Efficient Elicitation of Collective Disagreements

Résumé technique : Élicitation efficace des désaccords collectifs

Énoncé du problème
La théorie du choix social s'est traditionnellement concentrée sur le consensus et les règles d'agrégation des préférences. Cependant, la prise de décision collective nécessite souvent de confronter et de résoudre les désaccords avant d'arriver à un accord. La littérature existante propose diverses mesures de désaccord, de polarisation et de divisibilité, mais elles reposent généralement sur des classements complets ou des comparaisons par paires. Les auteurs identifient une limitation critique : les comparaisons par paires (informations de degré 2) sont insuffisantes pour distinguer différentes formes structurelles de désaccord. Par exemple, une population avec des classements uniformément distribués et une population divisée en deux factions opposées peuvent produire des données de comparaison par paires identiques, tout en possédant des structures de désaccord fondamentalement différentes. De plus, l'élicitation de classements complets impose une charge cognitive élevée aux électeurs, créant un compromis entre la richesse de l'information et l'utilité pratique. L'article vise à déterminer les informations agrégées minimales sur les préférences nécessaires pour calculer des mesures spécifiques de désaccord et à concevoir des protocoles d'élicitation qui équilibrent ce besoin d'information avec la charge cognitive des électeurs.

Méthodologie
Les auteurs introduisent un modèle probabiliste des préférences des électeurs et proposent une nouvelle représentation appelée matrice de pluralité.

• La matrice de pluralité : Pour un ensemble d'alternatives $A$, la matrice enregistre, pour chaque sous-ensemble $S \subseteq A$ et chaque alternative $a \in S$, la probabilité $p_S(a)$ que $a$ soit classée première dans $S$.
• Hiérarchie des degrés : La matrice est stratifiée selon la taille du sous-ensemble $S$. Les données de « degré $k$ » font référence aux entrées où $|S|=k$. Les comparaisons par paires correspondent au degré 2, tandis que les scores de pluralité complets correspondent au degré $m$.
• Niveau d'une mesure : Une mesure de désaccord est définie comme étant de « niveau $k$ » si elle peut être exprimée à l'aide de données de degré au plus $k$, mais pas de degré $k-1$.
• Protocoles d'élicitation : Pour estimer la matrice de pluralité sans exiger de classements complets, les auteurs proposent deux protocoles basés sur des séquences de comparaisons par paires :
  1. Chaîne $k$ : Un électeur effectue $k-1$ comparaisons par paires séquentielles pour déterminer un gagnant au sein d'un sous-ensemble de taille $k$.
  2. Classement $k$ : Un électeur fournit un classement complet d'un sous-ensemble de taille $k$ via des comparaisons par paires.
     Les auteurs analysent le compromis entre le nombre total d'électeurs (budget) et la charge cognitive maximale (nombre de comparaisons par électeur) nécessaire pour atteindre une précision d'estimation spécifique ($\epsilon$) avec une confiance ($1-\delta$).

Contributions clés

1. Formalisation de la matrice de pluralité : L'article définit la matrice de pluralité comme un cadre pour organiser les données de préférences agrégées par taille de sous-ensemble, permettant l'analyse des mesures de désaccord basées sur l'information minimale requise.
2. Analyse du niveau des mesures de désaccord :
   • L'indice d'accord est montré comme étant de niveau 2, reposant uniquement sur des comparaisons par paires.
   • Les mesures de variance des rangs et de divisibilité sont prouvées comme étant de niveau 3. Les auteurs démontrent que ces mesures ne peuvent pas être calculées uniquement à partir de données par paires, car des profils de préférences distincts peuvent partager des données de degré 2 identiques tout en différant au degré 3.
   • L'article prouve la rigidité de la hiérarchie : pour tout $k$, il existe des profils qui coïncident jusqu'au degré $k$ mais diffèrent au degré $k+1$.
   • Les auteurs construisent des mesures spécifiques pour chaque niveau $k$, telles que le moment central $k$ de la distribution des rangs (niveau $k+1$), qui capture des propriétés comme l'asymétrie (niveau 4) et l'aplatissement (niveau 5).
3. Hypothèses structurelles : La hiérarchie est montrée comme s'effondrant au niveau 2 sous des hypothèses structurelles spécifiques. Si les préférences des électeurs suivent le modèle de Plackett-Luce ou sont unimodales, toutes les informations de degré supérieur peuvent être récupérées à partir des seules comparaisons par paires.
4. Protocoles d'élicitation et compromis : Deux protocoles (chaîne $k$ et classement $k$) sont conçus pour estimer la matrice de pluralité. L'analyse théorique utilisant l'inégalité de Hoeffding caractérise le compromis entre le nombre d'électeurs requis et la charge cognitive par électeur. Les auteurs montrent que les chaînes sont optimales pour des contraintes de charge cognitive faibles ou de grandes populations, tandis que les classements sont plus efficaces pour des populations plus petites disposées à répondre à des requêtes complexes.

Résultats

• Théoriques : L'article établit que de nombreuses mesures standard de désaccord (variance des rangs, divisibilité) nécessitent intrinsèquement des informations au-delà des comparaisons par paires (degré 3). Il prouve qu'aucune mesure de niveau $k$ ne peut distinguer entre des profils qui s'accordent jusqu'au degré $k$.
• Expérimentaux/Synthétiques : Des expériences numériques sur des données synthétiques (utilisant des modèles tels que Mallows, Plackett-Luce et Unimodal) illustrent que les mesures de degré supérieur (asymétrie et aplatissement) peuvent distinguer entre des distributions de rangs unimodales et bimodales qui sont indiscernables au niveau 3.
• Données réelles : L'analyse de données électorales réelles (STV de Glasgow, Assemblée législative de la Nouvelle-Galles du Sud et enquête présidentielle française) montre que les désaccords du monde réel peuplent le « plan des moments » (asymétrie contre aplatissement) de diverses manières, y compris des distributions bimodales qui signifient une polarisation en deux camps.
• Efficacité des protocoles : Les bornes dérivées montrent que pour une précision fixe, l'augmentation de la taille du sous-ensemble $k$ (et donc de la charge cognitive) réduit le nombre d'électeurs requis, mais seulement jusqu'au point où la contrainte de charge cognitive est satisfaite.

Portée et affirmations
L'article prétend fournir un cadre fondamental pour comprendre les exigences informationnelles de la mesure du désaccord collectif. En introduisant le concept de « niveau », il clarifie que les comparaisons par paires sont insuffisantes pour capturer des structures de désaccord nuancées comme la divisibilité et la variance des rangs. Le travail offre une voie pratique pour l'élicitation : en identifiant le degré spécifique d'information nécessaire pour une mesure donnée, les praticiens peuvent concevoir des protocoles qui minimisent la charge cognitive sans sacrifier la capacité de détecter des types spécifiques de désaccord. Les auteurs notent que leur cadre est limité aux mesures exprimables via la matrice de pluralité et suppose des réponses véridiques et sans bruit, suggérant que des travaux futurs pourraient s'étendre aux ordres partiels, aux bulletins d'approbation ou aux modèles de réponses bruitées.