📈 economics

Dynamic Non-Bayesian Persuasion

Cet article démontre que la persuasion dynamique peut surpasser la persuasion statique lorsque le récepteur n'est pas bayésien, et établit que la divisibilité des règles de mise à jour est la condition nécessaire et suffisante pour que le récepteur soit indifférent entre les deux approches.

Auteurs originaux : Masanori Kobayashi

Publié 2026-04-20

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Masanori Kobayashi

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes un chef cuisinier (l'expéditeur) et que vous essayez de convaincre un client (le récepteur) de commander votre plat du jour. Le client a une opinion initiale sur la qualité de la nourriture, et vous voulez influencer cette opinion pour qu'il choisisse votre spécialité.

Dans la théorie économique classique, on suppose que le client est un mathématicien parfait : il ajuste ses croyances de manière logique et rigoureuse à chaque nouvelle information que vous lui donnez. C'est ce qu'on appelle l'approche "bayésienne".

Mais dans la vraie vie, les gens ne sont pas des mathématiciens. Ils sont humains. Ils oublient parfois les bases, ils réagissent trop ou pas assez aux nouvelles informations. C'est ce que l'auteur de cet article, Masanori Kobayashi, appelle un récepteur "non-bayésien".

Voici l'histoire de sa découverte, racontée simplement :

1. Le Dilemme : Un seul coup ou plusieurs coups ?

Le grand débat de l'article est le suivant :

Persuasion statique (Un seul coup) : Vous donnez au client toutes les informations d'un coup (par exemple, une seule vidéo publicitaire très complète).
Persuasion dynamique (Plusieurs coups) : Vous donnez les informations petit à petit, étape par étape (d'abord une photo, puis une vidéo, puis un témoignage).

Si le client est un mathématicien parfait, peu importe si vous lui donnez tout d'un coup ou en plusieurs fois : le résultat final sera le même. Mais si le client est un humain imparfait (non-bayésien), l'ordre et le moment où vous donnez l'information changent tout.

2. L'Analogie du "Miroir Déformant"

Pour comprendre pourquoi, imaginez que le cerveau du client est un miroir déformant.

Quand il reçoit une information, le miroir ne reflète pas la réalité telle quelle. Il la déforme selon ses propres règles (par exemple, il grossit les défauts ou ignore les preuves).
Si vous lui donnez une information, puis une autre, le miroir déforme la première, puis déforme à nouveau le résultat de la première avec la seconde.

L'auteur se demande : Est-ce que déformer deux fois de suite donne le même résultat que de déformer une seule fois avec toutes les informations réunies ?

3. La Révélation : La "Divisibilité"

L'article découvre une règle magique appelée "Divisibilité".

Le cas "Divisible" (Le miroir honnête) : Il existe certains types de distorsions où, peu importe si vous déformez l'information en deux étapes ou en une seule, le résultat final est identique.
- Analogie : Imaginez que vous pliez une feuille de papier. Si vous la pliez une fois, puis une autre fois, vous obtenez le même pli que si vous aviez fait un seul pli complexe d'un coup. Dans ce cas, le chef cuisinier n'a pas besoin de s'embêter avec plusieurs étapes : un seul coup suffit.
- Exemple : La règle de Grether (un modèle psychologique célèbre) est souvent "divisible" si le client ne déforme pas ses croyances de base, mais seulement la façon dont il pèse les nouvelles preuves.
Le cas "Non-Divisible" (Le miroir capricieux) : Pour d'autres types de distorsions (comme la "sous-réaction linéaire", où le client ignore un peu trop les nouvelles infos), l'ordre compte énormément.
- Analogie : Imaginez que vous essayez de mélanger de la peinture. Si vous ajoutez du bleu, puis du jaune, vous obtenez du vert. Mais si votre mélangeur est bizarre et que vous ajoutez du bleu, puis attendez un peu avant d'ajouter du jaune, le résultat peut être différent !
- Conséquence : Dans ce cas, le chef cuisinier peut gagner beaucoup plus d'argent en donnant l'information étape par étape (dynamique) plutôt que d'un seul coup (statique). Il peut "pousser" le client vers une croyance favorable en exploitant ses erreurs de calcul à chaque étape.

4. Pourquoi est-ce important ?

Cet article est une carte au trésor pour les économistes et les stratèges :

Quand on peut se simplifier la vie : Si le client utilise un type de "miroir déformant" qui est divisible, les chercheurs n'ont pas besoin de créer des modèles complexes avec plusieurs étapes. Ils peuvent utiliser les modèles simples (statiques) et être sûrs à 100% que le résultat sera le même.
Quand il faut être malin : Si le client utilise un type de miroir non-divisible (comme ceux qui sous-réagissent systématiquement), alors la stratégie "pas à pas" est un super-pouvoir. Le vendeur peut manipuler le processus pour obtenir un meilleur résultat qu'avec une seule grosse information.

En résumé

Imaginez que vous essayez de convaincre quelqu'un de changer d'avis.

Si cette personne est rationnelle (ou utilise un type de distorsion "divisible"), peu importe si vous lui parlez longuement en une fois ou en plusieurs fois : le résultat sera le même.
Mais si cette personne est irrationnelle d'une manière spécifique (non-divisible), alors le timing est crucial. En donnant l'information petit à petit, vous pouvez exploiter ses erreurs de jugement pour la convaincre beaucoup plus efficacement.

L'article nous dit donc : "Ne supposez pas que donner l'information en une seule fois est toujours suffisant. Tout dépend de la façon dont votre auditoire déforme la réalité."

Résumé Technique : Persuasion Dynamique Non-Bayésienne

1. Problématique

L'article s'inscrit dans le domaine de la théorie de la persuasion (ou conception de l'information), initialement formalisée par Rayo et Segal (2010) et Kamenica et Gentzkow (2011) dans un cadre statique et bayésien. Le problème central est le suivant :

Dans la littérature existante, l'expéditeur (sender) choisit un unique expériment (un signal) pour influencer les croyances a posteriori du destinataire (receiver), qui agit ensuite.
Cependant, de nombreuses preuves empiriques montrent que les agents ne mettent pas à jour leurs croyances de manière bayésienne (sous-réaction, négligence des taux de base, etc.).
La question posée par l'auteur est : Si le destinataire n'est pas bayésien, l'expéditeur peut-il obtenir un meilleur résultat en fournissant l'information de manière séquentielle (dynamique) plutôt que simultanée (statique) ?

L'étude vise à caractériser les règles de mise à jour non-bayésiennes pour lesquelles la persuasion dynamique apporte une valeur ajoutée par rapport à la persuasion statique, et celles pour lesquelles les deux sont équivalentes.

2. Méthodologie et Cadre Théorique

A. Environnement et Hypothèses

Jeu de persuasion : Un expéditeur (maximisateur d'utilité espérée) et un destinataire. L'expéditeur choisit une structure d'information pour influencer l'action du destinataire.
Destinataire Non-Bayésien : Le destinataire utilise une règle de mise à jour systématique appelée "distorsion systématique" (De Clippel et Zhang, 2022).
- Le destinataire calcule d'abord un postulat bayésien $q$ à partir du signal, puis applique une fonction de distorsion $D_p$ dépendant de l'a priori $p$ : $q' = D_p(q)$ .
- Cela inclut des règles comme la règle $\alpha-\beta$ de Grether, la sous-réaction linéaire, ou les mises à jour à deux étapes avec contraintes cognitives.
Persuasion Dynamique : L'expéditeur s'engage sur une séquence d'expériences $(\sigma_1, \{\sigma_2^{s_1}\})$ . Le destinataire met à jour sa croyance après chaque étape ( $p \to D_p(q_1) \to D_{D_p(q_1)}(q_2)$ ).
Objectif : Comparer l'ensemble des utilités ex ante réalisables par l'expéditeur en statique ( $V_1$ ) et en dynamique ( $V_2$ ).

B. Outils Mathématiques

Transformation du problème dynamique : L'auteur utilise une technique similaire à Alonso et Cˆamara (2016a) pour transformer le problème dynamique en une série de problèmes statiques "intermédiaires".
Règle de distorsion intermédiaire ( $D^{II}$ ) : Pour un problème à deux étapes, la distorsion effective vue par l'expéditeur lors de la deuxième étape, conditionnelle à la première, est définie par :
$D^{II}_q(r; p) = D_{D_p(q)}\left( \mathcal{B}\left(\frac{D_p(q)}{q}, r\right) \right)$
où $\mathcal{B}$ représente la mise à jour bayésienne standard.
Concavification : Comme en persuasion bayésienne, la valeur de persuasion est obtenue par la concavification de l'utilité indirecte distordue.

3. Résultats Clés

A. Exemple Motivateur (Règle $\alpha-\beta$ de Grether)
Dans un environnement "Juge-Procureur" (Kamenica et Gentzkow, 2011) avec une règle $\alpha-\beta$ :

Si $\alpha < 1$ (négligence du taux de base) : L'expéditeur gagne strictement plus en dynamique. L'absence d'information initiale permet à la croyance du destinataire de "déraper" vers une distribution uniforme plus favorable, facilitant la persuasion ultérieure.
Si $\alpha \ge 1$ : L'expéditeur est indifférent entre statique et dynamique.

B. Caractérisation Principale : La Divisibilité
Le résultat central (Théorème 1) établit une équivalence sous des conditions de régularité (support non-décroissant, continuité, injectivité) et l'axiome d'indépendance du prior sous certitude (une information parfaitement révélatrice annule l'effet du prior).

Définition (Divisibilité) : Une règle de distorsion $D$ est dite divisible si, pour tout prior $p$ et toute croyance $q, r$ :
$D_p(r) = D^{II}_q(r; p)$
Cela signifie que la distorsion appliquée en une étape est identique à celle appliquée en deux étapes successives, du point de vue de l'expéditeur.
Théorème 1 : Les affirmations suivantes sont équivalentes :
1. La règle de distorsion $D$ est divisible.
2. Les ensembles de gains ex ante réalisables sont identiques en statique et en dynamique ( $V_1 = V_2$ ) pour tout environnement de persuasion.
3. L'expéditeur est indifférent entre les deux modes de persuasion.
Exemples de règles divisibles :
- La mise à jour bayésienne (cas limite).
- La distorsion géométrique (Règle $\alpha-\beta$ avec $\alpha=1$ , $\beta > 0$ ). Ici, la distorsion ne porte que sur la vraisemblance du signal, pas sur le prior.
- Conclusion : Si la distorsion est divisible, l'analyse statique (plus simple) suffit sans perte de généralité.

C. Caractérisation Alternative : Divisibilité Faible
L'axiome d'indépendance du prior sous certitude n'est pas satisfait par des règles courantes comme la sous-réaction linéaire ( $D_p(q) = \lambda q + (1-\lambda)p$ ).

L'auteur propose un théorème alternatif (Théorème 3) pour les environnements où les préférences de l'expéditeur sont indépendantes de l'état (state-independent).
Il introduit la notion de divisibilité faible, où la distorsion en deux étapes peut différer de celle en une étape par une transformation affine (matrice stochastique).
Résultat : La sous-réaction linéaire n'est pas faiblement divisible. Par conséquent, l'expéditeur peut strictement préférer la persuasion dynamique dans certains environnements, rendant l'approche statique insuffisante.

4. Contributions et Signification

Frontière de l'Analyse Statique : L'article délimite précisément jusqu'où l'on peut se contenter du cadre statique de De Clippel et Zhang (2022) dans un monde dynamique. La divisibilité est la condition nécessaire et suffisante pour que le timing de l'information soit sans importance pour la valeur de la persuasion.
Généralisation de Cripps (2018) : L'article adapte le concept de "règles de mise à jour divisibles" de Cripps (2018), initialement développé pour l'apprentissage, au contexte de la persuasion stratégique.
Implications pour la Conception de l'Information :
- Pour les concepteurs d'algorithmes ou de régulateurs utilisant des modèles non-bayésiens, il est crucial de vérifier si la distorsion cognitive des agents est divisible.
- Si la distorsion est divisible (ex: distorsion géométrique), des modèles statiques simples suffisent pour optimiser la stratégie d'information.
- Si la distorsion n'est pas divisible (ex: sous-réaction linéaire, négligence du taux de base avec $\alpha < 1$ ), la dynamique est essentielle : fournir l'information par étapes peut exploiter les biais cognitifs de manière plus efficace qu'une communication unique.
Tractabilité : L'article montre que même si les problèmes dynamiques sont complexes, ils restent solubles pour des cas simples (comme l'exemple Juge-Procureur), mais deviennent rapidement ingérables analytiquement sans les conditions de divisibilité.

Conclusion :
Ce papier démontre que la nature de la distorsion cognitive du destinataire détermine fondamentalement la valeur du temps dans la persuasion. La divisibilité est la propriété clé qui garantit l'invariance temporelle de la valeur de persuasion, permettant ainsi de réduire des problèmes dynamiques complexes à des problèmes statiques gérables. À l'inverse, en l'absence de divisibilité, la dynamique offre un levier stratégique puissant pour contourner les biais non-bayésiens.