Realizing Common Random Numbers: Event-Keyed Hashing for Causally Valid Stochastic Models

Cet article démontre que l'utilisation de générateurs de nombres aléatoires d'état dans les modèles basés sur des agents fausse les comparaisons contrefactuelles causales en raison de l'altération des chemins d'exécution, et propose une solution fondée sur le hachage d'événements couplé à des générateurs à compteur pour rétablir la cohérence causale.

L'essentiel

Voici une explication simplifiée de l'article, imagée pour que tout le monde puisse comprendre, même sans être expert en informatique ou en épidémiologie.

🦠 Le Problème : La "Mauvaise Copie" de l'Univers

Imaginez que vous êtes un scientifique qui veut prédire l'avenir. Vous créez un monde virtuel (un modèle informatique) rempli de millions de petites personnes (des agents) pour simuler comment une maladie se propage.

Vous voulez répondre à une question cruciale : "Si on vaccinait tout le monde, combien de vies seraient sauvées par rapport à si on ne faisait rien ?"

Pour être sûr de votre réponse, vous devez comparer deux mondes parallèles :

1. Le Monde A (Sans vaccin) : Tout le monde est vulnérable.
2. Le Monde B (Avec vaccin) : Tout le monde est protégé.

Pour que la comparaison soit juste, il faut que ces deux mondes soient identiques, sauf pour le vaccin. C'est comme si vous aviez deux jumeaux parfaits : l'un prend un médicament, l'autre non. Si l'un guérit et l'autre non, c'est grâce au médicament.

🎲 La Solution Habituelle (et son Piège)

Pour que ces deux mondes soient "parfaitement alignés", les scientifiques utilisent une technique appelée "Nombres Aléatoires Communs".

Imaginez que chaque événement dans votre simulation (une rencontre, une infection, une guérison) est décidé par un tirage au sort, comme lancer un dé.

• L'ancienne méthode (PRNG "Étatique") : C'est comme si vous utilisiez un seul dé pour les deux mondes, mais que vous le lanciez dans l'ordre, un après l'autre.
  • Dans le Monde A, vous lancez le dé pour Personne 1, puis Personne 2, etc.
  • Dans le Monde B, vous faites pareil.

Le problème surgit quand le scénario change :
Imaginons que dans le Monde B (avec vaccin), la Personne 1 ne tombe pas malade parce qu'elle est vaccinée. Dans le Monde A (sans vaccin), elle tombe malade et doit subir une étape supplémentaire (par exemple, une période d'incubation qui nécessite un autre lancer de dé).

👉 Le chaos s'installe :

• Dans le Monde A, le dé a été lancé 3 fois pour la Personne 1 (infection + incubation).
• Dans le Monde B, il n'a été lancé que 2 fois (juste l'infection, car pas d'incubation).
• Résultat ? Quand vous arrivez à la Personne 2, le dé dans le Monde B est à la position 3, tandis que dans le Monde A, il est à la position 4.

La Personne 2 reçoit donc un numéro de dé différent dans les deux mondes, non pas parce qu'elle est différente, mais simplement parce que la Personne 1 a eu un parcours différent ! C'est comme si vous compariez deux jumeaux, mais que l'un avait un dé truqué et l'autre un dé normal, juste parce que l'autre jumeau a fait une pause plus longue.

Conséquence : Vos résultats sont faussés. Vous ne mesurez plus l'effet du vaccin, mais le bruit de fond du désordre.

---

💡 La Solution Proposée : Les "Clés Universelles"

Les auteurs de l'article proposent une méthode géniale pour régler ce problème : l'Hashage par Clé d'Événement (Event-Keyed Hashing).

Au lieu d'utiliser un dé unique qu'on lance dans l'ordre, imaginez que chaque événement possible dans votre simulation possède sa propre clé unique, comme une adresse postale ou un code-barres.

• L'adresse de l'événement : "Personne 2, rencontre à 14h00".
• La règle magique : Peu importe l'ordre dans lequel vous simulez les choses, si vous voulez savoir ce qui arrive à la "Personne 2 à 14h00", vous utilisez toujours la même clé pour générer le nombre aléatoire.

L'analogie du Menu de Restaurant :

• Méthode ancienne : Le serveur vous sert les plats dans l'ordre. Si vous commandez un dessert (événement supplémentaire), le serveur change l'ordre de service pour tout le monde. Votre plat principal arrive à un moment différent, avec une sauce différente.
• Nouvelle méthode : Chaque plat a son propre ticket avec un code unique. Peu importe si vous commandez un dessert ou non, le plat "Steak" a toujours le même ticket. Le chef (l'ordinateur) utilise ce ticket pour préparer exactement le même steak, avec la même sauce, peu importe ce que les autres clients commandent.

🚀 Pourquoi c'est révolutionnaire ?

1. Justesse Scientifique : Cela permet de comparer vraiment "pomme avec pomme". Si la Personne 2 est infectée dans le Monde A mais pas dans le Monde B, c'est vraiment à cause du vaccin, pas à cause d'un bug dans l'ordre des lancers de dés.
2. Efficacité : Cela réduit le "bruit" statistique. Vos simulations sont plus précises avec moins d'essais.
3. Logique Pure : Cela transforme la simulation en une fonction mathématique pure. L'ordinateur ne se souvient plus de "ce qu'il a fait avant", il regarde juste "qui est l'événement" et "quelle est la clé". C'est plus rapide, plus facile à vérifier et plus facile à faire tourner sur plusieurs ordinateurs en même temps.

🏁 En Résumé

Les auteurs disent : "Arrêtez de compter les lancers de dés dans l'ordre, car l'ordre change selon les scénarios. Donnez plutôt à chaque événement son propre numéro de série unique."

C'est un changement de paradigme : passer d'une simulation qui suit un chemin (qui change selon les décisions) à une simulation qui suit une identité (qui reste stable, peu importe le chemin). Cela rend les modèles épidémiologiques beaucoup plus fiables pour prendre des décisions de santé publique vitales.

Résumé technique

Titre : Réalisation des Nombres Aléatoires Communs : Hachage Clé-Événement pour des Modèles Stochastiques Causalement Valides

Auteurs : Vince Buffalo, Carl A. B. Pearson, Daniel Klein
Date : 13 mars 2026

---

1. Le Problème : L'Incohérence Causale des Générateurs de Nombres Aléatoires (PRNG) Étatiques

Les modèles basés sur des agents (ABM) sont largement utilisés pour estimer les effets causaux des traitements via des simulations de contrefactuels appariés. Une technique standard de réduction de variance consiste à utiliser des Nombres Aléatoires Communs (CRN), qui couplent les réplications de simulation entre différents scénarios d'intervention en partageant les mêmes entrées aléatoires.

Le problème fondamental identifié par les auteurs :
Dans la pratique, les CRN sont généralement implémentés en réutilisant la même graine de base pour initialiser un Générateur de Nombres Pseudo-Aléatoires (PRNG) à état (ex: Mersenne Twister). Cette approche repose sur une hypothèse critique : que le même index de tirage dans la séquence aléatoire corresponde au même événement modélisé à travers les scénarios.

Cependant, les PRNG à état avancent leur état interne à chaque appel de fonction. Si une intervention modifie le chemin d'exécution du code (par exemple, en empêchant une infection, ce qui évite l'appel à une fonction pour la période d'incubation), le nombre de tirages aléatoires consommés avant un événement donné change.

• Conséquence : L'index de tirage pour les événements en aval se décale. Un événement spécifique (ex: "l'infection de l'agent 2") reçoit un nombre aléatoire différent selon que l'agent 1 a été infecté ou non, même si les mécanismes biologiques de l'agent 2 n'ont pas changé.
• Violation : Cela viole l'hypothèse de couplage des CRN. Au lieu de comparer le même agent sous deux conditions (traitement vs contrôle) avec le même bruit exogène, on compare deux "réalités" différentes avec des bruits exogènes différents. Cela rend les effets de traitement individuels (ITE) mal définis et incohérents d'un point de vue causal.

2. Méthodologie : Modélisation par les Modèles Causaux Structurels (SCM)

Les auteurs formalisent ce problème à travers le prisme des Modèles Causaux Structurels (SCM) de Judea Pearl.

• ABM comme SCM : Un ABM est interprété comme une implémentation computationnelle d'un SCM. Les règles mécaniques sont les équations structurelles ($F$), les états internes sont les variables endogènes ($V$), et la stochasticité provient de variables exogènes ($U$).
• Exigence d'Invariance d'Exécution : Pour qu'un ABM soit un SCM valide sous intervention, l'identité des termes de bruit exogène ($U_e$) doit rester stable à travers les scénarios. Seules les équations structurelles (ou leurs entrées) doivent changer.
  • Définition : Un ABM est "invariant d'exécution" si, pour un événement $e$ donné, la valeur du bruit exogène $U_e$ dépend uniquement de l'identifiant de l'événement et de la graine, et non de l'historique d'exécution (chemin de contrôle).
• Analyse du dysfonctionnement : Les auteurs montrent que les PRNG à état créent une structure causale de niveau programme où l'index de tirage devient une variable endogène dépendante des résultats précédents. Cela introduit des voies causales spuriées (ex: l'infection de l'agent 1 affecte le bruit aléatoire de l'agent 2), ce qui n'existe pas dans le modèle scientifique intentionnel.

3. Solution Proposée : Génération de Nombres Aléatoires Clé-Événement (Event-Keyed RNG)

Pour résoudre ce problème, les auteurs proposent de remplacer les PRNG à état par des Générateurs de Nombres Aléatoires à Compteur (Counter-Based PRNG) (ex: Philox, Threefry) couplés à des identifiants d'événements stables.

• Principe : Au lieu de maintenir un état mutable, un PRNG à compteur est une fonction pure : $R = g(\text{clé}, \text{compteur})$.
  • La clé correspond à la graine de base (définissant le "monde" ou le scénario).
  • Le compteur est remplacé par un identifiant d'événement composite (ex: hash("infection", id_agent, jour)).
• Mécanisme : Chaque tirage aléatoire devient une fonction explicite de l'identité de l'événement qui l'appelle.
  • Si une intervention empêche un événement (ex: vaccination), le tirage associé à cet événement n'est simplement pas demandé.
  • Les événements en aval conservent leurs propres identifiants uniques et reçoivent donc les mêmes nombres aléatoires, indépendamment de l'ordre d'exécution ou du nombre de tirages précédents.
• Conception des Clés d'Événement : Les auteurs soulignent que la définition de "ce qui constitue le même événement" à travers les mondes contrefactuels est un choix de modélisation substantif (et non automatisable).
  • Clé "Slot" (Fente) : Le bruit est attaché à l'opportunité de contact (ex: "patient i à l'heure t"), indépendamment du partenaire.
  • Clé "Dyade" : Le bruit est attaché à la paire spécifique (patient i - agent j).
  • Ce choix détermine l'hypothèse d'échangeabilité et la validité des comparaisons contrefactuelles au niveau individuel.

4. Résultats et Preuves

• Preuve de violation : Les auteurs démontrent mathématiquement (Proposition 1) que tout changement dans le nombre d'appels PRNG avant un événement $e$ entre deux scénarios entraîne $U^{(a)}_e \neq U^{(a')}_e$, violant l'invariance d'exécution.
• Exemple Toy Model : Dans un modèle d'infection simplifié, ils montrent que l'utilisation d'un PRNG à état crée une dépendance causale artificielle entre l'infection de l'agent 1 et le bruit aléatoire de l'infection de l'agent 2. Avec la méthode clé-événement, cette dépendance disparaît, restaurant la structure causale scientifique.
• Performance : Les PRNG à compteur modernes (Philox, Threefry) sont comparables en vitesse aux PRNG à état (Philox est ~2x plus lent, Threefry ~5% plus rapide que Mersenne Twister), mais offrent l'avantage crucial d'être parallélisables nativement, ce qui peut offrir des gains de performance sur les architectures multicœurs.

5. Contributions Clés et Signification

1. Théorique : Identification d'un décalage fondamental entre la structure causale scientifique que les ABM visent à encoder et la structure causale induite par les implémentations logicielles standard (PRNG à état). L'article formalise pourquoi les CRN standards échouent souvent à produire des comparaisons contrefactuelles valides.
2. Méthodologique : Introduction du concept d'Invariance d'Exécution comme critère nécessaire pour la validité causale des simulations.
3. Pratique : Proposition d'une solution technique robuste (PRNG à compteur + hachage d'identifiants d'événements) qui :
   • Restaure la validité des effets de traitement individuels.
   • Garantit une réduction de variance efficace et prévisible via les CRN.
   • Facilite le débogage, la reproductibilité et le calcul parallèle.
4. Philosophique : Le passage d'une logique d'état mutable à une logique fonctionnelle pure dans la simulation stochastique. Cela force les chercheurs à expliciter leurs hypothèses sur l'identité des événements à travers les mondes contrefactuels, transformant un détail d'implémentation en un choix de modélisation conscient.

Conclusion :
L'article conclut que l'invariance d'exécution ne doit pas être considérée comme un détail d'optimisation, mais comme une exigence fondamentale pour toute inférence causale basée sur la simulation. L'adoption de la génération de nombres aléatoires "clé-événement" est essentielle pour garantir que les modèles basés sur des agents reflètent fidèlement la structure causale des phénomènes qu'ils sont censés modéliser.