manque perçu d’information

Au-delà de la simple évaluation comparative, l’aversion à l’ambiguïté plonge ses racines dans des mécanismes de défense psychologique liés à la perception d’asymétrie d’information et à la méfiance contextuelle. Dans la plupart des situations réelles d’interaction sociale ou marchande, une distribution probabiliste inconnue n’est pas le fruit d’un hasard abstrait, mais le résultat d’une rétention d’information orchestrée par autrui. Lorsqu’un sujet se voit proposer une urne dont la composition est dissimulée par un expérimentateur, son système cognitif active inconsciemment une heuristique de vigilance face au risque de manipulation ou de sélection adverse.

Le décideur suspecte intuitivement que l’urne a été garnie de manière défavorable à ses intérêts, ou qu’un tiers omniscient pourrait tirer parti de son ignorance. Cette « peur d’être trompé » ou d’apparaître incompétent aux yeux des autres – et à ses propres yeux – engendre un réflexe d’évitement conservateur. Des études ont montré que lorsque le mécanisme de génération de l’urne ambiguë est explicitement décorrélé de toute intention humaine (par exemple, par le recours à des phénomènes physiques atmosphériques imprévisibles et transparents), l’aversion à l’ambiguïté diminue, bien qu’elle ne disparaisse pas totalement.

Le manque perçu d’information déclenche ainsi un état de dissonance cognitive. L’être humain tolère difficilement de devoir engager des ressources sur des événements dont il ne maîtrise pas le processus générateur. Cette résistance psychologique explique pourquoi les individus préfèrent souvent parier sur des événements familiers dont les chances de succès objectives sont pourtant plus faibles, plutôt que sur des événements objectivement plus favorables mais conceptuellement opaques.

6.3 Bases neurobiologiques et neuroéconomie du traitement de l’ambiguïté

L’essor de la neuroéconomie au cours des deux dernières décennies a permis de tester directement dans le cerveau humain l’existence d’une dissociation fonctionnelle entre le risque probabilisé et l’ambiguïté knightienne. Les travaux pionniers en imagerie par résonance magnétique fonctionnelle (IRMf) conduits par Colin Camerer, Ming Hsu et leurs collaborateurs ont confirmé que le traitement du risque calculable et celui de l’ambiguïté informationnelle mobilisent des circuits neuronaux distincts et concurrents.

Lorsqu’un individu est exposé à des choix impliquant un risque mesurable (comparables aux loteries transparentes d’Allais ou à l’Urne A d’Ellsberg), les zones cérébrales activées de manière prédominante appartiennent au système dopaminergique de la récompense, notamment le striatum ventral et le cortex préfrontal ventromédian. Ces structures sont spécialisées dans l’estimation de la valeur espérée, l’intégration des gains potentiels et l’ajustement dynamique des erreurs de prédiction.

En revanche, lorsque le même individu est confronté à des choix frappés d’ambiguïté informationnelle (l’Urne B d’Ellsberg ou l’urne à trois couleurs), l’IRMf révèle une activation marquée et immédiate de l’amygdale et du cortex insulaire antérieur. L’amygdale est la structure cérébrale centrale impliquée dans le traitement de la peur, de la menace et de la vigilance face au danger biologique, tandis que l’insula antérieure est étroitement liée à la perception du dégoût, de la douleur viscérale et de l’inconfort émotionnel. Parallèlement, le cortex préfrontal dorsolatéral s’active pour tenter de moduler cette réaction aversive par un effort d’inhibition cognitive.

Ces données neurobiologiques démontrent de façon éclatante que l’aversion à l’ambiguïté n’est pas un simple artefact algorithmique ou une subtilité sémantique inventée par les économistes théoriciens. Elle correspond à une réponse émotionnelle et corporelle primaire face à l’inconnu non structuré. Le cerveau ne traite pas une absence d’information comme une probabilité médiane neutre de 0,5 ; il la traite biologiquement comme une menace potentielle exigeant un réflexe de retrait défensif.

7. Étude comparative systématique : Paradoxe d’Allais versus Paradoxe d’Ellsberg

7.1 Nature du risque confronté : Distribution connue contre information incomplète

Bien que les paradoxes d’Allais et d’Ellsberg soient fréquemment regroupés sous la bannière commune des « anomalies » de la théorie de la décision, ils s’attaquent à deux strates épistémologiques fondamentalement différentes de la structure du hasard. La distinction première réside dans la nature même du substrat informationnel auquel le sujet est confronté :

• Le paradoxe d’Allais opère sous risque probabilisé objectif pur : Toutes les grandeurs probabilistes sont connues de l’agent avec une transparence mathématique absolue ($p = 1{,}00$ ; $p = 0{,}89$ ; $p = 0{,}10$ ; $p = 0{,}01$). Il n’existe aucun mystère quant au fonctionnement de la loterie, aucune asymétrie d’information, aucun flou épistémique sur les chances de tirage. La distorsion observée est une défaillance interne du traitement computationnel de grandeurs stochastiques parfaitement définies.
• Le paradoxe d’Ellsberg opère sous incertitude informationnelle (ambiguïté knightienne) : L’agent dispose d’une distribution d’états d’une netteté incomplète ($30$ rouges sur $90$, mais un ratio noir/jaune indéterminé). L’information requise pour assigner des probabilités univoques est structurellement indisponible. La rupture normative observée découle ici de l’incommensurabilité perçue entre ce qui est mesurable et ce qui relève du vide cognitif.

Sur le plan philosophique, Allais confronte l’humain à sa propre incapacité à maintenir une linéarité arithmétique face aux extrêmes probabilistes du certain et du quasi-certain. Ellsberg confronte l’humain à son angoisse face au vide méthodologique d’un univers dont les lois de distribution lui sont dissimulées.

7.2 Mécanismes cognitifs sous-jacents : Non-linéarité contre aversion pour l’inconnu

Les architectures cognitives mobilisées pour répondre à ces deux défis révèlent des processus psychologiques dissociés mais complémentaires. Dans le paradoxe d’Allais, le moteur psychologique souverain est la non-linéarité de la fonction de pondération des probabilités couplée à l’effet de certitude et à l’aversion au regret. L’esprit humain refuse de troquer un état de quiétude absolue (la garantie matérielle de 100 millions) contre un état d’aléa comportant une possibilité résiduelle d’échec catastrophique. Il s’agit d’une déformation de l’échelle des probabilités objectives : le poids décisionnel $\pi(p)$ dévie fortement de la valeur nominale $p$, manifestant une courbure prononcée aux frontières de l’intervalle $[0, 1]$.

Dans le paradoxe d’Ellsberg, le phénomène ne découle pas d’une courbure de probabilités connues, mais d’une réaction épistémique de prudence que l’on nomme l’aversion pour l’ambiguïté ou la méfiance envers l’inconnu. Le mécanisme sous-jacent repose sur la construction d’hypothèses pessimistes dans le flou. Face à une urne dont les proportions sont mystérieuses, le décideur projette sur l’urne l’hypothèse du scénario du pire : il évalue l’option comme si la distribution réelle s’adaptait malveillamment contre le choix qu’il s’apprête à faire. Si le paradoxe d’Allais relève de la psycho-physique de l’évaluation du risque, celui d’Ellsberg relève de l’épistémologie de la confiance et du traitement de l’incomplétude informationnelle.

Dans des contextes décisionnels réels complexes, ces deux biais ne s’excluent nullement : ils s’enchevêtrent fréquemment. Un décideur confronté à une opportunité d’investissement novatrice mais mal comprise cumule souvent une distorsion non linéaire des probabilités extrêmes d’échec (effet Allais) et une décote massive de la rentabilité espérée due à l’impossibilité d’évaluer rigoureusement le modèle économique sous-jacent (effet Ellsberg).

7.3 Synthèse des violations axiomatiques respectives

Afin de synthétiser la nature formelle des brèches ouvertes par chacun de ces deux protocoles dans le corpus de la théorie classique du choix rationnel, le tableau analytique ci-dessous récapitule leurs propriétés distinctives :

Dimension d’analyse	Paradoxe de Maurice Allais (1952)	Paradoxe de Daniel Ellsberg (1961)
Cadre théorique ciblé	Théorie de l’utilité attendue (EUT) de von Neumann et Morgenstern (1944).	Théorie de l’utilité subjective espérée (SEU) de Leonard Savage (1954).
Axiome formellement violé	Axiome d’indépendance (substitution des conséquences communes).	Principe de la chose sûre (Sure-Thing Principle / Axiome P2).
Environnement stochastique	Risque pur au sens de Knight (probabilités objectives connues).	Incertitude / Ambiguïté knightienne (probabilités objectives inconnues).
Défaillance mathématique	Non-linéarité stricte de l’espérance par rapport aux probabilités.	Non-additivité des probabilités subjectives bayésiennes ($P(A) + P(\bar{A}) \neq 1$).
Mécanisme psychologique	Effet de certitude, sur-pondération des probabilités faibles d’échec, regret.	Aversion à l’ambiguïté, peur de l’incompétence, pessimisme dans le flou.
Corrélation neurobiologique	Modulation de l’activité du striatum ventral et du cortex préfrontal ventromédian.	Sur-activation du cortex insulaire antérieur et de l’amygdale (circuit de la menace).
Modèle rectificatif moderne	Théorie des perspectives cumulatives (CPT), Utilité dépendante du rang (RDU).	Maxmin Expected Utility (MEU), Modèle d’ambiguïté lisse (KMM), $\alpha$-MEU.

Cette mise en parallèle révèle la complémentarité historique des deux auteurs. Maurice Allais a détruit l’illusion d’une pondération linéaire et neutre du risque objectif ; Daniel Ellsberg a anéanti la prétention de dissoudre l’ignorance et le doute informationnel dans un simple scalaire subjectif additif.

8. Réponses théoriques et révisions contemporaines de la théorie de l’utilité

8.1 La théorie des perspectives et sa version cumulative

La réponse théorique la plus féconde et influente aux apories soulevées par Maurice Allais a été formulée par Daniel Kahneman et Amos Tversky en 1979 à travers leur célèbre Prospect Theory (Théorie des perspectives), complétée en 1992 par la Cumulative Prospect Theory (CPT). Kahneman et Tversky ont compris que pour réconcilier le modèle descriptif avec le comportement empirique, il fallait rompre radicalement avec deux postulats de la théorie classique : la mesure de l’utilité sur les richesses finales et la linéarité probabiliste.

Dans la théorie des perspectives, la valeur n’est plus attribuée à des niveaux absolus de patrimoine $w$, mais à des gains ou des pertes définis par rapport à un point de référence psychologique neutre $r$ ($x = w – r$). La fonction de valeur $v(x)$ adopte une forme sigmoïde caractéristique : concave dans le domaine des gains (manifestant une aversion au risque standard) et convexe dans le domaine des pertes (manifestant une recherche du risque pour éviter de perdre), avec une pente plus abrupte dans les pertes pour traduire le phénomène fondamental de l’aversion aux pertes.

Pour résoudre formellement le paradoxe d’Allais, Tversky et Kahneman introduisent une fonction de pondération des probabilités non linéaire $w(p)$, souvent paramétrée sous une forme en « S inversé » :

$$w(p) = \frac{p^\gamma}{(p^\gamma + (1 – p)^\gamma)^{1/\gamma}} \quad (\text{a\vec } \gamma \approx 0{,}65)$$

Cette fonction possède deux propriétés cruciales : elle sur-pondère systématiquement les probabilités très faibles ($w(p) > p$ pour $p to 0$) et sous-pondère substantiellement les probabilités moyennes et élevées ($w(p) < p$ pour $p$ modéré à grand), tout en présentant une chute brutale à l’approche de la certitude ($w(1) = 1$, mais $w(0{,}99) ll 0{,}99$). Dans l’expérience d’Allais, le passage de $p = 1{,}00$ à $p = 0{,}99$ génère une décote décisionnelle psychologique immensément plus violente que le passage de $p = 0{,}11$ à $p = 0{,}10$, ce qui restaure immédiatement la compatibilité formelle des choix $(1A succ 1B)$ et $(2B succ 2A)$. Dans la version cumulative de 1992, la pondération s’applique non plus aux probabilités d’événements isolés, mais à la distribution de probabilité cumulée des gains ordonnés par rang, garantissant ainsi le respect impératif de la dominance stochastique du premier ordre et immunisant le modèle contre d’éventuels arbitrages absurdes.

8.2 L’utilité espérée dépendante du rang (RDU) de Quiggin

Parallèlement aux travaux de la psychologie cognitive américaine, l’économiste australien John Quiggin a accompli une percée mathématique majeure en 1982 en développant le modèle de l’utilité espérée dépendante du rang (Rank-Dependent Utility ou RDU). Quiggin cherchait à conserver l’architecture rigoureuse du cadre axiomatique tout en modélisant la rationalité sous-jacente revendiquée par Allais, sans subir le reproche de violation de la dominance stochastique qui affectait la version originale de la Prospect Theory de 1979.

L’intuition géniale de Quiggin consiste à postuler que le poids décisionnel accordé à une conséquence monétaire ne dépend pas seulement de sa probabilité intrinsèque, mais de son rang relatif au sein de la hiérarchie ordonnée de l’ensemble des issues possibles de la loterie. Soit une loterie ordonnée telle que $x_1 le x_2 le dots le x_n$. Le décideur transforme les probabilités cumulées par l’intermédiaire d’une fonction de distorsion monotone croissante $w : [0, 1] to [0, 1]$ vérifiant $w(0) = 0$ et $w(1) = 1$. Le poids décisionnel $\pi_i$ associé à l’issue $x_i$ est défini par la différence :

$$\pi_i = w\left(\sum_{j=i}^{n} p_j\right) – w\left(\sum_{j=i+1}^{n} p_j\right)$$

Dans ce cadre, la valeur globale de la loterie s’écrit :

$$V(L) = \sum_{i=1}^{n} \pi_i U(x_i)$$

Le modèle RDU résout magnifiquement le paradoxe d’Allais. Un individu caractérisé par une fonction de pondération convexe $w$ sur-pondérera systématiquement les pires issues relatives (pessimisme face au risque), ce qui le conduit à déprécier drastiquement la loterie 1B en raison de la présence de l’issue minimale $x = 0$, même affublée d’une probabilité infinitésimale de 1 %. Dans le Choix 2, l’issue $x = 0$ n’est plus une anomalie marginale terrifiante : elle constitue déjà l’issue modale commune (89 % ou 90 % de chances). La déformation du rang n’altère plus substantiellement l’évaluation relative des deux perspectives, restaurant la parfaite cohérence logique des préférences observées sans violer les fondements structurels de la rationalité ordinale.

8.3 Modèles pour l’ambiguïté : Priors multiples et approche maxmin

Pour faire face au défi conceptuel posé par Daniel Ellsberg, les théoriciens de la décision ont dû inventer de nouveaux cadres mathématiques capables de modéliser une information probabiliste incomplète ou non unique. La modélisation la plus célèbre est le modèle Maxmin Expected Utility (MEU) développé en 1989 par Itzhak Gilboa et David Schmeidler.

Gilboa et Schmeidler renoncent au dogme bayésien d’une probabilité subjective unique. Ils postulent qu’en situation d’ambiguïté, le décideur forme un ensemble convexe et fermé de distributions de probabilités a priori possibles, noté $\mathcal{C}$. Ne sachant pas laquelle de ces distributions représente la véritable mécanique de l’aléa, un agent caractérisé par une aversion stricte à l’ambiguïté adopte une posture prudentielle extrême : il évalue chaque acte en fonction de son espérance d’utilité sous la pire distribution possible contenue dans $\mathcal{C}$ :

$$V(f) = \min_{P in \mathcal{C}} \mathbb{E}_P[U(f)]$$

Face à l’urne d’Ellsberg à deux couleurs, l’ensemble $\mathcal{C}$ correspond à l’ensemble des probabilités où la proportion de billes rouges $p_R$ peut varier de 0 à 1. Si le décideur parie sur le rouge, le pire scénario minimise l’espérance en choisissant une probabilité défavorable (par exemple $p_R = 0$). S’il parie sur le noir, le pire scénario retient $p_N = 0$. En conséquence, la valeur perçue des deux paris sur l’urne ambiguë est systématiquement inférieure à celle des paris sur l’urne transparente (où l’ensemble $\mathcal{C}$ est un singleton ${0{,}50}$). Le modèle MEU formalise ainsi avec une élégance mathématique parfaite la violation de la chose sûre.

Pour assouplir le pessimisme radical du critère Maxmin, Ghirardotti, Maccheroni et Marinacci ont proposé le modèle $\alpha$-MEU, qui combine par une moyenne pondérée le critère du pire scénario (pessimisme) et celui du meilleur scénario (optimisme) :

$$V(f) = \alpha \min_{P in \mathcal{C}} \mathbb{E}_P[U(f)] + (1 – \alpha) \max_{P in \mathcal{C}} \mathbb{E}_P[U(f)]$$

Enfin, Peter Klibanoff, Massimo Marinacci et Sujoy Mukerji (2005) ont franchi une étape supplémentaire en introduisant le modèle d’ambiguïté lisse (Smooth Ambiguity Model). Ce cadre sépare de façon explicite les croyances de premier ordre (la distribution des états du monde conditionnelle à un paramètre) des croyances de second ordre (la distribution de probabilité subjective sur la véracité des différents paramètres possibles). La valeur d’un acte s’écrit alors :

$$V(f) = \int_{\Delta} \phi\left(\mathbb{E}_P[U(f)]\right) \mathrm{d}\mu(P)$$

Dans cette formulation, $\mu$ représente la croyance de second ordre de l’agent sur l’espace des modèles probabilistes $\Delta$, tandis que la fonction concave $phi$ encode directement l’attitude psychologique de l’individu face à l’ambiguïté (la concavité de $phi$ matérialisant l’aversion à l’ambiguïté). Cette séparation élégante permet d’analyser l’effet d’un enrichissement progressif de l’information sans recourir aux discontinuités mathématiques du critère infimum.

9. Réplications empiriques contemporaines et robustesse méthodologique

9.1 Expérimentations en laboratoire avec incitations monétaires réelles

L’une des premières critiques formulées par les économistes orthodoxes à l’encontre des résultats d’Allais et d’Ellsberg portait sur la nature hypothétique des protocoles originaux. Allais utilisait des montants exorbitants (100 millions et 500 millions de francs) qu’aucun laboratoire expérimental n’était en mesure de distribuer réellement, tandis qu’Ellsberg proposait des paris virtuels sur des urnes imaginaires. Les sceptiques ont soutenu que les paradoxes disparaîtraient dès lors que des incitations financières tangibles seraient mises en jeu ou que les sujets subiraient les conséquences économiques directes de leurs arbitrages.

Au cours des quarante dernières années, l’essor fulgurant de l’économie expérimentale a permis de soumettre ces objections à des tests de robustesse méthodologique rigoureux. Des cohortes considérables de participants ont été confrontées à des protocoles d’Allais et d’Ellsberg avec des paiements monétaires réels substantiels (atteignant plusieurs centaines de dollars ou l’équivalent de plusieurs mois de salaire local dans des études conduites dans des pays émergents). Les résultats de ces campagnes expérimentales ont confirmé la solidité des conclusions originelles :

• Bien que l’on observe parfois une légère augmentation de la proportion de choix axiomatiquement cohérents lorsque les enjeux augmentent, la persistance de la combinaison d’Allais $(1A succ 1B \text{ et } 2B succ 2A)$ demeure statistiquement écrasante, oscillant entre 55 % et 75 % des participants réels.
• Concernant l’ambiguïté, la disposition à payer (Willingness to Pay) pour un tirage issu de l’urne transparente demeure systématiquement supérieure – de l’ordre de 15 % à 30 % – à la disposition à payer pour le même tirage issu de l’urne opaque, attestant d’une véritable prime monétaire accordée à l’information pure.

Ces expérimentations ont apporté la preuve irréfutable que ces paradoxes ne sont pas des artefacts méthodologiques causés par l’indolence de sujets répondant à des questions sans enjeu, mais des régularités empiriques robustes, capables de résister à la sanction monétaire immédiate.

9.2 Variations interculturelles, socio-démographiques et cadrage cognitif

La pérennité des paradoxes d’Allais et d’Ellsberg a également été examinée à l’aune des variables socio-démographiques, culturelles et des effets de cadrage (framing effects). Les recherches menées sur des échantillons transnationaux révèlent des modulations fascinantes de l’intensité de ces biais sans jamais en altérer la structure directionnelle fondamentale.

Sur le plan culturel, des études comparatives entre populations occidentales (marquées par une culture individualiste) et populations asiatiques (marquées par une culture collectiviste) ont montré que le paradoxe d’Allais s’exprime avec une intensité comparable sur tous les continents. En revanche, l’aversion à l’ambiguïté mesurée via le protocole d’Ellsberg présente des variances plus marquées. Les décideurs chinois ou vietnamiens manifestent en moyenne une tolérance à l’ambiguïté significativement plus élevée que leurs homologues américains ou européens lorsque les enjeux sont présentés sous forme d’opportunités d’investissement, un phénomène souvent attribué à une familiarité culturelle accrue avec des environnements socio-économiques dynamiques et instables.

Le niveau d’expertise quantitative et financière constitue une autre variable clé. Si la possession d’un haut niveau en mathématiques ne protège pas les individus contre l’effet de certitude d’Allais en première lecture, la formation probabiliste réduit légèrement l’aversion à l’ambiguïté d’Ellsberg, précisément parce que les experts mobilisent consciemment le principe de raison insuffisante de Laplace pour assigner une probabilité uniforme de 0,5 à l’urne opaque. Enfin, les effets de formulation sémantique (framing) jouent un rôle modulateur puissant : si l’ambiguïté est cadrée sous l’angle du gain manqué plutôt que de la perte potentielle, ou si la composition de l’urne est attribuée à un processus naturel aveugle plutôt qu’à un expérimentateur humain secret, l’aversion des sujets décroît sensiblement.

9.3 Critiques méthodologiques et limites de la validité écologique

Malgré leur statut canonique, les expériences d’Allais et d’Ellsberg continuent de faire l’objet de réserves méthodologiques quant à leur validité écologique. La principale critique adressée aux urnes d’Ellsberg et aux loteries statiques d’Allais réside dans leur artificialité extrême. Dans la vie quotidienne, économique ou entrepreneuriale, les décideurs ne sont presque jamais confrontés à des choix statiques, fermés et isolés, régis par des tirages uniques sans possibilité d’interaction dynamique.

Plusieurs théoriciens du choix ont souligné le rôle déterminant de l’apprentissage séquentiel et de la répétition des expériences. Lorsqu’un sujet est soumis de façon itérative à des centaines de tirages consécutifs dans l’urne ambiguë d’Ellsberg avec un retour d’information immédiat (feedback), l’aversion à l’ambiguïté tend à s’évaporer progressivement. Par la répétition, le décideur reconstruit intuitivement une distribution de fréquences empiriques, transformant progressivement l’incertitude knightienne en un risque mesurable familier.

De même, dans des contextes de marché réels où interviennent la concurrence, l’arbitrage financier et la pression sélective des faillites, certains économistes néoclassiques soutiennent que les agents violant l’axiome d’indépendance ou le principe de la chose sûre finissent par être marginalisés économiquement, car ils peuvent être victimes de stratégies de « pompe à finances » (Money-Pump arguments). Bien que ces arguments de marché tempèrent la portée de ces paradoxes dans les situations d’équilibre de long terme, ils n’ôtent rien à leur pertinence aiguë pour comprendre les décisions non répétitives, uniques et stratégiques qui jalonnent l’existence des individus et des organisations.

10. Applications pratiques : Économie financière et comportements de marché

10.1 L’énigme de la prime de risque sur les actions (Equity Premium Puzzle)

L’une des contributions les plus spectaculaires de l’aversion à l’ambiguïté à la finance moderne concerne la résolution de l’énigme de la prime de risque sur les actions (Equity Premium Puzzle), formulée initialement par Rajnish Mehra et Edward Prescott en 1985. L’énigme repose sur un constat empirique historique incontestable : sur de longues périodes, le rendement réel des actions a surpassé celui des obligations d’État sécurisées d’environ six à huit points de pourcentage par an dans les économies développées. Pour expliquer un tel écart de rendement sous le cadre de la théorie classique de l’utilité attendue, il faudrait supposer chez les investisseurs un coefficient d’aversion relative au risque invraisemblablement élevé (souvent supérieur à 30 ou 40), ce qui correspondrait à un refus pathologique de prendre le moindre risque financier quotidien.

L’introduction de l’aversion à l’ambiguïté au sens d’Ellsberg permet de résoudre cette énigme sans recourir à des paramètres d’aversion au risque aberrants. Alors que les obligations d’État présentent un risque de rendement largement modélisable et prévisible (risque transparent), le marché des actions confronte les investisseurs à une ambiguïté structurelle profonde : les déterminants de la rentabilité future des entreprises, les ruptures technologiques, les crises politiques et les évolutions réglementaires sont intrinsèquement impossibles à capturer dans une loi de probabilité stable et objective.

Les investisseurs exigent donc une double rémunération : une prime pour compenser le risque mesurable de volatilité, et une surprime substantielle pour accepter de détenir des actifs frappés d’ambiguïté knightienne. En appliquant des modèles du type Maxmin Expected Utility ou ambiguïté lisse, les économistes financiers démontrent que l’aversion pour le flou informationnel décote massivement le prix des actions, générant mécaniquement la prime de rendement historique observée sans violer la plausibilité psychologique des agents.

10.2 Comportement assurantiel face aux risques extrêmes et catastrophes

Le secteur des assurances constitue un terrain d’observation privilégié pour les dynamiques conjuguées des paradoxes d’Allais et d’Ellsberg. Les déviations par rapport au calcul actuariel standard s’y manifestent de façon récurrente, tant du côté des assurés que de celui des compagnies d’assurance :

• L’impact de l’effet de certitude (Allais) sur la demande de franchise : La théorie standard stipule qu’un individu rationnel averse au risque a toujours intérêt à souscrire une franchise modérée pour réduire significativement le montant de sa prime annuelle. Or, l’on observe une préférence massive et irrationnelle des consommateurs pour des polices d’assurance « zéro franchise ». Les souscripteurs sont disposés à payer une surprime exorbitante pour acheter la certitude absolue d’une couverture intégrale, éliminant totalement l’inconfort psychologique d’un débours résiduel en cas de sinistre.
• Le refus de souscription sous ambiguïté scientifique : Face à des risques émergents dont la fréquence et la sévérité sont impossibles à probabiliser rigoureusement (marées noires majeures, contaminations technologiques inédites, pandémies globales ou cyberattaques systémiques), le marché de l’assurance s’effondre fréquemment. Les assureurs ne se comportent pas comme des calculateurs bayésiens neutres ; confrontés à l’ambiguïté knightienne, ils appliquent des surprimes prohibitives ou refusent purement et simplement de proposer des contrats, préférant abandonner des opportunités lucratives plutôt que d’opérer dans le brouillard informationnel.

À l’inverse, pour les risques dont la probabilité est infinitésimale mais transparente, la sur-pondération des probabilités faibles modélisée par la Prospect Theory explique la sur-consommation d’assurances spécifiques (assurances pour perte de bagages aériens, extensions de garantie pour petits appareils électroménagers), où le consommateur sur-paie la protection contre un scénario d’échec hautement improbable.

10.3 Le biais de familiarité dans les portefeuilles d’actifs

La théorie financière classique moderne, incarnée par le modèle de sélection de portefeuille de Harry Markowitz, enseigne que l’optimisation du couple rendement-risque impose une diversification géographique internationale agressive. Dans un monde bayésien intégré, un investisseur rationnel devrait allouer son capital en proportion des capitalisations boursières mondiales, réduisant ainsi la volatilité spécifique à son pays d’origine.

Dans la réalité empirique, les gestionnaires de fonds et les épargnants individuels violent massivement cette prescription normative en manifestant un biais de familiarité domestique prononcé (Home Bias). Les investisseurs concentrent une proportion démesurée de leur épargne – souvent supérieure à 70 % ou 80 % – sur les actions d’entreprises de leur propre nation, ignorant des pans entiers de l’économie mondiale dont les perspectives de croissance sont pourtant supérieures.

Ce comportement d’apparence irrationnel trouve son explication directe dans le paradoxe d’Ellsberg et l’hypothèse de l’évaluation comparative de Fox et Tversky. Les investisseurs n’ont pas une aversion intrinsèque pour les entreprises étrangères en tant que telles, mais perçoivent l’environnement institutionnel, comptable, juridique et politique étranger comme une urne ambiguë hautement opaque. Par contraste, l’économie nationale, familière et couverte au quotidien par les médias locaux, est perçue – à tort ou à raison – comme une urne transparente dont les risques sont maîtrisés. Les capitaux fuient l’ambiguïté perçue de l’international, au prix d’une sous-diversification coûteuse et d’une exposition accrue aux chocs macroéconomiques locaux.

11. Implications pour les politiques publiques et la prise de décision médicale

11.1 Acceptation des thérapies innovantes et hésitation vaccinale

Le champ de la santé publique et des choix cliniques offre une illustration dramatique des conséquences sociétales de l’aversion à l’ambiguïté et de l’effet de certitude. Lorsqu’un patient atteint d’une affection grave est confronté au choix entre un traitement thérapeutique conventionnel éprouvé et une thérapie médicale innovante de rupture, ses arbitrages défient fréquemment la simple maximisation de l’espérance de vie :

• Le traitement conventionnel possède des effets secondaires documentés de longue date et une efficacité modérée mais parfaitement quantifiée par des décennies d’études épidémiologiques (risque probabilisable transparent).
• La thérapie innovante présente une probabilité d’éradication de la maladie supérieure lors des essais cliniques préliminaires, mais demeure entourée d’un flou scientifique résiduel quant à ses effets secondaires rares à très long terme (ambiguïté informationnelle).

L’observation médicale montre qu’une proportion substantielle de patients – ainsi que de nombreux praticiens – rejette la thérapie novatrice au profit du protocole traditionnel, préférant subir un risque connu et tangible plutôt que de s’exposer à une incertitude non stabilisée.

Ce même ressort psychologique gouverne les mouvements contemporains d’hésitation vaccinale face à des vaccins récemment introduits lors de crises sanitaires d’urgence. Même lorsque les données statistiques démontrent que le risque de complications post-vaccinales est infinitésimal comparé à la probabilité létale de la maladie infectieuse elle-même, la perception d’une ambiguïté entourant la nouveauté de la technologie médicale déclenche un blocage cognitif profond. Les individus sur-pondèrent le risque mal compris du vaccin tout en appliquant une décote de confiance massive à l’information institutionnelle perçue comme incomplète.

11.2 Principe de précaution et gestion des risques émergents

Sur le plan de la gouvernance environnementale et de la régulation technologique, le célèbre principe de précaution peut être interprété sur le plan analytique comme l’institutionnalisation juridique de l’aversion à l’ambiguïté mise en lumière par Daniel Ellsberg. Formulé dans la déclaration de Rio de 1992 et intégré dans de nombreuses constitutions démocratiques (notamment la Charte de l’environnement en France), le principe stipule que « l’absence de certitudes, compte tenu des connaissances scientifiques et techniques du moment, ne doit pas retarder l’adoption de mesures effectives et proportionnées visant à prévenir un risque de dommages graves et irréversibles ».

Sous un prisme bayésien strict, ce principe est fréquemment dénoncé par les théoriciens du choix néoclassique comme une dérive obscurantiste ou un frein à la croissance, car il commande d’agir et de réguler avant même d’avoir pu quantifier rigoureusement une loi de probabilité de survenue du dommage. En revanche, si l’on adopte le cadre formel du modèle Maxmin de Gilboa et Schmeidler, le principe de précaution devient une réponse logique et optimisatrice : face à un risque systémique potentiel frappé d’ambiguïté sévère (organismes génétiquement modifiés, géo-ingénierie climatique, nanoparticules, intelligence artificielle générale), le décideur public teste ses décisions contre l’enveloppe des pires scénarios envisageables afin de prémunir la collectivité contre la ruine irréversible.

Néanmoins, cette posture prudentielle soulève un dilemme socio-économique majeur : le coût d’opportunité d’une précaution excessive. En gelant le déploiement d’innovations porteuses d’immenses bénéfices potentiels par simple rejet du flou statistique initial, les décideurs publics risquent de priver la société d’avancées technologiques majeures, transformant l’aversion à l’ambiguïté en un conservatisme paralysant.

11.3 Architecture du choix (Nudge) appliquée aux contextes incertains

Les enseignements croisés d’Allais et d’Ellsberg ont trouvé un terrain d’application opérationnelle privilégié dans l’essor des politiques d’architecture du choix et de la théorie des « nudges » (coups de pouce incitatifs), popularisée par Richard Thaler et Cass Sunstein. Puisque les individus ne réagissent pas aux probabilités et à l’ambiguïté de manière bayésienne neutre, la façon dont l’information publique est structurée et encadrée visuellement exerce un pouvoir déterminant sur les arbitrages collectifs.

Pour neutraliser l’effet paralysant de l’incompétence relative décrit par Fox et Tversky, les concepteurs de politiques publiques cherchent à restructurer les choix complexes (par exemple le choix d’un plan d’épargne-retraite ou le consentement au don d’organes) en réduisant délibérément l’ambiguïté perçue :

• Remplacement des probabilités abstraites par des repères visuels transparents : La présentation des risques sous forme de diagrammes de fréquences naturelles simples (ex. « 1 personne sur 10 000 ») désamorce la panique cognitive liée à la sur-pondération des pourcentages décimaux infimes.
• Désactivation de l’effet d’évaluation comparative : En évitant de juxtaposer des options hautement standardisées et des options complexes au sein du même menu de choix, on réduit la décote de méfiance qui frappe systématiquement les alternatives les plus novatrices.
• Exploitation positive de l’effet de certitude : Pour encourager l’adoption de comportements vertueux (sobriété énergétique, dépistage médical régulier), l’attribution d’une incitation modeste mais garantie avec une certitude absolue de 100 % s’avère infiniment plus performante qu’un mécanisme de tombola stochastique doté d’une espérance financière pourtant largement supérieure.

12. Synthèse épistémologique et avenir des sciences de la décision

12.1 Le débat persistant entre normes de rationalité et réalisme descriptif

Plus de soixante-dix ans après la présentation d’Allais à Paris et plus de six décennies après les urnes d’Ellsberg, la question philosophique centrale soulevée par ces expériences demeure d’une brûlante actualité : que signifie véritablement « être rationnel » face au futur ? La fracture intellectuelle entre le camp axiomatique normatif et le camp comportemental descriptif ne s’est jamais totalement résorbée.

Pour les héritiers contemporains de l’orthodoxie néoclassique, les paradoxes d’Allais et d’Ellsberg conservent le statut de biais cognitifs ou de limitations de calcul biologique qu’il conviendrait de pallier grâce à l’aide d’outils analytiques formels. Dans cette perspective, la théorie de von Neumann, Morgenstern et Savage reste l’étoile polaire de la rationalité idéale : la seule capable d’immuniser les organisations contre les dynamiques sous-optimales et les incohérences temporelles au sein des décisions séquentielles de grande échelle.

À l’inverse, pour l’école de l’économie comportementale, de la psychologie écologique et de la rationalité limitée (bounded rationality) portée initialement par Herbert Simon, vouloir imposer aux humains des axiomes de linéarité et d’additivité universels relève d’une illusion mécaniste déconnectée des exigences de l’adaptation biologique. La sensibilité à la certitude absolue, la prudence face au vide informationnel et la recherche de robustesse face au pire scénario sont des heuristiques intelligentes, façonnées par des millénaires d’évolution pour assurer la survie de l’espèce dans des environnements hostiles où l’inconnu radical ne pardonne pas. Le réalisme scientifique impose d’abandonner l’idole d’un agent divin bayésien au profit de modèles formels capables d’intégrer la complexité émotionnelle et cognitive des êtres réels.

12.2 Intelligence artificielle et algorithmes d’apprentissage face à l’ambiguïté

Cette confrontation épistémologique trouve un prolongement technologique inédit et fondamental dans le développement contemporain de l’intelligence artificielle (IA) et de l’apprentissage par renforcement profond (Deep Reinforcement Learning). Les agents autonomes et les réseaux de neurones sont confrontés, à une échelle démultipliée, au dilemme knightien de la décision sous risque mesuré versus incertitude ambiguë :

• Le compromis exploration-exploitation : Dans un environnement numérique inconnu, un algorithme d’apprentissage doit décider s’il exploite les sources de récompense déjà bien modélisées par ses paramètres (risque transparent) ou s’il s’aventure à explorer des pans inexplorés de l’espace d’états dont la distribution des gains est totalement obscure (ambiguïté ellsbergienne).
• La modélisation de l’incertitude épistémique versus aléatoire : En apprentissage profond bayésien, les concepteurs séparent désormais rigoureusement l’incertitude aléatoire (le bruit physique intrinsèque aux données, analogue au risque d’Allais) de l’incertitude épistémique (le manque de données ou l’ignorance du modèle, analogue à l’ambiguïté d’Ellsberg). Un système de pilotage de véhicule autonome qui ne distinguerait pas ces deux strates risquerait d’attribuer une probabilité uniforme faussement rassurante à un obstacle visuel totalement inédit.
• L’intégration d’heuristiques de contrôle robuste : Les algorithmes d’IA critique déployés dans le contrôle de réseaux électriques haute tension ou la chirurgie robotique abandonnent progressivement l’optimisation pure de l’utilité attendue moyenne pour adopter des architectures inspirées des modèles Maxmin de Gilboa-Schmeidler et du contrôle robuste de Hansen et Sargent. Face au risque de distribution shift (dérive imprévisible de l’environnement), l’aversion artificielle à l’ambiguïté devient une exigence d’ingénierie absolue pour garantir la résilience et la sécurité des systèmes autonomes.

12.3 L’héritage intellectuel durable de Maurice Allais et Daniel Ellsberg

L’héritage légué par Maurice Allais et Daniel Ellsberg transcende largement les frontières techniques de la microéconomie mathématique. En s’attaquant avec une rigueur expérimentale implacable aux dogmes les plus solidement ancrés de l’école néoclassique, ils ont accompli une œuvre de libération intellectuelle qui a ouvert la voie à l’avènement de l’économie comportementale contemporaine, aux couronnements académiques de Daniel Kahneman, Amos Tversky, Robert Shiller et Richard Thaler, ainsi qu’à la refondation des sciences cognitives de la décision.

Leurs protocoles expérimentaux, d’une simplicité et d’une pureté géométrique admirables, demeurent aujourd’hui des instruments universels de diagnostic cognitif, administrés quotidiennement dans les départements de neurosciences, les salles de marché et les laboratoires d’IA du monde entier. Maurice Allais nous a enseigné que le cœur humain ne traite pas les mathématiques du destin comme une simple opération de comptabilité arithmétique : la certitude y brille d’un éclat singulier dont la théorie économique se doit de respecter la souveraineté. Daniel Ellsberg nous a rappelé qu’il existe une différence fondamentale et tragique entre naviguer au sein d’un risque dont on a pu mesurer la houle, et naviguer sur une mer sans rivages où l’on ignore jusqu’à la profondeur des abysses. En unifiant ces deux leçons au cœur de la pensée contemporaine, les sciences de la décision ont définitivement renoncé au dogme de la perfection mécaniste pour embrasser la fascinante complexité de l’esprit humain.

Références

• Allais, M. (1953). Le comportement de l’homme rationnel devant le risque: Critique des postulats et axiomes de l’école américaine. Econometrica, 21(4), 503–546. https://doi.org/10.2307/1907921
• Camerer, C., & Weber, M. (1992). Recent developments in modeling preferences: Uncertainty and ambiguity. Journal of Risk and Uncertainty, 5(4), 325–370. https://doi.org/10.1007/BF00122575
• Ellsberg, D. (1961). Risk, ambiguity, and the Savage axioms. The Quarterly Journal of Economics, 75(4), 643–669. https://doi.org/10.2307/1884324
• Fox, C. R., & Tversky, A. (1995). Ambiguity aversion and comparative ignorance. The Quarterly Journal of Economics, 110(3), 585–603. https://doi.org/10.2307/2946693
• Ghirardotti, P., Maccheroni, F., & Marinacci, M. (2004). Differentiating ambiguity and ambiguity attitude. Journal of Economic Theory, 118(2), 133–173. https://doi.org/10.1016/j.jet.2003.12.004
• Gilboa, I., & Schmeidler, D. (1989). Maxmin expected utility with non-unique prior. Journal of Mathematical Economics, 18(2), 141–153. https://doi.org/10.1016/0304-4068(89)90018-9
• Hsu, M., Bhatt, M., Adolphs, R., Tranel, D., & Camerer, C. F. (2005). Neural systems responding to degrees of uncertainty in human decision-making. Science, 310(5754), 1680–1683. https://doi.org/10.1126/science.1115327
• Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263–291. https://doi.org/10.2307/1914185
• Klibanoff, P., Marinacci, M., & Mukerji, S. (2005). A smooth model of decision making under ambiguity. Econometrica, 73(6), 1849–1892. https://doi.org/10.1111/j.1468-0262.2005.00640.x
• Knight, F. H. (1921). Risk, uncertainty and profit. Houghton Mifflin. https://oll.libertyfund.org/title/knight-risk-uncertainty-and-profit
• Mehra, R., & Prescott, E. C. (1985). The equity premium: A puzzle. Journal of Monetary Economics, 15(2), 145–161. https://doi.org/10.1016/0304-3932(85)90061-3
• Quiggin, J. (1982). A theory of anticipated utility. Journal of Economic Behavior & Organization, 3(4), 323–343. https://doi.org/10.1016/0167-2681(82)90008-7
• Savage, L. J. (1954). The foundations of statistics. John Wiley & Sons. https://www.wiley.com/en-us/The+Foundations+of+Statistics
• Thaler, R. H., & Sunstein, C. R. (2008). Nudge: Improving decisions about health, wealth, and happiness. Yale University Press. https://yalebooks.yale.edu/book/9780300122237/nudge
• Tversky, A., & Kahneman, D. (1992). Advances in prospect theory: Cumulative representation of uncertainty. Journal of Risk and Uncertainty, 5(4), 297–323. https://doi.org/10.1007/BF00122574
• von Neumann, J., & Morgenstern, O. (1944). Theory of games and economic behavior. Princeton University Press. https://press.princeton.edu/books/paperback/9780691130613/theory-of-games-and-economic-behavior