Divide and Confer: Aggregating Information without Verification

Énoncé du Problème
Cet article étudie la conception de mécanismes d'agrégation d'informations dans un contexte où un décideur (le récepteur) doit prendre une décision binaire d'acceptation ou de rejet basée sur des informations privées détenues par une large population d'émetteurs. Le défi central est la « division informationnelle » : l'information agrégée sur un état inconnu est divisée entre $N$ émetteurs, de telle sorte qu'à mesure que la population croît, l'information détenue par un seul émetteur devient négligeable, bien que l'information totale reste constante. Crucialement, les signaux observés par les émetteurs sont indépendants de manière inconditionnelle. Cette indépendance rend toute vérification croisée impossible ; aucun rapport d'un émetteur ne peut être vérifié par rapport à celui d'un autre. De plus, les émetteurs partagent un biais commun vers l'« acceptation », ce qui crée un conflit d'intérêts avec le récepteur, qui préfère le « rejet » dans une plage intermédiaire d'états (la « région de désaccord »). Les auteurs se demandent comment un récepteur peut susciter une information sincère et maximiser son gain lorsque la vérification croisée est impossible et que l'information est divisée.

Méthodologie
Les auteurs introduisent un nouveau cadre analytique nommé « Compatibilité Incitative dans la Limite » (ICL - Incentive Compatibility in the Large). Plutôt que de chercher des mécanismes optimaux pour un $N$ fini (qui sont généralement complexes et dépendent du profil complet des rapports), l'article étudie la limite lorsque $N \to \infty$.

1. Reformulation dans le domaine fréquentiel : Les auteurs recadrent le problème de conception de mécanisme en termes de fréquences empiriques normalisées (NEF - Normalized Empirical Frequencies) des réalisations de signaux. Cela transforme le domaine du mécanisme de l'espace de signaux à croissance exponentielle $S^N$ vers un espace à dimension fixe de déviations de fréquences, $h \in \mathbb{R}^K_0$.
2. Caractérisation de la limite : En utilisant le Théorème Central Limite Multidimensionnel, ils démontrent que la NEF converge vers une distribution normale multivariée. Ils définissent un mécanisme comme étant ICL si sa distribution de résultats peut être approximée arbitrairement bien par une séquence de mécanismes de dimension finie $N$ compatibles avec les incitations.
3. Contraintes limites : L'article dérive deux ensembles finis de contraintes linéaires qui caractérisent pleinement l'ensemble des mécanismes ICL :
   • (ENV) : Une condition d'enveloppe garantissant qu'un émetteur essentiellement non informé (dans la limite) n'a aucune incitation à « pousser » la distribution des rapports dans une direction quelconque.
   • (MON) : Une condition de monotonie garantissant que la probabilité d'acceptation est faiblement croissante par rapport au rapport de l'émetteur.
     Ces conditions servent d'analogues limites des contraintes standard de compatibilité incitative et de monotonie intérimaire.

Résultats Clés

1. Optimalité des mécanismes simples : Une conclusion centrale est que, dans la limite de la population étendue, il est sans perte d'optimalité de restreindre l'attention aux mécanismes simples — ceux qui dépendent uniquement de l'état agrégé rapporté (la moyenne échantillonnale), plutôt que du vecteur complet des rapports individuels. Cela contraste avec les populations finies (même pour $N=2$), où des mécanismes complexes utilisant le profil complet des rapports peuvent strictement surpasser les mécanismes simples.
2. Le mécanisme d'intervalle : Le mécanisme ICL optimal est caractérisé comme un mécanisme d'intervalle. Il recommande l'« acceptation » si l'état agrégé se situe dans un intervalle borné spécifique $[\underline{\omega}, \overline{\omega}]$ et le « rejet » sinon.
   • La borne inférieure $\underline{\omega}$ est fixée plus haut que le seuil préféré de l'émetteur afin de réduire l'acceptation dans la région de désaccord.
   • La borne supérieure $\overline{\omega}$ introduit une région de « destruction de surplus » (surplus-burning) où le mécanisme rejette même lorsque l'état est très élevé (ce qui est préféré par toutes les parties).
3. La destruction de surplus comme punition : Le rejet au niveau de la borne supérieure agit comme une punition pour la sur-déclaration. Comme les émetteurs sont essentiellement non informés, un mensonge (sur-déclaration) déplace légèrement l'état agrégé. Ce déplacement n'est crucial qu'aux seuils. Le mécanisme échange une faible probabilité de rejeter un état hautement souhaitable (faible probabilité sous l'hypothèse de sincérité) pour dissuader les émetteurs de mentir afin d'induire l'acceptation dans la région de désaccord.
4. Inefficacité bornée : Malgré la capacité d'améliorer le résultat préféré par l'émetteur, le mécanisme optimal est strictement éloigné du premier rang (résultat préféré par le récepteur). Cette inefficacité persiste même lorsque $N \to \infty$ car la division de l'information empêche le conflit d'intérêts de s'estomper. Dans les modèles additifs standards, une fraction décroissante de la population peut finir par identifier l'état, permettant d'atteindre le premier rang ; ici, le conflit demeure non trivial.

Signification et Revendications
L'article affirme fournir une nouvelle méthodologie pour étudier l'agrégation d'informations en examinant directement la limite de la population étendue à travers le prisme de la division de l'information.

• Distinction avec les modèles standards : Les auteurs soulignent que leurs résultats diffèrent fondamentalement de la littérature sur l'agrégation d'informations avec des signaux corrélés ou une information additive (ex: Feddersen et Pesendorfer, 1997 ; Gerardi et al., 2009). Dans ces modèles, l'augmentation de la taille de la population ajoute de l'information, résolvant finalement les conflits d'intérêts. Dans ce modèle, l'augmentation de $N$ divise la même information, préservant le conflit et l'impossibilité de la vérification croisée.
• Perspective de conception de mécanisme : L'article démontre que la « division de l'information » permet au récepteur de bénéficier de la division elle-même en utilisant la structure des incitations dans la limite. En punissant le consensus dans la direction du biais commun (via la destruction de surplus au sommet), le récepteur peut extraire plus d'informations que ce qui serait possible avec un seul émetteur ou dans un cadre d'information additive.
• Applicabilité : Les auteurs suggèrent que le concept d'ICL et les enseignements concernant la division de l'information peuvent être appliqués pour réexaminer la littérature plus large sur le vote, les enchères, les marchés et l'action collective, particulièrement dans les environnements où l'information est dispersée et non vérifiable (ex: réseaux sociaux, sondages).

L'article conclut que bien que la vérification croisée soit impossible, la division de l'information crée une structure d'incitation spécifique où des mécanismes simples et non monotones (règles d'intervalle) sont optimaux, bien qu'ils soient inévitablement en deçà du premier rang en raison de la nature persistante de la division de l'information.