Absorption and Inertness in Coarse-Grained Arithmetic: A Heuristic Application to the St. Petersburg Paradox

Cet article propose une approche heuristique du paradoxe de Saint-Pétersbourg en introduisant une addition « grossière » sur des partitions numériques, un mécanisme structurel qui, par inertie, empêche la croissance illimitée des récompenses divergentes sans modifier la théorie décisionnelle classique.

L'essentiel

Le Paradoxe de Saint-Pétersbourg : Pourquoi l'argent infini ne vous rend pas riche (selon ce papier)

Imaginez un jeu de hasard très simple : vous lancez une pièce de monnaie.

• Si vous tombez sur Pile dès le premier lancer, vous gagnez 1 euro.
• Si vous tombez sur Face, puis Pile au deuxième lancer, vous gagnez 2 euros.
• Si vous tombez sur Face, Face, Pile, vous gagnez 4 euros.
• Et ainsi de suite, la mise double à chaque fois que vous continuez.

Le problème (le paradoxe) :
Mathématiquement, si vous jouez ce jeu une infinité de fois, la somme moyenne que vous devriez gagner est infinie. Selon les règles classiques des mathématiques, vous devriez être prêt à payer n'importe quelle somme (même 1 million d'euros) pour y jouer, car le gain potentiel est sans limite.
Pourtant, dans la vraie vie, personne ne paierait plus de quelques euros pour y jouer. Pourquoi ? Parce que notre cerveau ne fonctionne pas comme une calculatrice infinie.

La solution proposée par l'auteur : Le "Filtre de la Graine"

L'auteur, Takashi Izumo, ne propose pas de changer les règles du jeu ni de dire que l'argent n'a pas de valeur. Il propose de changer la façon dont nous additionnons les gains.

Imaginez que votre cerveau ne voit pas les nombres comme une ligne continue et précise (1, 2, 3, 4...), mais comme une série de boîtes ou de grains de tailles différentes.

1. L'analogie des Boîtes (Le "Coarse-Graining")

Imaginez que vous avez une série de boîtes pour ranger vos pièces :

• Boîte 1 : Contient les petits gains (0 à 2 euros).
• Boîte 2 : Contient les gains moyens (3 à 5 euros).
• Boîte 3 : Contient les gros gains (6 à 16 euros).
• Boîte 4 : Contient les gains énormes (17 à 32 euros).

Chaque boîte a un représentant. Disons que pour la Boîte 3, le représentant est le chiffre "11". Peu importe si vous avez 6, 10 ou 15 euros dans cette boîte, pour votre cerveau, c'est toujours "11".

2. L'addition "Coarse" (Grossière)

Maintenant, imaginons que vous jouez au jeu et que vous gagnez des petits montants à chaque fois.

• Dans la vie réelle, si vous ajoutez 1 euro à 100 fois, vous avez 100 euros.
• Dans ce nouveau système, vous ajoutez 1 euro à votre "représentant" de la boîte.
• Si vous êtes dans la Boîte 3 (représentant 11) et que vous ajoutez un petit gain (disons 1 euro), le total mathématique est 12.
• Mais 12 est toujours dans la Boîte 3 !
• Donc, pour votre cerveau, le total est toujours 11.

Le résultat magique : Même si vous ajoutez des gains à l'infini, une fois que vous êtes dans une grande boîte, les petits ajouts ne font plus bouger le compteur. Le compteur se fige. C'est ce que l'auteur appelle l'inertie.

L'Analogie du Seau de Pluie

Pour rendre cela encore plus concret, imaginez un seau qui a un trou au fond, mais ce trou est très petit.

• Si vous versez un verre d'eau (un petit gain) dans un seau vide, le niveau monte.
• Si le seau est déjà presque plein (vous avez accumulé beaucoup de gains), et que vous versez toujours le même verre d'eau, l'eau déborde ou s'évapore avant de faire monter le niveau perceptible.
• Pour un observateur qui regarde le seau de loin (avec une vision "grossière"), le niveau de l'eau semble ne plus changer, même si vous versez de l'eau à l'infini.

Dans le paradoxe de Saint-Pétersbourg, les gains théoriques sont comme une pluie qui tombe sans cesse. Si votre cerveau est un "seau grossier", il finit par saturer. Il ne voit plus la différence entre 1 milliard et 1 milliard + 1.

Pourquoi est-ce important ?

Ce papier ne dit pas que les mathématiques classiques sont fausses. Il dit que nous, les humains, ne sommes pas des mathématiciens parfaits.

1. Notre cerveau est "pixelisé" : Nous ne voyons pas chaque centime individuellement quand les sommes sont grandes. Nous regroupons les choses en catégories (petit, moyen, gros).
2. L'effet de saturation : Une fois qu'une catégorie est remplie, ajouter un peu plus ne change pas notre perception de la richesse totale.
3. La réponse au paradoxe : C'est pour cela que nous ne payons pas un million pour jouer à Saint-Pétersbourg. Notre cerveau "absorbe" les petits gains supplémentaires sans que notre perception de la valeur totale ne bouge.

En résumé

L'auteur nous dit : "Arrêtons de essayer de résoudre ce paradoxe avec des formules compliquées sur l'utilité de l'argent. Regardons plutôt comment nous additionnons les choses."

Si vous changez la règle de l'addition pour qu'elle soit "grossière" (comme notre cerveau), alors une somme infinie de petits gains devient soudainement finie et stable. Le jeu ne semble plus aussi rentable, et le paradoxe disparaît, non pas parce que les mathématiques ont changé, mais parce que notre façon de compter a été modélisée plus fidèlement à la réalité humaine.

C'est une façon élégante de dire : "Parfois, ne pas voir les détails, c'est ce qui nous empêche de devenir fous en regardant l'infini."

Résumé technique

1. Problématique

Le paradoxe de Saint-Pétersbourg constitue un défi majeur en théorie de la décision : la valeur espérée classique du jeu diverge vers l'infini ($\sum \frac{1}{2^n} 2^{n-1} = +\infty$), pourtant aucun montant fini n'est considéré comme rationnel pour y participer.
Les solutions traditionnelles reposent généralement sur :

• L'introduction d'une fonction d'utilité concave (utilité marginale décroissante).
• L'application d'un facteur d'actualisation temporelle.
• L'extension des systèmes numériques ou la réévaluation des préférences face à l'infini.

L'auteur propose une approche différente : au lieu de modifier l'utilité, la probabilité ou la nature des nombres, il remet en question le règle d'agrégation elle-même. L'hypothèse centrale est que le jugement humain (ou cognitif) n'est pas infiniment précis, mais opère par « granularité grossière » (coarse-graining). La question est de savoir comment une structure de récompense divergente est traitée par un système d'addition qui opère sur des catégories discrètes plutôt que sur des valeurs exactes.

2. Méthodologie

L'article développe un cadre mathématique formel basé sur l'arithmétique à granularité grossière définie sur l'ensemble des entiers naturels $U = \mathbb{N}_0$.

A. Partition et Représentation

• Partition (Grains) : L'ensemble $U$ est partitionné en une famille dénombrable d'intervalles finis disjoints et ordonnés, appelés « grains » ($G_{\pi, i}$).
• Application Cellulaire ($\psi_\pi$) : Chaque élément $x \in U$ est associé au grain auquel il appartient.
• Application Représentative Interne ($\phi$) : À chaque grain est assigné un représentant unique $\phi(G) \in G$ (par exemple, le minimum, le maximum ou la médiane).

B. Opérations d'Addition Grossière

Deux opérations sont définies :

1. Addition de Représentants Grossière ($\oplus_{\pi, \phi}$) : Pour $x, y \in U$, on remplace $x$ et $y$ par leurs représentants, on les additionne classiquement, puis on projette le résultat dans son grain et on sélectionne à nouveau le représentant.
   $$x \oplus_{\pi, \phi} y = \phi(\psi_\pi(\phi(\psi_\pi(x)) + \phi(\psi_\pi(y))))$$
2. Addition de Cellules Grossière ($\boxplus_{\pi, \phi}$) : Opération similaire définie directement sur les grains.

C. Concepts Clés

• Absorption : Un grain $G$ absorbe un grain $H$ si l'addition de leurs représentants, suivie de la projection, reste dans $G$ ($G \boxplus H = G$). Cela se produit si l'« marge d'absorption » du grain (la différence entre son maximum et son représentant) est supérieure ou égale au représentant du grain ajouté.
• Inertie : Phénomène où une somme partielle grossière, après un nombre fini d'étapes, cesse de changer de valeur (elle se stabilise sur un grain et son représentant), même si la somme classique divergerait.
• Non-associativité : Contrairement à l'addition standard, l'addition grossière n'est généralement pas associative en raison de la perte d'information lors de la projection vers le représentant à chaque étape.

3. Résultats Principaux

A. Caractérisation de l'Absorption et de l'Inertie

L'article établit des conditions suffisantes pour l'absorption. Si la marge d'absorption d'un grain $G$ est supérieure ou égale à la valeur du représentant du grain ajouté, l'addition ne modifie pas l'état grossier.

• Théorème : Si une séquence de grains est telle qu'à partir d'un certain rang $N$, le grain courant absorbe tous les grains suivants, alors la somme partielle devient inerte (elle se stabilise).

B. Non-Associativité

L'auteur démontre que l'addition grossière est généralement non associative. L'ordre des parenthèses influence le résultat car les projections intermédiaires diffèrent. Une exception associative existe uniquement dans des cas très spécifiques (partitions en intervalles de largeur constante impaire avec représentant médian unique).

C. Application au Paradoxe de Saint-Pétersbourg

L'auteur applique ce cadre au paradoxe en considérant la séquence des accroissements de valeur espérée, qui est constante (égale à $1/2$ dans le cas classique, ou $1$ après un redimensionnement sur $\mathbb{N}_0$).

• Construction : Il définit une « partition triangulaire » où la taille du $n$-ième grain est $n$.
• Choix du représentant : Utilisation du représentant minimal ($\phi_{min}$).
• Résultat : Pour cette partition spécifique, la marge d'absorption de chaque grain $G_n$ (pour $n \ge 2$) est suffisante pour absorber l'incrément constant de valeur 1.
• Conclusion de l'application : La somme partielle grossière devient immédiatement inerte. La séquence $1, 1, 1, \dots$ qui diverge classiquement devient une suite constante égale à 1 sous l'addition grossière.

4. Contributions et Signification

Contributions Théoriques

1. Nouveau mécanisme d'agrégation : Introduction de l'« addition grossière » comme opérateur algébrique distinct, caractérisé par l'absorption et l'inertie, plutôt que comme une simple approximation de l'addition réelle.
2. Explication structurelle de la divergence : Démonstration qu'une structure de récompense divergente peut cesser de produire une croissance illimitée si le processus d'agrégation lui-même est limité par une granularité cognitive.
3. Distinction conceptuelle : Séparation claire entre l'actualisation temporelle (qui réduit le poids des paiements futurs) et l'inertie par granularité (qui rend les incréments négligeables par rapport à un total déjà accumulé, indépendamment du temps).

Signification et Limites

• Nature Heuristique : L'auteur insiste sur le fait que ce papier ne « résout » pas le paradoxe au sens de la théorie de la décision standard (l'espérance mathématique reste infinie). La contribution est structurelle et heuristique.
• Modélisation de la cognition bornée : Le cadre offre un modèle mathématique explicite pour étudier comment une cognition à précision limitée (bounded numerical cognition) traite les infinis. Il suggère que l'inertie des sommes grossières pourrait expliquer pourquoi les agents humains ne sont pas prêts à payer des sommes astronomiques pour des jeux à espérance infinie.
• Limites : Les résultats dépendent du choix de la partition et de la carte représentative. Différentes structures de granularité peuvent conduire à des comportements non inertiels. Le modèle est actuellement restreint aux partitions dénombrables de $\mathbb{N}_0$ et aux sommes associatives à gauche.

En résumé, l'article propose que la divergence classique n'implique pas nécessairement une croissance illimitée perçue si l'agrégation des valeurs est soumise à une granularité cognitive, offrant ainsi une nouvelle perspective sur les paradoxes de décision et les modèles comportementaux.