Posterior-Separable Costs and Menu Preferences

Titre : Coûts séparables par l'arrière-plan et préférences pour les menus

Auteurs : Henrique de Oliveira et Jeffrey Mensch
Date : Février 2026

1. Problématique et Contexte

L'article s'inscrit dans la littérature de l'attention rationnelle (Rational Inattention), où un agent doit acquérir de l'information coûteuse avant de prendre une décision. Le problème central est de caractériser les préférences d'un agent face à des menus d'actes (ensembles d'options) lorsqu'il est rationnellement inattentif.

La littérature standard modélise souvent les coûts d'information par des fonctions séparables par l'arrière-plan (posterior-separable), où le coût d'un experiment $\pi$ est donné par :
$$c(\pi) = \int \psi(p) \pi(dp)$$
où $\psi$ est une fonction de mesure d'incertitude et $p$ représente les croyances a posteriori. Bien que cette forme soit pratique pour résoudre des problèmes de conception d'information (Bayesian Persuasion), elle ne garantit pas toujours une solution unique ou des propriétés comportementales spécifiques.

L'objectif de cet article est de fournir une caractérisation axiomatique des préférences sur les menus qui correspondent exactement à des coûts séparables par l'arrière-plan satisfaisant une condition de régularité (différentiabilité), en reliant ces propriétés à l'existence d'un hyperplan optimal unique dans la formulation de la concavification.

2. Méthodologie

Les auteurs utilisent une approche axiomatique basée sur deux nouveaux axiomes appliqués aux préférences sur les menus, en s'appuyant sur le cadre général de De Oliveira et al. (2017).

Les Axiomes Clés

1. Indépendance des Alternatives Irrélevantes (IIA) :
   Si un agent est indifférent entre deux menus $F$ et $G$, ainsi qu'entre leur intersection $F \cap G$, alors il doit être indifférent à leur union $F \cup G$.
   Intuition : Si les options hors de l'intersection sont "irrélevantes" (n'apportent pas de valeur supplémentaire par rapport à l'intersection), leur combinaison ne devrait pas créer de valeur nouvelle.

2. Équivalence de l'Ignorance (Ignorance Equivalence - IE) :
   Pour tout menu $F$, il existe un acte $h$ tel que l'agent est indifférent entre $F$, $h$, et le menu étendu $F \cup \{h\}$.
   Intuition : L'acte $h$ agit comme un équivalent d'ignorance (analogue à l'équivalent certain en théorie du risque). Ajouter cet acte au menu n'augmente pas la valeur du menu car l'agent n'a pas besoin d'acquérir d'information supplémentaire pour choisir entre $F$ et $h$.

Outils Mathématiques

• Concavification : Le problème est reformulé comme un problème de conception d'information (Bayesian Persuasion). La valeur du menu est la concavification de la fonction de utilité nette ($\phi_F - \psi$).
• Hyperplans Optimaux : La solution est géométriquement représentée par le plus bas hyperplan tangent à la fonction de utilité nette.
• Différentiabilité Directionnelle Jointe (JDD) : Une nouvelle propriété de régularité pour la fonction de coût $\psi$, garantissant que les sous-différentiels ne présentent pas de "directions de non-différentiabilité" partagées sur un ensemble de points dont l'enveloppe convexe contient le prior.

3. Résultats Principaux

Le théorème principal (Théorème 1) établit l'équivalence entre trois conditions :

1. Comportementale : Les préférences de l'agent satisfont les axiomes IIA et IE.
2. Représentation Fonctionnelle : Les préférences admettent une représentation par un coût séparable par l'arrière-plan avec une mesure d'incertitude canonique $\psi$ satisfaisant la différentiabilité directionnelle jointe (JDD).
3. Géométrique : Les préférences admettent une représentation avec une mesure d'incertitude $\psi$ satisfaisant la propriété de l'hyperplan unique (UHP).

Points techniques clés :

• Unicité de l'hyperplan : La propriété UHP signifie que pour tout menu, il existe un unique vecteur normal (pente de l'hyperplan) qui résout le problème de concavification. Sans JDD, plusieurs hyperplans pourraient être optimaux, ce qui violerait l'IIA.
• Régularité de $\psi$ : La condition JDD est une forme faible de régularité. Elle est satisfaite par toutes les fonctions différentiables et par des fonctions couramment utilisées comme l'entropie (Sims, 2003), la vraisemblance logarithmique, ou la variance résiduelle.
• Unicité de la représentation : En fixant la fonction d'utilité $u$, la mesure d'incertitude $\psi$ est unique sous ces axiomes. Sans la condition de différentiabilité (ou JDD), la représentation ne serait pas unique car on pourrait ajouter des termes linéaires à $\psi$ sans changer le coût effectif.

4. Implications et Signification

Lien avec la Conception d'Information

Le papier montre que les axiomes IIA et IE sont nécessaires et suffisants pour que le problème de l'attention rationnelle puisse être résolu par un hyperplan unique. Cela simplifie considérablement l'analyse des modèles d'attention rationnelle, car cela garantit l'unicité de la solution du problème de maximisation de l'agent.

Cas des Coûts Uniformément Séparables

Dans la section 6, les auteurs étendent le résultat au cas où les coûts sont invariants par rapport au prior (uniformly posterior separable). Ils montrent que si les axiomes IIA et IE sont satisfaits pour tous les priors possibles, alors la fonction de coût doit être différentiable partout sur le domaine effectif de $\psi$. Cela inclut le cas classique de l'information mutuelle (entropie), qui est différentiable.

Contribution Théorique

• Identification : L'article résout un problème d'identification dans la littérature de l'attention rationnelle. Il montre que pour identifier de manière unique la fonction de coût $\psi$ à partir des préférences sur les menus, il faut imposer une condition de régularité (différentiabilité) qui est naturellement garantie par les axiomes comportementaux IIA et IE.
• Généralisation : Contrairement aux travaux antérieurs (comme Denti, 2022) qui se concentrent sur des données finies, ce papier utilise un domaine riche (préférences sur tous les menus) pour isoler les implications comportementales pures.

5. Conclusion

Cet article fournit un pont rigoureux entre la théorie comportementale (axiomes sur les menus) et la structure mathématique des coûts d'information. Il démontre que l'Indépendance des Alternatives Irrélevantes et l'Équivalence de l'Ignorance sont les conditions exactes qui garantissent que les coûts d'information sont séparables par l'arrière-plan, réguliers (différentiables au sens large), et qu'ils conduisent à une solution unique dans le cadre de la conception d'information bayésienne. Cela valide l'utilisation de fonctions de coût courantes (comme l'entropie) dans des modèles économiques complexes où l'unicité de la solution est cruciale.