📈 economics

The Matching Function: A Unified Look into the Black Box

Cet article utilise la théorie des réseaux pour unifier diverses formes de fonctions d'appariement, démontrant que l'efficacité de l'appariement est principalement déterminée par la distribution des intensités de recherche, où une plus grande inégalité de ces intensités affecte négativement le processus d'appariement.

Auteurs originaux : Georgios Angelis, Yann Bramoullé

Publié 2026-05-12

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Georgios Angelis, Yann Bramoullé

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez le marché du travail non pas comme une machine géante et invisible, mais comme un immense et chaotique jeu de « relie les points ».

Pendant des décennies, les économistes ont utilisé un outil appelé la fonction d'appariement pour prédire combien de chômeurs trouveront un emploi et combien de postes vacants seront pourvus. Considérez cette fonction comme une « boîte noire ». Vous y introduisez des chiffres (comme le nombre de demandeurs d'emploi et le nombre de postes vacants), et un chiffre en ressort (le nombre d'embauches). Mais pendant quarante ans, personne n'a vraiment su comment la boîte fonctionnait à l'intérieur. Ils ne savaient pas ce qui se passait avec les connexions entre les personnes à la recherche d'un emploi et les entreprises cherchant à embaucher.

Cet article, « La fonction d'appariement : Un regard unifié sur la boîte noire », ouvre cette boîte. Les auteurs, Georgios Angelis et Yann Bramoullé, utilisent la théorie des réseaux — les mathématiques de la façon dont les choses sont connectées — pour expliquer la magie à l'intérieur de la boîte.

Voici l'histoire de leurs découvertes, expliquée simplement.

1. Le jeu de « Qui connaît qui »

Imaginez une immense pièce avec deux groupes : les Candidats (personnes à la recherche d'un emploi) et les Vacances (postes ouverts).

Dans l'ancienne vision, on supposait que tout le monde était identique. Tout le monde postulait au même nombre d'emplois, et chaque emploi recevait le même nombre de candidatures. C'était comme une danse parfaitement organisée où chacun avait le même partenaire.

Les auteurs disent : « Non, ce n'est pas ainsi que cela fonctionne. » En réalité, les connexions sont aléatoires et désordonnées.

Certaines personnes sont des « super-connecteurs ». Elles connaissent beaucoup de gens, possèdent d'excellentes compétences ou sont très douées pour trouver des annonces d'emploi. Elles postulent à de nombreux emplois.
D'autres sont des « connecteurs timides ». Elles ne postulent qu'à un ou deux emplois.
Certains emplois sont des « aimants populaires » (annoncés partout), tandis que d'autres sont des « pépites cachées » (connus seulement de quelques-uns).

Les auteurs modélisent cela comme un réseau. Un « lien » se forme lorsqu'un candidat postule à un emploi. L'article se demande : Comment la forme de ce réseau de connexions modifie-t-elle le nombre de personnes effectivement embauchées ?

2. La « Boîte Noire » révélée

Les auteurs montrent que ce réseau désordonné et aléatoire explique en fait presque toutes les formules célèbres utilisées par les économistes au cours des 40 dernières années.

Pensez-y comme à un couteau suisse. Le modèle de réseau est l'outil principal, et tous les différents « outils spécialisés » (les anciennes formules comme CES, Urn-Ball, etc.) ne sont que des façons spécifiques de tenir le manche.

Si tout le monde postule à tous les emplois, vous obtenez une formule spécifique.
Si tout le monde postule de manière aléatoire mais égale, vous en obtenez une autre.
Si les gens postulent avec des intensités différentes, vous obtenez une nouvelle formule, plus précise.

L'article prouve que si vous examinez le réseau assez attentivement, vous pouvez déduire toutes ces anciennes formules comme des cas particuliers. Il unifie tout le domaine sous un même toit.

3. Le problème de l'« Inégalité » (La découverte clé)

C'est la partie la plus surprenante de l'article. Les auteurs ont découvert que l'inégalité dans la façon dont les gens cherchent activement un emploi est néfaste pour l'ensemble du système.

Imaginez une course de relais.

Scénario A : Tout le monde court à un rythme régulier et moyen. L'équipe termine efficacement.
Scénario B : Une personne court à un sprint ultra-rapide, tandis que tout le monde marche lentement.

Les auteurs ont constaté que le Scénario B est pire pour l'équipe.

Sur le marché du travail, si certaines personnes sont des « super-rechercheurs » (postulant à 50 emplois) et d'autres des « fainéants-rechercheurs » (postulant à 1 emploi), le système devient moins efficace.

Les « super-rechercheurs » finissent par se faire concurrence les uns aux autres pour les mêmes emplois populaires, créant des embouteillages.
Les « fainéants-rechercheurs » manquent des emplois que les super-rechercheurs n'ont même pas vus.
Résultat : Moins de correspondances totales se produisent. L'« efficacité de l'appariement » (la façon dont le système fonctionne) diminue.

La conclusion : Il ne s'agit pas seulement du nombre de personnes à la recherche d'emploi ou du nombre d'emplois ouverts. Il s'agit de la façon dont l'effort est réparti uniformément. Si l'effort est trop inégal (forte inégalité dans l'intensité de la recherche), le marché fonctionne moins bien.

4. La surprise en forme de « U inversé »

Habituellement, les économistes pensent : « Si les gens s'efforcent davantage (recherchent plus), plus de gens trouvent un emploi. » C'est une ligne droite vers le haut.

Les auteurs ont trouvé une nuance. Si ce « recherche plus dur » s'accompagne de plus d'inégalité, la ligne peut en fait descendre.

Imaginez une fête où tout le monde essaie de parler à l'hôte.

Si tout le monde essaie un peu, l'hôte parle à tout le monde.
Si tout le monde essaie beaucoup, mais que quelques personnes crient et accaparent l'attention de l'hôte tandis que d'autres sont ignorées, l'hôte est submergé et en oublie certains.

L'article montre que si l'effort moyen augmente, mais que l'écart entre les « super-rechercheurs » et les « fainéants-rechercheurs » s'élargit, le nombre total d'emplois pourvus peut en fait diminuer. Cela crée une forme de « bosse » : l'effort aide au début, mais une trop grande inégalité tue l'efficacité.

5. Et les « Lieux » ?

Les auteurs ont également examiné ce qui se passe si les emplois sont regroupés en « lieux » (comme des villes ou des industries).

Si tous les emplois sont dans une seule grande ville, le réseau est très connecté.
Si les emplois sont dispersés dans de nombreuses petites villes, le réseau est fragmenté.

Ils ont constaté que l'inégalité est néfaste ici aussi. Si certaines villes sont bondées d'emplois et d'autres vides, et que les gens ne se déplacent pas entre elles, le processus d'appariement souffre. Il est préférable que la « densité » des emplois soit répartie plus uniformément.

Résumé

Cet article prend la « boîte noire » du marché du travail et la remplace par un modèle clair et transparent basé sur les réseaux.

L'ancienne vision : Le marché est une machine simple où plus d'effort équivaut toujours à plus d'embauches.
La nouvelle vision : Le marché est un réseau complexe.
- L'uniformité est bonne : Lorsque tout le monde recherche avec une intensité similaire, le système fonctionne au mieux.
- L'inégalité est mauvaise : Lorsque quelques personnes font toute la recherche et que d'autres n'en font aucune, le système s'encrasse et moins de gens sont embauchés.
- Plus n'est pas toujours mieux : Si le « plus de recherche » s'accompagne de plus d'inégalité, le marché peut en fait empirer.

Les auteurs n'ont pas simplement deviné cela ; ils ont utilisé les mathématiques pour prouver que cette vision « réseau » explique toutes les anciennes formules et offre une nouvelle façon, testable, de comprendre pourquoi certaines économies appariement mieux les travailleurs aux emplois que d'autres.

Résumé technique : La fonction d'appariement : Un regard unifié sur la boîte noire

Problème et motivation
La fonction d'appariement sert de pivot aux modèles intégrant des frictions de recherche sur les marchés du travail, du crédit, des biens et du commerce international. Malgré son omniprésence, cette fonction est restée une « boîte noire » pendant près de quarante ans, traitée comme un objet de forme réduite pour la faisabilité analytique, sans analyse systématique des frictions sous-jacentes (limitations informationnelles, échecs de coordination) qui la génèrent. Par conséquent, la relation entre la micro-structure des frictions de recherche et les propriétés macroéconomiques de la fonction d'appariement reste mal comprise. Cet article vise à ouvrir cette boîte noire en retraçant les propriétés de la fonction d'appariement vers la structure granulaire des connexions entre les candidats et les offres d'emploi.

Méthodologie
Les auteurs proposent un modèle basé sur les réseaux qui relie les comportements de recherche au niveau micro aux résultats d'appariement au niveau macro. L'élément primitif de l'environnement est un réseau aléatoire bipartite reliant un ensemble de candidats ( $U$ ) et un ensemble d'offres d'emploi ( $V$ ).

Structure du réseau : Les liens $ij$ sont des variables aléatoires de Bernoulli indépendantes avec des probabilités de formation $p_{ij}$ . La matrice $(p_{ij})$ capture les frictions de recherche granulaires (informationnelles, géographiques, inadéquation des compétences) implicitement supposées dans la littérature.
Protocole : Un candidat postule à une offre d'emploi avec une probabilité $p_{ij}$ . Si une offre reçoit plusieurs candidatures, le poste est proposé au candidat le plus qualifié, les qualifications étant tirées indépendamment d'une distribution commune. Cela implique qu'une offre propose un emploi à un candidat spécifique avec une probabilité $1/d_j$ , où $d_j$ est le nombre de candidats.
Intensité de la recherche : L'hétérogénéité est introduite via les intensités de recherche. Dans le cas de référence, les probabilités de formation de liens sont spécifiques aux candidats ( $p_{ij} = p_i$ ), interprétées comme le nombre moyen de liens qu'un candidat établit. L'analyse se concentre sur la limite du grand marché ( $U, V \to \infty$ ), où les degrés convergent vers des distributions de Poisson.
Outils mathématiques : L'analyse utilise des outils de la théorie des réseaux, spécifiquement les propriétés des distributions binomiales de Poisson et des distributions de Poisson mixtes, ainsi que les fonctions génératrices des moments (MGF). La probabilité de trouver un emploi est dérivée sous la forme d'une expression analytique fermée impliquant la MGF de la distribution de l'intensité de recherche.

Contributions et résultats clés

1. Unification des technologies d'appariement
L'article dérive une expression générale et analytique fermée pour la probabilité moyenne de trouver un emploi $f(\theta; G)$ , où $\theta$ représente la tension du marché et $G$ la distribution des intensités de recherche des candidats. Ce cadre unique retrouve plusieurs formes fonctionnelles existantes comme cas particuliers :

Urn-Ball : Retrouvé lorsque les intensités de recherche sont dégénérées (tous les candidats postulent partout) ou dans la limite d'un réseau dense.
Kiyotaki-Wright (1993) & Lagos (2000) : Retrouvés sous des distributions spécifiques (par exemple, exponentielle) et dans certaines limites.
Shimer (2007) & Mortensen (2009) : Retrouvés lorsque les offres d'emploi sont agrégées en « lieux » avec des distributions spécifiques.
CES (Élasticité constante de substitution) : L'article fournit une condition selon laquelle le processus d'appariement dans n'importe quel réseau appartenant à la classe analysée peut être approximé « comme si » il provenait d'une fonction CES (jusqu'à une approximation du premier ordre). Cette condition relie l'intensité moyenne de recherche à la tension du marché via une équation d'échelle spécifique. Contrairement aux dérivations antérieures reposant sur des primitives d'attente spécifiques, ce résultat s'applique à une large famille de réseaux et est directement testable à l'aide de données sur les candidatures.

2. Théorie de l'efficacité de l'appariement et des inégalités de recherche
L'article établit une théorie de l'efficacité de l'appariement, identifiant les inégalités dans les intensités de recherche comme un déterminant clé de l'efficacité de l'appariement.

La dispersion est préjudiciable : Un résultat robuste est que la dispersion des intensités de recherche (modélisée comme un étalement préservant la moyenne ou un changement de dominance stochastique du second ordre dans la distribution $G$ ) réduit sans ambiguïté la probabilité d'appariement. Cela vaut pour l'hétérogénéité du côté des candidats, du côté des offres d'emploi (intensité publicitaire) et lorsque les offres sont agrégées en lieux (dispersion de la tension du marché).
Ambiguïté de l'intensité moyenne de recherche : Alors que les fonctions d'appariement standards supposent une monotonie par rapport à l'intensité moyenne de recherche, cet article montre que l'effet est généralement ambigu. Si une augmentation de l'intensité moyenne de recherche est associée à une hausse du coefficient de Gini (augmentation des inégalités), la probabilité de trouver un emploi peut présenter une forme en cloche inversée (en U inversé). Ce résultat est novateur pour les fonctions d'appariement macroéconomiques, qui supposent généralement des augmentations monotones.

3. Agrégation et « lieux »
L'analyse s'étend aux scénarios où les offres d'emploi sont agrégées en « lieux » (par exemple, des entreprises ou des régions), réduisant les frictions de coordination à l'intérieur des lieux tout en les maintenant entre eux. Les résultats sur l'impact négatif de la dispersion se généralisent à ce cadre, confirmant que la dispersion de la distribution des offres d'emploi entre les lieux (et donc de la tension locale du marché) affecte négativement l'efficacité de l'appariement.

Portée et affirmations
L'article prétend fournir la première étude systématique de la manière dont la structure des frictions de recherche sous-jacentes affecte la forme fonctionnelle et l'efficacité de la fonction d'appariement émergente. En traitant le réseau candidats-offres d'emploi comme un objet intermédiaire et granulaire, les auteurs :

Unifient la littérature disparate : Ils démontrent que des technologies d'appariement apparemment disparates (Kiyotaki-Wright, urne-boule, CES, etc.) sont des cas particuliers d'un seul mécanisme basé sur les réseaux.
Fournissent des conditions testables : La condition pour l'approximation CES est dérivée comme une relation testable entre des statistiques de réseau observables (probabilités de liens) et la tension du marché.
Affinent les fondements théoriques : L'article offre des fondements théoriques plus précis pour l'efficacité de l'appariement, dépassant l'hypothèse standard selon laquelle seule l'intensité moyenne de recherche compte. Il met en évidence que la distribution des efforts de recherche est cruciale, les inégalités agissant comme un frein au processus d'appariement.
Généralité contextuelle : Bien que présenté dans le cadre du marché du travail, les auteurs notent que l'analyse n'est pas spécifique au contexte et s'applique à tout marché où les frictions de recherche jouent un rôle (par exemple, crédit, biens, actifs).

Les auteurs restent modestes quant à la portée, reconnaissant que leur cadre abstrait des processus dynamiques d'offre/rejet, de l'hétérogénéité verticale de la qualité des candidats et du regroupement des réseaux (transitivité). Ils postulent que leur cadre de réseau aléatoire sert de formalisation minimale, novatrice et utile de la « recherche » pour révéler les implications des schémas de recherche sur la fonction d'appariement, plutôt que de capturer chaque dimension de la réalité.