Expérience – Vernon Smith, Gerry Suchanek et Arlington Williams Le Niveau-k

L’intersection entre l’économie néoclassique et la psychologie cognitive a engendré une refonte profonde de notre compréhension des mécanismes d’allocation des ressources et de formation des prix. Pendant plusieurs décennies, la théorie économique dominante s’est articulée autour du postulat d’agents dotés d’une rationalité substantive sans faille, capables d’anticiper parfaitement les trajectoires d’équilibre et d’intégrer instantanément l’ensemble des informations disponibles selon les principes de l’hypothèse d’efficience des marchés formalisée par Eugene Fama. Dans cet univers axiomatique, les anomalies de valorisation, les vagues spéculatives et les effondrements soudains étaient relégués au rang d’aberrations frictionnelles ou de réactions transitoires à des chocs exogènes imprévisibles, réfutant toute causalité structurelle d’ordre comportemental.

L’irruption de la méthode expérimentale dans les sciences économiques, impulsée de manière décisive par Vernon L. Smith, a ébranlé ce paradigme en confrontant directement les prédictions mathématiques aux comportements effectifs d’agents humains placés dans des environnements de négociation aux règles institutionnelles rigoureusement définies. L’article séminal publié en 1988 par Vernon Smith, Gerry Suchanek et Arlington Williams, intitulé « Bubbles, Crashes, and Endogenous Expectations in Experimental Spot Asset Markets », constitue à cet égard une rupture épistémologique majeure. En concevant un protocole de laboratoire où la valeur fondamentale d’un actif financier est publiquement connue, finie et décroissante, les auteurs ont mis en évidence la formation endogène et systématique de bulles spéculatives massives, suivies de krachs violents, contredisant directement la théorie des anticipations rationnelles et le principe d’induction à rebours.

Pour élucider les fondements microéconomiques de ces déviations spectaculaires, les théoriciens se sont tournés vers les modèles de hiérarchie cognitive et de profondeur de raisonnement, au premier rang desquels figure le modèle de raisonnement de Niveau-k (Level-k reasoning). Initialement développé dans le cadre de la théorie des jeux expérimentale par Dale Stahl, Paul Wilson et Rosemarie Nagel, ce modèle offre une grille de lecture unifiée des dynamiques observées par Smith, Suchanek et Williams. En postulant que les individus se caractérisent par des degrés hétérogènes et bornés de sophistication stratégique — depuis l’acteur naïf opérant au hasard jusqu’au spéculateur tentant de deviner les anticipations d’autrui au second ou au troisième degré —, la théorie du Niveau-k permet de formaliser la façon dont l’incertitude stratégique et l’absence de connaissance commune de la rationalité engendrent des écarts monumentaux et prévisibles par rapport aux prix fondamentaux. Cette synthèse entre l’architecture expérimentale de Smith, Suchanek et Williams et la modélisation cognitive du Niveau-k dévoile les rouages fondamentaux de l’irrationalité collective organisée.

## 1. Introduction aux fondements de l’économie expérimentale et du raisonnement stratégique

### 1.1 Le contexte historique de l’économie expérimentale et les travaux pionniers

L’émergence de la démarche expérimentale en économie constitue l’une des mutations méthodologiques les plus significatives de la seconde moitié du vingtième siècle. Historiquement, l’économie s’est développée comme une discipline purement déductive et observationnelle, reposant sur la conviction, largement partagée par des figures tutélaires telles que Lionel Robbins ou Milton Friedman, qu’il était impossible de soumettre les systèmes économiques à des expériences contrôlées comparables à celles des sciences de la nature. Les premières tentatives d’expérimentation en laboratoire, conduites notamment par Edward Chamberlin à l’Université de Harvard à la fin des années 1940, visaient à tester la théorie de la concurrence pure et parfaite au moyen de négociations bilatérales décentralisées. Les résultats montraient des écarts notables avec les prédictions néoclassiques, ce qui incita l’un de ses étudiants, Vernon L. Smith, à repenser entièrement l’architecture institutionnelle des échanges pour éprouver la robustesse empirique des lois de l’offre et de la demande.

À partir de 1962, Vernon Smith publie une série d’articles fondateurs démontrant que l’organisation du marché sous la forme d’une double enchère continue (continuous double auction) permettait une convergence remarquablement rapide des prix et des quantités vers l’équilibre concurrentiel théorique de Léon Walras et d’Alfred Marshall. Cette convergence s’opérait même en présence d’un nombre restreint d’acteurs et sans que ces derniers ne possèdent une information globale sur les courbes de coûts marginaux ou de valorisations subjectives de leurs contreparties. Ces premières victoires empiriques semblaient conforter la puissance autorégulatrice des mécanismes de marché. Néanmoins, elles ouvraient également un vaste chantier : tester la validité de ces mécanismes lorsque les biens échangés cessent d’être des biens de consommation immédiate à valeur d’usage stationnaire pour devenir des actifs financiers caractérisés par une valeur intertemporelle incertaine et des possibilités de revente spéculative.

Cette transition vers l’analyse des marchés d’actifs a contraint les économistes à abandonner l’hypothèse d’une rationalité désincarnée et universelle. L’observation méticuleuse des transactions en laboratoire a révélé que les règles formelles de négociation n’effacent pas les régularités psychologiques des individus. Au contraire, l’environnement contrôlé du laboratoire est devenu le banc d’essai privilégié pour isoler les heuristiques de jugement, les asymétries perceptuelles et les frictions cognitives. En substituant aux postulats axiomatiques a priori l’observation rigoureuse des données comportementales induites par des incitations financières réelles, l’économie expérimentale a forgé les outils indispensables pour disséquer les mécanismes intimes de la formation des prix et des anticipations de marché.

### 1.2 La rencontre entre psychologie cognitive et théorie des jeux

Parallèlement au développement des techniques expérimentales de marché, les fondements de la théorie de la décision ont connu une réévaluation radicale sous l’impulsion des sciences cognitives. Les travaux séminaux d’Herbert Simon sur la rationalité limitée (bounded rationality) avaient déjà mis en exergue l’incapacité intrinsèque de l’esprit humain à traiter des flux combinatoires d’informations illimités et à exécuter des calculs d’optimisation parfaits dans des environnements complexes. L’être humain n’est pas un maximisateur global omniscient, mais un agent procédural qui emploie des règles empiriques simplificatrices — des heuristiques — afin d’atteindre un niveau de satisfaction acceptable au regard de ses contraintes neurophysiologiques et attentionnelles.

Dans le prolongement de cette rupture, Daniel Kahneman et Amos Tversky ont documenté les biais systématiques qui affectent le traitement probabiliste et l’évaluation du risque chez les agents économiques, conduisant à l’élaboration de la théorie des perspectives. Cependant, lorsque ces agents imparfaits sont placés dans des situations d’interaction stratégique mutuelle — où l’utilité finale de chacun dépend non seulement de ses propres choix, mais aussi des actions choisies par autrui —, l’analyse purement individuelle de la rationalité limitée s’avère insuffisante. Il devient nécessaire de formaliser la manière dont les individus construisent des représentations mentales des capacités cognitives et des intentions de leurs partenaires ou concurrents. La théorie des jeux classique, dominée par le concept d’équilibre de Nash, postulait que les croyances des joueurs étaient mutuellement cohérentes et alignées sur une rationalité partagée jusqu’à l’infini, un concept formalisé sous le terme d’induction rétrograde (backward induction).

Pour combler le fossé flagrant entre cette exigence de cohérence infinie et les données empiriques recueillies en laboratoire, les chercheurs ont conçu des modèles de hiérarchie cognitive et de raisonnement stratégique itératif. Les propositions initiales formulées par Dale Stahl et Paul Wilson (1994, 1995), ainsi que par Rosemarie Nagel (1995), ont introduit le paradigme du modèle de Niveau-k (Level-k reasoning). Cette approche théorique postule que la population des décideurs n’est pas homogène dans sa capacité de calcul stratégique, mais stratifiée selon des échelons discrets de profondeur itérative. Chaque strate d’agents formule sa décision en tant que meilleure réponse face à une population perçue comme occupant un échelon inférieur de sophistication. Ce cadre conceptuel intègre directement les limites cognitives humaines dans l’analyse formelle des jeux et fournit une explication mécanique et quantifiable aux déviations systématiques et reproductibles par rapport aux équilibres théoriques standards.

### 1.3 Objectifs épistémologiques de l’intégration expérimentale

L’articulation entre le protocole de marché d’actifs standardisé et les outils théoriques de la modélisation du Niveau-k répond à une ambition épistémologique fondamentale : comprendre la dynamique endogène de l’erreur stratégique collective. Dans le cadre théorique conventionnel de l’hypothèse des anticipations rationnelles (Muth, 1961 ; Lucas, 1972), les agents sont supposés posséder une connaissance correcte des lois de probabilité gouvernant le système économique. Appliquée à un marché d’actifs de durée finie, cette hypothèse implique que le prix d’échange doit coïncider en tout point temporel avec la valeur fondamentale espérée des flux futurs actualisés, éliminant par définition toute possibilité d’apparition d’une bulle spéculative.

L’objectif de l’investigation expérimentale consiste précisément à isoler les conditions de validité empirique de cette hypothèse dans un environnement où tous les paramètres d’incertitude exogène sont parfaitement maîtrisés et observables par le chercheur. Dans les marchés réels, l’analyste se heurte à une impossibilité méthodologique majeure : la véritable valeur fondamentale d’une entreprise ou d’une marchandise n’est jamais observable avec certitude, dépendant de flux de trésorerie futurs soumis à des aléas macroéconomiques, technologiques et politiques imprédictibles. Dès lors, lorsqu’un actif subit une envolée des cours suivie d’un plongeon, il demeure éternellement contestable de qualifier ce mouvement de bulle irrationnelle ; les partisans de l’efficience informationnelle peuvent toujours invoquer une révision légitime des anticipations fondamentales face à de nouvelles informations invisibles pour l’observateur rétrospectif.

Le laboratoire renverse cette indétermination fondamentale. En fixant mathématiquement la distribution des dividendes et la finitude absolue du marché, Vernon Smith et ses collègues ont créé une situation de transparence informationnelle totale. Dès lors que l’information fondamentale est universellement accessible, toute variation de prix déviant de la somme des dividendes espérés restants ne peut plus être attribuée à une incertitude sur la nature de l’actif, mais découle obligatoirement d’une incertitude stratégique : l’incertitude quant aux comportements, aux croyances et aux réactions des autres participants. L’intégration de la modélisation de Niveau-k offre la grille analytique rigoureuse nécessaire pour cartographier ces états mentaux étagés, décrypter la structure des offres d’achat et de vente, et expliquer les décalages temporels entre la communication d’un fondamental déterministe et le comportement effectif d’enchère.

## 2. Le protocole expérimental fondateur de Smith, Suchanek et Williams (1988)

### 2.1 Architecture et règles du marché d’actifs de laboratoire

Le dispositif expérimental conçu par Vernon L. Smith, Gerry L. Suchanek et Arlington W. Williams dans leur article de 1988 constitue un modèle de rigueur méthodologique ayant défini le standard mondial pour l’analyse des bulles financières en laboratoire. Le protocole repose sur l’implémentation informatique d’un marché au comptant fondé sur l’institution de la double enchère continue informatisée, déployée à l’origine via le système de terminaux PLATO à l’Université d’Indiana et à l’Université d’Arizona. Dans cette configuration, chaque participant opère simultanément comme acheteur et vendeur potentiel. À tout instant au cours d’une période de négociation, tout sujet peut soumettre une proposition publique d’achat (bid) ou une proposition publique de vente (ask), ou accepter immédiatement une offre existante formulée par une contrepartie, entraînant la conclusion irréversible d’une transaction au prix convenu.

L’expérience se déroule sur une séquence temporelle finie et strictement annoncée aux participants, composée généralement de 15 ou 30 périodes de négociation consécutives (le format classique à 15 périodes étant le plus couramment reproduit). Chaque période est calibrée pour durer un intervalle de temps fixe, typiquement entre deux et quatre minutes, durant lequel le carnet d’ordres s’actualise en temps réel sur les moniteurs individuels. Au début de la session expérimentale, les participants reçoivent une dotation initiale hétérogène comprenant une quantité déterminée d’actifs financiers standardisés (les titres ou shares) et une somme de monnaie expérimentale (le fonds de roulement ou cash endowment). Cette hétérogénéité des dotations garantit la présence d’incitations structurelles à l’échange : certains acteurs possèdent un ratio liquidité/titres élevé tandis que d’autres sont initialement riches en titres mais dépourvus de liquidités importantes.

À la conclusion de chaque période de négociation, l’actif financier génère un dividende monétaire crédité directement sur le compte de l’opérateur détenant les titres à cet instant précis. Les règles gouvernant ce dividende sont entièrement prédéterminées et uniformes pour l’ensemble des titres en circulation. À l’issue de la dernière période (la quinzième période par exemple), après le versement de l’ultime dividende, l’actif cesse d’exister et ne conserve rigoureusement aucune valeur de rachat ou valeur résiduelle (scrap value equal to zero). Les participants sont donc explicitement informés que conserver un titre au-delà de la conclusion de l’expérience n’offre aucune rémunération financière.

### 2.2 La trajectoire déterministe de la valeur fondamentale

L’originalité fondamentale du paradigme de Smith, Suchanek et Williams réside dans la structure mathématique assignée aux flux de dividendes, permettant d’établir une trajectoire de la valeur fondamentale qui soit à la fois objectivement mesurable, décroissante dans le temps et connue de tous les agents. À la fin de chaque période $t$ (où $t in {1, 2, dots, T}$, avec $T=15$), chaque unité d’actif confère à son propriétaire un dividende stochastique $D_t$ tiré d’une distribution de probabilités discrète et stationnaire. Dans la spécification canonique de 1988, la distribution des dividendes offre quatre réalisations équiprobables : les paiements possibles sont fixés à 0, 8, 28 ou 60 cents expérimentaux par action, chaque issue ayant une probabilité exacte de survenue de $p = 0{,}25$.

La valeur espérée du dividende par action pour chaque période individuelle est donc donnée par la formule d’espérance mathématique :
$$E[D] = \sum_{i=1}^{4} p_i D_i = 0{,}25 \times 0 + 0{,}25 \times 8 + 0{,}25 \times 28 + 0{,}25 \times 60 = 24\text{ cents}$$
Puisque le marché a une durée de vie finie de $T$ périodes et que le taux d’actualisation psychologique sur une session de deux heures est conventionnellement supposé nul (ou négligeable compte tenu du cadre expérimental contrôlé), la valeur fondamentale intrinsèque de l’actif financier au début d’une période quelconque $t$ s’obtient simplement par l’agrégation linéaire des dividendes espérés restant à percevoir jusqu’à la liquidation terminale du marché :
$$V_t = \sum_{tau=t}^{T} E[D] = (T – t + 1) \times 24\text{ cents}$$
Pour un horizon de $T=15$ périodes, la valeur fondamentale de l’actif commence exactement à $15 \times 24 = 360$ cents (soit 3,60 dollars expérimentaux) en période 1, diminue de manière linéaire et strictement monotone de 24 cents à chaque période successive, pour atteindre 24 cents lors de la période 15 finale, avant de s’annuler irrévocablement après le versement du dividende final.

Cette architecture assure une transparence quantitative absolue. Les instructions distribuées et lues à voix haute par les expérimentateurs détaillent exhaustivement la matrice des probabilités, fournissent un tableau récapitulatif de la valeur fondamentale espérée pour chaque période restante, et explicitent les formules de calcul. La distribution des dividendes est ainsi un élément de connaissance publique complète, créant une dichotomie volontaire et extrême entre l’évolution déterministe de la valeur intrinsèque et le stock de liquidités monétaires circulant dans les mains des investisseurs de laboratoire.

### 2.3 Variables de contrôle et environnement incitatif

Pour garantir la validité interne des observations empiriques et satisfaire aux préceptes méthodologiques formulés par Smith (notamment les postulats de nonsatiation, de saillance et de dominance de l’environnement de récompense induite), le protocole applique un système d’incitations financières strictes. Les gains réalisés par les participants au cours de la session — issus des dividendes perçus lors de la détention des titres et des plus-values générées par les opérations d’arbitrage et de vente — sont libellés en monnaie expérimentale convertible en monnaie légale réelle (dollars américains) à un taux de conversion contractuellement stipulé et garanti au terme de l’expérience.

Les participants reçoivent des paiements tangibles en espèces immédiatement à la fin de la séance de négociation. Les montants financiers en jeu sont substantiels, calibrés pour surpasser significativement le coût d’opportunité du temps passé par les sujets expérimentaux (généralement des étudiants de premier ou deuxième cycle universitaire, ou des professionnels de la finance dans certaines variations ultérieures). L’environnement incitatif interdit toute forme de transaction à découvert (short selling) sans collatéral préalable et proscrit les soldes monétaires négatifs (absence de facilités de découvert ou d’emprunt de liquidités), ce qui signifie qu’un participant ne peut soumettre d’offre d’achat excédant son encaisse disponible ni vendre plus d’actions qu’il n’en détient en portefeuille à l’instant considéré.

Enfin, toute forme de communication verbale, visuelle ou latérale entre les sujets est rigoureusement interdite par la mise en place d’isoloirs physiques ou d’écrans de séparation opaques. L’unique canal d’interaction autorisé réside dans la transmission d’ordres via le réseau informatique. Chaque sujet n’observe sur son interface que les prix des propositions anonymisées, la chronologie des transactions effectivement conclues et son propre relevé de portefeuille personnel (quantités de titres détenus, solde monétaire disponible et historique de ses transactions privées). Ce contrôle drastique permet de s’assurer que toute variation de prix ou tout emballement spéculatif provient exclusivement du processus endogène de négociation marchande et de l’agrégation décentralisée des anticipations individuelles, expurgé de tout effet de prestige social, de collusion explicite ou d’influence rhétorique directe.

## 3. L’émergence des bulles spéculatives et des krachs expérimentaux

### 3.1 Phénoménologie des écarts de prix par rapport à la valeur fondamentale

Sous l’empire de la théorie économique standard et de l’hypothèse des anticipations rationnelles, le résultat attendu d’un tel protocole ne souffre d’aucune ambiguïté théorique : dès la première seconde de la première période de négociation, le prix de l’actif financier devrait se négocier exactement au niveau de sa valeur fondamentale espérée, c’est-à-dire à 3,60 dollars en période 1, puis décliner de manière parfaitement linéaire de 24 cents par période pour terminer à 24 cents en période 15. Aucun agent rationnel ne devrait consentir à acheter un titre à un prix supérieur à la somme maximale des flux qu’il est susceptible d’en extraire, et l’absence de toute asymétrie d’information sur les caractéristiques de l’actif devrait prévenir toute divergence entre cours boursier et valeur intrinsèque.

Or, les observations expérimentales rapportées par Vernon Smith, Gerry Suchanek et Arlington Williams ont provoqué une stupéfaction théorique majeure au sein de la communauté académique. Loin d’adhérer au sentier de prix rationnel, les cours observés en laboratoire manifestent un profil dynamique caractérisé par une déviation haussière explosive :

• La phase de décollage initial (Périodes 1 à 4) : Bien que les premières transactions puissent débuter à un niveau proche ou légèrement inférieur au fondamental par prudence initiale, les prix grimpent rapidement pour dépasser la valeur intrinsèque dès les premières minutes d’échange.
• La phase d’ascension maniaque (Périodes 5 à 10) : Les cours s’envolent à des multiples extravagants de la valeur fondamentale. Il n’est pas rare de voir des transactions s’opérer à 8 ou 10 dollars par action alors même que la valeur fondamentale espérée restante est tombée en deçà de 2,50 dollars, et que le paiement de dividende le plus optimiste imaginable jusqu’à la fin de la vie du marché (si le tirage maximal de 60 cents se produisait à chaque période successive) ne pourrait jamais excéder une fraction de ce prix.
• La phase de plateau et de surchauffe transactionnelle : Les volumes d’échange atteignent des niveaux frénétiques. Le taux de rotation des titres (asset turnover) explose, les mêmes actions étant achetées et revendues plusieurs fois au sein d’une seule période de négociation, attestant d’une intense activité spéculative déconnectée de la détention finale pour rendement.

Ce phénomène s’est avéré extraordinairement robuste. Dans la majorité des marchés composés de sujets dits « naïfs » (c’est-à-dire n’ayant jamais participé préalablement à ce protocole spécifique), la bulle spéculative émerge systématiquement, révélant une incapacité totale du mécanisme d’enchères à contraindre les prix dans le canal fondamental prédit par la théorie classique.

### 3.2 La dynamique du krach terminal

Le revers inexorable de la bulle spéculative réside dans la survenue d’un effondrement cataclysmique des cours, dont la violence temporelle reproduit avec une fidélité troublante la morphologie des krachs observés sur les marchés boursiers historiques réels. Après avoir culminé durant la seconde moitié de la session expérimentale, la trajectoire des prix atteint un point de rupture critique, se situant généralement entre la dixième et la douzième période. À ce stade, la divergence entre le prix de marché et la valeur fondamentale restante devient si abyssale que la pression acheteuse commence à se tarir sous l’effet de l’épuisement des liquidités disponibles et de la prise de conscience graduelle de la finitude imminente du jeu.

Le krach s’amorce presque invariablement par un gel soudain du carnet d’ordres : les ordres d’achat à des prix exorbitants se retirent instantanément tandis qu’une vague massive de propositions de vente (asks) inonde l’écran de négociation. En l’espace de quelques dizaines de secondes, les cours s’effondrent verticalement, perdant fréquemment entre 60 % et 90 % de leur valeur marchande pour tenter de rejoindre, dans l’urgence, la trajectoire fondamentale résiduelle. Pour quantifier rigoureusement l’ampleur de ces distorsions à travers les différentes sessions expérimentales, la littérature a institutionnalisé plusieurs métriques standardisées :

• L’écart absolu relatif (Relative Absolute Deviation – RAD) : Calculé comme la somme des écarts absolus entre le prix moyen de transaction $P_t$ et la valeur fondamentale $V_t$, normalisée par le nombre total de périodes et la valeur fondamentale moyenne :
  $$RAD = \frac{1}{T} \sum_{t=1}^{T} \frac{|P_t – V_t|}{\bar{V}}$$
• L’écart relatif directionnel (Relative Deviation – RD) : Mesurant le biais haussier net de surévaluation en calculant la somme algébrique des déviations :
  $$RD = \frac{1}{T} \sum_{t=1}^{T} \frac{P_t – V_t}{\bar{V}}$$
• L’amplitude de la bulle (Bubble Amplitude – A) : Définie comme l’écart maximal en pourcentage entre le ratio prix-sur-valeur fondamentale et son minimum historique au cours de la session :
  $$A = \max_t \left(\frac{P_t – V_t}{V_t}\right) – \min_t \left(\frac{P_t – V_t}{V_t}\right)$$

Ce krach laisse invariablement les derniers acquéreurs de titres dans une situation de détresse financière manifeste. Les participants ayant acquis des actions au sommet de la vague spéculative dans l’espoir de les revendre se retrouvent pris au piège de l’illiquidité terminale, contraints de conserver jusqu’à l’expiration du marché des actifs dont les dividendes résiduels ne compensent qu’une infime proportion du capital investi.

### 3.3 L’invalidation de l’hypothèse des anticipations rationnelles pures

Les implications théoriques de ces observations empiriques sont dévastatrices pour le paradigme néoclassique traditionnel. Selon le théorème fondamental de non-échange de Milgrom et Stokey (No-Trade Theorem, 1982), dans un marché où les agents partagent des croyances initiales cohérentes et où l’information est d’ordre public, des acteurs rationnels ne devraient pas s’engager dans des échanges spéculatifs mutuels. Aucun joueur ne devrait accepter une transaction s’il sait que la contrepartie qui la lui propose possède la même information fondamentale que lui et tente d’optimiser sa propre fonction d’utilité.

L’expérience de Smith, Suchanek et Williams démontre sans appel l’effondrement de ce mécanisme d’anticipations rationnelles pures. En premier lieu, elle montre que la simple mise à disposition d’une information parfaite et exhaustive concernant la valeur intrinsèque d’un bien ne suffit absolument pas à garantir que le prix de marché s’alignera sur cette valeur. En second lieu, elle dévoile que l’hétérogénéité des anticipations individuelles est le moteur central du volume d’échange : les transactions ont lieu précisément parce que les participants forment des croyances divergentes non pas sur les dividendes futurs, mais sur le comportement d’autrui.

L’analyse post-expérimentale des questionnaires administrés aux sujets corrobore cette conclusion. Lorsqu’on interroge les traders ayant acheté des actifs à des prix deux ou trois fois supérieurs à la somme totale des dividendes restants possibles, une proportion écrasante d’entre eux ne manifeste aucune déficience arithmétique. Ils déclarent avoir parfaitement compris que le titre valait fondamentalement moins que le prix consenti, mais justifient leur transaction par la conviction subjective qu’ils parviendraient sans peine à revendre cette action à un tiers encore moins informé ou plus optimiste qu’eux avant la fin du marché. Ce comportement traduit l’adhésion empirique à la théorie dite du « plus grand fou » (greater fool theory), confirmant que la décision financière est tributaire de spéculations sur les anticipations d’autrui plutôt que d’un ancrage strict sur les flux de revenus sous-jacents.

## 4. Fondements conceptuels du modèle de raisonnement de niveau-k

### 4.1 Principes directeurs du raisonnement hiérarchique en théorie des jeux

Afin d’apporter une armature analytique rigoureuse aux déviations de l’équilibre rationnel observées en laboratoire, la théorie des jeux comportementale a développé la classe des modèles de raisonnement hiérarchique ou itératif, dont le paradigme fondamental est le modèle de **Niveau-k** (Level-k model). Élaboré à travers les recherches pionnières de Stahl et Wilson (1994, 1995) et de Rosemarie Nagel (1995), ce cadre mathématique repose sur l’hypothèse centrale selon laquelle la capacité d’itération stratégique de l’esprit humain n’est pas infinie, mais cognitivement bornée.

Dans la théorie des jeux standard, la notion d’équilibre de Nash présuppose implicitement une boucle d’itérations infinie : chaque joueur optimise son action en tenant compte du fait que l’adversaire optimise son action, tout en sachant que l’adversaire sait que le joueur sait, et ainsi de suite à l’infini (induction rétrograde). À l’opposé, le modèle de Niveau-k décompose ce processus récursif en une succession d’étapes cognitives discrètes, ancrées sur un comportement de base non stratégique :

• Le joueur de Niveau-0 ($L_0$) : Il représente le point d’ancrage fondamental de la hiérarchie. Par définition, le joueur $L_0$ ne s’engage dans aucun raisonnement stratégique. Il opère de manière naïve, heuristique ou purement aléatoire, choisissant une action selon une loi de probabilité uniforme sur l’ensemble des stratégies disponibles. Le Niveau-0 n’est généralement pas conçu comme une entité empirique majeure, mais plutôt comme une construction mentale que les niveaux supérieurs prêtent à la population générale.
• Le joueur de Niveau-1 ($L_1$) : Il franchit la première étape de la réflexion stratégique. Il formule l’hypothèse naïve que l’intégralité de ses homologues ou adversaires opère selon le comportement primaire de Niveau-0. En conséquence, le joueur $L_1$ calcule et met en œuvre la stratégie qui constitue la meilleure réponse (best response) face à une population exclusivement composée d’acteurs de Niveau-0.
• Le joueur de Niveau-2 ($L_2$) : Il fait preuve d’une sophistication accrue. Il comprend que les autres acteurs ne se contentent pas d’agir au hasard comme des $L_0$, mais anticipe que ses contreparties sont des stratèges de premier niveau ($L_1$). Le joueur $L_2$ adopte donc l’action qui maximise son gain face à des agents adoptant la règle de décision $L_1$.
• Les joueurs de Niveaux supérieurs ($L_k$, pour $k ge 3$) : Par récurrence, un agent de Niveau-$k$ suppose que l’ensemble des autres participants se comporte selon des stratégies caractéristiques du Niveau-$(k-1)$, et calcule la meilleure réponse correspondante.

Ce formalisme rompt avec l’hypothèse de consistance mutuelle de l’équilibre néoclassique : un joueur de niveau $k$ possède une croyance erronée (ou non calibrée) sur la répartition effective des compétences stratégiques au sein de la population, puisqu’il imagine systématiquement que ses interlocuteurs possèdent exactement une étape de réflexion de moins que lui-même.

### 4.2 Différenciation formelle entre Niveau-k et Hiérarchie Cognitive

Bien que les termes soient parfois employés de manière interchangeable dans le langage courant, il convient d’opérer une distinction formelle essentielle entre le modèle strict de **Niveau-k** et le modèle de **Hiérarchie Cognitive** (Cognitive Hierarchy Model), introduit par Colin Camerer, Teck-Hua Ho et Juin-Kuan Chong dans leur article séminal de 2004.

Dans le modèle strict de Niveau-k (modèle de Stahl-Wilson / Nagel), les agents opèrent selon des croyances ponctuelles dégénérées. Un joueur $L_k$ suppose avec une probabilité de 100 % que le reste de la population est constitué de joueurs de Niveau-$(k-1)$. Cette hypothèse simplificatrice confère au modèle une grande tractabilité mathématique, mais elle présente une faiblesse épistémique : un agent $L_k$ n’accorde aucune possibilité à l’existence de participants opérant à des niveaux inférieurs intermédiaires (tels que $L_{k-2}$ ou $L_{k-3}$), ni à l’existence d’acteurs d’un niveau égal ou supérieur au sien.

Pour remédier à cette rigidité, Colin Camerer et ses coauteurs ont formalisé le modèle de Hiérarchie Cognitive, dans lequel un joueur de niveau $k$ assume que la population environnante est distribuée de manière hétérogène sur tous les niveaux d’itération inférieurs, de $0$ jusqu’à $k-1$. Plus formellement, la distribution de la sophistication cognitive dans la population globale est modélisée par une loi de Poisson de paramètre $tau$ (taux moyen de profondeur de réflexion cognitive) :
$$f(k) = \frac{e^{-\tau} \tau^k}{k!}$$
Dans ce cadre, un joueur de niveau $k$ reformule ses croyances subjectives conditionnelles en tronquant et en renormalisant la loi de Poisson sur les strates inférieures :
$$p_k(j) = \frac{f(j)}{\sum_{m=0}^{k-1} f(m)}, \quad \forall j < k$$
Le joueur calcule alors sa stratégie optimale non pas en réagissant à une stratégie unique de niveau $k-1$, mais en maximisant son espérance de gain face à la distribution pondérée des stratégies déployées par les strates $0, 1, dots, k-1$. Cette nuance structurelle confère au modèle de hiérarchie cognitive une flexibilité remarquable pour capturer la sous-estimation systématique de l’intelligence collective tout en maintenant un ancrage probabiliste réaliste sur la complexité mentale des agents réels.

### 4.3 Paradigmes empiriques classiques de mesure de niveau-k

L’instrument expérimental par excellence ayant permis de valider empiriquement et de calibrer la distribution des niveaux de raisonnement est le célèbre jeu du « concours de beauté keynésien » (p-beauty contest), conçu par Rosemarie Nagel (1995) en référence explicite au chapitre 12 de la Théorie générale de John Maynard Keynes. Dans ce jeu, un groupe de $N$ participants est invité à choisir simultanément un nombre réel dans un intervalle fermé défini, conventionnellement $[0, 100]$. Les règles stipulent que le gagnant du prix monétaire est le participant dont le nombre choisi se rapproche le plus d’une fraction cible $p$ (généralement $p = 2/3$) de la moyenne arithmétique de l’ensemble des nombres soumis par l’ensemble des participants.

Si les agents étaient dotés d’une rationalité substantive infinie régie par la connaissance commune, l’unique équilibre de Nash du jeu serait immédiatement résolu par élimination itérative des stratégies dominées :

• Aucun joueur rationnel ne choisirait un nombre supérieur à $100 \times (2/3) \approx 66{,}7$, puisque la moyenne ne peut excéder 100.
• Sachant cela, personne ne devrait choisir un nombre supérieur à $66{,}7 \times (2/3) \approx 44{,}4$.
• En poursuivant cette chaîne d’induction à l’infini, la seule réponse rationnelle mutuellement cohérente est de choisir exactement $0$.

Pourtant, lorsqu’on administre ce test en laboratoire, le nombre zéro n’est pratiquement jamais choisi lors des premiers tours. La distribution empirique des choix fait apparaître des concentrations massives de points autour de valeurs discrètes hautement prévisibles :

• Choix autour de 50 : Comportement de Niveau-0 ($L_0$), reflétant une sélection au hasard centrée au milieu de l’intervalle $[0, 100]$.
• Choix autour de 33 : Comportement de Niveau-1 ($L_1$), correspondant à la meilleure réponse contre des $L_0$ ($50 \times 2/3 \approx 33{,}3$).
• Choix autour de 22 : Comportement de Niveau-2 ($L_2$), formulant la meilleure réponse face à des $L_1$ ($33{,}3 \times 2/3 \approx 22{,}2$).
• Choix autour de 15 : Comportement de Niveau-3 ($L_3$), appliquant une itération supplémentaire ($22{,}2 \times 2/3 \approx 14{,}8$).

Les données collectées à l’échelle internationale auprès de dizaines de milliers de sujets — qu’il s’agisse d’étudiants, d’ingénieurs, de banquiers centraux ou de gestionnaires de hedge funds — convergent de manière spectaculaire vers une valeur médiane du paramètre $\tau \approx 1{,}5$ à $2$. Cela signifie que la vaste majorité de la population humaine s’arrête à un niveau d’itération $k in {1, 2}$, rares étant les individus capables de déployer de manière spontanée un niveau $k ge 3$ dans des contextes décisionnels inédits soumis à des contraintes temporelles.

## 5. Interprétation des bulles de Smith, Suchanek et Williams par le prisme du Niveau-k

### 5.1 Le joueur de Niveau-0 sur les marchés d’actifs expérimentaux

Pour transposer la mécanique formelle du Niveau-k aux dynamiques de marché observées dans l’expérience de Smith, Suchanek et Williams, il est indispensable de définir avec précision ce que constitue le comportement d’ancrage fondamental de Niveau-0 ($L_0$) au sein d’un mécanisme de double enchère continue. Dans ce contexte transactionnel, le joueur de Niveau-0 ne procède à aucune actualisation financière et n’accorde aucune attention analytique à la table des dividendes ou au décompte des périodes restantes.

Le comportement $L_0$ s’assimile conceptuellement au phénomène des opérateurs de bruit ou noise traders, théorisé en finance de marché par Fischer Black (1986) et formalisé par De Long, Shleifer, Summers et Waldmann (1990). L’agent de Niveau-0 soumet des ordres d’achat et de vente de manière semi-aléatoire, guidé par l’excitation ludique de l’expérimentation du logiciel, l’envie impulsive de négocier (urge to trade) ou une interprétation erronée des contraintes budgétaires. Dans les premières périodes d’un marché, les $L_0$ injectent une volatilité erratique en plaçant des offres d’achat à des niveaux déconnectés des espérances mathématiques, simplement parce qu’ils disposent d’un solde monétaire disponible qui leur permet d’enchérir.

Ces transactions non calculées génèrent une dispersion initiale substantielle des prix dans le carnet d’ordres. Loin d’être anodines, ces offres désancrées de la valeur fondamentale constituent le terreau informationnel pollué qui sert de point d’ancrage pour l’élaboration des stratégies des niveaux de raisonnement supérieurs. Le comportement de Niveau-0 fournit ainsi la matière première spéculative initiale en démontrant empiriquement aux autres participants que des transactions sont effectivement possibles et négociées à des prix s’écartant sensiblement des valeurs intrinsèques théoriques.

### 5.2 La stratégie du Niveau-1 : L’arbitrage de la valeur fondamentale

L’opérateur de Niveau-1 ($L_1$) représente l’agent rationnel de premier degré, que l’on qualifierait volontiers dans la théorie financière d’arbitragiste fondamentaliste ou d’investisseur axé sur la valeur (value investor). Le sujet $L_1$ calcule avec exactitude la valeur fondamentale espérée $V_t$ pour chaque période de négociation en agrégeant consciencieusement les dividendes probables résiduels. Son erreur cognitive critique ne réside pas dans sa capacité de calcul mathématique, mais dans la modélisation mentale qu’il se fait de son environnement stratégique : il postule naïvement que l’intégralité de ses contreparties est de Niveau-0, c’est-à-dire qu’elles achètent et vendent au hasard sans la moindre rationalité actuarielle.

Partant de ce postulat, la règle d’optimisation du joueur de Niveau-1 est élémentaire :

• Il recherche activement les opportunités d’achat dès lors qu’une proposition de vente apparaît sur le carnet d’ordres à un prix $P_t$ inférieur ou égal à la valeur fondamentale espérée : $P_t le V_t$.
• Il refuse catégoriquement d’acheter des titres lorsque les prix dépassent la valeur fondamentale : $P_t > V_t$.
• S’il détient des titres en portefeuille et qu’il observe des offres d’achat irrationnelles formulées par des acteurs $L_0$ à des prix substantiellement supérieurs à la valeur fondamentale ($P_t > V_t$), il liquide immédiatement ses positions pour cristalliser une plus-value certaine, préférant conserver de la monnaie liquide plutôt qu’un actif surévalué.

Le joueur de Niveau-1 opère ainsi dans une logique d’arbitrage de détention jusqu’à maturité (buy-and-hold fondamental). Cependant, cette stratégie le rend paradoxalement vulnérable face à la dynamique collective d’une bulle. En vendant l’ensemble de ses actifs dès les premières périodes de surévaluation (par exemple dès la période 3 ou 4), le trader de Niveau-1 sort prématurément du marché. En observant les cours continuer leur ascension vertigineuse pendant les cinq ou six périodes suivantes, il constate avec stupéfaction que sa rationalité étroite l’a privé des gains de capital colossaux que réalisent les spéculateurs de niveaux cognitifs plus sophistiqués.

### 5.3 Le Niveau-2 et la théorie du plus grand fou

L’émergence véritable, l’amplification démesurée et la persistance prolongée des bulles spéculatives de Smith, Suchanek et Williams trouvent leur explication mathématique et comportementale la plus rigoureuse dans l’entrée en action des participants de **Niveau-2 ($L_2$)**. L’agent $L_2$ est un stratège hautement conscient : il maîtrise parfaitement le calcul de la valeur fondamentale espérée $V_t$, mais contrairement au joueur de Niveau-1, il a compris que le marché n’est pas uniquement peuplé de distributeurs aléatoires ou de fondamentalistes dociles. Il comprend que les autres acteurs spéculent, ou tout du moins que le comportement agrégé des $L_0$ et des $L_1$ a généré une tendance haussière continue des cours qui s’auto-alimente.

Le joueur de Niveau-2 formalise et exploite rationnellement la **théorie du plus grand fou** (greater fool theory). Sa fonction de décision se désolidarise de la détention finale de l’actif pour se concentrer exclusivement sur la dynamique de l’échange intertemporel. Le joueur $L_2$ pose le calcul suivant : même si le titre financier cote actuellement à $P_t = 6{,}00$ dollars alors que sa valeur intrinsèque maximale n’est que de $V_t = 2{,}40$ dollars, il demeure optimal d’acheter ce titre à $6{,}00$ dollars s’il anticipe qu’au cours de la période $t+1$, un autre participant sera disposé à le lui racheter pour la somme de $7{,}50$ dollars.

Dès lors, le trader de Niveau-2 s’engage sciemment dans une spéculation à contre-courant de la valeur fondamentale :

• Il achète des actifs manifestement surévalués en toute lucidité actuarielle.
• Il calcule avec précision son espérance de gain non pas sur les flux de dividendes réels, mais sur la plus-value de cession à court terme.
• Son unique impératif stratégique consiste à calibrer le point d’inflexion du marché pour réussir à liquider ses titres une période avant que le krach ne se matérialise, transmettant ainsi le risque d’illiquidité terminale aux investisseurs moins sophistiqués.

Ce comportement démontre que la formation d’une bulle dans le protocole de Smith et al. ne résulte pas nécessairement d’une ignorance ou d’une stupidité financière généralisée, mais d’une tentative rationnelle d’optimisation déployée par des agents de Niveau-2 cherchant à exploiter la dynamique spéculative avant de se coordonner sur une sortie préemptive de marché.

## 6. L’incertitude stratégique et la défaillance de la connaissance commune

### 6.1 Connaissance partagée versus connaissance commune

La racine épistémologique profonde expliquant l’incapacité des marchés expérimentaux à se stabiliser immédiatement sur la trajectoire fondamentale réside dans la disjonction entre la notion de **connaissance partagée** (mutual knowledge) et celle de **connaissance commune** (common knowledge), formalisée originellement par le logicien et philosophe David Lewis (1969) et introduite en théorie économique par Robert Aumann dans son théorème d’accord de 1976 (Agreeing to Disagree).

Dans le protocole de Smith, Suchanek et Williams, l’expérimentateur s’assure méticuleusement d’établir une connaissance partagée de premier ordre : chaque participant individuel lit les instructions, comprend le mécanisme probabiliste des dividendes et calcule que l’actif perd 24 cents d’espérance de valeur à chaque tour. Par conséquent, l’énoncé suivant est vrai : « Chaque agent sait que la valeur fondamentale au temps $t$ est $V_t$ ».

Toutefois, l’induction à rebours qui doit théoriquement contraindre les prix à coïncider avec $V_t$ exige une condition infiniment plus exigeante : la rationalité et la valeur fondamentale doivent constituer une connaissance commune à l’ordre infini :

• Chaque agent sait que la valeur est $V_t$ (ordre 1).
• Chaque agent sait que chaque agent sait que la valeur est $V_t$ (ordre 2).
• Chaque agent sait que chaque agent sait que chaque agent sait que la valeur est $V_t$ (ordre 3).
• Et ainsi de suite selon la formule récursive : $\forall n in \mathbb{N}^*$, l’ordre $n$ est validé.

Dès lors qu’un doute infinitésimal s’immisce dans cette chaîne de réassurance mutuelle, l’édifice déductif de l’induction à rebours s’effondre intégralement. Si le joueur A est parfaitement rationnel et connaît $V_t$, mais qu’il soupçonne que le joueur B ne possède pas cette rigueur, ou que le joueur A croit que le joueur B croit que le joueur C est irrationnel, il devient rationnel pour le joueur A d’adopter un comportement d’achat spéculatif au-delà de la valeur fondamentale. L’absence de connaissance commune de la rationalité génère une **incertitude stratégique** insurmontable qui brise le lien déterministe entre l’information fondamentale et la formation effective des prix.

### 6.2 L’escalade des croyances de second ordre et d’ordre supérieur

L’émergence des croyances d’ordre supérieur (croyances sur les croyances d’autrui) transforme la dynamique du marché en un processus mimétique réflexif, au sens défini par le sociologue et philosophe René Girard ou par l’économiste André Orléan dans sa théorie de l’ordre marchand. Au lieu d’évaluer la valeur intrinsèque d’une action à partir de ses dividendes, le trader doit consacrer l’intégralité de sa bande passante cognitive à estimer ce que la moyenne des autres participants croit être le sentiment général du marché.

Ce phénomène engendre une escalade cognitive où les anticipations d’ordre supérieur deviennent auto-réalisatrices (self-fulfilling prophecies) :

• Si un groupe substantiel de participants formule l’anticipation de second ordre : « Je pense que les autres anticipent une hausse des cours pour la période prochaine », la meilleure réponse stratégique consiste à émettre des ordres d’achat immédiats pour capter cette appréciation future.
• Cette demande agrégée d’achat entraîne mécaniquement la hausse effective des prix observée lors de la période suivante.
• L’observation empirique de cette hausse vient alors valider rétrospectivement l’anticipation spéculative initiale, renforçant la conviction que le marché possède une force ascensionnelle autonome et incitant à une surenchère d’ordre encore supérieur lors des périodes subséquentes.

La rupture de l’induction à rebours est consommée : les agents ne raisonnent plus de la fin du jeu vers le présent en déduisant que le titre ne vaudra rien après la période 15, mais raisonnent de manière projective myope, d’une période $t$ vers la période immédiate $t+1$. La liquidité et la vitesse de transmission des flux d’ordres priment dès lors totalement sur l’ancrage actuariel de long terme.

### 6.3 Modélisation de la synchronisation imparfaite

Dès lors que le marché s’installe dans un régime de bulle spéculative sous l’impulsion de raisonnements de Niveau-2 ou supérieurs, les opérateurs se trouvent confrontés à un redoutable problème de coordination temporelle que la littérature moderne désigne sous le terme de **jeu de synchronisation imparfaite** (imperfect synchronization game), formalisé de manière magistrale par Dilip Abreu et Markus Brunnermeier dans leur article de 2003 sur les bulles et les krachs (Bubbles and Crashes).

Dans ce cadre analytique :

• Chaque trader sophistiqué prend conscience à un moment donné que le marché est surévalué et insoutenable, et que l’effondrement est inévitable à l’approche de la fin de vie de l’actif.
• Cependant, un individu isolé ne possède pas la force financière nécessaire pour stopper la bulle et faire converger les prix à lui seul par un arbitrage à découvert (qui est d’ailleurs institutionnellement proscrit dans le protocole expérimental de Smith et al.).
• Pour déclencher le krach et sécuriser ses profits, il est impératif qu’une masse critique d’investisseurs décide de vendre simultanément afin de submerger la liquidité disponible à l’achat.

Chaque spéculateur fait face à un arbitrage temporel hautement périlleux. Sortir trop tôt du marché (se comporter comme un simple Niveau-1) protège le capital, mais engendre un coût d’opportunité sévère en manquant les profits considérables générés par la poursuite de l’ascension des cours. Sortir trop tard (se faire piéger au-delà du point d’inflexion) conduit à la ruine financière lors du gel de la liquidité terminale.

L’incertitude quant au niveau exact de sophistication stratégique d’autrui et quant au moment précis où les autres participants de Niveau-2 décideront de liquider leurs positions empêche une coordination douce et graduelle sur le prix fondamental. La synchronisation ne s’opère que dans la panique, lorsqu’un signal endogène (la première baisse de prix ou le premier rejet d’un ordre d’achat élevé) déclenche une cascade unilatérale de ventes de préemption, précipitant le basculement instantané de la bulle vers le krach terminal.

## 7. Biais cognitifs et facteurs psychologiques amplificateurs

### 7.1 L’excès de confiance et l’illusion de contrôle

Si la distribution des niveaux de raisonnement stratégique fournit le squelette formel expliquant la dispersion des offres et la possibilité théorique des bulles, l’amplitude phénoménale des écarts observés par Vernon Smith, Gerry Suchanek et Arlington Williams s’explique par la catalyse de plusieurs distorsions psychologiques profondes inhérentes à la cognition humaine. Au premier rang de ces facteurs figure le biais d’**excès de confiance** (overconfidence bias), documenté de manière approfondie par Marc Alpert et Howard Raiffa, ainsi que l’illusion de supériorité par rapport à la moyenne (l’effet better-than-average).

Sur les marchés d’actifs expérimentaux, une proportion disproportionnée de participants souffre d’une mauvaise calibration de sa propre vitesse d’exécution et de son intelligence stratégique :

• Une majorité écrasante des sujets interrogés postule qu’elle est intellectuellement plus agile que le participant médian présent dans la salle d’expérimentation.
• Dans le cadre du modèle de Niveau-k, ce biais se traduit par le fait que les participants se considèrent presque systématiquement comme étant positionnés au niveau $k$ le plus élevé de la pièce, présumant avec condescendance que les autres traders s’agrègent en niveaux inférieurs $k-1$ ou $0$.
• Cette illusion génère la certitude trompeuse d’être capable de battre le marché en liquidant son portefeuille une fraction de seconde avant l’effondrement collectif : « Je sais que c’est une bulle, mais je serai plus rapide que les autres pour sortir ».

Ce mécanisme est encore renforcé par le biais d’attribution égocentrique : lorsque le spéculateur engrange des plus-values substantielles lors des périodes d’ascension de la bulle, il attribue systématiquement ses succès à sa propre sagacité stratégique plutôt qu’à l’afflux mécanique de liquidités créateur de la hausse. Cet excès de confiance auto-entretenu gonfle la propension à réinvestir l’intégralité du capital monétaire dans de nouvelles positions spéculatives, alimentant la surévaluation jusqu’à ce que la réalité arithmétique de la liquidation finale anéantisse brutalement l’illusion de contrôle.

### 7.2 L’illusion monétaire et les heuristiques d’ancrage

Un second moteur psychologique identifié dans les marchés de laboratoire relève des heuristiques d’estimation, théorisées par Amos Tversky et Daniel Kahneman (1974), et particulièrement du phénomène de l’**ancrage psychologique** (anchoring heuristic). Lorsque les participants pénètrent dans un environnement d’échange hautement volatil et incertain, leur système cognitif recherche des points de repère saillants pour évaluer ce qui constitue un prix « raisonnable ».

Dans l’expérience de Smith et al., le sentier de prix fondamental théorique $V_t$ exige un ajustement mental permanent et dégressif (perte de 24 cents par période). Or, les participants manifestent une tendance structurelle à s’ancrer non pas sur la table abstraite des dividendes futurs, mais sur l’historique récent des cours observés à l’écran :

• Si des transactions ont été validées à 4,50 dollars lors de la période 4, ce niveau de prix devient la nouvelle référence psychologique d’ancrage pour les périodes 5 et 6, reléguant au second plan le fait mathématique que la valeur intrinsèque résiduelle s’est érodée pour chuter à 2,40 dollars.
• Cet ancrage dynamique engendre une viscosité cognitive à la baisse : les acheteurs perçoivent une baisse de cours de 5,00 à 4,20 dollars comme une « bonne affaire » ou une décote attractive par rapport au sommet récent, alors même qu’à 4,20 dollars, l’actif demeure outrageusement surévalué d’un point de vue actuariel.

S’ajoute à cela une forme d’**illusion monétaire** et d’erreur de disposition : les sujets accumulent des montants nominaux importants de monnaie expérimentale au fur et à mesure des dividendes et des ventes partielles, ce qui engendre un sentiment d’enrichissement subjectif artificiel. Ce capital accumulé, souvent perçu comme de « l’argent de la maison » (l’effet house-money identifié par Richard Thaler et Eric Johnson en 1990), réduit l’aversion au risque et incite les traders à soumettre des offres d’achat de plus en plus inconsidérées, catalysant l’expansion géométrique de la bulle.

### 7.3 Comportement grégaire et mimétisme informationnel

L’architecture décentralisée du carnet d’ordres informatisé favorise également l’émergence de dynamiques de **comportement grégaire** (herding behavior) et de cascades informationnelles, telles que modélisées par Sushil Bikhchandani, David Hirshleifer et Ivo Welch (1992). Même dans un univers où aucune information fondamentale n’est privée, les individus ont tendance à traiter les variations de cours comme un signal indirect sur les croyances et le savoir supposé de leurs pairs.

Lorsqu’un opérateur fondamentaliste de Niveau-1 observe les prix grimper sans discontinuer en dépit de toutes les lois de l’actualisation, il est frappé d’une dissonance cognitive aiguë. Il commence à douter de la validité de ses propres calculs arithmétiques : « Si tout le monde achète à ce prix, c’est qu’ils doivent percevoir une opportunité ou comprendre un aspect des règles qui m’a échappé ». Ce sentiment d’asymétrie perçue conduit à un abandon progressif des convictions individuelles rationnelles au profit d’un alignement servile sur l’action collective visible.

Le mimétisme s’installe alors dans la passation des ordres : les propositions de vente sont retirées par crainte de brader un actif prometteur, tandis que les propositions d’achat s’agglutinent à des niveaux de plus en plus prohibitifs. Ce conformisme stratégique inhibe l’expression des doutes rationnels et crée une fausse unanimité haussière. Cependant, cette solidarité grégaire est d’une fragilité absolue : dès que le premier ordre de vente panique est exécuté à un cours en nette baisse, le mimétisme s’inverse instantanément en un sauve-qui-peut généralisé où l’instinct grégaire d’achat se transmute en une panique d’illiquidité dévastatrice.

## 8. L’apprentissage et la dynamique temporelle : Répétition de l’expérience

### 8.1 L’effet de l’expérience acquise sur la formation des prix

L’une des contributions les plus spectaculaires de l’article de Smith, Suchanek et Williams réside dans l’analyse de l’apprentissage adaptatif au travers de la répétition séquentielle des sessions expérimentales avec les mêmes cohortes de participants. Face à l’émergence systématique des bulles chez les sujets naïfs, les auteurs ont reconvoqué les mêmes groupes de sujets pour participer à une deuxième session identique (marchés dits once-experienced), puis à une troisième session successive (marchés dits twice-experienced), en conservant les mêmes paramètres fondamentaux et institutionnels.

Les résultats obtenus démontrent un processus d’apprentissage collectif saisissant :

• Lors de la deuxième session (expérience intermédiaire) : L’amplitude de la bulle spéculative diminue drastiquement. L’écart absolu relatif (RAD) est souvent réduit de plus de moitié par rapport à la session initiale. La surévaluation maximale atteinte par les cours est beaucoup plus modeste, et le krach terminal se produit considérablement plus tôt dans le cycle de vie de l’actif (souvent dès les périodes 7 ou 8).
• Lors de la troisième session (sujets expérimentés) : Le phénomène de bulle disparaît de manière quasi intégrale. Les cours d’échange s’alignent dès la première période sur la valeur fondamentale théorique ou oscillent dans un corridor extrêmement étroit autour du sentier fondamental dégressif de 24 cents par période. Les volumes de transaction s’effondrent, l’activité spéculative cesse, et l’efficience informationnelle du marché atteint des niveaux quasi parfaits.

Ce résultat démontre avec force que l’hypothèse des anticipations rationnelles n’est pas structurellement invalide dans sa destination finale, mais qu’elle ne constitue pas un état spontané ou inné du fonctionnement des marchés. L’efficience des marchés apparaît comme le produit émergent d’un apprentissage historique douloureux, au cours duquel les agents doivent impérativement subir l’épreuve traumatique du krach et de l’illiquidité pour internaliser la réalité de l’induction à rebours.

### 8.2 Dynamique d’évolution des distributions de niveau-k

L’extinction progressive des bulles spéculatives au fil des répétitions expérimentales s’interprète avec une élégance théorique remarquable à travers l’évolution de la distribution sous-jacente des niveaux de raisonnement dans le cadre du modèle de Niveau-k et de la hiérarchie cognitive.

Durant la première itération avec des sujets novices, la distribution de la population est fortement polarisée entre des agents $L_0$ (bruit et inattention), des agents $L_1$ (fondamentalistes myopes) et des agents $L_2$ (spéculateurs exploitant la dynamique collective). L’incertitude quant à la proportion respective de ces groupes empêche toute coordination rationnelle. En revanche, au fur et à mesure des sessions :

• Éradication du Niveau-0 : Les participants ayant perdu de l’argent réel lors du krach de la première session éliminent immédiatement tout comportement aléatoire ou ludique. L’attention portée aux règles devient maximale.
• Glissement de la distribution vers le haut : Les agents intègrent que leurs pairs ont compris le fonctionnement de l’actif. Le joueur moyen passe d’un état $L_1$ ou $L_2$ à un niveau de sophistication stratégique supérieur ($L_3, L_4, dots, L_k$).
• Constitution d’une connaissance commune empirique : En ayant partagé l’expérience traumatique commune du krach précédent, les sujets savent désormais que les autres savent qu’un krach va survenir si les prix dévient du fondamental. L’induction à rebours, initialement défaillante, devient opérationnelle : personne ne veut être le premier à acheter au-dessus du fondamental en période 14, donc personne ne veut le faire en période 13, et la discipline rationnelle se propage instantanément jusqu’à la période 1.

L’apprentissage ne modifie donc pas les capacités cognitives intrinsèques des individus, mais calibre parfaitement leurs croyances de second et d’ordre supérieur : la convergence vers l’équilibre de Nash est rendue possible par l’alignement mutuel des représentations mentales sur la rationalité d’autrui.

### 8.3 Les limites du transfert d’apprentissage

Cependant, cette accession à l’efficience par l’expérience se heurte à une limitation méthodologique et pratique sévère : la fragilité contextuelle du transfert d’apprentissage. Dans une série de recherches ultérieures menées notamment par Dufwenberg, Lindqvist et Moore (2005), ainsi que par Hussam, Porter et Smith (2008), les expérimentateurs ont testé la robustesse de cette rationalité acquise en introduisant des modifications légères dans l’environnement de marché une fois les participants pleinement entraînés.

Les conclusions mettent en lumière la vulnérabilité de la discipline rationnelle :

• Variation de l’horizon temporel ou de la valeur des dividendes : Si l’on réunit des sujets expérimentés qui négociaient parfaitement au fondamental, mais que l’on modifie la distribution des dividendes (par exemple une espérance à 36 cents au lieu de 24) ou la durée du marché (20 périodes au lieu de 15), la bulle spéculative réapparaît instantanément lors de la première session du nouveau format, bien qu’avec une magnitude parfois plus amortie.
• Injection de participants novices : Le simple fait d’introduire une minorité de sujets inexpérimentés (par exemple 20 % ou 30 % de nouveaux venus) au sein d’un groupe d’opérateurs chevronnés suffit à réactiver l’incertitude stratégique. Les vétérans, anticipant que les novices vont se comporter comme des $L_0$ ou des $L_1$, réactivent immédiatement leurs stratégies spéculatives de Niveau-2, relançant ainsi une bulle majeure.

Ces observations soulignent les limites structurelles de l’efficience empirique. L’apprentissage acquis par les agents n’est pas une adhésion universelle et abstraite à la théorie néoclassique des anticipations rationnelles, mais une adaptation conditionnelle et hautement dépendante de la familiarité avec un contexte institutionnel précis. Dès lors que l’environnement change, la structure des croyances d’ordre supérieur se désarticule et le système économique rétrograde vers des équilibres sous-optimaux gouvernés par des profondeurs de raisonnement bornées.

## 9. Variations méthodologiques et tests de robustesse du paradigme

### 9.1 Impact des contraintes institutionnelles de trading

Depuis la publication du travail matriciel de Smith, Suchanek et Williams en 1988, une littérature expérimentale prolifique s’est attachée à tester la robustesse des bulles en manipulant les règles institutionnelles et les contraintes opérationnelles régissant les échanges. Parmi ces manipulations, la question de l’autorisation ou de la proscription de la **vente à découvert** (short selling) occupe une place théorique prépondérante.

Dans les marchés financiers réels, les tenants de l’efficience soutiennent que les bulles sont rapidement éliminées par l’arbitrage agressif d’investisseurs sophistiqués qui empruntent des titres pour les vendre à découvert, exerçant ainsi une pression baissière correctrice immédiate. Pour tester cette hypothèse, Haruvy et Noussair (2006) ont introduit des mécanismes autorisant la vente à découvert sans contrainte dans le protocole de Smith et al. Leurs résultats indiquent que si l’autorisation de la vente à découvert modère effectivement l’amplitude maximale de la surévaluation et accélère la survenue du retournement des prix, elle n’élimine pas complètement l’émergence des bulles. La raison fondamentale réside dans le risque financier colossal que supporte l’arbitragiste : face à une meute spéculative opérant à des niveaux de raisonnement étagés ($L_2$), vendre à découvert une bulle en pleine phase ascendante expose l’investisseur à un appel de marge dévastateur avant même que le krach fondamental ne vienne valider sa prédiction.

D’autres variations institutionnelles ont exploré l’impact de la liquidité globale :

• Le ratio Liquidité/Actif (Cash-to-Asset Ratio) : Les travaux de Caginalp, Porter et Smith (1998, 2001) ont démontré une corrélation positive linéaire directe entre la quantité totale de liquidités initialement injectée dans le marché et l’ampleur statistique de la bulle (RAD et RD). Plus le stock de monnaie disponible par action est abondant, plus la bulle atteint des sommets stratosphériques, confirmant que la liquidité agit comme le carburant matériel indispensable permettant aux stratégies de Niveau-2 de se concrétiser.
• Architecture de marché : La comparaison entre les systèmes de double enchère continue et les mécanismes de fixing périodique (marchés d’ordres par paquets ou call markets) montre que le fixing atténue modérément la volatilité intraday sans toutefois neutraliser l’escalade des croyances de second ordre.

### 9.2 Manipulations de l’information et incertitude fondamentale

Une interrogation récurrente formulée à l’encontre de l’expérience originelle de 1988 portait sur le rôle de la stochasticité des dividendes : les participants spéculaient-ils parce qu’ils peinaient à appréhender le calcul des probabilités associé aux quatre tirages équiprobables (0, 8, 28, 60 cents) ?

Pour disséquer cette variable, Porter et Smith (1995) ont mis en place un protocole alternatif où toute incertitude probabiliste était abolie : le dividende était rendu strictement **déterministe et constant**, payant exactement 24 cents avec une certitude absolue de 100 % à la clôture de chaque période. Le sentier fondamental était ainsi mathématiquement purifié de tout aléa. Les résultats expérimentaux ont balayé l’hypothèse de l’incompréhension probabiliste : des bulles spéculatives massives ont continué d’émerger avec une vigueur quasi identique, démontrant que l’origine de l’anomalie ne réside pas dans l’incertitude sur la valeur des dividendes, mais dans l’incertitude stratégique absolue pesant sur le comportement des contreparties.

Plus troublant encore : des expérimentateurs ont mis en place des interfaces d’échange affichant en permanence, en lettres géantes et en temps réel au centre des écrans de chaque participant, la valeur fondamentale exacte $V_t$ recalculée seconde par seconde, accompagnée d’un graphique illustrant sa chute inéluctable vers zéro. Même sous cette assistance visuelle continue et incontournable, les cours ont persisté à s’envoler largement au-dessus de la courbe affichée. Ce résultat empirique saisissant confirme la prédiction centrale du modèle de Niveau-k : pour un agent de Niveau-2, savoir ce que vaut fondamentalement le titre importe infiniment moins que de savoir ce que les agents de Niveau-0 et Niveau-1 sont disposés à payer dans les prochaines minutes.

### 9.3 Composition sociologique et cognitive des panels de participants

Une autre lignée féconde de variations empiriques s’est penchée sur l’influence des caractéristiques cognitives individuelles et du profil socioprofessionnel des négociateurs. L’une des critiques les plus couramment adressées aux protocoles de laboratoire consiste à arguer que les bulles résultent uniquement de la naïveté d’étudiants de premier cycle universitaire, dépourvus de culture économique substantielle.

Pour tester cette objection, plusieurs équipes ont répliqué le protocole de Smith, Suchanek et Williams en recrutant des cohortes composées exclusivement de **professionnels de la finance** en activité : traders de banques d’investissement, gestionnaires de portefeuilles, arbitragistes d’options et opérateurs de marché chevronnés. Les études conduites notamment par Weitzel et al. (2020) ont révélé un constat édifiant : les professionnels de la finance génèrent des bulles spéculatives dont l’amplitude et la dynamique sont souvent remarquablement similaires, voire parfois supérieures, à celles générées par les étudiants novices. Si les professionnels manifestent une maîtrise technique parfaite des instruments, leur niveau moyen de raisonnement stratégique $k$ reste calibré pour tenter d’anticiper la psychologie du marché : ils s’engagent dans des stratégies de spéculation de Niveau-2 avec une agressivité accrue, persuadés que leur expertise leur permettra de liquider leurs positions avant les autres, ce qui accélère la vélocité de la formation de la bulle.

Parallèlement, la littérature s’est enrichie par l’intégration de tests psychométriques standardisés, au premier rang desquels le Test de Réflexion Cognitive (Cognitive Reflection Test – CRT) formulé par Shane Frederick (2005). Les travaux menés par Bosch-Rosa et al. (2018) ainsi que par Cueva et al. (2016) démontrent une corrélation négative puissante entre les scores individuels de réflexion cognitive et la propension à participer à des bulles :

• Les marchés composés majoritairement d’individus à haut score CRT (capables d’inhiber les réponses intuitives impulsives au profit d’un calcul analytique délibéré) suppriment presque totalement l’apparition des bulles, les cours épousant fidèlement la valeur intrinsèque dès la session initiale.
• À l’inverse, les panels caractérisés par de faibles scores de réflexion cognitive manifestent des flambées spéculatives explosives, illustrant le fait que la profondeur d’itération stratégique est intimement arrimée aux capacités exécutives de contrôle inhibiteur du cerveau humain.

## 10. Comparaison critique : Niveau-k versus autres approches comportementales

### 10.1 Le modèle de l’équilibre de réponse quantale (QRE)

Face aux déviations massives par rapport aux équilibres théoriques classiques, le modèle de raisonnement de Niveau-k n’est pas l’unique formalisme explicatif développé par l’économie comportementale. Son principal concurrent et complément théorique réside dans le modèle de l’**Équilibre de Réponse Quantale** (Quantal Response Equilibrium – QRE), formalisé par Richard McKelvey et Thomas Palfrey en 1995.

Le QRE repose sur une épistémologie sensiblement différente de celle du Niveau-k :

• Dans le cadre du QRE, les agents conservent l’hypothèse de consistance mutuelle de l’équilibre de Nash — ils possèdent des croyances mutuellement correctes sur la distribution des choix d’autrui —, mais leur processus de prise de décision est entaché d’un **bruit stochastique**.
• La fonction de meilleure réponse n’est plus déterministe (maximisation pure), mais probabiliste, modélisée conventionnellement par une règle logit où la probabilité de choisir une stratégie donnée croît avec l’espérance de gain relative de cette stratégie, modulée par un paramètre de sensibilité au gain $lambda$ :
  $$P(s_i) = \frac{e^{\lambda \cdot E[U(s_i)]}}{\sum_{j} e^{\lambda \cdot E[U(s_j)]}}$$
• Lorsque $\lambda to \infty$, le modèle converge vers l’équilibre de Nash classique parfait ; lorsque $lambda to 0$, le comportement se dissout dans un bruit blanc uniformément aléatoire.

Appliqué aux marchés de Smith, Suchanek et Williams, le QRE explique la déviation initiale par la présence inhérente d’erreurs de décision de trading. Cependant, le QRE peine à rendre compte de la morphologie asymétrique et directionnelle des bulles spéculatives : le bruit décisionnel pur devrait théoriquement engendrer des déviations bilatérales (des sous-évaluations aussi fréquentes et massives que des surévaluations). Le modèle de Niveau-k se révèle nettement supérieur pour capturer le caractère unilatéralement haussier et l’escalade séquentielle des prix, car il intègre explicitement l’intentionnalité stratégique des acteurs de Niveau-2 qui exploitent directionnellement les biais des échelons inférieurs.

### 10.2 Théorie des perspectives et aversion aux pertes dans la formation des prix

La **théorie des perspectives** (Prospect Theory), formulée par Daniel Kahneman et Amos Tversky en 1979 et enrichie dans sa version cumulative en 1992, constitue une autre grille de lecture incontournable pour appréhender les comportements d’enchères sur les marchés financiers de laboratoire. Contrairement au modèle de Niveau-k qui se concentre sur l’architecture récursive des croyances, la théorie des perspectives modélise la façon dont les gains et les pertes sont évalués de manière asymétrique par rapport à un point de référence psychologique neutre.

Dans l’expérience de Smith et al., deux composantes de la théorie des perspectives jouent un rôle structurant :

• La fonction de pondération des probabilités : Les individus manifestent une tendance cognitive avérée à surpondérer systématiquement les probabilités d’occurrence très faibles associées à des gains extrêmes (effet de loterie). Dans la distribution des dividendes (0, 8, 28, 60 cents), le paiement maximal de 60 cents peut faire l’objet d’une surpondération psychologique disproportionnée de la part d’investisseurs de premier échelon, gonflant artificiellement la valeur perçue subjective de l’actif par rapport à son espérance mathématique stricte de 24 cents.
• L’aversion aux pertes et l’effet de disposition : Une fois la bulle enclenchée et les cours stabilisés sur un plateau surévalué, les investisseurs ayant acheté à des prix élevés refusent de liquider leurs positions lorsque le marché commence à fléchir. Selon la fonction de valeur en forme de S de Kahneman-Tversky, les agents deviennent enclins au risque (risk-seeking) dans le domaine des pertes pour éviter de devoir cristalliser une perte financière certaine. Ce comportement retarde artificiellement le réajustement des cours jusqu’au moment où l’illiquidité terminale rend la capitulation inéluctable.

Toutefois, si la théorie des perspectives élucide parfaitement la perception individuelle des flux de trésorerie, elle nécessite d’être couplée au raisonnement de Niveau-k pour expliquer comment ces biais individuels s’articulent dans une dynamique collective d’échanges marchands compétitifs.

### 10.3 Modèles basés sur les agents et émergence macro-comportementale

À la croisée de l’économie computationnelle et des systèmes complexes, la modélisation à base d’agents (Agent-Based Models – ABM), illustrée notamment par les travaux de Thomas Lux, Alan Kirman, ou encore William Brock et Cars Hommes, propose une méthodologie alternative pour répliquer les dynamiques observées par Smith, Suchanek et Williams sans recourir nécessairement à une axiomatique de théorie des jeux raffinée.

Dans ces simulations computationnelles :

• Les acteurs sont représentés par des algorithmes élémentaires classés en familles d’heuristiques distinctes : les **fondamentalistes** (qui comparent le prix au fondamental et vendent si $P_t > V_t$), les **chartistes ou suiveurs de tendance** (qui extrapolent les dérivées premières des cours pour acheter lors des hausses), et les **agents aléatoires**.
• Ces agents interagissent directement au sein d’un carnet d’ordres virtuel simulant la double enchère continue.
• Les simulations démontrent avec une fidélité graphique remarquable l’émergence endogène de bulles et de krachs calquant exactement les données expérimentales de Vernon Smith : l’interaction mécanique entre des suiveurs de tendance et des traders de bruit suffit à submerger la capacité régulatrice des fondamentalistes pendant la majeure partie du cycle temporel.

La confrontation épistémologique entre les modèles à base d’agents et le modèle de Niveau-k porte essentiellement sur le compromis entre parcimonie mathématique et réalisme psychologique. Si les ABM reproduisent avec aisance les faits stylisés macroscopiques grâce à une puissance de calcul combinatoire, le modèle de Niveau-k conserve une supériorité conceptuelle décisive : il ancre les règles décisionnelles dans les limitations neurocognitives réelles du raisonnement stratégique humain et permet une calibration microéconomique rigoureuse via des protocoles standardisés tels que le concours de beauté.

## 11. Implications pour la finance comportementale et la régulation des marchés réels

### 11.1 Lecture des bulles historiques réelles à la lumière du Niveau-k

L’intérêt fondamental du paradigme expérimental de Smith, Suchanek et Williams conjugué à la modélisation du Niveau-k dépasse largement les frontières confinées des laboratoires universitaires : il fournit une grille de lecture d’une acuité exceptionnelle pour disséquer les épisodes de panique spéculative qui ont jalonné l’histoire du capitalisme moderne.

Qu’il s’agisse de la Tulipomanie néerlandaise de 1637, de la Compagnie des Mers du Sud en 1720, de la bulle Internet des années 1999-2000, ou plus récemment des emballements observés sur les marchés des crypto-actifs et des actions dites « mèmes » (telles que GameStop ou AMC en 2021), la microstructure comportementale sous-jacente demeure invariablement identique :

• Dans chacune de ces configurations, on observe l’entrée initiale d’investisseurs de Niveau-0 séduits par un narratif technologique ou monétaire novateur, injectant une liquidité massive qui déconnecte les cours des fondamentaux actuariels mesurables.
• Les investisseurs sophistiqués et les fonds spéculatifs, loin d’assumer le rôle modérateur d’arbitragistes de Niveau-1 prédit par l’hypothèse d’efficience des marchés, adoptent massivement des postures spéculatives de Niveau-2 : ils amplifient sciemment la bulle (riding the bubble) en achetant des actifs qu’ils savent pertinemment dénués de rentabilité sous-jacente, dans l’unique dessein de surfer sur la dynamique mimétique avant de refiler le titre à des entrants plus naïfs.
• La rupture survient inexorablement lorsque la réserve de liquidités marginales s’épuise, transformant la spéculation réflexive en un krach d’illiquidité terminale reproduisant trait pour trait la dynamique d’effondrement documentée par Vernon Smith et ses collègues.

### 11.2 Conception de politiques de régulation et mécanismes de stabilisation

L’élucidation des ressorts cognitifs des bulles de laboratoire emporte des conséquences régulatoires majeures pour les autorités de tutelle des marchés financiers (telles que la SEC, l’AMF ou l’ESMA) et les banques centrales. Si l’irrationalité collective découle non pas d’un déficit d’information brute, mais d’une défaillance de la connaissance commune et de l’incertitude stratégique, les politiques publiques doivent adapter leurs instruments structurels.

Plusieurs leviers institutionnels émergent directement des enseignements expérimentaux :

• La mise en place de coupe-circuits automatiques (circuit breakers) : En suspendant temporairement les cotations lors d’une hausse ou d’une baisse anormale des cours, les régulateurs brisent l’emballement des croyances d’ordre supérieur en temps réel. Cette interruption force les agents à sortir de l’urgence spéculative réflexive et accorde un délai cognitif permettant la réactivation d’un raisonnement analytique de valorisation fondamentale.
• L’encadrement des ratios d’effet de levier et de liquidité : Conformément aux résultats expérimentaux de Caginalp, Porter et Smith établissant le rôle amplificateur du ratio liquidité/actif, la régulation macroprudentielle doit impérativement brider l’injection incontrôlée de liquidités et de marges de crédit en phase de surchauffe boursière afin d’assécher le carburant monétaire soutenant les stratégies de Niveau-2.
• La communication des banques centrales comme ancre de connaissance commune : La politique de guidage prospectif (forward guidance) ne doit pas être perçue simplement comme une transmission d’informations macroéconomiques, mais comme un instrument institutionnel conçu pour fabriquer artificiellement de la connaissance commune au sens d’Aumann, alignant instantanément les croyances mutuelles des agents et prévenant les dérives spéculatives étagées.

### 11.3 Applications au design de mécanismes de marché équitables

Enfin, les travaux issus de l’économie expérimentale offrent des lignes directrices fondamentales pour l’architecture même des plateformes d’échange modernes. Le design de marché (market design), popularisé par les travaux d’Alvin Roth, met en évidence que des modifications mineures dans les interfaces de négociation peuvent transformer radicalement les comportements agrégés.

La prolifération récente d’applications de courtage pour investisseurs de détail (telles que Robinhood ou d’autres plateformes de trading sans commission) a massivement réintroduit des comportements de Niveau-0 par le biais de la « ludification » (gamification) de l’investissement : interfaces colorées, notifications sensationnalistes, confettis virtuels lors de l’exécution des ordres et facilitation de l’accès à des options hautement spéculatives sans formation préalable.

Pour contrer cette vulnérabilité cognitive structurelle, l’architecture institutionnelle doit implémenter des garde-fous délibérés :

• Imposer des formats de divulgation standardisés et obligatoires affichant de manière proéminente les mesures fondamentales de valorisation (ratios cours/bénéfices, rendements actuariels historiques) directement lors de la saisie de l’ordre d’achat.
• Supprimer les mécanismes de gamification qui excitent l’impulsion de trading non calculée.
• Structurer des mécanismes d’enchères collectives périodiques (frequent batch auctions) en lieu et place de la double enchère continue à haute fréquence, neutralisant ainsi les asymétries de sophistication stratégique et réalignant les incitations sur l’arbitrage fondamental de long terme.

## 12. Perspectives futures et extensions de la recherche expérimentale

### 12.1 Neuroéconomie et biométrie de l’itération stratégique

L’intégration contemporaine des technologies neuroscientifiques au sein des laboratoires d’économie expérimentale ouvre de nouvelles frontières fascinantes pour la validation biologique directe des processus de Niveau-k. La neuroéconomie mobilise désormais l’imagerie par résonance magnétique fonctionnelle (IRMf), l’électroencéphalographie (EEG) et la biométrie oculaire (eye-tracking) pour observer l’activité cérébrale des participants durant la formation des bulles de Smith et al.

Les recherches pionnières menées par Colin Camerer, Alec Smith ou Benedetto De Martino mettent en lumière des corrélations neurobiologiques précises :

• Localisation de l’itération stratégique : Les processus d’ordre supérieur caractéristiques des niveaux $k ge 2$ recrutent massivement les régions du cortex préfrontal dorsolatéral (DLPFC) et du cortex préfrontal médial (MPFC), associées aux fonctions exécutives avancées et au réseau de la « théorie de l’esprit » (capacité à mentaliser les états intentionnels d’autrui).
• Attention visuelle et fixation : Les techniques d’eye-tracking démontrent que les traders de Niveau-1 concentrent leur attention visuelle sur la table des dividendes et l’horizon temporel restant, tandis que les traders de Niveau-2 ignorent presque totalement ces métriques pour fixer obsessionnellement la vitesse de défilement des transactions récentes et la profondeur du carnet d’ordres.
• Biomarqueurs de stress : La survenue du krach terminal est précédée par des pics significatifs de conductivité cutanée et une dilatation pupillaire chez les participants, révélant que le système nerveux autonome anticipe la rupture d’équilibre bien avant que celle-ci ne s’exprime dans les ordres de vente conscients.

### 12.2 Interaction entre intelligence artificielle et agents humains de niveau-k

L’irruption massive du trading algorithmique, des systèmes d’apprentissage par renforcement profond et des agents fondés sur des modèles de langage à grande échelle (LLM) dans les flux de négociation financiers pose un défi épistémologique et pratique sans précédent : comment se structurent les marchés lorsque des humains de Niveau-k interagissent avec des contreparties synthétiques artificielles ?

Les récentes expériences de laboratoire hybrides intégrant des agents d’intelligence artificielle autonomes révèlent des perspectives inédites :

• L’introduction d’algorithmes conçus pour exécuter un arbitrage fondamental pur (opérant conceptuellement comme des niveaux $k to \infty$) permet de comprimer drastiquement l’amplitude des bulles spéculatives humaines, en siphonnant instantanément la liquidité dès que le prix dévie du corridor fondamental théorique.
• Toutefois, si les algorithmes d’apprentissage par renforcement sont programmés non pas pour stabiliser le marché, mais pour maximiser leur fonction de profit individuel, ils découvrent rapidement par eux-mêmes la rentabilité des stratégies de Niveau-2. Les agents synthétiques apprennent à surfer sur les biais des traders humains, exploitant intentionnellement l’irrationalité des échelons inférieurs et orchestrant des manipulations préemptives de marché qui amplifient la violence des krachs terminaux.

Cette cohabitation algorithmique redéfinit la notion même d’incertitude stratégique : le trader humain moderne ne doit plus seulement évaluer la profondeur cognitive de ses pairs biologiques, mais doit tenter de modéliser des automates computationnels exécutant des milliers d’itérations par seconde, transformant la hiérarchie cognitive en une écologie hybride hautement complexe.

### 12.3 Synthèse épistémologique et nouveaux paradigmes d’évaluation

Au terme de ce parcours analytique, le dialogue fécond noué entre l’expérience séminale de Vernon Smith, Gerry Suchanek et Arlington Williams (1988) et la théorie du raisonnement de Niveau-k apparaît comme un tournant paradigmatique majeur dans l’histoire de la pensée économique. En réfutant de manière empirique et indiscutable l’universalité spontanée des anticipations rationnelles pures, ce corpus de recherche n’a pas détruit la rigueur de l’analyse microéconomique ; il l’a au contraire profondément enrichie et refondée.

Le paradigme de Niveau-k offre la passerelle mathématique rigoureuse qui manquait historiquement pour réconcilier la formalisation stratégique issue de la théorie des jeux et l’empirisme réaliste de la psychologie cognitive. Il démontre que l’irrationalité observée sur les marchés financiers n’est ni un chaos incompréhensible, ni une pathologie marginale : elle constitue une conséquence prévisible, reproductible et théoriquement formalisable de l’interaction entre des agents aux capacités de calcul bornées, opérant sous une incertitude stratégique structurelle causée par l’absence de connaissance commune de la rationalité. L’héritage intellectuel laissé par Smith, Suchanek et Williams continue de rappeler avec force que pour comprendre le destin des marchés financiers réels, l’économiste ne doit jamais présumer de l’omniscience des acteurs, mais doit patiemment décrypter les limites concrètes de l’esprit humain à l’œuvre dans l’arène des échanges.

## Références

• Abreu, D., & Brunnermeier, M. K. (2003). Bubbles and Crashes. Econometrica, 71(1), 173–204. https://doi.org/10.1111/1468-0262.00393
• Aumann, R. J. (1976). Agreeing to Disagree. The Annals of Statistics, 4(6), 1236–1239. https://doi.org/10.1214/aos/1176343654
• Bikhchandani, S., Hirshleifer, D., & Welch, I. (1992). A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades. Journal of Political Economy, 100(5), 992–1026. https://doi.org/10.1086/261849
• Black, F. (1986). Noise. The Journal of Finance, 41(3), 528–543. https://doi.org/10.1111/j.1540-6261.1986.tb04513.x
• Bosch-Rosa, C., Meissner, T., & Antoniou, C. (2018). Cognitive abilities and bubbles: An experiment. Economic Journal, 128(614), 2301–2329. https://doi.org/10.1111/ecoj.12513
• Caginalp, G., Porter, D., & Smith, V. L. (1998). The Role of Cash and Bias in Experimental Financial Markets. The Journal of Psychology and Financial Markets, 1(2), 96–107.
• Camerer, C. F., Ho, T.-H., & Chong, J.-K. (2004). A Cognitive Hierarchy Model of Games. The Quarterly Journal of Economics, 119(3), 861–898. https://doi.org/10.1162/0033553041502183
• Cueva, C., Iturbe-Ormaetxe, I., Mata-Pérez, E., Ponti, G., Sartarelli, M., Haiying, S., & Zhijian, W. (2016). Cognitive (in)attention and asset price bubbles. Experimental Economics, 19(2), 425–445. https://doi.org/10.1007/s10683-015-9445-1
• De Long, J. B., Shleifer, A., Summers, L. H., & Waldmann, R. J. (1990). Noise Trader Risk in Financial Markets. Journal of Political Economy, 98(4), 703–738. https://doi.org/10.1086/261703
• Dufwenberg, M., Lindqvist, T., & Moore, E. (2005). Bubbles and Experience: An Experiment. American Economic Review, 95(5), 1731–1737. https://doi.org/10.1257/000282805775014362
• Fama, E. F. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. The Journal of Finance, 25(2), 383–417. https://doi.org/10.2307/2325486
• Frederick, S. (2005). Cognitive Reflection and Decision Making. Journal of Economic Perspectives, 19(4), 25–42. https://doi.org/10.1257/089533005775196732
• Haruvy, E., & Noussair, C. N. (2006). The Effect of Short Selling on Bubbles and Crashes in Experimental Spot Asset Markets. The Journal of Finance, 61(3), 1119–1157. https://doi.org/10.1111/j.1540-6261.2006.00868.x
• Hussam, R. N., Porter, D., & Smith, V. L. (2008). Thar She Blows: Can Bubbles Be Rekindled with Experienced Subjects? American Economic Review, 98(3), 924–937. https://doi.org/10.1257/aer.98.3.924
• Kahneman, D., & Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2), 263–291. https://doi.org/10.2307/1914185
• Lucas, R. E. (1972). Expectations and the Neutrality of Money. Journal of Economic Theory, 4(2), 103–124. https://doi.org/10.1016/0022-0531(72)90142-1
• McKelvey, R. D., & Palfrey, T. R. (1995). Quantal Response Equilibria for Normal Form Games. Games and Economic Behavior, 10(1), 6–38. https://doi.org/10.1006/game.1995.1023
• Milgrom, P., & Stokey, N. (1982). Information, Trade and Common Knowledge. Journal of Economic Theory, 26(1), 17–27. https://doi.org/10.1016/0022-0531(82)90046-1
• Muth, J. F. (1961). Rational Expectations and the Theory of Price Movements. Econometrica, 29(3), 315–335. https://doi.org/10.2307/1909635
• Nagel, R. (1995). Unraveling in Guessing Games: An Experimental Study. American Economic Review, 85(5), 1313–1326.
• Porter, D. P., & Smith, V. L. (1995). Futures Contracting and Dividend Uncertainty in Experimental Asset Markets. The Journal of Business, 68(4), 509–541. https://doi.org/10.1086/296675
• Simon, H. A. (1955). A Behavioral Model of Rational Choice. The Quarterly Journal of Economics, 69(1), 99–118. https://doi.org/10.2307/1884852
• Smith, V. L. (1962). An Experimental Study of Competitive Market Behavior. Journal of Political Economy, 70(2), 111–137. https://doi.org/10.1086/258609
• Smith, V. L., Suchanek, G. L., & Williams, A. W. (1988). Bubbles, Crashes, and Endogenous Expectations in Experimental Spot Asset Markets. Econometrica, 56(5), 1119–1151. https://doi.org/10.2307/1911361
• Stahl, D. O., & Wilson, P. W. (1994). Experimental Evidence on Players’ Models of Other Players. Journal of Economic Behavior & Organization, 25(3), 309–327. https://doi.org/10.1016/0167-2681(94)90103-1
• Stahl, D. O., & Wilson, P. W. (1995). On Players’ Models of Other Players: Theory and Experimental Evidence. Games and Economic Behavior, 10(1), 218–254. https://doi.org/10.1006/game.1995.1031
• Thaler, R. H., & Johnson, E. J. (1990). Gambling with the House Money and Trying to Break Even: The Effects of Prior Outcomes on Risky Choice. Management Science, 36(6), 643–660. https://doi.org/10.1287/mnsc.36.6.643
• Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124–1131. https://doi.org/10.1126/science.185.4157.1124
• Weitzel, U., Huber, C., Kirchler, M., Razen, M., & Stefan, M. (2020). Bubbles and financial professionals. Review of Financial Studies, 33(3), 1308–1338. https://doi.org/10.1093/rfs/hhz115