Selection Procedures in Competitive Admission

1. Énoncé du problème

L'article examine comment les organisations (entreprises ou universités) conçoivent leurs procédures de sélection (tests et règles d'admission) dans un environnement concurrentiel où elles se disputent des candidats dont la productivité est inconnue. La tension centrale réside dans l'interaction entre deux facteurs :

1. Propriétés statistiques : La précision et la difficulté du test utilisé pour filtrer les candidats.
2. Sélection stratégique : La manière dont les candidats, qui sont informés de manière privée de leur propre productivité, choisissent à quelle entreprise postuler en fonction de la procédure de sélection de l'entreprise.

L'auteur se demande : Comment la concurrence entre les entreprises façonne-t-elle les propriétés statistiques (précision et difficulté) des tests qu'elles emploient, et en quoi cela diffère-t-il d'un contexte monopolistique ou non concurrentiel ?

2. Méthodologie et configuration du modèle

Structure du jeu

• Agents : Deux entreprises et un continuum de candidats de masse 1. Les candidats ont des types privés $\theta \in [\underline{\theta}, \bar{\theta}]$ représentant la productivité, distribués selon la fonction de répartition cumulative $F$.
• Stratégie des entreprises : Les entreprises affichent simultanément une procédure de sélection $s = (t, \alpha)$, composée de :
  • Un test $t$ (une expérience de Blackwell avec des signaux binaires $h$ et $l$).
  • Une règle d'admission $\alpha: \{h, l\} \to [0, 1]$ (probabilité d'admission étant donné le signal).
• Stratégie des candidats : Les candidats observent les procédures et choisissent de postuler à exactement une entreprise (en raison des coûts de candidature ou de contraintes de capacité comme les stages). Ils maximisent leur probabilité d'admission.
• Paiements :
  • Candidats : $u = 1$ en cas d'admission, $0$ sinon.
  • Entreprises : Productivité espérée des candidats admis. Le modèle de base suppose l'absence de contraintes de capacité et de salaires fixes (ou aucune offre de salaire), ce qui signifie que les entreprises souhaitent accepter tout candidat ayant une productivité espérée positive.

Concepts clés : Précision et Difficulté

L'auteur utilise deux ordres partiels pour caractériser les tests, allant au-delà de l'informationnisme standard de Blackwell :

1. Précision ($\succeq_a$) : Basée sur Lehmann (1988). Un test est plus précis s'il fournit des informations plus précises sur le type, satisfaisant la propriété de rapport de vraisemblance monotone (MLRP). Une précision plus élevée signifie que le rapport de vraisemblance des signaux est plus sensible au type.
2. Difficulté ($\succeq_d$) : Basée sur Hancart (2026). Un test est plus difficile si un signal élevé déplace les croyances a posteriori plus fortement vers les types élevés, tandis qu'un signal faible les déplace plus fortement vers les types faibles. Intuitivement, un test difficile est plus difficile à réussir pour tout le monde, mais surtout pour les types faibles.

Concept d'équilibre

L'article se concentre sur les équilibres parfaits en sous-jeux symétriques (SSPE).

3. Résultats clés

A. Le modèle de base (Sans contraintes de capacité, sans offres de salaire)

Dans le contexte concurrentiel standard où les entreprises peuvent accepter un nombre illimité de candidats et ne peuvent pas offrir de salaires différenciés :

• Théorème 1 : Il existe un équilibre symétrique unique où les entreprises choisissent un test qui est maximalement précis mais minimalement difficile (parmi ceux fournissant une information pertinente pour le paiement).
  • Mécanisme : La concurrence réduit les profits à zéro (logique de type Bertrand).
  • Sélection positive vers la précision : Les types plus élevés bénéficient davantage d'un test plus précis.
  • Sélection négative vers la difficulté : Si une entreprise rend un test plus difficile, elle doit assouplir sa règle d'admission (accepter plus de types faibles) pour attirer des candidats. Les types faibles bénéficient de manière disproportionnée de cette indulgence. Ainsi, un test plus difficile attire un bassin de candidats « pire » (sélection négative).
  • Résultat : Les entreprises finissent par un « apprentissage erroné ». Elles possèdent des informations précises (haute précision) mais les utilisent mal. Elles acceptent des candidats même après un signal faible (si le test est assez facile) ou fixent la difficulté si bas que le signal élevé ne transmet que peu d'informations nouvelles. L'espérance a posteriori après un signal élevé est à peine positive (souvent nulle).

B. Statique comparative

• Bassin de candidats plus fort : Si la distribution des candidats se déplace vers la droite (dans l'ordre du rapport de vraisemblance), le test d'équilibre devient moins difficile, et les probabilités d'admission augmentent pour tous les candidats.
• Technologie améliorée : Si l'ensemble des tests réalisables s'étend (meilleure technologie), les probabilités moyennes d'admission augmentent, bien que certains types faibles puissent être moins bien lotis.

C. Extensions : Contraintes de capacité et concurrence salariale

L'article oppose le modèle de base à deux modifications qui altèrent les incitations à la sélection :

1. Contraintes de capacité (Proposition 4) :

   • Configuration : Les entreprises ont une capacité fixe $k$.
   • Résultat : Les entreprises utilisent le test le plus difficile possible.
   • Mécanisme : Une fois à capacité, les entreprises ne peuvent pas « sous-coter » en acceptant plus de candidats. Elles ne se soucient que de la qualité du candidat marginal. Un test difficile garantit que le signal élevé est hautement informatif (moyenne a posteriori élevée). Puisqu'elles n'acceptent que les signaux élevés, la sélection vers le test difficile devient positive (les types élevés préfèrent le test difficile car il signale mieux leur qualité). Cela conduit à un « cherry-picking » (sélection des meilleurs).

2. Concurrence salariale (Proposition 6) :

   • Configuration : Les entreprises peuvent offrir des salaires conditionnels au signal.
   • Résultat : Les entreprises utilisent le test le plus difficile.
   • Mécanisme : La concurrence se déplace de la probabilité d'admission vers les salaires. Les entreprises rivalisent en offrant des salaires plus élevés aux candidats à signal élevé. Les types élevés sont prêts à prendre le risque d'un test difficile en échange d'un salaire plus élevé s'ils réussissent. Cela crée une sélection positive vers les tests difficiles.

D. Équilibres asymétriques (Proposition 5)

• Sans contraintes de capacité : Aucun équilibre asymétrique n'existe ; les entreprises convergent toujours vers la même procédure.
• Avec contraintes de capacité : Un équilibre à deux niveaux peut émerger. Une entreprise devient « sélective » (attirant uniquement les types élevés avec un test difficile/précis), et l'autre devient « sûre » (attirant des types plus faibles). Cela différencie endogènement des entreprises ex ante identiques.

4. Contributions

1. Endogénéisation de la conception des tests : Contrairement à la littérature antérieure qui traite la technologie de test comme fixe, cet article modélise le choix de la précision et de la difficulté comme des variables stratégiques.
2. Le paradoxe de l'« apprentissage erroné » : L'article démontre que la concurrence peut conduire à un équilibre où les entreprises acquièrent une information maximale (précision) mais échouent à l'utiliser de manière optimale (difficulté minimale), entraînant une sélection sous-optimale par rapport à un monopole.
3. Nouveaux ordres pour la comparaison des tests : Il applique et étend formellement les concepts de Précision (Lehmann) et de Difficulté (Hancart) aux jeux de dépistage concurrentiels, montrant comment ces dimensions pilotent l'auto-sélection des candidats.
4. Contextualisation de la sélectivité : Le modèle offre une explication théorique du déclin observé de la sélectivité dans les admissions universitaires aux États-Unis (Hoxby, 2009). Il suggère que, à mesure que le bassin de candidats s'améliore ou que la technologie de test progresse, les institutions peuvent rationnellement abaisser leurs seuils de difficulté pour maximiser le volume de candidats, même si elles maintiennent une haute précision.

5. Importance et implications

• Pertinence politique : Les résultats suggèrent que simplement augmenter le « rigorisme » des admissions (difficulté) sans tenir compte des contraintes de capacité ou des structures salariales peut ne pas conduire à une meilleure sélection. Dans des marchés non contraints, les entreprises peuvent en réalité réduire la difficulté pour attirer un bassin plus large, conduisant à un « lemon-dropping » (acceptation de candidats de faible qualité).
• Conception institutionnelle : Pour les universités ou les entreprises confrontées à des contraintes de capacité, le modèle prédit un glissement vers le « cherry-picking » (haute difficulté), tandis que celles sur des marchés de surabondance glisseront vers le « lemon-dropping » (faible difficulté, haute précision).
• Lien avec la littérature : Il comble le fossé entre la conception de l'information (certification) et les marchés concurrentiels de recherche, montrant comment l'interaction stratégique entre le concepteur (entreprise) et l'agent (candidat) modifie fondamentalement les propriétés statistiques de l'information révélée.

En résumé, Hancart fournit un cadre rigoureux de théorie des jeux montrant que la nature de la concurrence (contrainte vs non contrainte, salariale vs non salariale) dicte si les organisations utilisent les tests pour éliminer les pires (tests faciles) ou identifier les meilleurs (tests difficiles).