Network Interventions: Targeting Agents or Targeting Links?

Résumé Technique : Interventions Réseau – Cibler les Agents ou les Liens ?

1. Problématique et Contexte

L'article étudie la conception optimale d'interventions par un planificateur social dans un jeu en réseau caractérisé par des complémentarités stratégiques (les actions d'un agent augmentent la productivité des actions de ses voisins). Le cadre se distingue par la formation endogène des liens : les agents choisissent simultanément leur niveau d'effort (action) et l'intensité de leurs liens bilatéraux avec les autres agents.

Le planificateur dispose d'un budget limité et peut intervenir via deux instruments monétaires :

1. Subventions aux actions ($\beta_i$) : Inciter les agents à augmenter leur effort individuel (ex: investissement en R&D, temps d'étude).
2. Subventions aux liens ($\sigma_{ij}$) : Inciter les paires d'agents à renforcer leurs connexions (ex: collaborations, amitiés).

La question centrale est de déterminer la structure qualitative de l'intervention optimale : le planificateur doit-il cibler uniquement les actions, uniquement les liens, ou une combinaison des deux ?

2. Méthodologie et Modèle

A. Structure du Jeu

• Agents : Un ensemble $N$ d'agents.
• Choix : Chaque agent $i$ choisit une action $a_i \geq 0$ et une intensité de lien $g_{ij} \geq 0$ pour chaque $j$. La force du lien est $G_{ij} = g_{ij} + g_{ji}$.
• Fonction d'utilité : L'utilité de l'agent $i$ comprend :
  • Un gain linéaire de l'action ($b_i a_i$).
  • Des externalités de réseau (complémentarités) : $\rho \sum G_{ij} a_i a_j$.
  • Un coût quadratique de l'action ($c_i a_i^2/2$).
  • Un gain intrinsèque du lien ($s_{ij} G_{ij}$), appelé incitation de base (baseline incentive).
  • Un coût quadratique de la formation du lien ($f_{ij} g_{ij}^2/2$).
• Intervention : Le planificateur ajoute des subventions $\beta_i$ et $\sigma_{ij}$ à l'utilité des agents. L'objectif est de maximiser une fonction de bien-être $W(a)$ (croissante et différentiable) sous contrainte de budget.

B. Approche Analytique
Les auteurs utilisent une approche par conditions du premier ordre (FOC) et une analyse de perturbation marginale.

• Ils caractérisent l'équilibre de Nash $(a^*, g^*)$ en fonction des subventions.
• Ils dérivent une relation clé (Lemme 1) liant les dérivées du bien-être par rapport aux subventions d'actions ($\beta$) et aux subventions de liens ($\sigma$). Cette relation montre que les dynamiques d'externalités sont gouvernées par la même matrice de spillover, mais que les coûts marginaux d'induction diffèrent selon le paramètre $s_{ij}$.

3. Résultats Principaux

Le résultat fondamental (Théorème 1) repose sur le signe de l'incitation de base $s_{ij}$ (la valeur intrinsèque du lien en l'absence d'efforts d'action).

Cas 1 : Incitations de base non-négatives ($s_{ij} \geq 0$)

• Résultat : L'intervention optimale consiste à ne subventionner que les actions ($\sigma_{ij}^* = 0$).
• Intuition : Lorsque les agents ont déjà une motivation intrinsèque à former des liens (ex: amitiés sociales, collaborations naturelles), ils sous-investissent déjà dans les liens en raison du "passager clandestin" (free-riding) bilatéral. Cependant, subventionner les actions est strictement moins coûteux pour le planificateur pour induire des spillovers proportionnels. Les agents réagissent à l'augmentation de leurs actions en renforçant naturellement leurs liens. Subventionner directement les liens serait plus cher car cela nécessite de compenser les coûts marginaux sans bénéficier de l'effet de levier des actions.

Cas 2 : Incitations de base négatives ($s_{ij} < 0$)

• Résultat : Si le planificateur subventionne les actions de deux agents connectés ($\beta_i^* > 0, \beta_j^* > 0$), il est optimal de subventionner également leur lien ($\sigma_{ij}^* > 0$).
• Intuition : Lorsque les liens ont une valeur intrinsèque négative (ex: coûts de coordination élevés en R&D sans bénéfices immédiats), les agents sous-investissent massivement dans la formation de liens. Dans ce cas, la subvention des actions seule ne suffit pas à surmonter la barrière de la formation du lien. Le planificateur doit cibler directement le lien pour corriger cette distorsion, car le coût marginal d'induction d'un lien est faible lorsque l'on part d'un niveau de lien très bas.

Comparaison avec le Benchmark (Liens Exogènes)
Les auteurs comparent leur modèle à un cas de référence où les liens sont exogènes (choisis sans considérer les gains du jeu).

• Dans le cas exogène, l'intervention optimale subventionne les liens lorsque les actions sont élevées (réseau très connecté) et les actions lorsque les actions sont faibles.
• Dans le cas endogène, cette structure est inversée : on subventionne les liens lorsque les actions sont faibles (incitation négative) et les actions lorsque les actions sont fortes (incitation positive).

Généralisation (Théorème 3)
Les résultats sont robustes au-delà des fonctions quadratiques.

• Si $s_{ij} \geq 0$ : Si les coûts de formation de liens sont super-quadratiques (croissance rapide) et les spillovers sous-linéaires, on ne subventionne pas les liens.
• Si $s_{ij} < 0$ : Si les coûts de liens sont sous-quadratiques et les spillovers super-linéaires, on subventionne les liens.

4. Contributions et Implications

Contributions Théoriques :

1. Endogénéité des liens : L'article démontre que l'endogénéité des liens change radicalement la structure de l'intervention optimale par rapport aux modèles à liens fixes.
2. Critère de sélection d'instrument : Identification d'un critère simple ($s_{ij}$) pour déterminer si l'outil de politique publique doit être ciblé sur l'individu ou sur la relation.
3. Inversion des résultats : Mise en évidence d'une inversion fondamentale entre les modèles à liens exogènes et endogènes concernant le moment optimal pour cibler les liens.

Implications Empiriques et Politiques :

• Éducation (Effets de pairs) : Les liens (amitiés) ont souvent une valeur intrinsèque positive ($s_{ij} \geq 0$). La politique optimale pour améliorer les résultats académiques (actions) devrait se concentrer sur des incitations individuelles (bourses, programmes de tutorat) plutôt que sur des programmes visant à "créer des liens" entre élèves.
• Collaboration R&D : Les collaborations entre entreprises ont souvent des coûts de coordination élevés et une valeur intrinsèque négative sans innovation ($s_{ij} < 0$). Ici, l'intervention optimale doit inclure des subventions directes aux collaborations (clusters, consortiums) pour surmonter la sous-investissement initial, en plus des subventions à la R&D individuelle.

5. Signification

Ce papier fournit un cadre rigoureux pour les décideurs publics confrontés à des choix de politique dans des réseaux complexes. Il souligne que la nature de la motivation intrinsèque à la connexion est le déterminant clé de l'efficacité des politiques. Ignorer l'endogénéité des liens peut conduire à des interventions sous-optimales, soit en gaspillant des ressources sur des liens qui se formeraient naturellement, soit en échouant à créer des connexions essentielles qui ne se formeraient pas sans aide directe.