Contracting a crowd of heterogeneous agents

Résumé Technique : Contrats pour une Foule d'Agents Hétérogènes

Formulation du Problème
L'article traite du problème de conception optimale de contrats pour un principal gérant une grande population d'agents hétérogènes. Contrairement aux modèles principal-agent standards impliquant un seul agent ou une foule homogène, ce cadre intègre des externalités de réseau où l'effort d'un agent affecte non seulement sa propre production, mais aussi la productivité des autres. Ces interactions sont modélisées via une fonction d'interaction $G: [0, 1]^2 \to \mathbb{R}$, où $G(u, v)$ quantifie comment la production d'un agent de type $u$ est influencée par l'effort d'un agent de type $v$.

Le cadre est un modèle d'aléa moral linéaire-quadratique en temps continu. Le principal propose des contrats composés d'un paiement terminal et d'un flux de paiements continus pour inciter les agents à choisir des niveaux d'effort maximisant leur propre utilité (en équilibrant la compensation contre les coûts d'effort) tout en faisant face à un bruit idiosyncrasique. Le principal vise à maximiser la production agrégée espérée nette de la compensation totale, sous réserve des contraintes de participation des agents et des conditions de compatibilité incitative (équilibre de Nash).

Méthodologie
Les auteurs adoptent une approche à deux volets, résolvant à la fois le problème à $N$ agents fini et sa limite continue, puis établissant la convergence entre les deux.

1. Formulation Continue par Étiquetage : Pour gérer les difficultés techniques liées à un nombre non dénombrable de mouvements browniens interagissant, les auteurs adaptent la technique d'"étiquetage" de Lacker et Soret [LS22]. Au lieu de traiter les agents comme des entités distinctes, ils introduisent une variable de type $U \in [0, 1]$ comme partie de l'état. La distribution de la population est définie comme la loi jointe du type de l'agent et de sa production, $\mu \in \mathcal{P}_2([0, 1] \times C)$. Cela transforme le système hétérogène en un jeu à champ moyen standard joué par un agent représentatif contre la distribution de la population.
2. Réduction vers un Contrôle à Champ Moyen : Suivant le cadre d'Élie, Mastrolia et Possamaï [ÉMP19], le problème du principal est réduit à un problème de contrôle à champ moyen. En paramétrant les contrats admissibles à l'aide d'Équations Différentielles Stochastiques Rétrogrades (EDSR), les auteurs caractérisent l'effort optimal et la valeur de continuation de l'agent. Cela permet de résoudre le problème du principal via une approche de programmation dynamique, conduisant à une équation de Hamilton-Jacobi-Bellman (HJB) sur l'espace des mesures de probabilité $\mathcal{P}_2(\mathbb{R}^3)$.
3. Vérification et Solutions Explicites : Un lemme de vérification (Lemme 2) est établi pour construire des contrats optimaux à partir de solutions classiques de l'équation HJB. Dans le cas linéaire-quadratique, les auteurs dérivent des solutions explicites pour les problèmes fini et continu. La solution continue repose sur la résolution d'un système d'équations différentielles ordinaires (EDO) linéaires de dimension infinie.
4. Analyse de Convergence : L'article démontre que lorsque $N \to \infty$, les efforts d'équilibre, les contrats optimaux et la valeur du principal dans le modèle à agents finis convergent vers leurs équivalents continus. Crucialement, il démontre que le contrat optimal continu, lorsqu'il est évalué sur une grille finie de types d'agents, produit un contrat admissible pour le problème à $N$ agents qui est $O(1/N)$-optimal.

Résultats Clés

• Contrats Optimaux Explicites :

  • $N$ Fini : Le contrat optimal pour l'agent $i$ est linéaire par rapport au chemin de production, avec une pente déterminée par un vecteur $\bar{Q}^N(t)$ résolvant un système d'EDO linéaires impliquant la matrice d'interaction $G_{i,j} = G(i/N, j/N)$.
  • Continu : Le contrat optimal pour un agent de type $u$ est $\xi^* = R_a(U) - \int_0^T (\frac{1}{2}Q(t, U)^2 + Q(t, U) \mathbb{E}[G(U, v)X_t]) dt + \int_0^T Q(t, U) dX_t$. Ici, $Q(t, u)$ est la solution de l'EDO de dimension infinie $\dot{Q}(t, u) = -\int_0^1 G(v, u)Q(t, v) dv$ avec la condition terminale $Q(T, u) = 1$.
  • Interprétation : La fonction $Q(t, u)$ joue un double rôle : elle est la pente de la composante basée sur la performance du contrat et le niveau d'effort d'équilibre induit chez un agent de type $u$.

• Statiques Comparatives et Influence :

  • Ciblage des Incitations : L'article démontre que les agents ayant une plus grande "influence externe" (définie par l'intégrale de $G(v, u)$ par rapport à $v$) sont incités à fournir un effort plus élevé. Spécifiquement, si le type d'agent $u_1$ est moins influent que $u_2$, alors $\alpha^*(t, u_1) \leq \alpha^*(t, u_2)$.
  • Densité de Valeur : La valeur du principal peut être décomposée par type source. La "densité de valeur source" montre que les agents plus influents contribuent davantage à la valeur du principal, justifiant des incitations plus fortes pour eux.
  • Analyse Spectrale : Dans des contextes d'interaction symétriques, l'effort optimal est exprimé comme un développement en série sur les fonctions propres de l'opérateur d'interaction. Les modes avec de grandes valeurs propres positives (forte amplification) et de grands coefficients (contribution à la production agrégée) reçoivent les incitations les plus fortes.

• Stabilité : Les contrats optimaux et les efforts d'équilibre sont montrés comme stables sous des perturbations de la fonction d'interaction $G$. De petits changements dans $G$ entraînent des changements bornés dans l'effort optimal et la distribution des contrats.

• Vitesses de Convergence :

  • La différence entre l'effort d'équilibre à agents finis et l'effort continu est $O(1/N)$.
  • La différence de la valeur du principal entre les problèmes fini et continu est $O(1/N)$.
  • La "perte" encourue en utilisant le contrat continu dans un contexte à $N$ agents fini est $O(1/N)$.

Portée et Revendications
L'article revendique de fournir une approximation évolutive pour les problèmes de contrats impliquant de grandes populations en interaction. En résolvant la limite continue, les auteurs obtiennent une solution traitable qui peut être appliquée à de grands échantillons finis sans résoudre directement le problème à agents finis de haute dimension.

L'insight économique principal est que les incitations optimales doivent tenir compte de la position dans le réseau. Dans des environnements avec externalités, la valeur d'inciter un agent dépend de sa capacité à propager l'effort à travers le réseau. Par conséquent, le principal devrait attribuer des incitations plus fortes aux agents plus influents, plutôt que de traiter tous les agents de manière uniforme ou uniquement sur la base de la productivité individuelle.

La méthodologie comble le fossé entre la théorie des jeux à champ moyen et la littérature principal-agent, étendant les résultats des contextes homogènes (par exemple, Élie et al. [ÉMP19]) aux réseaux hétérogènes. L'article souligne que, bien que le modèle continu soit une approximation, il est quantitativement contrôlé, offrant un outil pratique pour concevoir des contrats dans des environnements réseau complexes tels que les entreprises basées sur des équipes, les économies de plateforme et les chaînes d'approvisionnement.