🔬 physics

Relations Between the Inequality Indices Gini, Pietra and Kolkata: Theory and Data Analysis

Cette étude théorique et empirique établit des relations rigoureuses entre les indices d'inégalité de Gini, Pietra et Kolkata, démontrant que le rapport entre l'indice de Pietra et l'excès de richesse $(2k-1)$ reste constamment supérieur à l'unité avec une déviation inférieure à 5 % sur des données réelles, tout en proposant des approximations analytiques valables pour de faibles niveaux d'inégalité.

Auteurs originaux : Asim Ghosh, Bikas K. Chakrabarti

Publié 2026-03-17

📖 5 min de lecture🧠 Analyse approfondie

CC0 1.0

Auteurs originaux : Asim Ghosh, Bikas K. Chakrabarti

Article original placé dans le domaine public sous CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ 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

🍎 Le Grand Jeu de la Répartition : Gini, Pietra et Kolkata

Imaginez que vous organisez une grande fête où tout le monde doit partager un énorme gâteau. La question centrale de ce papier est : Comment mesurer l'injustice dans la façon dont ce gâteau est coupé ?

Les auteurs, deux physiciens indiens, ont comparé trois règles (ou "indices") différentes pour mesurer cette inégalité. Ces règles sont nées à des époques différentes, mais elles parlent toutes de la même chose : la répartition de la richesse (ou du succès).

Voici les trois personnages de notre histoire :

1. Le Juge Gini (Le vieux sage) 📏

C'est l'indice le plus connu, inventé en 1912.

L'analogie : Imaginez que vous tracez une ligne droite sur un papier pour représenter un partage parfait (tout le monde a le même morceau). Ensuite, vous tracez la courbe réelle de qui a mangé quoi.
La mesure : Le "Juge Gini" regarde simplement l'espace vide entre la ligne parfaite et la courbe réelle. Plus l'espace est grand, plus l'inégalité est forte.
En résumé : C'est une mesure globale de la "distance" par rapport à l'égalité parfaite.

2. Le Robin Hood Pietra (Le voleur de gâteau) 🦸‍♂️

Inventé en 1915, c'est l'indice "Robin Hood".

L'analogie : Imaginez que vous voulez redistribuer le gâteau pour que tout le monde ait exactement la même part.
La mesure : Pietra vous dit : "Combien de gâteau dois-je prendre aux riches pour le donner aux pauvres ?" C'est la distance verticale la plus grande entre la courbe réelle et la ligne parfaite.
En résumé : C'est le pourcentage de richesse qu'il faudrait voler aux riches pour égaliser tout le monde instantanément.

3. Le Détective Kolkata (Le point de bascule) 🕵️‍♂️

C'est le plus jeune, inventé en 2014. Il porte le nom de la ville de Kolkata en Inde.

L'analogie : C'est une règle très précise. Il cherche le point exact où les 20% les plus riches possèdent 80% du gâteau (la fameuse loi de Pareto). Mais il va plus loin : il cherche le point où les $1-k$ personnes les plus riches possèdent exactement $k$ du gâteau total.
La mesure : Si $k = 0,8$ , cela signifie que 20% des gens ont 80% du gâteau. Si $k = 0,9$ , c'est encore pire : 10% des gens ont 90% du gâteau.
En résumé : C'est le seuil de l'extrême inégalité.

🔍 Ce que les chercheurs ont découvert

Les auteurs ont pris des données réelles (les revenus fiscaux aux États-Unis, les revenus des films bollywoodiens et les citations scientifiques des lauréats du prix Nobel) pour voir comment ces trois indices se comportent ensemble.

Voici les trois grandes conclusions, expliquées simplement :

1. Le lien secret entre Pietra et Kolkata

Les chercheurs ont prouvé mathématiquement que l'indice "Robin Hood" (Pietra) ne peut jamais être inférieur à une certaine valeur liée à Kolkata.

L'analogie : Si Kolkata nous dit que les riches ont un surplus de gâteau de $2k - 1$ , alors Robin Hood devrait théoriquement avoir besoin de voler exactement ce surplus.
La réalité : Dans les données réelles, Robin Hood doit voler un tout petit peu plus que ce surplus théorique (moins de 5% de plus). C'est comme si le gâteau avait des miettes cachées que la théorie ne voyait pas, mais la différence est minuscule.

2. La formule magique (qui ne marche pas toujours)

Les auteurs ont essayé de trouver une formule simple reliant ces indices, un peu comme une recette de cuisine :

Théorie : "Si l'inégalité est faible, Pietra devrait être égal à 3/4 de Gini."
Réalité : Cette formule fonctionne bien quand l'inégalité est faible (comme dans une petite communauté égalitaire). Mais dès que l'inégalité devient forte (comme aux États-Unis ou dans le cinéma indien), la formule casse. Les indices ne suivent plus cette règle simple.

3. La course vers l'extrême

En regardant les données sur 40 ans (revenus US, films, citations), ils ont vu une tendance inquiétante :

Les indices d'inégalité (Gini et Kolkata) augmentent avec le temps.
Dans le monde scientifique (les citations des prix Nobel), l'inégalité est devenue extrême : un très petit nombre de chercheurs accumule la quasi-totalité de la gloire (les citations), dépassant même la fameuse loi des 80-20 pour aller vers des ratios de 90-10 ou plus.

🎯 En conclusion

Ce papier nous dit que :

Nous avons trois outils pour mesurer l'inégalité, et ils sont tous liés.
L'indice "Kolkata" (le point de bascule) est très proche de l'indice "Robin Hood" (ce qu'il faut redistribuer), mais pas tout à fait identique.
Les formules mathématiques simples qui fonctionnent pour les petites inégalités échouent quand l'inégalité devient très forte.
Dans la vraie vie (argent, cinéma, science), l'inégalité a tendance à s'aggraver, poussant les systèmes vers un état où une minorité détient l'essentiel des ressources.

C'est comme si, avec le temps, le gâteau devenait de plus en plus petit pour la majorité, tandis qu'une toute petite poignée de personnes en prenait la quasi-totalité, et que nos anciennes règles de calcul commençaient à peine à suivre cette nouvelle réalité.

Titre : Relations entre les indices d'inégalité Gini, Pietra et Kolkata : Théorie et analyse de données

1. Problématique

L'article vise à établir et à vérifier rigoureusement les relations mathématiques et empiriques entre trois indices majeurs mesurant les inégalités économiques et sociales :

L'indice de Gini ( $g$ ) : Introduit en 1912, il mesure l'aire entre la courbe de Lorenz et la ligne d'égalité parfaite.
L'indice de Pietra ( $p$ ) : Également appelé indice de Robin Hood ou de Hoover (introduit en 1915), il correspond à la distance verticale maximale entre la courbe de Lorenz et la ligne d'égalité. Il représente la fraction de revenu total devant être redistribuée pour atteindre l'égalité.
L'indice de Kolkata ( $k$ ) : Introduit en 2014, il est défini comme le point fixe de la fonction de Lorenz complémentaire $L_c(x) = 1 - L(x)$ . Il indique la fraction $k$ de la richesse totale possédée par la fraction la plus riche $1-k$ de la population (généralisant la loi 80-20 de Pareto où $k=0,8$ ).

Le problème central est de déterminer si des relations analytiques simples existent entre ces trois indices dérivés de la même fonction de Lorenz $L(x)$ , et dans quelle mesure ces relations théoriques résistent à l'épreuve de données empiriques réelles.

2. Méthodologie

Les auteurs ont combiné une analyse théorique rigoureuse et une analyse numérique extensive sur des jeux de données réels.

Analyse Théorique :
- Démonstration géométrique que la fraction de richesse excédentaire détenue par les $1-k$ plus riches est exactement $2k-1$ .
- Preuve que l'indice de Pietra $p$ (distance verticale maximale) doit être supérieur ou égal à cette fraction excédentaire : $p \ge 2k - 1$ .
- Développement d'un modèle analytique simplifié en supposant une forme polynomiale minimale pour la fonction de Lorenz : $L(x) = Ax + Bx^2$ . Ce modèle permet de dériver des relations linéaires pour de faibles valeurs d'inégalité, notamment $p = \frac{3}{4}g$ et $k = \frac{1}{2} + \frac{3}{8}g$ .
Analyse Numérique (Données) :
- Les auteurs ont analysé trois ensembles de données distincts couvrant différentes périodes et domaines :
  1. Revenus fiscaux aux États-Unis (IRS) : Données de 1983 à 2022 (revenus individuels et déclarations fiscales).
  2. Revenus cinématographiques en Inde (Bollywood) : Données de 1999 à 2024.
  3. Inégalités de citations scientifiques : Données de 2020 à 2025 pour 40 lauréats du prix Nobel (Économie, Physique, Chimie, Médecine) via Google Scholar.
- Pour chaque jeu de données, les valeurs de $g$ , $p$ et $k$ ont été calculées annuellement, puis les rapports $p/(2k-1)$ et $p/g$ ont été comparés aux prédictions théoriques.

3. Contributions Clés

Preuve Rigoureuse de l'Inégalité : L'article établit mathématiquement que l'indice de Pietra $p$ est toujours supérieur ou égal à $2k-1$ . L'auteur précise que si l'indice de Pietra est interprété strictement comme l'indice de Robin Hood (la quantité à redistribuer), il devrait être égal à $2k-1$ . Cependant, la définition géométrique (distance maximale) implique que $p$ est légèrement supérieur à cette valeur minimale.
Validation Empirique de la Relation $p \approx 2k-1$ : L'analyse des données montre que le rapport $p/(2k-1)$ est systématiquement supérieur à 1, mais que l'écart est très faible (jamais supérieur à 5 %). Cela confirme que l'excès de richesse des plus riches ( $2k-1$ ) est une estimation très précise de l'indice de Pietra.
Limites des Modèles Polynomiaux Simples : L'étude démontre que les relations linéaires dérivées du modèle polynomial minimal ( $p = 0,75g$ et $k = 0,5 + 0,375g$ ) ne sont valables que pour de faibles niveaux d'inégalité. Pour des valeurs élevées de $g$ et $k$ (observées dans les données récentes, notamment aux USA et dans le cinéma indien), ces relations s'écartent significativement des observations.

4. Résultats Principaux

Relation Pietra-Kolkata : Sur tous les jeux de données (USA, Bollywood, Nobel), le rapport $p/(2k-1)$ reste constamment supérieur à 1, avec une déviation maximale d'environ 5 %. Cela valide la relation théorique (3) : $p \ge 2k - 1$ .
Relation Pietra-Gini : Le rapport $p/g$ est loin de la valeur théorique de $3/4$ (0,75) prédite par le modèle polynomial simple pour les grandes inégalités. Les données montrent que ce rapport augmente avec le temps et atteint souvent des valeurs proches de 0,80 à 0,90 dans les systèmes très inégaux (ex: citations de Nobel, revenus fiscaux US récents).
Relation Kolkata-Gini : De même, la relation linéaire $k = 0,5 + 0,375g$ n'est pas une approximation précise pour les valeurs élevées de $g$ . Les données montrent que $k$ croît plus rapidement que prévu par ce modèle linéaire simple.
Évolution Temporelle : Dans les données américaines (IRS), les indices $g$ et $k$ ont tendance à augmenter au fil du temps (de 1983 à 2022), reflétant une augmentation des inégalités, souvent corrélée au retrait des programmes de bien-être public. Les valeurs de $k$ dépassent souvent la valeur de Pareto ($0,80$), s'approchant de la valeur critique universelle de $0,87$ observée dans les systèmes auto-organisés critiques.

5. Signification et Implications

Universalité des Indices : L'étude renforce l'idée que l'indice de Kolkata ( $k$ ) est un indicateur robuste et complémentaire aux indices traditionnels, capable de capturer la dynamique des inégalités extrêmes (loi de Pareto généralisée).
Précision de la Redistribution : La proximité entre $p$ et $2k-1$ suggère que la fraction de richesse détenue par les plus riches ( $1-k$ ) est un estimateur fiable de la quantité de richesse nécessaire pour rétablir l'égalité, ce qui a des implications pour les politiques de redistribution fiscale.
Limites des Modèles Théoriques : L'article met en garde contre l'utilisation de modèles analytiques trop simplistes (comme le développement polynomial d'ordre 2) pour décrire des systèmes économiques réels à forte inégalité. Il souligne la nécessité de modèles plus complexes pour prédire le comportement des indices dans des régimes de haute inégalité.
Application Transdisciplinaire : La méthode s'applique non seulement à l'économie, mais aussi à la sociologie de la science (citations) et à l'industrie culturelle, montrant que les dynamiques d'inégalité suivent des lois universelles au-delà du seul contexte financier.

En conclusion, cet article fournit un cadre théorique solide reliant les indices Gini, Pietra et Kolkata, tout en validant empiriquement que la relation $p \approx 2k-1$ est une approximation extrêmement précise pour les systèmes réels, même si les relations linéaires simplistes entre ces indices échouent dans les régimes de forte inégalité.