Résumé Technique : Approvisionnement Robuste : Conception Bayésienne sous Contraintes d'Approbation de Type Pire Cas

1. Énoncé du Problème

L'article traite du problème de la conception optimale d'un approvisionnement lorsqu'un concepteur bayésien (un expert) doit obtenir l'approbation d'une autorité non bayésienne (par exemple, un régulateur, un superviseur ou une direction générale). Le concepteur possède un modèle conjecturé de l'environnement, composé d'une fonction de valeur $V^\star$ et d'une distribution de coûts $F^\star$, et cherche à maximiser l'utilité espérée sous ce modèle. Cependant, l'autorité est sceptique vis-à-vis de ce modèle spécifique et exige que le mécanisme choisi soit performant à travers un ensemble de modèles admissibles $\mathcal{A} = \mathcal{V} \times \mathcal{F}$, représentant l'incertitude quant à la valeur réelle du bien et à la technologie de coût du fournisseur.

La tension centrale réside dans le besoin du concepteur de trouver un équilibre entre l'efficience (maximiser le surplus sous le modèle conjecturé) et la robustesse (garantir à l'autorité le rendement le plus élevé possible dans le pire des cas). L'objectif du concepteur est de sélectionner un mécanisme qui maximise le rendement dans le pire des cas pour l'autorité, et, parmi ces mécanismes, de choisir celui qui maximise l'utilité espérée sous $(V^\star, F^\star)$. Ce sont ce que l'on appelle des mécanismes robustement optimaux.

2. Méthodologie et Cadre

L'Optimisation en Deux Étapes

Les auteurs formalisent le problème du concepteur comme une optimisation lexicographique :

1. Étape 1 (Maximisation de la Garantie) : Identifier la « liste restreinte » de mécanismes ($\mathcal{M}_{SL}$) qui maximisent la garantie de bien-être $G(M) = \inf_{(V,F) \in \mathcal{A}} W(M; V, F)$. L'autorité n'approuve que les mécanismes appartenant à cet ensemble.
2. Étape 2 (Sélection) : Le concepteur sélectionne, parmi $\mathcal{M}_{SL}$, le mécanisme qui maximise l'utilité espérée sous le modèle conjecturé $(V^\star, F^\star)$.

Environnement

• Agents : Un vendeur monopolistique avec un coût marginal privé $\theta \in [\underline{\theta}, \bar{\theta}]$ et un acheteur (concepteur/autorité).
• Incertitude : L'ensemble des fonctions de valeur admissibles $\mathcal{V}$ inclut une fonction de demande inverse « minimale » $\underline{P}$ (la plus faible valeur marginale). L'ensemble des distributions de coûts admissibles $\mathcal{F}$ comprend toutes les fonctions de répartition supportées sur $[\underline{\theta}, \bar{\theta}]$, le pire cas étant souvent une distribution de Dirac au coût le plus élevé $\bar{\theta}$.
• Mécanismes : Analysés initialement comme des mécanismes directs de quantité $(q, t)$, ils sont ensuite étendus aux réglementations de prix dans les marchés avec demande en aval.

Outils Analytiques Clés

• Caractérisation du Pire Cas : Les auteurs démontrent que le bien-être dans le pire des cas pour tout mécanisme respectant l'incitation (IC) et la rationalité individuelle (IR) est déterminé par la fonction de demande la plus basse $\underline{V}$ et le coût le plus élevé $\bar{\theta}$.
• Contraintes de Majoration : L'exigence de robustesse se traduit par des contraintes intégrales sur le programme de quantités $q(\theta)$. Plus précisément, la quantité cumulée achetée auprès des types supérieurs à $\theta$ ne doit pas dépasser la quantité efficace cumulée sous la demande la plus basse, ajustée pour la perte sèche.
• Techniques de Lissage (Ironing) : Lorsque le mécanisme robustement optimal dévie de la solution standard de Baron-Myerson, les auteurs emploient des techniques de lissage (similaires à Toikka, 2011) pour gérer les non-monotonies dans le coût virtuel modifié.

3. Résultats Clés

A. Mécanismes de Quantité Robustement Optimaux (Sans Marché en Aval)

Lorsque l'incertitude ne concerne que la distribution des coûts (ou que la demande est fixe), le mécanisme robustement optimal est un mécanisme de type Baron-Myerson-avec-plancher-de-quantité :

• Structure : Le programme de quantité est $q^\star(\theta) = \max\{q^{BM}(\theta), q_\ell\}$, où $q^{BM}$ est la quantité bayésienne optimale standard et $q_\ell$ est la quantité efficace au coût le plus élevé et à la demande la plus basse ($D(\bar{\theta})$).
• Implications :
  • Vendeurs à Coût Élevé : L'approvisionnement est augmenté par rapport à l'optimum bayésien (jusqu'au niveau efficace $q_\ell$) pour protéger contre la possibilité que les entreprises à coûts élevés soient plus nombreuses que prévu.
  • Vendeurs à Faible Coût : L'approvisionnement reste identique à l'optimum bayésien car le gain de bien-être issu de la contractualisation avec ces types dépasse la garantie du pire cas, même si la distribution des coûts est erronée.
  • Vendeurs à Coût Intermédiaire : Si l'incertitude sur la demande est également présente et que le mécanisme de plancher de quantité standard échoue aux contraintes de robustesse, l'approvisionnement des types à coût intermédiaire est réduit davantage sous le niveau bayésien. Cette « double distorsion » permet de se prémunir contre une surestimation de la demande.

B. Régulations de Prix Robustement Optimales (Marchés en Aval)

Lorsqu'un marché en aval existe, le concepteur peut réguler les prix. La régulation de prix robustement optimale est une Baron-Myerson-avec-plafond-de-prix :

• Structure : Le prix est fixé comme $p(\theta) = \min\{z^\star(\theta), \bar{\theta}\}$, où $z^\star(\theta)$ est le coût virtuel sous le modèle conjecturé.
• Transferts : Les transferts sont contingents à la demande réalisée afin d'assurer la rationalité individuelle ex-post.
• Comparaison : Le plafond de prix protège l'acheteur contre des coûts inattendument élevés (en plafonnant le prix à $\bar{\theta}$), mais peut induire un sur-approvisionnement auprès de vendeurs à coûts élevés sous le modèle conjecturé si le plafond n'est pas contraignant dans l'optimum bayésien.

C. Régulation de Quantité vs Régulation de Prix

L'article propose une comparaison inédite des instruments de régulation sous des contraintes de robustesse. Bien que les deux instruments offrent le même niveau de garantie de bien-être dans le pire des cas, leurs performances sous le modèle conjecturé du concepteur diffèrent :

• La Régulation de Quantité Domine : Lorsque les marges optimales (coûts virtuels) sont élevées. Dans ce cas, le concepteur souhaite peu s'approvisionner auprès de la plupart des vendeurs. Fixer les quantités limite l'exposition de l'acheteur à une erreur de spécification de la demande.
• La Régulation de Prix Domine : Lorsque l'incertitude sur la demande est substantielle (plus précisément, quand l'écart entre la demande conjecturée et la plus basse demande est important par rapport aux marges). La régulation de prix permet aux quantités de s'ajuster à la demande réalisée, évitant ainsi au concepteur d'imposer des distorsions à la baisse trop sévères sur les types à coût intermédiaire pour satisfaire les contraintes de robustesse de l'autorité.

4. Contributions et Signification

Contributions Théoriques

1. Robustesse Lexicographique : L'article formalise une approche spécifique de la robustesse où le concepteur utilise un modèle conjecturé pour choisir parmi les mécanismes optimaux dans le pire des cas. Cela diffère des approches qui traitent tous les modèles de manière symétrique ou les pondèrent selon leur distance par rapport à la conjecture.
2. Remodelage du Compromis Efficience-Rente : Les auteurs montrent que la robustesse modifie fondamentalement le compromis standard. Elle nécessite d'augmenter l'approvisionnement auprès des types à coût élevé (pour prévenir l'effondrement du bien-être dans le pire des cas) tout en pouvant diminuer l'approvisionnement des types intermédiaires (pour se prémunir contre une surestimation de la demande).
3. Comparaison de la Régulation : L'article identifie les premières conditions sous lesquelles la régulation par quantité surpasse la régulation par prix dans un contexte de robustesse. Cela contraste avec le résultat bayésien standard (où la régulation par prix est souvent préférée pour sa flexibilité) et le résultat classique de Weitzman (1974) (qui repose sur les pentes relatives des courbes de coût marginal et de bénéfice). Ici, la dominance dépend de l'ampleur des marges par rapport à l'incertitude de la demande.

Signification

L'article affirme son importance en fournissant un cadre de conception de contrats dans des environnements où l'approbation est conditionnée par la robustesse. Cela est particulièrement pertinent pour :

• L'Approvisionnement Public : Où les agences gouvernementales doivent justifier les contrats auprès de régulateurs conservateurs qui doutent de la précision des estimations privées de coûts ou de valeurs.
• La Régulation de Monopole : Où les régulateurs doivent assurer la protection des consommateurs contre une erreur de spécification du modèle.
• La Conception d'Enchères : Où des experts conçoivent des mécanismes pour des entités qui manquent de confiance dans les modèles de valorisation sous-jacents.

Les auteurs soulignent que leur approche capture la tension entre l'efficience et l'extraction de rente même sous des préoccupations de robustesse, une caractéristique souvent perdue dans la littérature existante sur la conception robuste. Ils notent également que leurs résultats s'étendent à des contextes avec des exigences de robustesse plus permissives (par exemple, exiger une fraction $\gamma$ de la garantie maximale) et d'autres formes d'incertitude de coût.

Limites et Portée

L'analyse suppose que le concepteur et l'autorité partagent la même fonction d'objectif (maximiser l'utilité de l'acheteur nette des transferts) mais diffèrent dans leur confiance envers le modèle. L'article ne traite pas des situations où l'autorité a une fonction d'objectif différente. De plus, la comparaison entre la régulation par prix et par quantité repose sur l'hypothologie que la demande est apprise ex-post, donnant à la régulation par prix sa « meilleure chance » de surpasser la régulation par quantité ; même dans ce scénario favorable, la régulation par quantité peut dominer.