Robust Testing Of the Allais Paradox By Paired Choices vs. Paired Valuations

En démontrant que les tests d'évaluation sont intrinsèquement biaisés et en validant une méthode de choix apparié « forte » sur des données existantes, cette étude réfute la conclusion de McGranaghan et al. selon laquelle l'effet de ratio commun est inexistant, confirmant au contraire sa prévalence robuste.

L'essentiel

Le Titre : Le Paradoxe d'Allais : Qui a raison, les choix ou les estimations ?

Imaginez que vous êtes un détective cherchant à comprendre pourquoi les humains prennent parfois des décisions irrationnelles face à l'argent et au risque. C'est le cœur du Paradoxe d'Allais, un célèbre casse-tête économique.

Le problème, c'est que les humains ne sont pas des robots parfaits. Nous faisons des erreurs, nous hésitons, et nos choix changent d'un jour à l'autre. C'est ce qu'on appelle le bruit ou le hasard dans nos décisions.

Récemment, une équipe de chercheurs (appelons-les l'équipe "Nouvelle Vague") a dit : "Attendez ! Les anciennes méthodes pour tester ce paradoxe sont faussées par ce bruit. Si on utilise une nouvelle méthode basée sur l'estimation de la valeur (la 'cotation'), on découvre que le paradoxe n'existe presque plus !"

C'est là que les auteurs de ce papier (Echenique et Tserenjigmid) interviennent. Ils disent : "Stop ! Vous avez changé les règles du jeu et vous avez utilisé une mauvaise boussole. Le paradoxe est toujours là, et nous allons vous le prouver avec une meilleure méthode."

---

1. Le Conflit : Deux façons de mesurer la peur du risque

Pour comprendre le débat, imaginons que vous devez choisir entre deux jeux de hasard.

• Le Test des Choix (La méthode classique) : On vous demande : "Préférez-vous le Jeu A ou le Jeu B ?"

  • L'équipe "Nouvelle Vague" dit : "Si les gens hésitent (choix aléatoires), ce test est biaisé. Il nous fait croire qu'il y a un paradoxe alors qu'il n'y en a pas."
  • Ils proposent donc d'arrêter de demander "A ou B ?" et de demander plutôt : "Combien d'argent seriez-vous prêt à donner pour avoir le Jeu B ?" (C'est le Test de Valorisation).

• La Réponse des Auteurs : "Attention ! Demander un prix (valorisation) est encore plus dangereux que de demander un choix. C'est comme essayer de mesurer la température d'une soupe avec une règle en plastique : ça ne marche pas bien."

2. L'Analogie du "Jeu de Fléchettes"

Pour expliquer pourquoi le Test de Valorisation (demander un prix) est un piège, imaginons un joueur de fléchettes.

• Le Paradoxe d'Allais, c'est comme si le joueur visait toujours le centre, mais que ses fléchettes tombaient un peu à gauche ou à droite à cause du vent (le bruit).
• L'équipe "Nouvelle Vague" dit : "Si on demande au joueur de dire 'à quelle distance du centre j'ai visé' (valorisation), on va obtenir des résultats bizarres qui ne correspondent pas à la réalité."
• Les Auteurs répondent : "Exactement ! Si le joueur est un peu ivre ou si le vent souffle (bruit), sa réponse 'à quelle distance' va varier énormément selon son humeur, sa fatigue ou la forme de sa main. On peut faire dire n'importe quoi à ce test. C'est comme si on pouvait prouver que le joueur vise la lune ou la terre, selon comment on pose la question."

Ils montrent mathématiquement que, avec le test de valorisation, on peut presque obtenir n'importe quel résultat ("anything goes"). C'est un test qui ne dit rien de fiable.

3. La Solution : Le "Test de Choix Fort"

Alors, comment faire la bonne mesure ? Les auteurs proposent de revenir au choix, mais avec une règle plus intelligente qu'ils appellent le "Test de Choix Fort".

Imaginez que vous voulez savoir si une personne préfère le chocolat (A) à la vanille (B).

• Le test faible (l'ancienne méthode critiquée) : On regarde si elle choisit le chocolat exactement autant de fois que dans une autre situation similaire. Si elle hésite un tout petit peu, on dit "Ah, il y a un paradoxe !". C'est trop sensible aux petits bruits.
• Le test fort (la nouvelle méthode) : On se pose une question simple : "Est-ce que cette personne choisit le chocolat plus de la moitié du temps ?"
  • Si oui (plus de 50%), on dit : "Elle aime le chocolat."
  • Si non (moins de 50%), on dit : "Elle préfère la vanille."

Pourquoi c'est mieux ?
C'est comme regarder la météo. Si un jour il pleut un peu et un jour il fait un peu de soleil, on ne dit pas que la météo est imprévisible. On regarde la tendance globale. Si le joueur de fléchettes vise le centre 80% du temps, on sait qu'il vise le centre, même s'il rate parfois.

Les auteurs prouvent que ce "Test Fort" est robuste. Peu importe comment on modélise le "bruit" dans la tête des gens (est-ce qu'ils sont fatigués ? est-ce qu'ils font des erreurs de calcul ?), ce test reste fiable. Il ne se fait pas piéger par les petites variations aléatoires.

4. Le Résultat : Le Paradoge est toujours là !

Quand les auteurs appliquent ce "Test Fort" aux données existantes (y compris celles de l'équipe "Nouvelle Vague"), ils découvrent quelque chose de surprenant :

• L'équipe "Nouvelle Vague" pensait avoir tué le paradoxe d'Allais.
• En réalité, le paradoxe est très vivant.

En utilisant leur méthode robuste, ils montrent que dans la grande majorité des études passées, les gens continuent de montrer ce comportement irrationnel (le paradoxe). Le "bruit" dans leurs choix ne suffit pas à expliquer ce phénomène.

En Résumé

1. Le problème : On pensait que les anciennes méthodes de test étaient faussées par les erreurs humaines, et qu'il fallait utiliser des tests de "prix" (valorisation).
2. La découverte : Les tests de "prix" sont en réalité encore plus faussés et peuvent donner n'importe quel résultat. C'est comme essayer de peser un nuage avec une balance de cuisine.
3. La solution : Il faut utiliser le "Test de Choix Fort" (regarder si la préférence est majoritaire, >50%). C'est une boussole fiable qui résiste au vent.
4. La conclusion : Le Paradoxe d'Allais n'est pas une illusion créée par les erreurs de mesure. C'est un vrai comportement humain, bien réel et très répandu. Les humains sont effectivement irrationnels face au risque, et ce papier nous donne enfin la bonne règle pour le mesurer.

L'image finale : C'est comme si quelqu'un avait dit "Le soleil ne brille pas, c'est juste un reflet sur l'eau sale". Les auteurs ont dit "Non, nettoyez vos lunettes (la méthode de test) et vous verrez que le soleil brille toujours."

Résumé technique

Résumé Technique : Robustesse des Tests du Paradoxe d'Allais

1. Problématique et Contexte

L'article s'attaque à un débat central en économie comportementale concernant la validité empirique du paradoxe d'Allais, et plus spécifiquement de l'effet de ratio commun (Common Ratio Effect - CRE).

• Le Constat : La littérature empirique traditionnelle (basée sur des choix appariés) trouve systématiquement des violations de la théorie de l'utilité espérée (EU), soutenant l'existence du CRE.
• La Critique Récente : McGranaghan et al. [2024] (MNOSS) soutiennent que les tests de choix appariés standards sont biaisés lorsque le choix est stochastique (bruité). Ils proposent que le bruit dans les choix puisse induire artificiellement un effet de ratio commun même chez un agent maximisant l'utilité espérée.
• La Solution Proposée par MNOSS : Ils recommandent d'abandonner les tests de choix au profit de tests de valorisation (eliciting certainty equivalents) et concluent, sur la base de leurs nouvelles données, qu'il n'y a pas de preuve systématique du CRE, remettant ainsi en cause la majorité de la littérature existante.

L'objectif de Echenique et Tserenjigmid est d'évaluer cette conclusion à la lumière de la théorie du choix stochastique et de déterminer si les tests de valorisation sont réellement une alternative robuste.

2. Méthodologie et Cadre Théorique

Les auteurs analysent la robustesse de différents tests sous plusieurs modèles de choix stochastique :

A. Les Modèles de Choix Stochastique

1. iAREU (Additive Random Expected Utility i.i.d.) : Le modèle standard utilisé par MNOSS, où un terme de bruit additif i.i.d. est ajouté à l'utilité espérée. Les auteurs soulignent que ce modèle viole l'axiome d'indépendance avec probabilité 1 et peut violer la dominance stochastique du premier ordre.
2. Random Expected Utility (REU) : Le modèle de Gul et Pesendorfer [2006], où la fonction d'utilité elle-même est aléatoire. Ce modèle préserve la forme de l'utilité espérée avec probabilité 1 et respecte la dominance stochastique.
3. Modèles de Perception et Prospect Theory : Incluant des erreurs de perception des probabilités ou des pondérations aléatoires.

B. Les Tests Évalués
Les auteurs comparent quatre types de tests pour détecter le CRE :

1. Test de Choix Apparié Faible (Weak Paired Choice) : Vérifie si $\rho(A, B) = \rho(C, D)$.
   • Critique : Biaisé sous le modèle iAREU (MNOSS).
2. Test de Choix Apparié Fort (Strong Paired Choice) : Vérifie si $\rho(A, B) \ge 1/2 \iff \rho(C, D) \ge 1/2$.
   • Concept : Si un agent choisit A plus de 50% du temps, il préfère A à B. Le test exige que la préférence (au-delà du seuil de 50%) soit cohérente entre les deux paires de choix.
3. Test de Valorisation Moyenne (Mean Valuation) : Vérifie si $E[m_{AB}] = E[m_{CD}]$.
4. Test de Valorisation de Signe (Sign Valuation) : Vérifie si $Pr(m_{AB} > m_{CD}) = 1/2$.

3. Contributions Clés et Résultats Théoriques

A. Le Biais des Tests de Valorisation (Proposition 1)
Les auteurs démontrent que les tests de valorisation sont intrinsèquement problématiques :

• Test de la Moyenne : Il est biaisé sauf si les agents sont parfaitement neutres au risque. Sous des hypothèses de bruit réalistes (Assomption 2b de MNOSS), on peut obtenir n'importe quelle paire de valorisations attendues ("anything goes") en ajustant simplement l'aversion au risque et la distribution du bruit.
• Test de Signe : Il repose sur des hypothèses de symétrie très restrictives concernant la corrélation des termes d'erreur entre les tâches. Sans cette symétrie parfaite, le test n'est pas fiable.
• Conclusion : Les tests de valorisation ne fournissent pas de prédictions nettes sous les modèles standards de choix stochastique et peuvent masquer ou créer artificiellement des effets.

B. L'Unbiais du Test de Choix Apparié Fort (Propositions 2, 3, 4, 5)
Les auteurs prouvent que le test fort est robuste :

• Sous le modèle Random Expected Utility (REU), le test faible est en fait non biaisé, car l'axiome de linéarité (version stochastique de l'indépendance) implique directement $\rho(A, B) = \rho(C, D)$.
• Sous le modèle iAREU et d'autres modèles généralisés (incluant des erreurs de perception), le test faible est biaisé, mais le test fort reste non biaisé.
• La condition $\rho(A, B) \ge 1/2 \iff \rho(C, D) \ge 1/2$ est vérifiée pour une large classe de modèles, y compris ceux où les erreurs sont corrélées ou non identiquement distribuées, tant que la symétrie autour de zéro est respectée.

C. Analyse des Données Empiriques (Section 4)
En réanalysant les données de la méta-analyse de Blavatskyy et al. [2023] (143 études) et les données de MNOSS avec le test fort :

• Résultats : L'effet de ratio commun (et son inverse) reste hautement prévalent.
  • Dans les études de Blavatskyy, 41% des designs expérimentaux montrent un CRE et 7% un effet inverse.
  • En pondérant par le nombre de participants, plus de 50% des sujets exhibent une violation de l'utilité espérée.
  • Dans les données de MNOSS, le taux de détection est de 10% pour le CRE et 10% pour l'effet inverse (confirmant que le choix des paramètres influence les résultats, mais ne l'élimine pas).
• Puissance du Test : Les auteurs montrent que le test "faible" (ou la zone grise utilisée par MNOSS) a une puissance statistique très faible. Même avec des préférences de type Prospect Theory (qui violent l'EU), il est très improbable de rejeter l'EU avec le critère de MNOSS, alors que le test fort rejette correctement l'EU dans 97% des simulations.

4. Signification et Implications

1. Réhabilitation du Paradoxe d'Allais : Les conclusions de MNOSS selon lesquelles le CRE n'est pas systématique sont rejetées. Le paradoxe d'Allais reste un phénomène empirique robuste lorsqu'on utilise un test de choix apparié correctement spécifié (le test fort).
2. Critique de la Méthodologie de Valorisation : L'article démontre que les tests de valorisation ne sont pas une solution miracle. Ils introduisent de nouveaux biais (sensibilité à l'aversion au risque et aux corrélations d'erreur) qui peuvent conduire à des conclusions erronées.
3. Importance du Modèle de Bruit : Le choix du modèle de choix stochastique est crucial. Si l'on adopte le modèle REU (Gul & Pesendorfer), le test faible suffit. Si l'on adopte des modèles plus flexibles (iAREU, erreurs de perception), seul le test fort garantit l'absence de biais.
4. Généralisation : La méthodologie du "test fort" peut être appliquée à d'autres puzzles comportementaux (biais de présent, effet de conséquence commun) pour tester la cohérence des préférences dans un cadre stochastique.

Conclusion :
Echenique et Tserenjigmid démontrent que l'abandon des tests de choix appariés au profit des tests de valorisation, proposé par MNOSS, est une erreur méthodologique. Le test de choix apparié fort est la méthode de référence, car il est robuste à une large gamme de modèles de bruit et de préférences. Sous ce critère, la littérature empirique continue de fournir un soutien massif au paradoxe d'Allais et à l'effet de ratio commun.