(Jeu de Devinette) – Rosemarie Nagel L’Expérience du Jeu du Mille-Pattes – Richard

La théorie des jeux standard, telle qu’elle s’est cristallisée au milieu du XXe siècle sous l’impulsion de John von Neumann, Oskar Morgenstern et John Nash, s’est construite sur un postulat axiomatique d’une rigueur implacable : l’agent décisionnel est supposé disposer d’une rationalité substantive sans limites, doté d’une capacité computationnelle infinie et d’une connaissance commune intégrale de la rationalité de ses pairs. Sous ce paradigme déductif, la modélisation des interactions stratégiques s’est longtemps résumée à la caractérisation d’équilibres mathématiques statiques ou dynamiques au sein desquels aucun agent n’a intérêt à dévier unilatéralement de sa stratégie. Or, dès lors que ces architectures formelles ont été soumises au crible de la méthode expérimentale dans les laboratoires d’économie comportementale, l’édifice néoclassique a révélé des failles empiriques manifestes, mettant au jour des disparités profondes entre les prédictions logiques déductives et les choix réels des sujets humains.

Deux protocoles expérimentaux ont joué un rôle fondateur dans la déconstruction et la reformulation empirique de ces postulats : le Guessing Game (ou concours de beauté p-Beauty Contest) systématisé par l’économiste allemande Rosemarie Nagel en 1995, et le jeu du mille-pattes (Centipede Game) imaginé sur le plan théorique par Robert Rosenthal en 1981, puis soumis à l’expérimentation rigoureuse par Richard McKelvey et Thomas Palfrey en 1992, avant d’être disséqué par des pionniers de la finance comportementale comme Richard Thaler. Alors que le modèle de Nagel dissèque la profondeur du raisonnement stratégique itératif au sein de structures décisionnelles simultanées, le jeu du mille-pattes met à l’épreuve l’axiome fondamental de l’induction à rebours (backward induction) dans les interactions séquentielles finies. Ensemble, ces deux protocoles éclairent la nature même de la rationalité humaine, révélant que les déviations par rapport aux équilibres canoniques ne relèvent pas d’un chaos irrationnel, mais d’architectures cognitives structurées, bornées et contingentes.

Le présent article propose une exploration approfondie et comparative de ces deux monuments de l’économie expérimentale. En confrontant les formalismes théoriques aux distributions de données observées en laboratoire, nous mettrons en lumière la manière dont les modèles de hiérarchie cognitive (Level-k) de Nagel et les équilibres de réponse quantale (Quantal Response Equilibrium) développés dans le sillage des expériences de Richard McKelvey ont permis d’édifier une nouvelle théorie des jeux comportementale. À travers cette analyse transversale, nous interrogerons les fondements neurocognitifs, les dynamiques d’apprentissage séquentiel et les implications macroéconomiques et géopolitiques de ces découvertes fondamentales, redéfinissant ainsi les contours de l’intelligence stratégique contemporaine.

1. Introduction et fondements épistémologiques de la théorie des jeux comportementale

1.1 Crise du paradigme de l’Homo œconomicus et émergence de l’expérimentation

L’édification de la théorie des jeux non coopératifs a longtemps reposé sur l’hypothèse ontologique de l’Homo œconomicus, un agent dont les fonctions d’utilité sont univoques, le traitement bayésien de l’information instantané et l’aptitude au calcul stratégique exempte de tout biais cognitif. Dans ce schéma théorique traditionnel, formalisé par des jalons axiomatiques tels que les théorèmes d’utilité espérée de John von Neumann et Oskar Morgenstern, l’interaction stratégique entre deux ou plusieurs entités est comprise comme une conjonction d’optimisations individuelles simultanées ou séquentielles menant inéluctablement à un équilibre de Nash, ou à l’un de ses raffinements stricts, tel que l’équilibre parfait en sous-jeux formalisé par Reinhard Selten. Cependant, ce paradigme de l’hyper-rationalité s’est heurté à un obstacle épistémologique majeur : la déduction pure s’est avérée incapable de décrire, et encore moins de prédire fidèlement, les décisions effectives d’individus placés dans des conditions d’incitation réelles et contrôlées.

L’écart systématique entre les trajectoires d’équilibre déductif et les données collectées au laboratoire d’économie expérimentale a provoqué une crise méthodologique au sens de Thomas Kuhn. Lorsque des agents rationnels sont confrontés à des jeux simples impliquant la déduction logique itérative, ils refusent de se conformer aux prescriptions axiomatiques d’une élimination infinie des stratégies dominées ou d’une rétro-propagation temporelle absolue. Les anomalies comportementales, loin de constituer des erreurs bruitées de distribution gaussienne symétrique autour de l’équilibre théorique, ont révélé des régularités empiriques structurelles. Dès les années 1980 et 1990, des chercheurs ont démontré la récurrence de ces déviations, contraignant la discipline à abandonner le confort de la déduction pure pour embrasser la méthode expérimentale inductive.

Cette rupture a imposé la nécessité d’intégrer dans l’arsenal analytique des sciences économiques des concepts issus de la psychologie cognitive et des sciences de la décision. Les économistes ont dû admettre que l’incapacité d’un joueur à exécuter une chaîne infinie d’inférences déductives ne procède pas d’une stupidité fonctionnelle, mais de la structure même de l’esprit humain, soumis à des contraintes neurobiologiques de bande passante, de mémoire de travail et d’évaluation probabiliste subjective. La formalisation formelle a ainsi dû s’ouvrir à la modélisation de la rationalité procédurale et limitée théorisée par Herbert Simon, ouvrant la voie à la théorie des jeux comportementale contemporaine.

1.2 Les figures pionnières : L’apport croisé de Rosemarie Nagel et des travaux de Richard

Au cœur de cette transition paradigmatique se détachent les contributions théoriques et empiriques majeures de Rosemarie Nagel d’une part, et de Richard McKelvey (en collaboration avec Thomas Palfrey), complétées par les lectures analytiques de Richard Thaler d’autre part. En 1995, Rosemarie Nagel publie dans l’American Economic Review une étude fondatrice qui quantifie pour la première fois avec une rigueur mathématique et statistique la profondeur de raisonnement des agents au moyen du Guessing Game (ou jeu du concours de beauté). En introduisant un paramètre de calcul récursif dans un jeu statique à information complète, Nagel ne s’est pas contentée de démontrer la défaillance empirique de l’équilibre de Nash ; elle a formalisé un modèle empirique hiérarchique précurseur, le modèle Level-k, permettant de décomposer les étapes cognitives discrètes mobilisées par l’esprit humain lorsqu’il tente d’anticiper les décisions de ses semblables.

Simultanément, les investigations conduites par le politologue et mathématicien Richard McKelvey, aux côtés de Thomas Palfrey en 1992, ont porté le fer dans la dimension dynamique de l’interaction à travers le jeu séquentiel du mille-pattes (Centipede Game). Dans ce cadre à horizon temporel fini, la logique d’induction à rebours prédit un arrêt brutal et immédiat dès la toute première opportunité décisionnelle, annihilant toute création de surplus collectif. McKelvey et Palfrey ont démontré expérimentalement que la quasi-totalité des participants rejette cette défection initiale immédiate, maintenant une coopération fragile tout au long de l’arborescence séquentielle. En introduisant l’Équilibre de Réponse Quantale (Quantal Response Equilibrium ou QRE), McKelvey a fourni une armature stochastique révolutionnaire permettant de réconcilier l’optimisation économique et l’erreur humaine graduelle.

Cette approche a trouvé un écho fondamental dans les travaux de Richard Thaler, futur lauréat du prix Nobel d’économie, qui a intégré l’énigme du jeu du mille-pattes dans ses célèbres chroniques d’anomalies de marché. Thaler a mis en exergue le fait que la désobéissance à l’induction à rebours constitue, d’un point de vue économique matériel, une décision strictement supérieure au dogme néoclassique standard. Ainsi, les travaux croisés de Nagel sur les jeux statiques simultanés et de la sphère des « Richard » (McKelvey, Palfrey et Thaler) sur les jeux dynamiques séquentiels ont posé les deux faces d’une même médaille théorique : la mise en évidence des bornes spatiales et temporelles de la récursion cognitive humaine.

1.3 Objectifs scientifiques et cadre d’analyse de l’étude

L’objectif de cette étude scientifique approfondie est d’analyser la dynamique dialectique unissant le Guessing Game de Nagel et l’expérience du jeu du mille-pattes de McKelvey, Palfrey et Thaler. Il s’agit de comprendre comment ces deux classes expérimentales, en apparence dissemblables quant à leur structure géométrique d’arborescence, partagent une architecture sous-jacente commune reposant sur l’évaluation de la profondeur de calcul stratégique et la projection d’anticipations de second ordre (les croyances sur les croyances d’autrui). Nous formaliserons les modèles mathématiques associés à chaque dispositif, exposerons minutieusement les protocoles expérimentaux d’origine et analyserons les distributions statistiques recueillies sur les cohortes de sujets humains.

Le cadre analytique mobilisé s’articule autour de trois dimensions épistémologiques interdépendantes :

• La formalisation structurelle : confrontation des concepts d’équilibre déductif (Nash, perfection en sous-jeux) aux modèles comportementaux probabilistes (modèles Level-k, modèles de hiérarchies cognitives à distribution poissonienne et équilibre de réponse quantale de type logit).
• La psychologie expérimentale et la neuroéconomie : identification des mécanismes sous-jacents, incluant la théorie de l’esprit (Theory of Mind), la mémoire de travail opérationnelle, les heuristiques de jugement rapide selon l’approche de Gerd Gigerenzer et le coût psychologique associé à la défection ou à la trahison de la confiance tacite.
• L’apprentissage dynamique et la convergence empirique : examen des processus d’ajustement adaptatif au gré des répétitions, illustrés par la Learning Direction Theory de Reinhard Selten et Rosemarie Nagel, ainsi que l’érosion temporelle de la confiance dans les interactions séquentielles.

Cette démarche permettra d’évaluer comment ces expériences matricielles éclairent aujourd’hui les phénomènes de panique financière, les négociations de désarmement géopolitique et la conception d’algorithmes d’intelligence artificielle interagissant avec des décideurs humains.

2. Le Jeu de Devinette (Guessing Game) de Rosemarie Nagel : Protocole et formalisation

2.1 Structure canonique du jeu du concours de beauté de type p-Beauty Contest

Le jeu formalisé et testé à grande échelle par Rosemarie Nagel s’inscrit dans la lignée directe des intuitions macroéconomiques formulées par John Maynard Keynes au chapitre 12 de sa Théorie générale de l’emploi, de l’intérêt et de la monnaie (1936). Dans cette métaphore célèbre, Keynes compare la sélection de titres sur les marchés financiers aux concours organisés par les journaux londoniens, où les lecteurs doivent choisir les six visages les plus séduisants parmi une centaine de photographies, le prix étant attribué à celui dont le choix se rapproche le plus de la préférence moyenne de l’ensemble des votants. Keynes soulignait ainsi que l’évaluation spéculative ne consiste pas à élire les visages jugés véritablement les plus gracieux selon un critère esthétique intrinsèque, ni même à anticiper ce qu’un individu moyen trouve beau, mais à diriger son intelligence vers l’anticipation de ce que l’opinion moyenne anticipe être l’opinion moyenne, et ainsi de suite à des degrés cognitifs supérieurs.

Sur le plan mathématique, Nagel traduit cette métaphore en un jeu non coopératif statique parfaitement défini. Soit un ensemble fini de joueurs $N = {1, 2, dots, n}$ avec $n ge 3$. Chaque joueur $i in N$ est invité à choisir de manière indépendante et simultanée un nombre $s_i$ au sein d’un intervalle fermé et continu de la droite réelle, conventionnellement normalisé à :

$$S_i = [0, 100]$$

Les règles prescrivent le calcul de la moyenne arithmétique simple de l’ensemble des valeurs soumises par le groupe :

$$\bar{s} = \frac{1}{n} \sum_{j=1}^n s_j$$

La cible victorieuse, désignée par la variable $M$, est calculée en multipliant cette moyenne générale par un paramètre fractionnaire $p in ]0, 1[$, fixé et communiqué publiquement à l’ensemble des agents en amont de la décision. Dans la calibration expérimentale la plus célèbre déployée par Nagel, ce paramètre est fixé à :

$$p = \frac{2}{3}$$

Le gain monétaire attribué à l’issue de la session prend la forme d’un prix fixe indivisible $V > 0$ octroyé au joueur (ou partagé également entre les ex aequo) dont la proposition minimise l’écart absolu vis-à-vis de la valeur cible :

$$i^* = arg\min_i left| s_i – p \cdot \bar{s} right|$$

La structure formelle impose ainsi une interdépendance stratégique absolue : la performance d’un nombre choisi ne dépend nullement de sa valeur intrinsèque, mais de sa résonance relative face aux choix agrégés de l’ensemble de la population concurrente.

2.2 Équilibre théorique selon la logique de l’élimination des stratégies dominées

L’analyse déductive standard résout le jeu de devinette par le mécanisme formel de l’élimination itérative des stratégies strictement dominées (IESDS). Considérons l’intervalle d’action originel $S = [0, 100]$. Même dans l’hypothèse où l’intégralité des compétiteurs sélectionnerait la borne supérieure extrême, soit $s_j = 100$ pour tout $j ne i$, la moyenne théorique maximale serait de $100$. Par conséquent, la cible maximale atteignable ne peut en aucun cas excéder la valeur :

$$M^{(1)}_{\max} = p \times 100 = \frac{2}{3} \times 100 \approx 66,67$$

Il en découle logiquement que tout choix positionné strictement dans l’intervalle $]66,67 ; 100]$ est une stratégie dominée : aucun joueur rationnel ne peut maximiser sa probabilité de victoire en sélectionnant un tel montant, quelle que soit la configuration des choix adverses. Dès lors, un premier filtre d’analyse rationnelle réduit le support stratégique effectif à $S^{(1)} = [0 ; 66,67]$.

L’étape épistémologique cruciale réside dans l’introduction du concept de Connaissance Commune de la Rationalité (Common Knowledge of Rationality, CKR). Si le joueur $A$ est rationnel, il élimine les valeurs supérieures à 66,67. Si le joueur $A$ sait que le joueur $B$ est également rationnel, il anticipe avec certitude que $B$ éliminera lui aussi tout nombre supérieur à ce seuil. Sous cette croyance de second ordre, l’ensemble du groupe choisira ses valeurs à l’intérieur de $S^{(1)}$. Par conséquent, la moyenne maximale attendue s’abaisse mécaniquement à 66,67. Le plafond de la nouvelle cible devient alors :

$$M^{(2)}_{\max} = p \times (p \times 100) = p^2 \times 100 = \left(\frac{2}{3}\right)^2 \times 100 \approx 44,44$$

Tout nombre appartenant à l’intervalle $]44,44 ; 66,67]$ devient à son tour dominé et doit être éliminé lors de la deuxième étape d’itération. Par induction mathématique récursive, à l’itération $m$, l’espace des stratégies rationnelles admissibles se contracte selon la suite géométrique :

$$S^{(m)} = \left[0 ,,, 100 \cdot p^m\right]$$

Puisque le paramètre $p$ est strictement inférieur à l’unité ($p = 2/3 < 1$), la limite de cette suite lorsque le nombre d’itérations logiques$m$ tend vers l’infini est sans ambiguïté :

$$\lim_{m to \infty} 100 \left(\frac{2}{3}\right)^m = 0$$

L’élimination itérative des stratégies dominées converge ainsi vers un point fixe unique. L’unique équilibre de Nash en stratégies pures de ce jeu impose à chaque agent de jouer rigoureusement :

$$s_i^* = 0 \quad \forall i in N$$

À cet équilibre, la moyenne du groupe est mathématiquement égale à zéro, et les deux tiers de zéro égalent zéro. Aucun joueur ne peut améliorer son espérance de gain en déviant de ce point singulier. La théorie axiomatique prédit donc une coordination parfaite et absolue sur la borne inférieure du domaine d’action.

2.3 Protocole expérimental déployé par Nagel en 1995

Afin de confronter cette prédiction déductive pure à la réalité psychologique de l’action stratégique, Rosemarie Nagel a élaboré en 1995 un protocole de laboratoire hautement formalisé. Les expérimentations ont été conduites au sein du laboratoire de l’Université de Bonn, impliquant des cohortes de sujets étudiants répartis en plusieurs sessions distinctes. Les groupes de participants comprenaient entre 14 et 18 personnes, une taille critique jugée optimale pour diluer l’impact individuel d’un choix idiosyncrasique sur la moyenne globale, tout en préservant un sentiment fort d’interaction collective.

Les incitations monétaires furent conçues avec une précision exemplaire. Un prix substantiel en Deutsche Marks (l’équivalent à l’époque de montants financiers très incitatifs pour des étudiants) était attribué au vainqueur de chaque tour. Si plusieurs sujets formulaient des prédictions équidistantes de la cible calculée, la somme monétaire était fractionnée de façon strictement égalitaire entre les gagnants. Les instructions écrites distribuées aux participants présentaient les règles formelles avec une neutralité stylistique absolue, évitant tout terme suggestif ou vocabulaire orienté (tels que « jouer haut », « raisonner bas », ou « deviner intelligemment ») susceptible d’introduire des effets d’ancrage sémantique incontrôlés.

Pour neutraliser toute interférence liée à des mécanismes de réputation interpersonnelle, de pressions de conformisme social ou d’accords tacites extra-expérimentaux, l’anonymisation des interactions fut rendue totale. Les décisions étaient transmises de manière privée sur des terminaux informatisés ou des bulletins confidentiels codés. De surcroît, le protocole comportait une dimension temporelle itérée : les cohortes réalisaient la même tâche de décision stratégique sur une série consécutive de quatre périodes successives. À l’issue de chaque tour, les organisateurs affichaient publiquement l’ensemble des chiffres choisis (sous forme anonymisée), la moyenne exacte du groupe ainsi que la valeur de la cible victorieuse ($2/3$ de la moyenne). Ce dispositif expérimental a ainsi permis non seulement de cartographier l’état cognitif initial des sujets lors du tout premier tour, mais également de mesurer avec précision les mécanismes d’apprentissage dynamique et de rétroaction au fil du temps.

3. La théorie du raisonnement stratégique hiérarchique : Modèle Level-k de Nagel

3.1 Typologie des niveaux cognitifs : Du niveau zéro aux niveaux avancés

Face aux données brutes du premier tour, l’équilibre de Nash théorique ($s^* = 0$) s’avère un échec descriptif total. Pour expliquer la distribution des choix observés, Rosemarie Nagel a forgé une construction conceptuelle qui allait révolutionner l’économie expérimentale : le modèle de raisonnement hiérarchique par étapes cognitives, ultérieurement baptisé modèle Level-k. Ce modèle formalise l’idée que les individus ne sont pas des calculateurs omniscients naviguant jusqu’à l’infini logique, mais des agents cognitifs ancrés dans des profondeurs finies de raisonnement récursif.

La taxinomie de Nagel repose sur une stratification modale inductive débutant à la racine de la chaîne cognitive :

• Niveau 0 ($L_0$) : L’ancrage naïf ou aléatoire. L’agent de niveau $L_0$ ne s’engage dans aucun calcul d’interdépendance stratégique. Il est modélisé théoriquement comme choisissant un nombre selon une distribution de probabilité uniforme continue sur l’intervalle complet $[0, 100]$. L’espérance mathématique du choix d’un joueur $L_0$ s’établit par conséquent à :
  $$\mathbb{E}[s_{L_0}] = \frac{0 + 100}{2} = 50$$
  Dans l’esprit des concepteurs, le joueur $L_0$ constitue une abstraction théorique, un point d’ancrage fondamental servant de référentiel projectif aux échelons cognitifs supérieurs.
• Niveau 1 ($L_1$) : L’adaptation au niveau naïf. Le joueur de niveau $L_1$ déploie un premier degré de sophistication stratégique. Il émet la croyance selon laquelle l’ensemble des autres participants dans la cohorte est constitué de joueurs naïfs de niveau $L_0$. Par conséquent, le joueur $L_1$ calcule la meilleure réponse (best-response) face à une moyenne attendue de $50$. Il multiplie cette espérance par la fraction cible $p = 2/3$ :
  $$s_{L_1} = \frac{2}{3} \times 50 \approx 33,33$$
• Niveau 2 ($L_2$) : L’anticipation stratégique intermédiaire. L’agent $L_2$ suppose que ses rivaux partagent le niveau de sophistication $L_1$. Anticipant que le groupe va choisir massivement des valeurs autour de $33,33$, le joueur de niveau $L_2$ applique une nouvelle itération déductive pour déterminer sa décision optimale :
  $$s_{L_2} = \frac{2}{3} \times 33,33 = \left(\frac{2}{3}\right)^2 \times 50 \approx 22,22$$
• Niveau 3 ($L_3$) et récursion d’ordre $k$ ($L_k$) : Poursuivant cette structure inductive arborescente, un joueur de niveau $L_3$ intègre l’existence d’agents $L_2$ et sélectionne :
  $$s_{L_3} = \frac{2}{3} \times 22,22 \approx 14,81$$
  De manière générale, le modèle prescrit qu’un individu doté d’une profondeur cognitive de rang $k$ formulera un choix formalisé par la relation récursive :
  $$s_{L_k} = \left(\frac{2}{3}\right)^k \times 50$$
  L’équilibre parfait de Nash correspond à la limite asymptotique où la profondeur de raisonnement tend vers l’infini ($k to \infty$).

3.2 Distribution empirique observée des étapes d’itération

Les résultats empiriques documentés par Rosemarie Nagel dans son article séminal de 1995 ont stupéfait la communauté scientifique par leur netteté statistique. L’analyse des histogrammes de fréquences des choix formulés lors de la période initiale (tour 1) a mis en évidence une morphologie multimodale indiscutable, totalement incompatible avec une dispersion aléatoire ou une convergence nashienne uniforme.

Les observations expérimentales se concentrent sous la forme de pics de densité spectaculaires précisément situés autour des valeurs théoriques déduites du modèle Level-k. Un contingent massif de réponses s’agglutine dans le voisinage direct de $33,3$ (attribuables aux sujets de niveau $L_1$) et autour de $22,2$ (correspondant rigoureusement aux décideurs de niveau $L_2$). Un pic secondaire plus modeste est fréquemment détecté autour de la valeur $15$ ($L_3$). À l’inverse, la fréquence de sélection de la valeur théorique optimale d’équilibre $s^* = 0$ s’avère statistiquement résiduelle, représentant moins de 1 à 2 % des observations initiales. La proportion de choix irrationnels stricts, situés dans la zone dominée supérieure à $66,67$, demeure marginale mais non nulle, témoignant de la présence d’une fraction résiduelle d’agents véritablement $L_0$.

L’estimation économétrique de la distribution empirique des profondeurs de raisonnement a permis d’établir une constante fondamentale en économie comportementale : confrontée à un problème d’interaction stratégique nouveau, la profondeur de raisonnement déductif de l’être humain ne dépasse que très rarement deux itérations. La moyenne de l’indice $k$ au sein de la population générale s’établit dans une fourchette étroite oscillant entre :

$$\bar{k} in [1,2 ,,, 1,8]$$

L’expérience de Nagel démontre avec une force expérimentale irréfutable que l’obstacle à la réalisation de l’équilibre théorique ne relève pas nécessairement d’une incompréhension mathématique des règles du jeu, mais d’une limitation structurelle de la profondeur d’anticipation subjective et de la projection sur la rationalité d’autrui.

3.3 Modèle des hiérarchies cognitives de Camerer, Ho et Chong en extension

Bien que le modèle Level-k de Nagel ait jeté les fondations indispensables de la discipline, il souffrait d’une hypothèse comportementale excessivement restrictive : chaque joueur de niveau $k$ suppose de façon absolue et unilatérale que la totalité de la population concurrente appartient rigoureusement au niveau immédiatement inférieur $k-1$. Cette hypothèse d’homogénéité projetée manquait de souplesse probabiliste face à l’hétérogénéité des comportements observés sur le terrain.

Pour pallier cette rigidité, Colin Camerer, Teck-Hua Ho et Kuan-Pin Chong ont développé en 2004 le modèle des hiérarchies cognitives (Cognitive Hierarchy Model). Dans cette formulation élargie, un agent de niveau $k$ comprend qu’il évolue au sein d’une société hétérogène. Il conçoit que ses rivaux ne sont pas tous uniformément au niveau $k-1$, mais sont distribués sur l’ensemble des strates cognitives inférieures allant du niveau $0$ au niveau $k-1$. Les auteurs postulent avec élégance que la fréquence relative des niveaux cognitifs au sein d’une population d’agents suit une distribution de Poisson caractérisée par un paramètre moyen unique $tau$ (tau) :

$$f(m) = \frac{e^{-\tau} \tau^m}{m!} \quad \text{pour } m = 0, 1, 2, dots$$

Dans ce modèle, un joueur de niveau $k$ forme des croyances bayésiennes tronquées et normalisées sur la distribution des niveaux inférieurs à lui-même :

$$p_k(m) = \frac{f(m)}{\sum_{j=0}^{k-1} f(j)} \quad \text{pour tout } m < k$$

L’agent de rang $k$ calcule ensuite l’espérance de la moyenne globale en pondérant le comportement attendu de chaque sous-groupe $m < k$ par ces probabilités révisées, et en déduit sa meilleure réponse optimale. Grâce à cette modélisation économétrique avancée, Camerer, Ho et Chong ont estimé la valeur empirique du paramètre $tau$ à travers des dizaines de jeux expérimentaux distincts. De façon remarquable, le paramètre structurel s’ajuste presque systématiquement autour d’une valeur médiane :

$$\tau \approx 1,5$$

Cette estimation corrobore magnifiquement les intuitions originelles de Rosemarie Nagel : la population moyenne s’articule quasi-universellement autour de 1,5 étape de déduction logique, validant empiriquement l’existence d’une borne cognitive universelle dans le traitement stratégique de l’information.

4. Le Jeu du Mille-Pattes (Centipede Game) : Architecture et énigme théorique

4.1 Description formelle de l’arbre séquentiel de Rosenthal

Parallèlement aux questionnements soulevés par le concours de beauté en environnement statique, la question de l’anticipation temporelle au sein des jeux séquentiels dynamiques a trouvé son paroxysme théorique dans le jeu du mille-pattes, conceptualisé originellement par Robert Rosenthal en 1981. Le nom imagé de ce protocole découle de la représentation graphique sous forme extensive de son arbre de décision, dont les nœuds séquentiels alternés et les branches descendantes évoquent l’anatomie d’un myriapode étalé le long d’un axe chronologique horizontal.

Considérons deux joueurs, désignés formellement par Joueur 1 ($J_1$) et Joueur 2 ($J_2$), qui interagissent au long d’une séquence finie de nœuds décisionnels indexés par $t in {1, 2, dots, T}$. Le joueur $J_1$ dispose de la main aux nœuds impairs ($t = 1, 3, dots$), tandis que le joueur $J_2$ doit trancher aux nœuds pairs ($t = 2, 4, dots$). À chaque nœud décisionnel $t$, le joueur titulaire de la main fait face à une alternative binaire stricte :

• Faire défection (Prendre ou Take, désigné par $D$ ou $T$) : le joueur interrompt immédiatement et unilatéralement la partie. Les gains monétaires accumulés au nœud $t$ sont alors distribués entre les deux agents et le jeu s’éteint définitivement.
• Coopérer (Passer la main ou Pass, désigné par $C$ ou $P$) : le joueur refuse l’arrêt prématuré et transmet le jeton décisionnel à son vis-à-vis au nœud consécutif $t+1$.

La dynamique d’incitation repose sur la trajectoire des paiements. À chaque fois qu’un joueur choisit de passer la main ($C$), le surplus économique agrégé (la somme des gains combinés $V_t = u_1(t) + u_2(t)$) subit une expansion substantielle, progressant soit de manière arithmétique continue, soit de manière géométrique exponentielle. Cependant, l’architecture des gains est soumise à un décalage asymétrique pervers : le joueur qui choisit l’option de défection $D$ à un nœud $t$ s’approprie la part léonine du pot monétaire présent, infligeant à son homologue une pénalité sévère, inférieure au gain qu’il aurait perçu si ce dernier avait lui-même défecté au tour immédiatement précédent. Le jeu présente donc à chaque étape une tension irréconciliable entre la création d’un bien-être collectif démultiplié et la vulnérabilité individuelle face au risque d’expropriation opportuniste.

4.2 Induction à rebours et prédiction sous l’hypothèse de perfection en sous-jeux

Sous les postulats de la théorie déductive standard à information complète, la résolution canonique du jeu du mille-pattes s’opère par la méthode algorithmique de l’induction à rebours (backward induction), introduite pour caractériser l’Équilibre Parfait en Sous-Jeux (Subgame Perfect Nash Equilibrium, SPNE) formulé par Reinhard Selten. L’analyse déductive commence impérativement à l’extrémité temporelle du jeu, au nœud terminal ultime $t = T$.

Supposons sans perte de généralité que le nœud ultime $T$ appartienne à l’espace décisionnel du Joueur 2. Face au choix terminal, $J_2$ compare l’option de défection $D_T$ à celle de coopération finale $C_T$. Par construction mathématique du jeu de Rosenthal, le gain attribué à $J_2$ en cas de défection finale excède strictement le paiement qu’il recevrait si la coopération totale était maintenue jusqu’au dénouement ultime :

$$u_2(D_T) > u_2(C_T)$$

L’agent étant supposé strictement rationnel et guidé par la maximisation de son intérêt individuel direct, le Joueur 2 choisira sans équivoque possible la stratégie $D_T$ avec une probabilité égale à $1$.

L’algorithme déductif remonte alors d’un cran temporel jusqu’au sous-jeu débutant au nœud $T-1$, sous la juridiction du Joueur 1. Joueur 1 dispose d’une rationalité substantive et d’une prévision parfaite : il sait pertinemment que s’il passe la main en jouant $C_{T-1}$, Joueur 2 optera immanquablement pour $D_T$ au tour suivant. Joueur 1 compare donc les gains réels anticipés : choisir $D_{T-1}$ immédiatement lui procure un paiement $u_1(D_{T-1})$, tandis que choisir $C_{T-1}$ l’expose à la sanction $u_1(D_T)$. De par la structure même des fonctions de paiement :

$$u_1(D_{T-1}) > u_1(D_T)$$

En conséquence absolue, le Joueur 1 préfère défecter préventivement au nœud $T-1$. Par une propagation déductive en chaîne inexorable, chaque joueur anticipe la défection inévitable de son partenaire à l’étape subséquente et s’empresse de la devancer. L’induction à rebours aboutit à la déduction que le Joueur 1 doit faire défection dès le tout premier nœud :

$$t = 1 implies D_1$$

Cette prédiction d’équilibre parfait en sous-jeux représente l’un des paradoxes les plus saisissants de la microéconomie : deux joueurs parfaitement informés et hyper-rationnels détruisent la quasi-totalité du surplus potentiel et se séparent au temps $t=1$ avec des gains infinitésimaux, illustrant une inefficacité parétienne absolue générée par le dogme de la rationalité instrumentale fermée.

4.3 Tensions philosophiques et logiques inhérentes au raisonnement récursif

La faillite pratique du raisonnement par induction à rebours au sein du jeu du mille-pattes a suscité d’immenses controverses théoriques, mobilisant non seulement les économistes mais également les philosophes de la logique et de l’épistémologie stratégique, à l’instar de Philip Pettit, Robert Sugden, Ken Binmore et Robert Aumann. Au cœur de cette dispute se tient le « paradoxe de l’observation impossible » ou paradoxe contrefactuel de l’induction arrière.

Considérons la situation d’un joueur se trouvant, par hypothèse, au nœud décisionnel $t = 3$. Selon l’architecture théorique standard de l’induction à rebours, le nœud $t = 3$ ne devrait jamais pouvoir être atteint dans l’univers observable, puisque le Joueur 1 était axiomatiquement tenu de clore la partie au nœud $t = 1$. Par conséquent, la simple arrivée au nœud $t = 3$ constitue la réfutation empirique directe de l’hypothèse fondamentale sur laquelle repose tout le calcul : la Connaissance Commune de la Rationalité (CKR). L’agent se trouve confronté à une contradiction épistémique vertigineuse :

• Si le Joueur 1 a coopéré à $t=1$, est-ce parce qu’il s’agit d’un agent défaillant, erratique ou d’une irrationalité pure ?
• Ou bien cette action est-elle le signal hautement sophistiqué d’une disposition bienveillante à coopérer pour démultiplier la taille de la cagnotte globale, invitant le Joueur 2 à une réciprocité calculée ?

Robert Aumann (1995) a tenté de démontrer mathématiquement que la Connaissance Commune de la Rationalité implique nécessairement la solution par induction à rebours, mais ses contradicteurs ont souligné la fragilité de la logique sous-jacente dès lors qu’il s’agit de modéliser les croyances conditionnelles en dehors du chemin d’équilibre (off-equilibrium path). La rationalité substantive s’auto-paralyse : elle exige des déductions strictes basées sur des conditions préalables que les actions mêmes des agents rendent caduques dès que le premier pas vers la coopération est franchi. L’induction arrière se révèle incapable de penser la coordination productive, enfermant les agents dans un piège de préemption défensive.

5. L’Expérience de Richard (McKelvey, Palfrey et analyses de Richard Thaler)

5.1 L’expérimentation matricielle de McKelvey et Palfrey (1992)

Face au blocage méthodologique de la théorie pure, l’intervention empirique conduite par Richard McKelvey et Thomas Palfrey en 1992 a marqué un tournant historique. Les chercheurs ont mis sur pied un protocole de laboratoire hautement contrôlé destiné à soumettre l’arborescence du jeu du mille-pattes au comportement effectif de sujets humains soumis à de réelles incitations monétaires.

Le dispositif expérimental déployait deux versions distinctes du jeu : une configuration courte articulée sur 4 nœuds décisionnels et une configuration étendue s’étirant sur 6 nœuds. Les participants étaient appariés de manière anonyme et répétée, en veillant à modifier aléatoirement les paires à chaque nouvelle donne pour empêcher la formation de réputations bilatérales spécifiques. L’espérance de gain était calibrée de manière substantielle afin que les flux monétaires générés par la progression dans l’arbre exercent une incitation matérielle indiscutable sur les sujets.

Les conclusions statistiques dégagées par McKelvey et Palfrey ont infligé un démenti cinglant au modèle de l’équilibre de sous-jeu parfait :

• Dans la version à 4 nœuds, la proportion d’agents choisissant l’option de défection immédiate au tout premier nœud ($D_1$) s’est révélée inférieure à 1 % (précisément 0,7 % des occurrences observées).
• Dans l’immense majorité des parties, les joueurs choisissent délibérément de coopérer aux premiers nœuds, permettant à l’arborescence de se développer très en profondeur.
• La fréquence des arrêts prématurés augmente de façon continue au fur et à mesure que la fin de l’arbre se profile, le pic modal de défection se concentrant systématiquement sur les nœuds intermédiaires tardifs ($t=3$ dans le jeu à 4 nœuds ; $t=4$ et $t=5$ dans le jeu à 6 nœuds).
• De manière encore plus stupéfiante pour la théorie déductive, une fraction substantielle des parties (allant jusqu’à plus de 15 % dans certains sous-échantillons) a atteint le dernier nœud décisionnel, débouchant parfois sur une coopération mutuelle absolue au bénéfice partagé des deux agents.

L’induction à rebours s’effondre en tant que théorie prédictive des premiers stades de l’interaction dynamique.

5.2 L’analyse des anomalies de marché par Richard Thaler

Les résultats spectaculaires obtenus par McKelvey et Palfrey ont été repris et magnifiés par Richard Thaler, économiste comportementaliste pionnier et futur prix Nobel, qui a intégré l’énigme du mille-pattes au cœur de sa célèbre série thématique Anomalies, publiée dans le Journal of Economic Perspectives. Thaler a mis en exergue l’absurdité normative de l’orthodoxie néoclassique appliquée à ce jeu : si deux économistes parfaitement formés à l’induction à rebours jouent l’un contre l’autre, ils quitteront la table dès la première seconde avec un dollar chacun, s’enfermant dans une misère stratégique rationnelle, alors que deux novices naïfs poursuivant la partie jusqu’au dénouement en ressortiront enrichis de dizaines de dollars.

Thaler fustige la tendance dogmatique de la théorie néoclassique consistant à rejeter systématiquement l’existence de limites cognitives ou de comportements pro-sociaux au profit d’hypothèses alambiquées sur l’incomplétude informationnelle. Dans son analyse, la continuation du jeu le long de l’arborescence ne traduit pas une déficience intellectuelle ou un manque de clairvoyance mathématique de la part des participants, mais illustre une rationalité économique supérieure pragmatique :

$$\mathbb{E}[\text{Gain}_{\text{continuer}}] gg \text{Gain}_{\text{défection immédiate}}$$

Thaler démontre que les agents perçoivent intuitivement que le ratio coût/bénéfice penche massivement en faveur du maintien de la coopération lors des premières étapes. Risquer la perte d’un montant infime au nœud 1 pour tenter de démultiplier ses gains potentiels aux étapes ultérieures relève d’une spéculation hautement rationnelle, pour peu que la probabilité perçue que l’autre coopère excède un seuil minimal. L’approche de Thaler ancre ainsi le Centipede Game au statut de paradigme universel démontrant la supériorité de l’intelligence adaptative sur l’axiome rigide de la perfection en sous-jeux.

5.3 Effets de taille d’enjeux et manipulations expérimentales

L’une des objections traditionnelles formulées par les défenseurs de la théorie standard face aux déviations de laboratoire consiste à arguer de la faiblesse supposée des enjeux monétaires (l’argument de l’enjeu marginal). Il était postulé qu’en augmentant drastiquement les sommes financières mises en jeu, les sujets abandonneraient leurs velléités coopératives pour embrasser immédiatement la défection stricte prédite par l’induction à rebours.

Pour tester rigoureusement cette objection, McKelvey et Palfrey ont implémenté des manipulations expérimentales rigoureuses en multipliant les paiements par un facteur quatre (traitement High Payoff), élevant considérablement les gains potentiels maximaux jusqu’à des sommes équivalentes à des dizaines d’heures de travail étudiant. Les conclusions de ces manipulations empiriques ont désarmé les critiques orthodoxes :

• L’augmentation massive des enjeux financiers n’a nullement précipité l’effondrement des parties vers le premier nœud : le taux de défection au nœud $t = 1$ est demeuré statistiquement anecdotique, stagnant à des niveaux infinitésimaux.
• La morphologie globale des distributions de sortie s’est montrée d’une robustesse exceptionnelle : les sujets ont continué à coopérer sur les premiers segments de l’arbre décisionnel.
• La seule modification mesurable induite par la hausse des gains a consisté en un léger glissement modal de l’arrêt, la défection survenant en moyenne un nœud plus tôt que dans le traitement à faibles enjeux (par exemple, un arrêt concentré au nœud 3 plutôt qu’au nœud 4 dans la configuration courte).

Cette invariance empirique démontre que le refus de capituler au premier tour ne résulte pas d’une négligence due à des gains dérisoires, mais constitue une propriété structurelle de la décision stratégique humaine, insensible aux simples variations d’échelle monétaire.

6. Modélisation de l’Équilibre de Réponse Quantale (QRE) et rationalité stochastique

6.1 Principes mathématiques de l’Agent Error Model de McKelvey et Palfrey

Afin de formaliser de façon analytique les déviations constatées dans le Centipede Game sans renoncer à la rigueur de la théorie microéconomique, Richard McKelvey et Thomas Palfrey ont forgé un cadre mathématique qui constitue aujourd’hui l’un des piliers de l’économétrie comportementale : l’Équilibre de Réponse Quantale (Quantal Response Equilibrium ou QRE), et plus particulièrement sa variante séquentielle, l’Agent Quantal Response Equilibrium (AQRE).

Le cœur axiomatique du modèle QRE réside dans le remplacement de la fonction de meilleure réponse déterministe par une fonction de choix probabiliste et bruitée. Dans un modèle standard, un agent choisit la stratégie qui maximise son espérance d’utilité avec une certitude absolue ($p=1$), quand bien même l’avantage marginal de cette stratégie par rapport à une autre ne serait que d’un millième d’euro. McKelvey et Palfrey postulent au contraire que les décisions humaines intègrent des chocs stochastiques d’inattention, de perception ou de calcul. La probabilité d’adopter une stratégie donnée devient une fonction monotone croissante de l’utilité espérée de cette option. Formellement, la probabilité que le joueur $i$ sélectionne l’action $a in A_i$ au sein d’un ensemble de choix possibles est capturée par la fonction logit de choix discret :

$$\sigma_i(a) = \frac{\exp\left(\lambda \cdot \mathbb{E}[u_i(a, \sigma_{-i})]\right)}{\sum_{a’ in A_i} \exp\left(\lambda \cdot \mathbb{E}[u_i(a’, \sigma_{-i})]\right)}$$

Dans cette formulation, le paramètre structurel $\lambda in [0, \infty[$ (souvent désigné comme le coefficient de précision ou de rationalité stochastique) gouverne la sensibilité différentielle aux gains :

• Lorsque $lambda to 0$, le bruit stochastique devient total : les probabilités de choix deviennent uniformes ($\sigma_i(a) = 1/|A_i|$), l’agent décidant de manière parfaitement erratique sans égard pour les paiements.
• Lorsque $\lambda to \infty$, la sensibilité aux écarts d’utilité devient infinie : le comportement converge rigoureusement vers la meilleure réponse déterministe standard, rétablissant l’équilibre de Nash parfait.
• Pour les valeurs empiriques finies de $\lambda in ]0, \infty[$, les options les plus lucratives sont choisies avec une probabilité strictement plus élevée, mais les erreurs demeurent possibles, leur fréquence étant d’autant plus restreinte que leur coût d’opportunité économique est élevé.

6.2 Application du QRE à l’arborescence du jeu du mille-pattes

L’application de l’Agent Quantal Response Equilibrium (AQRE) à l’arborescence dynamique du jeu du mille-pattes résout de manière éclatante l’énigme de l’induction à rebours. Dans le cadre de l’AQRE, chaque nœud séquentiel $t$ est traité comme un acte décisionnel indépendant doté d’une distribution de probabilité logit sur les actions possibles ${C_t, D_t}$. Les agents calculent leurs espérances de gains en anticipant que leurs rivaux (et eux-mêmes aux tours ultérieurs) ne choisiront pas les meilleures réponses avec une certitude implacable, mais commettront des erreurs stochastiques modélisées par la sensibilité $lambda$.

Considérons l’analyse rétrograde sous le prisme de l’AQRE. Au nœud ultime $T$, Joueur 2 dispose d’un avantage évident à faire défection ($D_T$). Toutefois, sous l’hypothèse d’une précision finie $lambda$, la probabilité qu’il coopère par erreur ou altruisme résiduel n’est pas nulle :

$$\sigma_2(C_T) = \frac{1}{1 + \exp\left(\lambda \left[ u_2(D_T) – u_2(C_T) \right]\right)} > 0$$

Lorsque le Joueur 1 se positionne au nœud antérieur $T-1$, il intègre cette probabilité $\sigma_2(C_T) > 0$ dans le calcul de son espérance d’utilité. Même si cette probabilité est modeste, elle suffit à altérer l’arbitrage. Plus on remonte vers la racine de l’arbre ($t=1$), plus l’effet de ces petites probabilités d’erreur future s’accumule le long des branches séquentielles.

À la racine du mille-pattes, au nœud $t = 1$, le surplus potentiel démultiplié généré par la poursuite de la partie compense très largement le risque marginal encouru. En conséquence directe des lois de la probabilité logit, l’espérance mathématique associée au choix de coopérer ($C_1$) devient strictement supérieure à l’utilité minuscule et immédiate fournie par la défection immédiate ($D_1$) :

$$\mathbb{E}[u_1(C_1)] > u_1(D_1) implies \sigma_1(C_1) \approx 1$$

Le modèle AQRE prédit donc théoriquement que les joueurs doivent coopérer au début du jeu avec une quasi-certitude, puis que la probabilité de défection doit s’accroître de manière continue à mesure que les nœuds s’égrènent et que le différentiel de gain instantané se creuse. L’adéquation économétrique entre les prédictions stochastiques du modèle QRE et les données observées par McKelvey et Palfrey atteint un degré de corrélation infiniment supérieur à celui de l’équilibre bayésien parfait conventionnel.

6.3 Portée théorique : La rationalité comme continuum adaptatif

L’introduction du cadre formel du QRE dans l’analyse des interactions stratégiques a provoqué une profonde reconfiguration théorique de la notion même de rationalité en science économique. Le modèle de McKelvey et Palfrey dépasse la dichotomie stérile et rigide qui opposait historiquement une rationalité absolue, transcendante et omnisciente à une irrationalité brute, chaotique et dénuée de règles.

À travers la paramétrisation continue offerte par le coefficient $lambda$, la rationalité est désormais modélisée comme un continuum adaptatif. Ce formalisme permet de quantifier avec élégance la vulnérabilité psychologique au risque de coordination : un joueur rationnel n’évolue pas dans le vide logique d’un système formel pur, mais s’adapte à un environnement stochastique où autrui est susceptible de dévier de l’optimum déductif. Dans le jeu du mille-pattes, coopérer aux premières étapes n’est plus analysé comme une faiblesse logique ou un acte d’aveuglement stratégique, mais comme l’ajustement probabiliste le plus rigoureux face à un partenaire imparfait.

Cette perspective tisse des passerelles théoriques profondes avec les modèles d’apprentissage par renforcement et les processus markoviens décisionnels développés en informatique théorique et en intelligence artificielle. Elle pose les bases d’une microéconomie de l’action où l’efficacité d’un plan stratégique s’évalue à l’aune de sa robustesse écologique face aux perturbations stochastiques de son écosystème décisionnel.

7. Analyse comparative : Raisonnement déductif vs raisonnement récursif séquentiel

7.1 Isomorphismes conceptuels entre le Guessing Game et le Centipede Game

Bien que le Guessing Game de Rosemarie Nagel prenne la forme d’un choix numérique simultané dans un espace continu et que le Centipede Game de Rosenthal, McKelvey et Palfrey s’exprime sous la forme extensive d’un arbre binaire discret et séquentiel, ces deux dispositifs partagent un isomorphisme structurel profond sur le plan de la logique stratégique sous-jacente.

Leur premier dénominateur commun réside dans l’incapacité radicale et concordante des concepts d’équilibre déductif standard (Nash et perfection en sous-jeux) à décrire fidèlement le comportement empirique initial des sujets humains. Dans les deux environnements décisionnels, l’application intransigeante de l’hyper-rationalité déductive ordonne une capitulation sur la borne extrême du domaine d’action dès la période d’entrée :

• Choisir le nombre $0$ dans le concours de beauté ;
• Faire défection au nœud $t = 1$ dans le jeu du mille-pattes.

Dans les deux cas d’espèce, moins de 1 à 2 % des participants expérimentaux se conforment à ces prédictions théoriques axiomatiques.

Le second isomorphisme conceptuel repose sur la structure de dépendance absolue envers les croyances formées sur les compétences cognitives d’autrui. Dans le Guessing Game comme dans le Centipede, un individu doté d’une puissance computationnelle infinie mais condamné à interagir avec des pairs imparfaits commet une faute stratégique capitale s’il joue la solution d’équilibre théorique standard. L’agent optimisateur optimal se voit contraint de calibrer son comportement sur la profondeur de raisonnement effective de son environnement. Dans les deux dispositifs, la meilleure réponse est tributaire d’un calcul récursif d’ordre supérieur : « Je dois deviner ce que l’autre va deviner que je suis en train de deviner ».

7.2 Divergences structurelles fondamentales : Simultanéité contre dynamicité

En dépit de leurs correspondances logiques, le concours de beauté et le jeu du mille-pattes présentent des divergences structurelles majeures qui sollicitent des mécanismes décisionnels hétérogènes. La démarcation cardinale sépare la simultanéité pure du Guessing Game de la dynamicité temporelle étalée du Centipede.

Dans le Guessing Game de Nagel, l’interaction stratégique est strictement statique : les décisions sont formulées à l’aveugle, dans le silence cognitif le plus total. Il n’existe aucun historique de jeu préalable lors du premier tour, aucun flux d’information observable, ni aucune possibilité d’envoyer des signaux comportementaux à autrui. Les agents sont prisonniers d’une déduction purement projective. De surcroît, le jeu présente une symétrie mathématique absolue : l’espace d’action $[0, 100]$ et la règle de calcul de la cible sont rigoureusement identiques pour chacun des participants de la cohorte.

À l’opposé, le jeu du mille-pattes s’incarne dans une arborescence séquentielle asymétrique où le temps joue un rôle vectoriel fondamental :

• La temporalité active : Les joueurs ne décident pas simultanément, mais réagissent successivement aux actions manifestes de leur partenaire.
• La signalisation dynamique : Choisir de passer la main au nœud $t = 1$ constitue un signal observable, une prise de risque délibérée qui véhicule de l’information et offre une opportunité de construction endogène de la confiance tacite.
• L’asymétrie de position : Les rôles de Joueur 1 et Joueur 2 ne sont pas interchangeables dans l’instant ; le Joueur 2 bénéficie d’une observation empirique directe du comportement du Joueur 1 avant d’avoir à trancher son propre nœud de décision.

Ainsi, alors que le Guessing Game teste la profondeur de projection déductive ex ante, le Centipede Game éprouve la capacité des agents à gérer la confiance, l’escalade dynamique des engagements et la vulnérabilité relationnelle au fil d’une trajectoire temporelle incrémentale.

7.3 La notion de rationalité de second ordre

L’étude croisée de ces deux protocoles met en lumière un concept épistémologique fondamental : la rationalité de second ordre, souvent qualifiée d’optimalité adaptative. Dans un contexte stratégique interactif, la rationalité ne saurait être définie comme une conformité abstraite à des théorèmes mathématiques clos, mais comme l’aptitude pragmatique à maximiser son bien-être face aux comportements effectifs des agents qui composent le système.

Jouer la solution théorique de Nash ($s^* = 0$) lors du premier tour d’un concours de beauté réunissant des participants non avertis ne relève pas d’une rationalité supérieure, mais d’une erreur d’appréciation pragmatique fatale : le joueur qui sélectionne zéro finira invariablement dernier et ne percevra aucun gain. De la même façon, faire défection au nœud $t = 1$ dans le jeu du mille-pattes sous prétexte de pureté logique détruit irrémédiablement un potentiel de gain monétaire considérable que l’autre joueur était très probablement disposé à laisser croître.

L’intelligence stratégique contextualisée consiste donc à internaliser l’imperfection computationnelle du monde extérieur. Elle exige une double compétence :

1. Déduire avec précision l’équilibre théorique du jeu pour en maîtriser l’architecture formelle ;
2. Estimer avec lucidité la distance qui sépare la population réelle de cet équilibre déductif, afin d’ajuster son action à une seule étape d’avance sur la moyenne du groupe (modèle $L_{k+1}$ face à une population $L_k$).

La véritable suprématie stratégique ne réside pas dans la démonstration d’une rationalité absolue, mais dans l’art subtil du calibrage cognitif adaptatif.

8. Mécanismes neurocognitifs et psychologiques sous-jacents aux décisions

8.1 Théorie de l’esprit (Theory of Mind) et charge mentale opérationnelle

L’émergence des neurosciences décisionnelles et de l’imagerie par résonance magnétique fonctionnelle (IRMf) a permis d’investiguer directement les corrélats neurobiologiques activés lors de l’exécution des tâches du Guessing Game et du Centipede Game. Ces investigations confirment que le calcul stratégique récursif recrute massivement le réseau neuronal de la Théorie de l’Esprit (Theory of Mind), c’est-à-dire l’aptitude cognitive à attribuer à autrui des états mentaux, des intentions et des croyances distincts des siens.

Des travaux pionniers en neuroéconomie ont révélé que la formulation de décisions de niveau $L_1$ et $L_2$ dans le jeu de devinette stimule sélectivement deux structures cérébrales majeures :

• Le cortex préfrontal dorsolatéral (dlPFC) : siège de la mémoire de travail opérationnelle, de la flexibilité cognitive et de la manipulation active des représentations symboliques abstraites.
• Le cortex préfrontal ventromédian (vmPFC) et la jonction temporo-pariétale (TPJ) : régions spécifiquement dédiées à la mentalisation sociale et à l’évaluation des perspectives subjectives d’autrui.

Ces études démontrent l’existence d’un goulot d’étranglement métabolique et neurobiologique strict. Chaque niveau supplémentaire d’itération stratégique ($k to k+1$) engendre une charge cognitive exponentielle sur le cortex préfrontal dorsolatéral. La mémoire de travail humaine, dont l’empan opérationnel canonique est limité à un traitement simultané restreint de représentations selon les modèles classiques de psychologie cognitive, sature rapidement dès lors qu’il s’agit d’empiler des métacroyances du type : « Il pense que je crois qu’il imagine que je vais faire… ». Les limites observées en laboratoire chez Nagel ne relèvent donc pas d’une paresse intellectuelle contingente, mais d’une frontière neurophysiologique structurelle de l’appareil cérébral humain.

8.2 Altruisme réciproque, équité et aversion pour la trahison

Si le Guessing Game interroge principalement la puissance de traitement cognitif brut, le Centipede Game mobilise des strates psychologiques et affectives profondes liées à la socialité humaine : l’altruisme réciproque, l’aversion à l’iniquité et la répugnance morale face à la défection opportuniste. Pour formaliser ces dimensions pro-sociales, Ernst Fehr et Klaus Schmidt ont élaboré leur modèle matriciel d’aversion pour les inégalités de gains, applicable directement à l’analyse du jeu séquentiel :

$$U_i(x) = x_i – \alpha_i \max(x_j – x_i, 0) – \beta_i \max(x_i – x_j, 0)$$

Dans ce modèle, le paramètre $\alpha_i$ capture la souffrance psychologique liée au fait de subir un désavantage matériel (iniquité défavorable), tandis que le coefficient $\beta_i$ mesure le coût psychologique (le sentiment de culpabilité) ressenti lorsqu’un agent s’enrichit au détriment injuste de son homologue (iniquité favorable).

Dans le Centipede Game, la présence d’un coefficient de culpabilité $\beta_i > 0$ modifie substantiellement la structure mathématique de la défection au nœud final $T$. Si la culpabilité associée à l’expropriation du partenaire excède le surplus monétaire immédiat soutiré, l’agent choisira de coopérer jusqu’au bout par souci d’équité distributive. Par ailleurs, des recherches expérimentales ont mis en exergue l’existence d’une véritable aversion pour la trahison (betrayal aversion). Être victime d’une défection brutale au nœud $t$ après avoir généreusement passé la main au nœud $t-1$ déclenche une activation prononcée de l’insula antérieure, le centre cérébral associé au dégoût physique et à la douleur sociale. Dès lors, la dynamique décisionnelle du mille-pattes n’est pas réductible à un calcul d’espérance bayésienne pure : elle constitue un arbitrage permanent entre la recherche du profit, le désir de coordination réciproque et la protection émotionnelle contre l’amertume de la trahison.

8.3 Heuristiques rapides et frugales : L’approche de Gerd Gigerenzer

Les comportements observés au laboratoire peuvent également être analysés sous l’éclairage des théories de la rationalité écologique développées par le psychologue Gerd Gigerenzer et son école. Gigerenzer soutient que dans des contextes d’incertitude radicale et de complexité computationnelle, l’esprit humain ne s’épuise pas à exécuter des optimisations bayésiennes impossibles, mais recourt à des heuristiques rapides et frugales (fast and frugal heuristics) particulièrement performantes dans leurs environnements écologiques adaptés.

Dans le Guessing Game, une proportion écrasante de participants non-économistes recourt à une heuristique fondamentale d’ancrage et d’ajustement :

1. Prendre le milieu saillant du champ d’action comme ancre initiale ($50$) ;
2. Appliquer une correction intuitive correspondant à la règle apprise (« je prends les deux tiers » $to 33$) ;
3. S’arrêter immédiatement dès qu’un niveau de cohérence satisfaisant est perçu, sans s’engager dans une boucle de récursion infinie.

Dans le Centipede Game, les sujets projettent sur l’arborescence séquentielle l’heuristique universelle du donnant-donnant (tit-for-tat) ou de la réciprocité conditionnelle : « Je coopère tant que l’autre manifeste sa volonté de coopérer ». Cette règle de décision simplifiée, qui ignore volontairement le calcul d’induction à rebours sur le nœud terminal, s’avère écologiquement rationnelle. Elle permet aux agents de capter l’immense manne monétaire du mille-pattes tout en maintenant une vigilance réactive. L’approche de Gigerenzer invite ainsi à considérer les « biais » observés non comme des pathologies du raisonnement logique, mais comme des outils d’optimisation frugale admirablement ajustés aux exigences du monde réel.

9. Dynamique d’apprentissage, récurrence et convergence expérimentale

9.1 Processus d’apprentissage directionnel (Learning Direction Theory) de Selten et Nagel

Lorsque le Guessing Game est répété au cours de sessions séquentielles successives avec les mêmes cohortes de joueurs, la distribution empirique des choix subit une métamorphose dynamique majeure. Rosemarie Nagel, en collaboration avec le prix Nobel Reinhard Selten, a développé la Learning Direction Theory pour formaliser mathématiquement les lois qualitatives qui guident l’ajustement adaptatif des agents d’un tour à l’autre.

La théorie postule que les participants n’utilisent pas d’estimations économétriques bayésiennes complexes pour réviser leurs stratégies, mais appliquent une règle heuristique qualitative de correction d’erreur rétrospective :

• Si le joueur constate à la fin de la période $t$ que son choix $s_i(t)$ était strictement supérieur à la cible victorieuse réalisée $M(t) = p \cdot \bar{s}(t)$, il enregistre son action comme une surévaluation. Lors de la période subséquente $t+1$, il révise son choix dans le sens descendant :
  $$s_i(t) > M(t) implies s_i(t+1) < s_i(t)$$
• Réciproquement, si son choix antérieur s’est avéré inférieur à la cible effective, le joueur réajuste sa décision vers le haut lors de la session suivante :
  $$s_i(t) < M(t) implies s_i(t+1) > s_i(t)$$

Ce mécanisme directionnel d’ajustement engendre un glissement dynamique inexorable de l’ensemble de la distribution de la cohorte vers des valeurs de plus en plus basses au fil des tours consécutifs. Dès la période 2, les pics modaux se déplacent de 33 et 22 vers des zones comprises entre 15 et 8. Aux périodes 3 et 4, les prédictions s’agglutinent massivement en dessous de 5, pour frôler asymptotiquement le point d’équilibre zéro. Toutefois, l’expérience prouve la persistance d’une inertie frictionnelle incompressible : même après de multiples répétitions, la convergence vers le zéro absolu demeure entravée par la méfiance structurelle envers l’apparition d’un nouveau participant imprévisible réinjectant du bruit dans le système.

9.2 Effets d’expérience dans les répétitions du jeu du mille-pattes de Richard

La répétition séquentielle de l’expérience du jeu du mille-pattes, telle qu’analysée méticuleusement par Richard McKelvey, Thomas Palfrey et leurs successeurs, révèle une trajectoire dynamique d’apprentissage radicalement différente de celle du concours de beauté, illustrant un phénomène désigné sous le terme d’érosion de la coopération ou contagion du cynisme stratégique.

Lorsque des sujets disputent une succession de 10 à 20 parties de mille-pattes (en changeant de partenaire à chaque tour selon un appariement aléatoire strict), les distributions des nœuds de sortie subissent une dérive régressive continue :

• Au cours des premières parties, la coopération est euphorique : les paires explorent les profondeurs de l’arbre séquentiel jusqu’aux derniers segments.
• Cependant, dès qu’un joueur fait l’expérience d’une trahison unilatérale de la part d’un homologue ayant défecté prématurément au nœud $t$, il révise drastiquement ses croyances sur la fiabilité du pool global de participants.
• Lors des sessions ultérieures, ce joueur blessé décide de défecter préventivement au nœud antérieur $t-1$ pour se prémunir contre toute récidive de spoliation.
• Ce comportement d’auto-défense engendre une onde de choc rétrograde qui se propage de session en session au sein du vivier expérimental.

Au fil des répétitions, les points d’arrêt modaux régressent vers les segments médians, puis vers les premiers nœuds de l’arborescence. On assiste ainsi à un processus d’apprentissage rétroductif par l’amertume : le cynisme stratégique se répand de manière épidémique. Néanmoins, même après un nombre considérable de répétitions, la prédiction théorique rigide de l’arrêt immédiat au nœud $t = 1$ par 100 % des agents ne parvient jamais à s’établir de manière pérenne : le système se stabilise dans un équilibre dynamique où l’espoir résiduel de captation de surplus continue de stimuler une coopération intermittente sur les premiers pas.

9.3 Transfert cognitif et robustesse face aux modifications contextuelles

L’universalité des modèles de hiérarchies cognitives de Nagel et des dynamiques stochastiques du mille-pattes a été soumise à de multiples tests d’invariance contextuelle. Des chercheurs ont cherché à évaluer dans quelle mesure l’expertise académique ou professionnelle modifie la distribution des niveaux d’itération stratégique.

Des expériences menées en administrant le Guessing Game à des cohortes aux profils variés ont généré des comparaisons instructives :

• Les cohortes composées d’étudiants généralistes ou du grand public affichent un $\bar{k}$ moyen stable situé entre 1,3 et 1,5.
• Les cohortes composées d’étudiants en mathématiques ou en économie manifestent un glissement initial plus prononcé vers des niveaux supérieurs ($L_2$ et $L_3$), sans pour autant atteindre l’équilibre zéro au premier tour.
• De manière fascinante, des tests conduits auprès de professionnels des marchés d’actions et de gestionnaires de fonds de couverture ont révélé des niveaux de choix similaires aux étudiants : ces professionnels intègrent empiriquement le fait qu’il ne sert à rien d’avoir « trop raison » trop tôt face au marché, confirmant l’ancrage adaptatif de leur raisonnement.

Dans le Centipede Game, les modifications contextuelles par effets de cadrage (framing effects) exercent un impact déterminant sur l’induction à rebours. Présenter le jeu sous un narratif métaphorique de « négociation bilatérale de partenariat » accroît spectaculairement la résistance de la coopération dans l’arbre. À l’inverse, formuler le protocole dans un lexique explicitement compétitif de « prédation de ressources » précipite l’effondrement prématuré vers les nœuds initiaux. La rationalité humaine démontre ainsi sa perméabilité constitutive au sens symbolique et social conféré aux interactions interactives.

10. Applications empiriques : Marchés financiers, bulles spéculatives et négociations

10.1 Bulles spéculatives et formation des prix d’actifs : Le miroir du Beauty Contest

La filiation théorique unissant le Guessing Game de Rosemarie Nagel aux mécanismes de formation des prix sur les marchés d’actifs contemporains éclaire d’un jour nouveau la genèse des bulles spéculatives. Dans les phases d’euphorie financière, la valorisation fondamentale des titres boursiers (la somme actualisée des flux de dividendes futurs attendus) est totalement supplantée par une rationalité autoréférentielle mimétique rigoureusement identique à la métaphore keynésienne du concours de beauté.

L’investisseur individuel ne cherche plus à évaluer si le cours d’une action technologique ou d’un crypto-actif correspond à une rentabilité économique réelle, mais tente d’anticiper la valeur médiane que la foule des autres spéculateurs attribuera à ce titre à brève échéance. Le dégonflement ou l’éclatement d’une bulle financière s’apparente à un Guessing Game inversé : chaque opérateur désire maintenir son exposition haussière le plus longtemps possible pour engranger des plus-values substantielles, tout en s’efforçant de sortir du marché une fraction de seconde avant le consensus collectif. Ce problème de timing stratégique génère une dynamique d’induction récursive instable :

$$\text{Vendre à } t^* – \epsilon implies \text{Vendre à } t^* – 2\epsilon implies dots$$

Ce processus culmine fréquemment en paniques de liquidité instantanées et en krachs boursiers violents dès lors que la masse critique des acteurs tente de convertir simultanément ses positions.

À l’ère contemporaine, cette dynamique est démultipliée par l’avènement du trading algorithmique à haute fréquence (THF). Les algorithmes automatisés sont expressément programmés pour exécuter des itérations cognitives artificielles d’ordre supérieur ($L_{k+n}$) à des échelles nanosecondaires, traquant les régularités d’ordres d’achat des investisseurs humains ou des algorithmes concurrents. Ces architectures logicielles automatisent le concours de beauté de Nagel, créant des boucles de rétroaction mimétique ultra-rapides capables d’engendrer des « krachs éclairs » (flash crashes), où la déconnexion entre rationalité computationnelle déductive et équilibre économique devient absolue.

10.2 Négociations diplomatiques, escalade de conflits et désescalade stratégique

L’architecture extensive du jeu du mille-pattes offre une grille de lecture fondamentale pour modéliser les dynamiques de négociation internationale, les traités de désarmement bilatéral et la gestion des crises géopolitiques à haut risque d’escalade militaire. Un processus de négociation diplomatique étalé dans le temps s’apparente à un mille-pattes séquentiel où chaque concession bilatérale incrémentale correspond au choix de passer la main ($C$) pour accroître le dividende de paix global.

Cependant, ce processus est perpétuellement menacé par la tentation de la défection opportuniste : l’un des États belligérants peut être incité à exploiter l’ouverture diplomatique adverse pour réaliser un coup de force stratégique unilatéral (défection $D$) lui assurant un gain tactique immédiat au détriment de la puissance partenaire. L’induction à rebours illustre le piège tragique qui guette les chancelleries :

• Si l’État $A$ anticipe que lors de la signature finale de l’accord l’État $B$ dénoncera secrètement le traité à son profit exclusif,
• L’État $A$ a un intérêt rationnel primordial à rompre les pourparlers diplomatiques bien en amont de cette échéance,
• Par rétro-propagation de la suspicion mutuelle, les négociations de paix échouent dès l’entame, précipitant une course aux armements mutuellement destructrice.

L’expérience de McKelvey, Palfrey et Thaler démontre toutefois que dans la réalité géopolitique, les nations parviennent fréquemment à contourner ce gouffre logique en substituant à l’induction arrière une politique de confiance incrémentale conditionnelle. Pour neutraliser le poison de l’induction à rebours, les diplomates conçoivent des mécanismes de vérification internationale transparente, de désescalade par paliers vérifiables et d’accords d’interdépendance économique profonde, rendant le coût de la trahison finale bien supérieur au gain temporaire d’une rupture unilatérale.

10.3 Design de mécanismes incitatifs et politiques publiques comportementales

Les conclusions dérivées du Guessing Game et du Centipede Game irriguent aujourd’hui de façon déterminante l’ingénierie incitative (mechanism design) et la formulation des politiques publiques comportementales pilotées par les États et les institutions multilatérales.

Dans le domaine des enchères publiques complexes – telles que l’attribution hautement stratégique des licences de spectre de fréquences télécoms 5G –, l’architecture des règles ne peut plus reposer sur la présomption naïve que les consortiums enchérisseurs se comporteront comme des agents d’équilibre parfait de Nash. Les ingénieurs économistes intègrent désormais explicitement les modèles de réponse quantale (QRE) et les hiérarchies de types Level-k pour concevoir des protocoles d’enchères robustes à l’asymétrie cognitive, prévenant la malédiction du vainqueur (winner’s curse) et neutralisant les manœuvres de préemption agressive destructrices de valeur publique.

Dans la sphère sociétale, le déploiement des approches incitatives douces ou nudges théorisés par Richard Thaler et Cass Sunstein s’appuie directement sur les enseignements de ces protocoles de laboratoire :

• Synchronisation des anticipations : Exploiter l’heuristique de Nagel en publiant des normes sociales descriptives ciblées (par exemple, « 85 % des citoyens de votre quartier déclarent leurs revenus à temps ») pour ancrer les croyances de premier ordre vers un équilibre civique vertueux.
• Séquençage des réformes complexes : Structurer l’application de régulations exigeantes (telles que la transition énergétique industrielle) sous la forme d’un mille-pattes coopératif graduel, jalonné d’engagements financiers conjoints, pour conjurer la paralysie initiale et la tentation de passager clandestin.

L’action publique moderne se libère ainsi du mythe de l’agent parfaitement rationnel pour construire des cadres institutionnels taillés sur mesure pour l’agent cognitif réel.

11. Critiques méthodologiques et débats contemporains en économie expérimentale

11.1 La validité écologique des protocoles sous laboratoire contrôlé

L’ascension de l’économie expérimentale incarnée par les dispositifs de Nagel et de Richard McKelvey a suscité des débats méthodologiques vigoureux quant à la validité écologique de ses conclusions. La critique la plus incisive a été formulée par des économistes comme Steven Levitt et John List (2007), qui s’interrogent sur l’extrapolabilité des comportements de laboratoire à l’économie réelle.

Levitt et List soulignent plusieurs distorsions inhérentes au cadre de laboratoire fermé :

• L’effet Hawthorne : Les sujets savent qu’ils sont observés et scrutés par des équipes académiques, ce qui stimule artificiellement les réflexes de conformité morale et pro-sociale par rapport à l’anonymat prédateur des marchés du monde réel.
• La sélection démographique : Les échantillons expérimentaux sont traditionnellement sur-représentés par des cohortes étudiantes occidentales, éduquées, industrialisées, riches et démocratiques (échantillons WEIRD).
• L’étroitesse du cadre temporel : Un jeu de mille-pattes disputé en laboratoire en 45 minutes ne capture pas les processus décisionnels lourds et répétés des organisations d’affaires réelles.

Pour répondre à ces critiques fondamentales, Rosemarie Nagel et ses continuateurs ont déployé des expériences de terrain à très grande échelle hors des murs universitaires. Des concours de beauté ouverts ont été organisés en partenariat avec de grands journaux financiers et magazines scientifiques à forte diffusion, tels que le Financial Times au Royaume-Uni, Spektrum der Wissenschaft en Allemagne et Expansión en Espagne, impliquant des dizaines de milliers de participants issus de toutes les catégories socioprofessionnelles et sans contact direct avec les chercheurs. De manière saisissante, les distributions statistiques recueillies dans ces méga-expériences de terrain ont reproduit les mêmes pics modaux théoriques ($L_1 \approx 33$ et $L_2 \approx 22$) que ceux documentés en laboratoire à Bonn en 1995, apportant une preuve pérenne de la robustesse écologique universelle du modèle des hiérarchies cognitives.

11.2 Problèmes d’identification économétrique entre modèles concurrents

Sur le front de la modélisation statistique avancée, un débat méthodologique majeur persiste quant à la discrimination économétrique précise entre les modèles explicatifs alternatifs. Les chercheurs en économie comportementale se heurtent fréquemment à un problème d’identification structurelle entre le modèle Level-k canonique de Nagel et le modèle des hiérarchies cognitives (Cognitive Hierarchy) de Camerer, Ho et Chong.

Dans de nombreuses configurations de données de laboratoire, les prédictions générées par une distribution hiérarchique poissonienne avec $tau = 1,5$ coïncident presque point par point avec les réalisations d’un mélange discret de types $L_0, L_1, L_2$. La distinction entre une croyance rigide portée uniquement sur le niveau inférieur $k-1$ et une croyance probabiliste diffuse sur tous les niveaux sous-jacents $m < k$ s'avère souvent délicate à trancher empiriquement sans formuler d'hypothèses ad hoc sur la distribution des erreurs de mesure.

Une controverse technique similaire entoure l’Équilibre de Réponse Quantale (QRE) de McKelvey et Palfrey :

• Des critiques méthodologiques font valoir le risque de sur-paramétrisation inhérent aux modèles logit probabilistes.
• En calibrant rétrospectivement le coefficient de précision stochastique $lambda$ sur un jeu de données spécifique, un chercheur court le risque de « sur-ajuster » (overfitting) mathématiquement le modèle, maquillant sous le terme d’équilibre de réponse quantale ce qui pourrait n’être qu’un bruit de distribution non contrôlé.
• La sensibilité des prédictions empiriques à la spécification formelle de la structure des erreurs stochastiques impose aujourd’hui aux économètres des protocoles d’estimation hors-échantillon (out-of-sample validation) d’une rigueur computationnelle absolue.

11.3 L’intégration de l’apprentissage profond et de l’intelligence artificielle

L’irruption contemporaine des algorithmes d’apprentissage par renforcement profond (Deep Reinforcement Learning, DRL) et des grands modèles de langage (LLMs) ouvre un nouveau champ méthodologique pour l’expérimentation stratégique. Des équipes de recherche confrontent désormais des réseaux de neurones artificiels et des agents autonomes aux protocoles matriciels du Guessing Game et du Centipede Game.

Les résultats de ces interactions hybrides ou purement algorithmiques révèlent des enseignements fascinants :

• Un réseau de neurones entraîné par apprentissage par renforcement face à une copie de lui-même converge inexorablement vers les solutions d’équilibre analytiques pures ($s^* = 0$ et défection immédiate à $t = 1$). Les machines incarnent l’hyper-rationalité froide anticipée par von Neumann et Nash.
• En revanche, lorsqu’un agent algorithmique avancé est programmé pour maximiser son utilité face à des partenaires humains imparfaits au sein du Centipede Game, il réapprend de manière endogène l’intérêt de la coopération temporaire. L’intelligence artificielle reproduit de facto l’Équilibre de Réponse Quantale : elle maintient le flux de gains aux nœuds médians et apprend à anticiper avec une finesse stochastique le point de retournement précis où l’humain s’apprête à faire défection.

L’interaction entre l’intelligence artificielle et les agents humains fournit ainsi une validation computationnelle rétrospective monumentale aux intuitions empiriques documentées par Rosemarie Nagel et Richard McKelvey.

12. Synthèse théorique et nouvelles perspectives pour la théorie des jeux

12.1 Réconciliation paradigmatique : Vers une théorie unifiée des interactions limitées

Au terme de ce parcours analytique, les apports conjoints de Rosemarie Nagel et des travaux pionniers menés par Richard McKelvey, Thomas Palfrey et Richard Thaler apparaissent non comme des critiques isolées de la théorie standard, mais comme les fondations d’une réconciliation paradigmatique majeure au sein des sciences économiques.

Ces expérimentations ont définitivement libéré la théorie des jeux de l’impasse de l’apriorisme déductif. Elles ont démontré que la défaillance des équilibres canoniques dans les laboratoires n’invalide nullement l’usage de la formalisation mathématique rigoureuse, mais exige de substituer aux concepts d’équilibre statique absolu des concepts d’équilibration dynamique et d’ajustement adaptatif stochastique. En intégrant formellement les bornes cognitives de l’esprit humain à travers les modèles Level-k, les hiérarchies poissoniennes et les réponses quantales bruitées, l’économie s’est dotée d’un appareil prédictif infiniment plus puissant et universel.

Le tableau comparatif suivant synthétise les propriétés structurales et épistémologiques fondamentales des deux protocoles fondateurs étudiés tout au long de cette recherche :

Critère Analytique	Le Guessing Game (Rosemarie Nagel)	Le Centipede Game (Richard McKelvey & Palfrey)
Architecture formelle	Jeu statique simultané sous forme normale ; espace continu $[0, 100]$.	Jeu dynamique séquentiel sous forme extensive ; arbre binaire fini à $T$ nœuds.
Prédiction déductive standard	Élimination itérative des stratégies dominées aboutissant à $s^* = 0$ (Nash).	Induction à rebours décrétant la défection immédiate à $t = 1$ (Selten, SPNE).
Comportement empirique initial	Distribution multimodale ; pics massifs à 33 ($L_1$) et 22 ($L_2$) ; zéro résiduel.	Moins de 1 % d’arrêt à $t=1$ ; coopération active jusqu’aux trois quarts de l’arbre.
Modèle comportemental résolutif	Modèle hiérarchique Level-k et Cognitive Hierarchy ($\tau \approx 1,5$).	Agent Quantal Response Equilibrium (AQRE) et aversion à l’inégalité.
Substrat neuro-psychologique	Théorie de l’esprit (dlPFC, vmPFC) ; limite de la mémoire de travail.	Altruisme réciproque, confiance tacite, aversion pour la trahison (insula).
Dynamique en répétition	Apprentissage directionnel (Learning Direction) convergeant lentement vers 0.	Érosion de la confiance par contagion du cynisme rétrograde ; défection reculante.

12.2 Implications pour l’épistémologie de la rationalité humaine

L’apport épistémologique ultime des découvertes de Nagel, McKelvey et Thaler réside dans une refondation ontologique de la notion de rationalité humaine. L’économie contemporaine a cessé de traiter la rationalité limitée comme une pathologie cognitive indésirable ou une défaillance computationnelle honteuse devant être éradiquée par l’éducation formelle.

Bien au contraire, cette rationalité bornée se révèle être une merveille d’adaptation écologique et sociale :

• Dans un univers où l’hyper-rationalité déductive conduit inéluctablement à des impasses tragiques – que ce soit la destruction totale de la richesse dans le jeu du mille-pattes ou la certitude d’échouer dans le concours de beauté en jouant zéro face à des novices –, c’est précisément l’« imperfection » humaine qui débloque la coopération productive.
• La disposition des agents à faire confiance, leur sensibilité morale à l’équité distributive et leur tendance à borner leur profondeur de calcul permettent à la société de générer d’immenses surplus de coordination inaccessibles à des automates bayésiens parfaits.

L’erreur cognitive apparente devient le terreau même de la coopération sociale. La véritable optimalité ne réside pas dans l’isolement d’un raisonnement mathématique abstrait déconnecté de la réalité psychologique, mais dans l’intelligence contextuelle partagée.

12.3 Agendas de recherche émergents

L’héritage scientifique de Rosemarie Nagel et de Richard McKelvey demeure d’une vivacité exemplaire et ouvre aujourd’hui des perspectives de recherche expérimentale de premier plan :

• La délibération d’équipe et la cognition distribuée : De nouvelles expérimentations analysent la manière dont des groupes constitués d’individus délibérant collectivement résolvent le Guessing Game et le Centipede Game. Les données indiquent que les équipes délibératives franchissent généralement une étape cognitive supplémentaire par rapport aux agents individuels ($L_{k+1}$ au lieu de $L_k$), sans pour autant atteindre les équilibres extrêmes déductifs, illustrant la manière dont les interactions sociales affinent l’estimation adaptative.
• L’interaction homme-machine hybride : L’intégration d’agents algorithmiques génératifs au sein d’arborescences de négociation complexes soulève la question fondamentale de la synchronisation cognitive : comment concevoir des intelligences artificielles capables d’adopter des niveaux d’induction stratégique empathiques face à des interlocuteurs humains sans provoquer l’effondrement cynique de la coopération ?
• La neuroimagerie computationnelle haute résolution : Le couplage de la magnétoencéphalographie (MEG) et de modèles mathématiques d’apprentissage dynamique permet désormais d’observer, milliseconde par milliseconde, la réorganisation des représentations neurales lorsque les sujets expérimentent une trahison au cours du mille-pattes ou révisent leur ancrage directionnel après un tour du concours de beauté.

En explorant les frontières fascinantes où les mathématiques de l’interaction rencontrent la vulnérabilité et la richesse de la cognition humaine, la théorie des jeux comportementale continue de tracer la voie d’une compréhension élargie de la rationalité, guidée par les jalons indélébiles posés par Rosemarie Nagel et Richard McKelvey.

Références

Aumann, R. J. (1995). Backward induction and common knowledge of rationality. Games and Economic Behavior, 8(1), 6–19. https://doi.org/10.1016/S0899-8256(05)80015-6

Binmore, K. (1996). A backward induction experiment. Economic Journal, 106(438), 1339–1346. https://doi.org/10.2307/2235526

Camerer, C. F. (2003). Behavioral Game Theory: Experiments in Strategic Interaction. Princeton University Press.

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

Fehr, E., & Schmidt, K. M. (1999). A theory of fairness, competition, and cooperation. The Quarterly Journal of Economics, 114(3), 817–868. https://doi.org/10.1162/003355399556151

Gigerenzer, G., & Selten, R. (Eds.). (2001). Bounded Rationality: The Adaptive Toolbox. MIT Press.

Keynes, J. M. (1936). The General Theory of Employment, Interest and Money. Macmillan.

Levitt, S. D., & List, J. A. (2007). What do laboratory experiments measuring social preferences reveal about the real world? Journal of Economic Perspectives, 21(2), 153–174. https://doi.org/10.1257/jep.21.2.153

McKelvey, R. D., & Palfrey, T. R. (1992). An experimental study of the centipede game. Econometrica, 60(4), 803–836. https://doi.org/10.2307/2951567

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

McKelvey, R. D., & Palfrey, T. R. (1998). Quantal response equilibria for extensive form games. Experimental Economics, 1(1), 9–41. https://doi.org/10.1023/A:1009905800005

Nagel, R. (1995). Unraveling in guessing games: An experimental study. The American Economic Review, 85(5), 1313–1326. https://www.jstor.org/stable/2950991

Nagel, R. (1999). A survey on experimental beauty-contest games: Bounded rationality and learning. In D. Budescu, I. Erev, & R. Zwick (Eds.), Games and Human Behavior: Essays in Honor of Amnon Rapoport (pp. 105–142). Lawrence Erlbaum Associates.

Pettit, P., & Sugden, R. (1989). The backward induction paradox. The Journal of Philosophy, 86(4), 169–182. https://doi.org/10.2307/2026859

Rosenthal, R. W. (1981). Games of perfect information, predatory pricing and the chain-store paradox. Journal of Economic Theory, 25(1), 92–100. https://doi.org/10.1016/0022-0531(81)90018-1

Selten, R. (1975). Reexamination of the perfectness concept for equilibrium points in extensive games. International Journal of Game Theory, 4(1), 25–55. https://doi.org/10.1007/BF01766400

Selten, R., & Stoecker, R. (1986). End behavior in sequences of finite Prisoner’s Dilemma supergames: A learning theory approach. Journal of Economic Behavior & Organization, 7(1), 47–70. https://doi.org/10.1016/0167-2681(86)90021-1

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

Thaler, R. H. (1988). Anomalies: The winner’s curse. Journal of Economic Perspectives, 2(1), 191–202. https://doi.org/10.1257/jep.2.1.191

Thaler, R. H. (2000). From Homo Economicus to Homo Sapiens. Journal of Economic Perspectives, 14(1), 133–141. https://doi.org/10.1257/jep.14.1.133