📈 economics

Sequential Search with Planning

Cet article modélise le développement séquentiel de produits et l'exploration de ressources comme un problème de la boîte de Pandore ordonnée avec planification coûteuse, prouvant que les stratégies de recherche optimales suivent une règle de seuil dépendante du champ d'application, façonnée par l'interaction des effets de garantie, de périmètre payé et d'horizon restant.

Auteurs originaux : Ruhi Sonal, Saptarshi Mukherjee, Abhinaba Lahiri, Aniruddha Ghosh

Publié 2026-06-10

📖 8 min de lecture🧠 Analyse approfondie

CC0 1.0

Auteurs originaux : Ruhi Sonal, Saptarshi Mukherjee, Abhinaba Lahiri, Aniruddha Ghosh

Article original placé dans le domaine public sous CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ 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 vous êtes un explorateur partant à la recherche d'un trésor caché. Vous savez que le trésier est enterré dans l'une de plusieurs grottes, mais vous ne savez pas laquelle. Les grottes sont disposées en ligne, et vous devez les vérifier dans l'ordre : la Grotte 1, puis la Grotte 2, la Grotte 3, et ainsi de suite.

Chaque fois que vous jetez un coup d'œil dans une grotte, cela vous coûte de l'argent (pour les fournitures, le temps et l'effort). Si vous trouvez un trésor, tant mieux ! Mais si la grotte est vide, vous devez décider : continuez-vous vers la grotte suivante, ou rentrez-vous chez vous avec ce que vous avez trouvé jusqu'à présent ?

C'est le problème classique de la « recherche ». Mais ce document ajoute un rebondissement qui rend la chose beaucoup plus réaliste : les Coûts de Planification.

Le Rebondissement : Acheter votre Carte

Dans l'ancienne version simple de ce jeu, vous pouviez décider d'aller vérifier la Grotte 5 sur un coup de tête, et cela coûterait la même chose que de vérifier la Grotte 1. Dans le monde réel, ce n'est pas ainsi que cela fonctionne. Pour accéder même à la Grotte 5, vous devez souvent acheter une carte, engager un guide ou construire un pont au préalable. Ce sont des coûts de planification.

Le Plan Initial : Avant de commencer, vous devez choisir un « périmètre ». Vous décidez : « Je vais planifier l'exploration jusqu'à la Grotte 3. » Vous payez des frais pour ce plan. Ces frais augmentent à mesure que vous planifiez d'aller plus loin (planifier d'atteindre la Grotte 10 coûte plus cher que de planifier d'atteindre la Grotte 3).
L'Ajustement : Si vous commencez votre voyage, que vous vérifiez la Grotte 1, que vous ne trouvez rien et que vous décidez : « Vous savez quoi ? Je vais essayer d'atteindre la Grotte 10 après tout », vous pouvez le faire. Mais vous devez payer des frais d'ajustement pour étendre votre carte. Il est généralement plus coûteux de changer d'avis en cours de voyage que d'avoir planifié pour cela dès le départ.

La Grande Question

Le document pose la question suivante : Jusqu'où faut-il planifier à l'avance ?
Devriez-vous être un planificateur prudent qui n'achète une carte que pour les trois premières grottes et espère trouver quelque chose là-bas ? Ou devriez-vous être un planificateur ambitieux qui achète une carte pour les dix grottes dès maintenant, même si vous n'en aurez peut-être pas besoin ?

Les auteurs ont découvert que la réponse dépend de trois forces concurrentes, qu'ils appellent « effets économiques ».

Les Trois Forces en Présence

Considérez ces forces comme trois voix dans votre tête qui se disputent pour savoir s'il faut continuer à creuser.

1. L'Effet de « Garantie » (La Voix de la Prudence)

Ce que c'est : Au fur et à mesure que vous explorez, vous gardez une « garantie » dans votre poche. C'est la valeur de la meilleure chose que vous avez trouvée jusqu'à présent. Si la Grotte 1 contenait une petite gemme, votre garantie est « une petite gemme ».
Comment cela fonctionne : Plus votre garantie actuelle est élevée, moins vous êtes enthousiaste à l'idée de continuer la recherche. Si vous avez déjà un diamant, pourquoi risquer tout cela pour une chance d'avoir un diamant plus gros ? Cette voix dit : « Arrêtez-vous maintenant, vous avez déjà une bonne chose. »
L'apport du document : Plus votre « garantie » actuelle est élevée, plus vous êtes susceptible de vous arrêter tôt.

2. L'Effet de « Périmètre Payé » (La Voix de l'Investissement)

Ce que c'est : C'est la nouvelle idée unique de ce document. Il s'agit de l'argent que vous avez déjà dépensé pour votre plan.
Comment cela fonctionne : Si vous avez payé beaucoup d'argent d'avance pour planifier la Grotte 10, le coût pour réellement atteindre la Grotte 10 est désormais très faible (car vous avez déjà payé le gros des frais de planification). Si vous n'aviez planifié que la Grotte 3, atteindre la Grotte 10 plus tard serait extrêmement coûteux.
L'apport du document : Si vous avez un plan « large » (vous avez payé pour de nombreuses grottes), vous êtes prêt à continuer la recherche même si votre garantie actuelle est assez bonne. Pourquoi ? Parce que les grottes futures sont « en promotion » pour vous. Vous avez déjà engagé les coûts, autant continuer à chercher. C'est l'Effet de Périmètre Payé.

3. L'Effet d'« Horizon Restant » (La Voix du Temps)

Ce que c'est : Il s'agit simplement du nombre de grottes restantes.
Comment cela fonctionne : Si vous êtes à la Grotte 1 et qu'il reste 99 grottes, la « valeur d'option » de continuer est immense. Mais si vous êtes à la Grotte 99 et qu'il n'en reste qu'une, la valeur de continuer est faible.
L'apport du document : À mesure que vous approchez de la fin de votre liste, la tentation de continuer s'estompe car le potentiel de gain restant est moindre.

Le Résultat : Deux Types d'Explorateurs

Le document montre que ces trois forces interagissent pour créer deux comportements très différents, selon la situation :

1. L'« Under-Planner » (Le Joueur)

Scénario : Imaginez que les récompenses soient imprévisibles, mais généralement petites, avec une infime chance d'un jackpot massif (comme un ticket de loterie).
Comportement : Vous commencez avec un plan minuscule (juste la Grotte 1). Vous payez des frais minimes. Si vous ne trouvez rien, vous payez un peu plus pour étendre votre plan à la Grotte 2. Si cela échoue, vous étendez à nouveau.
Pourquoi ? Parce que le coût initial de planification pour 10 grottes est trop élevé. Vous attendez de voir si le « jackpot » est même possible avant de vous engager dans le grand plan. Vous finissez par explorer plus de grottes que ce que vous aviez initialement prévu.

2. L'« Over-Planner » (Le Conservateur)

Scénario : Imaginez que les récompenses soient très prévisibles et constantes, mais que le coût de modification de votre plan plus tard soit très élevé.
Comportement : Vous achetez un plan massif pour les 10 grottes dès le départ. Mais, comme vous avez payé un certain prix d'avance, vous vous imposez un seuil très élevé. Si vous trouvez une récompense décente tôt, vous vous arrêtez immédiatement.
Pourquoi ? Vous avez payé un supplément pour l'option d'aller loin, mais comme les récompenses sont prévisibles, vous n'avez pas besoin d'aller loin. Vous finissez par explorer moins de grottes que ce que vous aviez initialement prévu.

La « Valeur de Réserve » (La Ligne de Stop-Loss)

Dans les problèmes de recherche simples, il y a généralement un nombre magique unique (une « valeur de réserve ») qui vous dit quand vous arrêter. « Si le trésor vaut moins de 50 $, continuez à chercher. S'il vaut plus, arrêtez-vous. »

Ce document prouve qu'il n'y a pas de nombre magique unique.
Au lieu de cela, votre « ligne d'arrêt » change en fonction de ce que vous avez planifié.

Si vous avez planifié 3 grottes, votre ligne d'arrêt pourrait être de 50 $.
Si vous avez planifié 10 grottes, votre ligne d'arrêt pourrait être de 80 $.

Parce que vous avez payé pour le plan de 10 grottes, vous êtes prêt à continuer la recherche même si vous avez un trésor de 70 $, car la grotte suivante est peu coûteuse pour vous. La personne qui n'a planifié que 3 grottes s'arrêterait à 70 $, car atteindre la grotte suivante lui coûterait une fortune.

Résumé

Ce document nous enseigne que la planification n'est pas seulement une décision ponctuelle ; elle modifie votre comportement futur.

Les Coûts Irrécupérables Comptent : L'argent que vous avez dépensé pour planifier l'avenir change la façon dont vous évaluez le présent.
La Flexibilité a un Prix : Être capable de changer d'avis plus tard coûte de l'argent, ce qui vous pousse à réfléchir davantage à votre plan initial.
Le Contexte est Roi : Que vous deviez être un « under-planner » prudent ou un « over-planner » audacieux dépend entièrement de la prévisibilité des récompenses et du coût de modification de votre plan plus tard.

Les auteurs utilisent les mathématiques pour prouver que cette façon de penser « dépendante du périmètre » est la seule manière de prendre les décisions les plus intelligentes dans ces situations incertaines et progressives.

Résumé Technique : Recherche Séquentielle avec Planification

1. Formulation du Problème

L'article modélise un problème de recherche séquentielle où un décideur (DM) explore une séquence fixe de $n$ options (ou « boîtes »), chacune contenant une récompense incertaine $X_i$ tirée d'une distribution connue $F_i$ . La recherche est contrainte par deux structures de coûts distinctes qui différencient ce modèle des problèmes classiques de la boîte de Pandore :

Coûts d'inspection ( $c_i$ ) : Le coût pour observer la récompense d'une boîte spécifique.
Coûts de planification et d'ajustement :
- Coût de portée ( $\phi(j_0)$ ) : Avant le début de la recherche, le DM doit choisir une « portée » initiale $j_0 \in \{1, \dots, n\}$ , représentant le nombre d'étapes rendues accessibles. Cela engendre un coût ex-ante $\phi(j_0)$ , qui est strictement croissant et convexe.
- Coût d'ajustement ( $\psi$ ) : Pendant la recherche, le DM peut réviser la portée. L'expansion de la portée de $j$ à $j' > j$ à l'étape $i$ entraîne un coût marginal supplémentaire $\psi(i, j, j')$ . La contraction est sans coût.

Le DM est neutre face au risque et vise à maximiser l'espérance de la récompense nette, définie comme le maximum de la dotation initiale et de la récompense la plus élevée observée, moins la somme de tous les coûts d'inspection, de portée initiale et d'ajustement. La séquence des boîtes est donnée de manière exogène ; le DM ne peut pas sauter d'étapes.

2. Méthodologie

Les auteurs utilisent la programmation dynamique (DP) pour résoudre le problème de décision séquentielle. L'espace d'états est défini par trois variables :

$i$ : l'étape actuelle (indice de la boîte).
$z$ : la « garantie » actuelle (le maximum de la dotation initiale et de toutes les récompenses observées jusqu'à présent).
$j$ : la « portée payée » actuelle (l'étape la plus lointaine pour laquelle les coûts d'accès ont déjà été engagés).

La fonction de valeur $V(i, z, j)$ représente la valeur de continuation espérée optimale après avoir observé l'étape $i$ avec une garantie $z$ et une portée payée $j$ . L'équation de Bellman compare l'option d'arrêt (apportant un gain $z$ ) à l'option de continuation, qui implique de choisir une nouvelle portée $j' \geq i+1$ , de payer le coût d'ajustement $\psi(i, j, j')$ et le coût d'inspection suivant $c_{i+1}$ , et de recevoir la valeur future espérée.

Une innovation méthodologique clé est l'introduction de valeurs de réserve dépendantes de la portée. Contrairement aux modèles de recherche standard où une valeur de réserve est une propriété fixe d'une boîte spécifique, ici, le seuil de continuation dépend de la variable d'état $j$ .

3. Contributions Clés et Résultats

A. Valeurs de Réserve Dépendantes de la Portée

L'article établit l'existence et l'unicité d'une famille de valeurs de réserve, notées $r_i(j)$ , pour chaque étape $i$ et chaque portée payée $j$ réalisable.

Définition : $r_i(j)$ est la valeur unique telle que le DM soit indifférent entre s'arrêter et continuer de manière optimale étant donné la portée payée actuelle $j$ .
Stratégie Optimale : La politique optimale est une règle de seuil :
- S'arrêter si la garantie actuelle $z \geq r_i(j)$ .
- Continuer si $z < r_i(j)$ . En cas de continuation, le DM choisit une nouvelle portée $j'$ pour maximiser la valeur de continuation nette espérée.
Implication : La règle d'arrêt optimale n'est plus « indexable » au sens traditionnel (une valeur unique par étape). Deux décideurs à la même étape, avec le même historique observé mais des portées payées différentes, prendront des décisions d'arrêt différentes.

B. Étude des Changements Comparatifs (Comparative Statics)

Les auteurs dérivent plusieurs résultats de monotonicité concernant les valeurs de réserve et les choix de portée optimaux :

Effet de la Portée : La valeur de réserve $r_i(j)$ est faiblement croissante en la portée payée $j$ . Un décideur disposant d'une portée prépayée plus large est prêt à poursuivre la recherche à des garanties plus élevées car le coût marginal d'accès aux étapes futures est plus faible.
Effet du Coût : Les valeurs de réserve sont faiblement décroissantes en fonction des coûts d'inspection ( $c$ ) et des coûts d'ajustement ( $\psi$ ).
Submodularité et Choix de Portée : Sous l'hypothèse que les coûts d'ajustement sont submodulaires (c'est-à-dire que le coût marginal d'expansion diminue à mesure que la portée actuelle augmente), la portée suivante optimale est faiblement croissante en la portée actuelle. Cela implique qu'une entreprise ayant une portée actuelle plus large choisira une portée future (faiblement) plus large.

C. Forces Économiques

L'article identifie et caractérise trois forces économiques qui interagissent pour façonner la stratégie optimale :

Effet de Garantie : Une offre actuelle plus élevée ( $z$ ) réduit l'amélioration attendue de la prochaine étape, induisant un arrêt précoce. Cela fait écho à l'effet de « valeur de repli » dans la littérature existante.
Effet de Portée Payée (Nouveauté) : Une portée prépayée plus large abaisse le coût marginal de l'accès futur, augmentant la valeur de continuation et favorisant la poursuite de la recherche à des garanties plus élevées. Cet effet n'a pas de pendant dans les modèles où l'accès futur est gratuit (ex: Weitzman, 1979 ; Boodaghians et al., 2020).
Effet de l'Horizon Restant : À mesure que la recherche progresse, la valeur d'option de continuer diminue car moins d'étapes restent à accomplir.

L'interaction de ces forces génère deux régimes distincts :

Sous-planification : L'entreprise choisit une portée initiale étroite et l'élargit de manière adaptative à mesure que les résultats se concrétisent (fréquent lorsque les récompenses sont normales et les coûts convexes).
Sur-planification : L'entreprise s'engage sur une portée large ex-ante mais s'arrête tôt (fréquent sous certaines conditions avec des récompense à queue épaisse ou des structures de coûts spécifiques).

D. Référence de la Planification sans Coût

L'article démontre que lorsque les coûts de planification et d'ajustement sont nuls ( $\phi = 0, \psi = 0$ ), le modèle se réduit au benchmark standard de recherche ordonnée (Boodaghians et al., 2020). Dans cette limite, la formulation adaptative de la portée coïncide avec la fonction de valeur de la programmation dynamique, et les valeurs de réserve deviennent indépendantes de l'historique de la planification.

4. Signification et Revendications

L'article affirme combler une lacune dans la littérature sur la recherche séquentielle et la planification de la R&D en modélisant explicitement la planification ex-ante coûteuse et la révision adaptative de la portée.

Contribution Théorique : Il généralise le problème de la boîte de Pandore à des contextes où l'accès aux options futures n'est pas gratuit mais nécessite des investissements irrécupérables (sunk costs). Il prouve que la « valeur de réserve » n'est pas une propriété statique d'une option, mais une variable d'état dynamique dépendant des engagements de planification passés.
Insight Économique : Les auteurs soutiennent que l'« effet de portée payée » modifie fondamentalement le comportement de recherche. Dans les modèles standards, la décision d'une entreprise de continuer dépend uniquement de la récompense actuelle et de la distribution des récompenses futures. Dans ce modèle, la décision dépend également de l'investissement déjà consenti pour rendre ces étapes futures accessibles.
Application à la R&D et l'Exploration : Le cadre est motivé par des scénarios du monde réel tels que la R&D multi-étapes (ex: développement de l'IA, essais cliniques) et l'exploration de ressources naturelles, où les entreprises doivent s'engager dans l'infrastructure ou les approbations réglementaires (portée) avant que les résultats ne soient connus, et où les plans sont souvent révisés de manière adaptative selon les résultats intermédiaires.
Modestie : Le papier ne prétend pas résoudre toutes les interactions stratégiques en organisation industrielle, mais fournit un cadre à agent unique traitable qui capture la tension entre l'engagement initial et la flexibilité adaptative. Il reconnaît que les extensions vers des récompenses corrélées ou des environnements compétitifs sont laissées à des travaux futurs.

L'article conclut que l'interaction entre l'effet de garantie, l'effet de portée payée et l'effet de l'horizon restant génère des comportements adaptatifs réalistes (sous- et sur-planification) qui ne peuvent être capturés par des modèles supposant une planification sans coût ou des horizons fixes.