Pairwise Beats All-at-Once: Behavioral Gains from Sequential Choice Presentation

Résumé Technique : Le Pairwise l'emporte sur l'All-at-Once : Gains Comportementaux issus de la Présentation Séquentielle des Choix

Énoncé du Problème
L'article traite d'un décalage fondamental dans les marchés numériques entre les hypothèses économiques classiques de pleine rationalité et la réalité empirique de la rationalité limitée. Alors que les modèles classiques supposent que les agents peuvent traiter et évaluer l'ensemble des alternatives simultanément pour maximiser l'utilité, les interfaces numériques présentent souvent divers assortiments de produits simultanément (par exemple, les mises en page en grille sur Amazon). Cette présentation « tout d'un coup » (all-at-once) entraîne fréquemment une surcharge cognitive, une fragmentation de l'attention et des choix sous-optimaux en raison des limites de la capacité cognitive humaine. L'article postule que les architectures de choix actuelles, qui reposent sur des affichages simultanés de multiples options, ne parviennent pas à s'aligner sur les capacités de traitement cognitif, menant à des décisions de consommation incohérentes et irrationnelles.

Méthodologie
Les auteurs développent un cadre théorique formel fondé sur le Modèle d'Attention Aléatoire (RAM) (Cattaneo et al., 2020) pour modéliser la prise de décision sous une attention limitée. La méthodologie centrale implique :

1. Modélisation Théorique : L'article construit une « Hypothèse de Rationalité Séquentielle » (SRH) qui contraste deux architectures de choix :
   • Offre Simultanée : Le décideur (DM) évalue un ensemble $S$ de $n$ articles à la fois.
   • Offre Pairwise Séquentielle : Le DM évalue les articles via un tournoi binaire récursif (par exemple, comparer $A$ contre $B$, puis le vainqueur contre $C$).
2. Définitions Formelles : Le modèle utilise un ordre de préférence strict ($\succ$) et une règle d'attention latente $\mu(T|S)$, représentant la probabilité qu'un ensemble de considération $T \subseteq S$ soit formé. Un axiome clé introduit, la Monotonicité de l'Attention, postule que le retrait des alternatives non considérées d'un ensemble augmente faiblement la probabilité d'être attentif à un sous-ensemble spécifique.
3. Caractérisation Axiomatique : Les auteurs définissent une règle de choix comme étant séquentiellement rationnelle si elle satisfait des axiens spécifiques : Consistance Binaire, Transitivité Séquentielle, Monotonicité de l'Attention et Parcimonie Cognitive.
4. Analyse Probabiliste : L'article dérive des inégalités de probabilité comparant la probabilité de sélectionner l'option maximisant l'utilité sous les deux architectures. Il introduit des paramètres pour le succès de l'attention ($\alpha_k$) et la précision du choix ($\beta_k$) dépendant de l'arité (nombre d'articles) de la comparaison.
5. Illustration Numérique : Un exemple concret utilisant trois boissons (Café, Thé, Jus) avec une règle d'attention monotone spécifiée est utilisé pour calculer et comparer les probabilités de choix sous le modèle RAM pour les scénarios simultané et séquentiel.
6. Vérification Formelle : Toutes les définitions mathématiques, théorèmes et preuves sont formellement vérifiés à l'aide de l'assistant de preuve Lean4, garantissant la rigueur logique.

Contributions Clés

• Hypothèse de Rationalité Séquentielle (SRH) : L'article introduit un nouveau mécanisme comportemental arguant que la présentation séquentielle et par paires (pairwise) des options améliore systématiquement la qualité de la décision en alignant les structures de choix sur les contraintes cognitives.
• Extension du RAM : Le travail étend le Modèle d'Attention Aléatoire en intégrant un processus de décision récursif et dynamique. Contra à les modèles statiques basés sur des listes ou les modèles de traversée de réseaux, la SRH modélise explicitement comment les contraintes d'attention interagissent avec les comparaisons binaires séquentielles pour façonner les chemins de décision.
• Preuve Théorique de Supériorité : Les auteurs prouvent que, sous une attention limitée, la probabilité de sélectionner l'option maximisant l'utilité est strictement plus élevée dans un tournoi binaire séquentiel que dans une évaluation simultanée, à condition que l'efficacité de l'attention effective dans les comparaisons binaires soit suffisamment élevée par rapport aux comparaisons ternaires (ou plus larges).
• Réduction du Coût Cognitif : L'article démontre mathématiquement que la décomposition d'une tâche de choix en étapes binaires réduit les coûts cognitifs attendus totaux par rapport à l'évaluation d'un grand ensemble simultanément, en exploitant la convexité des fonctions de coût d'attention.

Résultats

• Inégalités de Probabilité : Le résultat central (Théorème 3 et Théorème 4) établit que :
  $$Pr(C_{SEQ}(A, B, D) = \text{arg max } u) > Pr(C_{SIM}(\{A, B, D\}) = \text{arg max } u)$$
  Ceci est vrai si la probabilité d'un choix correct dans une comparaison binaire ($q$) est supérieure à la racine carrée de la probabilité d'un choix correct dans une comparaison ternaire ($r$), soit $q > r^{1/2}$.
• Validation Numérique : Dans l'exemple numérique fourni, la probabilité de choisir l'article optimal (Café) était de 0,81 sous l'architecture séquentielle contre 0,60 sous l'architecture simultanée, quantifiant ainsi le gain comportemental.
• Divergence par rapport à la Théorie Standard : Le modèle montre que $C_{SEQ}(S) \neq C_{SIM}(S)$ lorsque l'attention est limitée, fournissant une justification théorique de la raison pour laquelle la théorie classique des préférences révélées (qui suppose une attention totale) échoue à prédire les choix dans des environnements numériques complexes.
• Conditions d'Équivalence : L'article prouve que les opérateurs de choix séquentiels et simultanés coïncident uniquement sous des conditions d'attention totale ($\mu(S|S)=1$) et de maximisation déterministe, conditions rarement rencontrées dans les marchés numériques réels.

Signification et Revendications
L'article prétend combler le fossé entre les limitations cognitives et la rationalité économique en intégrant le réalisme cognitif dans la théorie de la décision. Sa signification réside dans :

• Conception de Plateformes : Il offre une base théorique pour que les plateformes numériques redessinent les flux de recommandation, passant de l'affichage simultané en grille à des comparaisons séquentielles par paires, afin de réduire la surcharge cognitive et d'améliorer le bien-être des consommateurs.
• Implications Politiques : Il suggère que les décideurs et les régulateurs dans les marchés numériques (où des lois spécifiques font actuellement défaut) pourraient encourager des interfaces « respectueuses de l'attention » qui structurent les choix de manière séquentielle pour prévenir les erreurs contextuelles et les décisions irrationnelles.
• Avancement Théorique : Il propose un terrain d'entente entre la pleine rationalité et les heuristiques non structurées, offrant un cadre formel et falsifiable pour comprendre comment l'architecture de choix influence la rationalité sous une attention limitée.

Les auteurs précisent explicitement que le présent travail est théorique en raison de l'absence de données empiriques appropriées, et ils identifient la nécessité de futures conceptions expérimentales pour tester ces hypothèses empiriquement. L'article ne prétend pas avoir résolu le problème de la régulation des marchés numériques, mais fournit plutôt le fondement théorique de la manière dont l'architecture de choix peut être optimisée.