Résumé technique : Influence causale à valeur fonctionnelle dans les séries temporelles non linéaires

1. Énoncé du problème

L'article comble une lacune fondamentale de représentation dans la découverte causale non linéaire pour les séries temporelles. Bien que les modèles modernes d'apprentissage automatique (par exemple, la régression vectorielle autorégressive additive neuronale) apprennent avec succès des représentations riches et dépendantes de l'état de la dépendance temporelle, la pratique standard pour interpréter ces modèles consiste à résumer les relations causales à l'aide de scores d'arêtes scalaires.

Les auteurs soutiennent que la réduction de fonctions causales complexes et dépendantes de l'état à de simples grandeurs scalaires constitue un goulot d'étranglement informationnel sévère. Cette pratique :

• Obscurcit la structure fonctionnelle : Elle effondre des dynamiques essentielles telles que les seuils, la saturation, l'asymétrie et les changements de signe.
• Confond la variation avec le bruit : Les scores scalaires (généralement les écarts-types des contributions) bornent supérieurement la variance de la véritable influence à valeur fonctionnelle, confondant la variation entre états avec le bruit résiduel au sein d'un état.
• Masque la dépendance au régime : Des relations qui ne sont fortes que dans des régimes spécifiques (par exemple, démocratie élevée vs faible) peuvent recevoir des scores identiques à des relations faibles mais globalement actives, conduisant à des interprétations politiques ou théoriques trompeuses.

2. Méthodologie

2.1 Formalisation théorique

Les auteurs formalisent l'influence causale à valeur fonctionnelle pour les modèles autorégressifs additifs et décomposables en contributions.

• Classe de modèles : Ils se concentrent sur des modèles où la prédiction $\hat{X}^{(j)}_t$ est la somme de fonctions spécifiques à la source : $\hat{X}^{(j)}_t = \beta_j + \sum_i f_{ij}(X^{(i)}_{t-K:t-1})$.
• L'objet causal : Au lieu d'un scalaire, l'influence causale de la variable $i$ sur $j$ est définie comme l'espérance conditionnelle de la fonction de contribution : $g_{ij}(x) = E[\text{contrib}_{ij,t} \mid X^{(i)}_{t-1} = x]$.
• Limitation scalaire : Ils démontrent mathématiquement qu'un score scalaire $S_{ij}$ (défini comme l'écart-type des contributions) satisfait $S_{ij}^2 \geq \text{Var}(g_{ij}(X^{(i)}_{t-1}))$. L'écart représente la variance résiduelle attendue au sein de l'état, prouvant que les scores scalaires sont des projections de faible dimension qui éliminent l'information fonctionnelle.

2.2 Cadre d'estimation : ICE agrégé par retard

Pour estimer ces fonctions directement à partir de modèles entraînés sans réentraînement, les auteurs proposent un cadre de type intervention basé sur l'Espérance Conditionnelle Individuelle (ICE) :

• Intervention : Pour un modèle entraîné, l'historique retardé d'une variable source $i$ est remplacé par une valeur fixe $x$ (ou une séquence de valeurs), tandis que toutes les autres entrées restent inchangées.
• Agrégation par retard : Pour obtenir une réponse au niveau de la variable plutôt qu'une réponse spécifique à un retard, les auteurs interviennent simultanément sur tous les retards de la variable source ($X^{(i)}_{t-1} = \dots = X^{(i)}_{t-K} = x$).
• Estimateur : L'influence à valeur fonctionnelle est estimée comme la variation moyenne de la prédiction cible sur des fenêtres temporelles :
  $$\hat{g}_{ij}(x) = E_t \left[ \hat{X}^{(j)}_t(X^{(i)}_{t-1:t-K} \leftarrow x) - \hat{X}^{(j)}_t(X_{t-K:t-1}) \right]$$
• Conditionnement au régime : Le cadre s'étend pour estimer $g_{ij}(x \mid r)$ en partitionnant les données en classes de régime (par exemple, niveaux faible/moyen/élevé de la variable cible), révélant des motifs d'activation spécifiques à l'état.

2.3 Configuration expérimentale

• Systèmes synthétiques : Un système contrôlé à trois variables ($X \to Y \to Z$) a été généré où $X$ influence $Y$ via l'un des quatre mécanismes distincts suivants : Linéaire, à Seuil, Saturant, et à Changement de Signe. Tous les mécanismes ont été calibrés pour avoir des scores scalaires globaux comparables.
• Application réelle : Un jeu de données de panel de 139 pays sur 35 ans (projet Varieties of Democracy) a été analysé à l'aide de la régression vectorielle autorégressive additive neuronale (NAVAR). L'étude s'est concentrée sur l'influence causale de facteurs institutionnels (par exemple, contraintes judiciaires, liberté d'expression) sur des « élections propres ».

3. Résultats clés

3.1 Expériences synthétiques : Le goulot d'étranglement scalaire

• Scores indiscernables : Malgré des mécanismes sous-jacents fondamentalement différents, les quatre systèmes synthétiques ont produit des scores causaux scalaires fortement regroupés (moyennes allant de 0,626 à 0,650 avec des écarts-types qui se chevauchent).
• Fonctions divergentes : Bien que les scores scalaires soient identiques, les courbes ICE estimées ont révélé des comportements qualitativement distincts :
  • Linéaire : Réponse monotone.
  • À seuil : Plat près de zéro, activation brutale après un point critique.
  • Saturant : Rendements marginaux décroissants aux grandes amplitudes.
  • À changement de signe : Effet négatif près de l'origine, positif dans les queues.
• Qualité de la récupération : L'estimateur ICE a récupéré avec succès les formes fonctionnelles réelles avec une haute fidélité (corrélations de Pearson $r \geq 0,968$ sur 15 exécutions), confirmant que l'information est présente dans le modèle mais perdue dans la sommation scalaire.

3.2 Étude de cas : Développement démocratique

• Graphique scalaire : Le graphe causal scalaire suggérait un réseau dense d'influences faibles et uniformes entre les institutions démocratiques.
• Insights à valeur fonctionnelle : L'analyse ICE a révélé une hétérogénéité substantielle invisible aux scores scalaires :
  • Effets de seuil : L'influence de la « liberté d'expression » et des « contraintes judiciaires » sur la qualité des élections était négligeable dans les contextes de régime faible, mais devenait fortement positive uniquement après le franchissement d'une base institutionnelle modérée.
  • Asymétrie et saturation : Les « contraintes législatives » montraient de forts gains des niveaux faibles aux niveaux modérés, mais se saturaient aux niveaux élevés.
  • Renversement de régime : Dans une enquête plus large de 50 arêtes, 98 % présentaient un « renversement de régime », où la direction de l'influence causale basculait entre les contextes de démocratie faible et élevée.
• Conclusion : Les résumés scalaires manquaient systématiquement ces structures spécifiques au régime et asymétriques, qui sont essentielles pour une interprétation substantielle en sciences politiques.

4. Contributions clés

1. Formalisation de l'influence à valeur fonctionnelle : L'article définit l'influence causale dans les séries temporelles non linéaires non pas comme une grandeur scalaire, mais comme une fonction dépendante de l'état $g_{ij}(x)$, formalisant les limites de l'agrégation scalaire via la loi de la variance totale.
2. Cadre d'estimation pratique : Il introduit une méthode de type intervention, calculable (ICE agrégé par retard), pour récupérer ces fonctions directement à partir de modèles autorégressifs additifs entraînés, sans modifications architecturales.
3. Démonstration empirique de l'effondrement de représentation : Grâce à des expériences synthétiques et réelles, les auteurs démontrent que des arêtes avec des scores scalaires indiscernables peuvent encoder des mécanismes causaux radicalement différents, et que les résumés scalaires obscurcissent systématiquement les comportements dépendants du régime (seuils, saturation, changements de signe).
4. Application aux sciences sociales : L'article fournit un exemple concret dans le développement démocratique où l'analyse à valeur fonctionnelle révèle des mécanismes pertinents pour les politiques publiques (par exemple, bases institutionnelles minimales) que les approches scalaires ne parviennent pas à détecter.

5. Signification et affirmations

L'article affirme que l'opacité souvent attribuée aux modèles causaux non linéaires découle moins des modèles eux-mêmes que de la manière dont leurs résultats sont résumés.

• Recadrage de la découverte causale : Les auteurs soutiennent que la découverte causale doit être considérée comme un problème de représentation. En conservant la structure à valeur fonctionnelle apprise par les modèles, les chercheurs peuvent récupérer des mécanismes interprétables et spécifiques au régime.
• Limites des scores scalaires : L'article affirme que les scores scalaires sont insuffisants en tant que résumés principaux pour les structures causales non linéaires. Ils sont utiles pour un dépistage grossier mais échouent à capturer comment la causalité opère (par exemple, quand les effets s'activent, se saturent ou s'inversent).
• Implications politiques et théoriques : Dans des domaines axés sur la théorie comme les sciences sociales, l'analyse à valeur fonctionnelle est présentée comme essentielle pour distinguer entre des mécanismes qui nécessitent des seuils minimaux pour l'intervention et ceux qui offrent des rendements marginaux uniformes.
• Modestie : Les auteurs déclarent explicitement que leur approche ne prétend pas identifier la causalité structurelle ou interventionnelle au sens contrefactuel. L'analyse reste dans le cadre prédictif, de style Granger, caractérisant ce que le modèle apprend sur les relations prédictives dirigées. Ils notent également que la méthode repose sur des modèles additifs et décomposables en contributions, et que l'extension de cette méthode à des architectures non additives reste un travail futur.