Cross-World Assumption and Refining Prediction Intervals for Individual Treatment Effects

1. Problématique et Contexte

L'estimation des effets de traitement individuels (ITE) est cruciale pour la prise de décision à haut risque (médecine personnalisée, politiques économiques). Cependant, l'ITE, défini comme $Y(1) - Y(0)$ (la différence entre le résultat potentiel sous traitement et sous contrôle), souffre d'un problème fondamental d'non-identifiabilité : pour un individu donné, on ne peut observer qu'un seul des deux résultats potentiels.

Les méthodes existantes pour quantifier l'incertitude des ITE (intervalles de prédiction) se heurtent à deux limites majeures :

1. Largeur excessive : Les approches sans hypothèses supplémentaires (comme les méthodes naïves ou basées sur la décomposition de Fréchet-Hoeffding) produisent des intervalles de prédiction extrêmement larges, rendant les résultats peu utiles en pratique.
2. Manque de garanties de couverture : Les méthodes qui tentent de réduire la largeur des intervalles sacrifient souvent les garanties théoriques de couverture (le fait que l'ITE réel tombe dans l'intervalle avec une probabilité $1-\alpha$).

L'article vise à combler ce fossé en proposant des intervalles de prédiction à la fois étroits et valides, en introduisant une hypothèse nouvelle mais plausible : la corrélation inter-mondes (cross-world correlation).

2. Méthodologie

L'approche proposée repose sur l'introduction d'un paramètre de corrélation conditionnelle entre les résultats potentiels, noté $\rho(x)$ :
$$\rho(x) = \text{cor}(Y(1), Y(0) \mid X = x)$$
Bien que $\rho(x)$ soit non identifiable à partir des données observées, les auteurs argumentent qu'il est possible d'établir des bornes raisonnables basées sur la connaissance du domaine ou des covariables auxiliaires.

A. L'Hypothèse Inter-Mondes (Cross-World Assumption)

L'article postule que, conditionnellement aux covariables $X$, les résultats potentiels $Y(1)$ et $Y(0)$ ne sont pas indépendants. Dans de nombreux scénarios réels (ex: essais cliniques), des facteurs latents non observés (génétique, état de santé) affectent les deux résultats de manière similaire, suggérant une corrélation positive ($\rho > 0$).

B. Construction des Intervalles CW($\rho$)

Les auteurs proposent une nouvelle classe d'intervalles de prédiction, notés CW($\rho$) (Cross-World Intervals).

1. Étape 1 : Construire des intervalles de prédiction valides séparément pour $Y(1)$ et $Y(0)$ (notés $C_1$ et $C_0$) en utilisant des méthodes conformes (ex: Conformalized Quantile Regression - CQR).
2. Étape 2 : Combiner ces intervalles pour former l'intervalle de l'ITE en utilisant une distance euclidienne ajustée par la corrélation $D_\rho$ :
   $$C_{ITE}(x) = \left[ \hat{\tau}(x) - D_\rho(l_1, u_0), \quad \hat{\tau}(x) + D_\rho(l_0, u_1) \right]$$
   Où $D_\rho(x, y) = \sqrt{x^2 + y^2 - 2\rho xy}$.
   • Si $\rho = 1$ (corrélation parfaite), la largeur de l'intervalle est minimisée (équivalent à la largeur de l'erreur de l'estimateur du traitement moyen conditionnel).
   • Si $\rho = -1$ (corrélation négative parfaite), la largeur est maximisée (cas le plus conservateur).

C. Gestion de l'Estimateur du Biais : CW+CI($\rho$)

Pour relâcher l'hypothèse stricte sur le biais de l'estimateur du CATE ($\hat{\tau}$), les auteurs introduisent une variante CW+CI($\rho$). Cette méthode intègre un intervalle de confiance (CI) pour l'estimateur $\hat{\tau}$ (obtenu par exemple par bootstrap) dans la construction de l'intervalle final. Un hyperparamètre $c$ contrôle le poids de cet intervalle de confiance, ajusté dynamiquement en fonction de $\rho$ (ex: $c = (1+\rho)/2$).

D. Estimation de $\rho$ via Données Auxiliaires

Puisque $\rho$ est inconnu, l'article propose des méthodes pour estimer une borne inférieure $\tilde{\rho}_L(x)$ :

• Utilisation de covariables auxiliaires $Z$ (disponibles pour un sous-ensemble de données) pour décomposer la covariance totale.
• Application de l'inégalité de Cauchy-Schwarz pour borner la partie non identifiable.
• Utilisation de données de jumeaux ou d'études croisées (cross-over) pour valider empiriquement que $\rho$ est souvent positif et significatif dans la pratique.

3. Contributions Clés

1. Théorème d'Optimalité Asymptotique : Sous des hypothèses gaussiennes et avec un $\rho$ connu, les intervalles CW($\rho$) sont prouvés comme étant les plus petits intervalles possibles satisfaisant la garantie de couverture conditionnelle.
2. Garanties en Échantillon Fini : L'article établit des garanties de couverture marginales valides pour des échantillons finis, même lorsque $\rho$ n'est connu qu'à travers une borne inférieure.
3. Nouvelle Classe d'Intervalles : Introduction des intervalles CW($\rho$) et CW+CI($\rho$) qui intègrent explicitement la dépendance inter-mondes.
4. Cadre Pratique pour $\rho$ : Fourniture d'une "recette" pour les praticiens afin de raisonner sur $\rho$ via la connaissance du domaine, l'analyse de sensibilité et l'utilisation de données auxiliaires.

4. Résultats Empiriques

Les auteurs évaluent leur méthode sur des données synthétiques et semi-synthétiques (IHDP, Twins, études croisées) en comparant avec des méthodes de l'état de l'art (Lei & Candès, Alaa et al., Jonkers et al.).

• Réduction drastique de la largeur : Les intervalles CW($\rho$) sont souvent plus de 3 fois plus étroits que les méthodes concurrentes (notamment lorsque $\rho \approx 1$ ou $\rho \approx -1$), tout en maintenant une couverture valide.
• Robustesse : La méthode maintient une couverture stable même lorsque $\rho$ est légèrement mal spécifié (ex: utiliser $\rho_{utilisé} = \rho_{vrai} - 0.25$).
• Performance en haute dimension : La variante CW+CI($\rho$) corrige les problèmes de sous-couverture observés dans les dimensions élevées lorsque le biais de l'estimateur $\hat{\tau}$ est important, tout en restant compétitive en termes de largeur.
• Robustesse aux distributions : Les résultats montrent que la méthode fonctionne bien même lorsque les hypothèses de normalité sont violées (copules non gaussiennes).

5. Signification et Impact

Cet article représente une avancée majeure dans l'inférence causale pour les effets individuels :

• Changement de paradigme : Il déplace la discussion de l'impossibilité absolue d'estimer l'incertitude de l'ITE vers la possibilité de le faire de manière informée par des hypothèses réalistes sur la structure des données.
• Utilité pratique : En permettant de construire des intervalles de prédiction étroits et valides, la méthode rend l'inférence causale individuelle viable pour des applications critiques où la prise de décision nécessite une quantification précise du risque.
• Validité théorique : Contrairement à de nombreuses approches heuristiques, cette méthode offre des garanties mathématiques rigoureuses (couverture garantie) tout en exploitant la structure de corrélation latente.

En conclusion, les auteurs démontrent que l'introduction d'une hypothèse inter-mondes (cross-world assumption), même sous forme de bornes, permet de transformer un problème d'inférence fondamentalement non identifiable en un problème résoluble avec des garanties statistiques solides et une efficacité pratique supérieure.