💻 computer science

Margin Play: A Multi-Agent System For Public Policy Analysis In The Brazilian Equatorial Margin

Cet article présente Margin Play, un système d'apprentissage par renforcement multi-agents qui démontre comment des régimes de politiques publiques spécifiques, plutôt que des arbitrages inhérents, déterminent si l'exploration pétrolière de la marge équatoriale du Brésil générera des gains de bien-être net significatifs et une réduction de la responsabilité environnementale pour l'État sous-développé du Maranhão.

Auteurs originaux : Antonio de Sousa Leitão Filho, Fabrício Saul Lima, Selby Mykael Lima dos Santos, Rejani Bandeira Vieira Sousa, Luís Jorge Mesquita de Jesus, Dennys Correia da Silva, Allan Kardec Duailibe Barros Filho

Publié 2026-06-03

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Antonio de Sousa Leitão Filho, Fabrício Saul Lima, Selby Mykael Lima dos Santos, Rejani Bandeira Vieira Sousa, Luís Jorge Mesquita de Jesus, Dennys Correia da Silva, Allan Kardec Duailibe Barros Filho

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 que le Brésil soit sur le point de découvrir un immense coffre au trésor rempli de pétrole, situé juste au large des côtes de son État le plus pauvre, le Maranhão. La grande question que tout le monde se pose est la suivante : « Ce pétrole rendra-t-il l'État riche et heureux, ou ne fera-t-il que causer plus de problèmes et laisser les habitants de côté ? »

Ce document présente une boule de cristal numérique appelée Margin Play. Ce n'est pas un sort de magie, mais une simulation informatique ultra-intelligente qui agit comme un immense jeu vidéo à enjeux élevés. Au lieu de jouer avec des personnages, elle joue avec six « joueurs » (agents) différents, chacun ayant ses propres objectifs et ses propres règles, essayant de trouver la meilleure façon de gérer cette explosion pétrolière.

Voici comment le jeu fonctionne, expliqué simplement :

Les six joueurs du jeu

Voyez le champ pétrolier comme un terrain de jeu partagé où six groupes différents essaient d'obtenir ce qu'ils veulent :

L'Opérateur (Petrobras) : La compagnie pétrolière. Son objectif est simple : réaliser le plus de profits possible tout en garantant la sécurité du forage. C'est comme le joueur qui essaie de marquer le plus de points.
Le Gouvernement de l'État (Maranhão) : Le maire local. Il veut construire des écoles, des hôpitaux et des routes grâce à l'argent du pétrole, mais il doit suivre des règles strictes sur la manière de dépenser cet argent.
Le Gouvernement Fédéral : Le patron national. Il veut des recettes fiscales pour tout le pays et veut s'assurer que le Brésil dispose de suffisamment d'énergie, mais il veut aussi donner une bonne image de lui-même au monde entier en protégeant l'environnement.
Le Régulateur (ANP) : L'arbitre. Il veut s'assurer que le pétrole est extrait en toute sécurité et que l'entreprise respecte les règles.
Le Gardien de l'Environnement (IBAMA) : Le gardien strict. Sa seule mission est de protéger la nature. C'est le joueur qui arrêtera le jeu si l'environnement est trop endommagé.
La Communauté : Les populations locales vivant dans l'Amazonie. Elles se soucient de leur terre, de leur sécurité et de leurs familles. Elles ne veulent pas seulement de l'argent ; elles veulent que leur territoire soit respecté et leur environnement propre.

Le Problème : Un tir à la corde

Dans le monde réel, ces joueurs tirent souvent dans des directions opposées. La compagnie pétrolière veut forer rapidement ; le gardien de l'environnement veut les arrêter. L'État veut dépenser l'argent maintenant ; le gouvernement fédéral veut le sauvegarder.

Le document pose la question : Si nous laissons ces joueurs jouer à ce jeu pendant 30 ans, qui gagne ? L'État du Maranhão s'en sort-il réellement mieux ?

L'Expérience : Faire tourner la simulation

Les chercheurs ont fait tourner cette simulation 60 000 fois (imaginez jouer au jeu 60 000 fois de suite pour tester tous les résultats possibles). Ils ont testé six différents « livrets de règles » (scénarios) :

Le jeu « Normal » : Que se passe-t-il si nous suivons simplement les lois actuelles ?
Le jeu de la « Mauvaise Chance » : Et si les prix du pétrole s'effondrent ?
Le jeu « Sans Règles » : Et si nous arrêtons d'obliger l'État à dépenser de l'argent pour les écoles et la santé ?
Le jeu « MA-Próspero » : C'est le scénario spécial conçu par les auteurs. C'est un nouveau livret de règles comprenant six changements spécifiques destinés à réparer le système.

La Grande Découverte : Tout est une question de règles

La simulation a trouvé une réponse surprenante : Le pétrole ne rend pas automatiquement un endroit riche. Cela dépend entièrement du « livret de règles » que vous choisissez.

Sous les règles actuelles (Le jeu « Normal ») : L'État obtient un tout petit peu d'argent supplémentaire, mais c'est à peine perceptible. L'environnement est légèrement endommagé, et les populations locales ne voient pas beaucoup d'amélioration. C'est comme trouver quelques pièces de monnaie dans le creux d'un canapé.
Sous les règles « MA-Próspero » : Lorsque les chercheurs ont modifié les règles pour inclure six correctifs spécifiques, les résultats ont été incroyables.
- La richesse a bondi de 17,5 %.
- Le bonheur de la communauté locale a bondi de 21,3 %.
- Les dommages environnementaux ont en fait DIMINUÉ par rapport au jeu normal.

Quels étaient les six correctifs magiques ?

Le régime « MA-Próspero » a fonctionné parce qu'il a changé le jeu de six manières spécifiques :

Des taxes plus élevées : L'État a été autorisé à prélever le montant maximal légal de l'argent du pétrole.
Un forage plus intelligent : La compagnie pétrolière a utilisé des méthodes plus anciennes et plus efficaces qui font moins de dégâts (comme un chef professionnel utilisant les bons outils).
Plus de dépenses pour les gens : Ils ont forcé encore plus d'argent du pétrole à être injecté directement dans la santé et l'éducation, et non pas seulement le montant habituel.
Des leaders locaux plus forts : Ils ont donné plus de formation et d'argent au gouvernement de l'État dès le début pour qu'il sache gérer l'argent de manière avisée.
Réparer les droits fonciers : Ils ont accéléré le processus d'attribution des titres de propriété aux populations locales, ce qui a réduit les conflits et la violence.
Des prix stables : Ils ont supposé que le marché du pétrole serait moins sauvage et imprévisible, permettant une meilleure planification à long terme.

La Conclusion

Le document conclut que le problème n'est pas le pétrole en soi. Le problème est la façon dont nous le gérons.

Si vous vous contentez de forer en espérant que tout se passera bien, l'État du Maranhão restera pauvre et l'environnement souffrira. Mais si vous mettez en place un système intelligent (le régime « MA-Próspero ») où les règles forcent l'argent à aller vers les écoles, protègent la terre et forment les leaders locaux, vous pouvez obtenir plus d'argent ET un environnement plus propre en même temps.

C'est comme dire : « Vous n'avez pas besoin de choisir entre un délicieux gâteau et un régime sain. Si vous changez la recette (les règles), vous pouvez avoir les deux. »

En bref : L'explosion pétrolière peut être un miracle pour le Maranhão, mais seulement si le gouvernement change les règles du jeu pour s'assurer que les bénéfices atteignent réellement les personnes qui en ont le plus besoin.

Résumé Technique : Margin Play – Un système multi-agents pour l'analyse des politiques publiques dans la marge équatoriale brésilienne

1. Définition du problème et contexte

L'article traite de la question centrale de politique publique de savoir si l'exploration pétrolière dans la marge équatoriale brésilienne (BEM) génère des externalités positives nettes pour l'État du Maranhão, le principal affilié fiscal-territorial des bassins de Foz do Amazonas et de Pará-Maranhão. Le Maranhão détient actuellement l'indice de développement humain (IDH) le plus bas du Brésil (0,676), créant un contexte à enjeux élevés où l'extraction de ressources risque de déclencher la « malédiction des ressources » (maladie hollandaise, capture institutionnelle, conflit territorial) plutôt que de favoriser le développement.

Le problème est caractérisé comme étant intrinsèquement multi-agents et hétérogène :

Gouvernement fédéral : Recherche des recettes fiscales et la sécurité énergétique.
Gouvernement de l'État (Maranhão) : Recherche le bien-être régional sous réserve de l'affectation constitutionnelle des redevances (75 % à la santé, 25 % à l'éducation).
Opérateur (Petrobras) : Maximise le profit sous réserve du risque opérationnel et des coûts de levage (lifting costs).
Régulateurs (ANP, IBAMA) : Représentent des mandats conflictuels (production/sécurité vs conformité environnementale).
Communautés : Priorisent l'intégrité territoriale et la qualité environnementale sur le revenu monétaire, faisant face à des taux élevés de conflits fonciers et de violence.

Les outils de politique traditionnels tels que les modèles d'équilibre général calculable (EGC) sont jugés insuffisants car ils reposent sur l'hypothèse d'agents représentatifs aux fonctions d'utilité homogènes, ce qui ne parvient pas à capturer les mandats légalement fondés et conflictuels des parties prenantes de la BEM.

2. Méthodologie : Le système Margin Play

Les auteurs proposent Margin Play, un système d'apprentissage par renforcement multi-agents (MARL) conçu pour simuler ces tensions sous une calibration empirique brésilienne.

2.1 Architecture et paradigme

CTDE (Entraînement Centralisé, Exécution Décentralisée) : Le système emploie le paradigme CTDE. Pendant l'entraînement, les critiques observent l'état global pour atténuer la non-stationnarité ; pendant l'exécution, les acteurs décident uniquement sur la base de leurs observations locales, reproduisant la réalité institutionnelle où les agents n'ont pas une visibilité totale sur les stratégies des autres.
Six agents institutionnels : Le système modélise six agents distincts : le Gouvernement de l'État (Maranhão), l'Opérateur (Petrobras), l'ANP, l'IBAMA, la Communauté (populations amazoniennes) et le Gouvernement Fédéral. Chacun possède un espace d'action unique et une fonction de récompense calibrée à son mandat légal spécifique.
Algorithme : Le système utilise BRO-MARL (Bigger, Regularized, Optimistic), adapté aux contextes multi-agents. Il utilise des critiques quantiles tronqués (TQC - Truncated Quantile Critics) avec 25 atomes de quantiles pour gérer les régimes de rendements à haute variance et prévenir l'explosion des valeurs Q, un problème courant dans les scénarios optimistes.

2.2 Modèle Physico-Économique

L'environnement est un moteur hybride physico-économique intégrant :

Production de pétrole : Modélisée via une courbe de Hubbert asymétrique pour représenter les phases de montée en puissance, de pic et de déclin, couplée à l'intensité d'investissement de l'opérateur et aux vitesses d'approbation réglementaire (goulots d'étranglement de l'ANP).
Passif environnemental : Une équation d'équilibre dynamique comptabilisant l'impact irréductible, l'impact évitable (atténué par l'intensité de l'inspection), la remédiation active et la décomposition naturelle.
Accumulation de capital : Cinq stocks de capital (Public, Humain, Santé, Privé, Institutionnel) évoluent via des dynamiques d'accumulation de Solow, avec des taux de dépréciation et des élasticités spécifiques dérivés de la littérature (Aschauer–Munnell, Cobb–Douglas, Grossman).
Cadre fiscal : Les revenus courants nets de l'État sont décomposés de manière endogène en cinq composantes (ICMS, FPE, FUNDEB, Autres, Redevances) respectant strictement les lois brésiliennes (Loi 9.478/97, Loi 12.858/2013). Notamment, l'affectation des redevances 75%/25% est traitée comme une contrainte stricte du modèle physique, et non comme une variable de décision.

2.3 Calibration et Scénarios

Le système est calibré avec des données primaires brésiliennes, incluant le formulaire 20-F de Petrobras (2024), les audits du TCU et les données de conflits territoriaux de la CPT/INCRA/CIMI (2024).

Entraînement : 60 000 épisodes (10 000 par scénario) sur un horizon de 30 ans (15 étapes biennales).
Scénarios : Six configurations qualitativement distinctes ont été testées :
1. Baselines macroéconomiques : Pessimiste, Référence et Optimiste (variant la capacité de production, la probabilité de découverte et le prix du Brent).
2. Contrefactuels de politique : « Sans la loi 12.858/2013 » (suppression de l'affectation obligatoire) et « Choc du Brent » (haute volatilité/dérive négative).
3. Régime de transformation structurelle : MA-Próspero, une configuration appliquant six interventions structurelles simultanées (ex: capture fiscale maximale, affectation renforcée, investissement institutionnel initial).

3. Principales contributions

Architecture hétérogène à six agents : Une nouvelle configuration MARL où les agents possèdent des fonctions d'objectifs légalement fondées et structurellement conflictuelles (ex: le mandat environnemental de l'IBAMA contre le mandat de profit de l'Opérateur), calibrées spécifiquement au contexte sous-national brésilien.
Fonctions de récompense hybrides : Implémentation de formes fonctionnelles hétérogènes (CRRA, log-Aschauer, Atkinson, Cobb–Douglas) pour refléter divers objectifs institutionnels, incluant la décomposition des revenus de l'État en cinq composantes législatives.
CTDE avec critiques distributionnels : L'application de BRO-MARL avec des critiques TQC pour gérer les rendements à haute variance dans un contexte de politique publique multi-agents, assurant la stabilité numérique dans les scénarios optimistes.
Calibration empirique : L'intégration de contraintes légales brésiliennes spécifiques (ex: l'affectation des redevances comme contrainte stricte) et de données empiriques (conflits territoriaux, coûts de levage) dans un cadre de simulation.
Analyse de régime structurel : L'identification et la caractérisation du régime MA-Próspero comme une hypothèse institutionnelle cohérente plutôt qu'un simple ajustement paramétrique.

4. Résultats expérimentaux

Les résultats, dérivés de 60 000 épisodes, indiquent que l'impact du bien-être de l'exploration pétrolière est conditionné par le régime institutionnel :

Performance de base : Sous la référence de base (lois/pratiques actuelles), le gain de bien-être est marginal ( $W_{aval} \approx 1,68$ ), statistiquement indiscernable du scénario pessimiste. Le scénario optimiste génère des revenus plus élevés pour l'ANP mais un passif environnemental nettement plus élevé ( $E_{amb} = 0,152$ ).
Régime MA-Próspero : Ce scénario, combinant six interventions structurelles, produit un résultat transformateur :
- Gain de bien-être : $\Delta W = +17,5\%$ ( $W_{aval} \approx 1,97$ ).
- Bien-être des communautés : $\Delta R_{com} = +21,3\%$ .
- Passif environnemental : $E_{amb} = 0,048$ , ce qui est inférieur à la référence de base ($0,076$) et même au scénario pessimiste.
Contrefactuels :
- Sans la loi 12.858/2013 : De manière surprenante, cela génère une augmentation de $+6,6\%$ de $W_{aval}$ , suggérant qu'une affectation rigide peut contraindre la liberté d'allocation à court terme, bien que les auteurs précisent que cela n'annule pas les objectifs d'équité intergénérationnelle de la loi.
- Choc du Brent : Le bien-être global reste résilient ( $\Delta W \approx 0$ ), confirmant que le capital humain et institutionnel affecté agit comme un amortisseur macroéconomique.
Convergence : Tous les agents ont atteint une convergence stable entre 2 000 et 4 000 épisodes. L'agent IBAMA est resté invariant à travers les scénarios macroéconomiques, reflétant son mandat procédural, tandis que l'agent Communauté a montré une haute sensibilité aux leviers structurels de MA-Próspero.

5. Signification et affirmations

L'article conclut que le problème fondamental de l'exploration de la BEM n'est pas un arbitrage entre production et bien-être, mais un choix de régime de politique publique.

Externalités conditionnelles : Les externalités positives nettes pour le Maranhão sont réalisables, mais elles sont strictement conditionnées au remplacement des « arrangements institutionnels inertes » par un régime structurel cohérent tel que MA-Próspero.
Déplacement de la frontière de Pareto : Le régime MA-Próspero démontre que la frontière de Pareto entre la production et la qualité environnementale est déplaçable grâce à des configurations opérationnelles et institutionnelles, réfutant l'hypothèse d'un arbitrage structurel inhérent.
Rôle méthodologique : Les auteurs positionnent Margin Play comme un instrument analytique complémentaire à l'Analyse d'Impact Réglementaire (AIR) traditionnelle. Il est conçu pour quantifier les arbitrages, identifier des configurations institutionnelles cohérentes et tester la robustesse des régimes, plutôt que pour prédire des valeurs absolues de PIB ou substituer le jugement légal/politique.
Implication politique : Les résultats suggèrent que l'État du Maranhão possède des instruments institutionnels pour influencer la transition de la « promesse géologique » vers la « réalité opérationnelle », avec le potentiel de capturer des gains de bien-être nettement plus élevés si des interventions structurelles spécifiques (capture fiscale, affectation renforcée, investissement institutionnel) sont mises en œuvre simultanément.