🔬 physics

A Mathematical Theory of Value: a synthesis on goal-directed agency under resource constraints

Cet article propose une théorie mathématique unifiée de la valeur en tant que quantité structurelle logarithmique et relative au cadre, analogue à l'information, dérivant un théorème de codage qui lie le progrès vers l'objectif à l'information mutuelle et le désalignement à un gaspillage mesurable, un cadre validé empiriquement par sa capacité à prédire la performance et la surconfiance des modèles de langage à travers diverses tâches.

Auteurs originaux : Cheng Qian

Publié 2026-06-12

📖 8 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Cheng Qian

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 vous essayiez de mesurer quelque chose de très abstrait, comme la « valeur ». Habituellement, nous pensons que la valeur est ce que quelque chose coûte en argent, ce combien de bien cela fait ressentir, ou ce qui est moral. Ce document dit : Arrêtez. Éliminons tout cela.

Les auteurs proposent une nouvelle façon de mesurer la valeur qui est aussi rigoureuse et mathématique que la physique. Ils soutiennent que la valeur est simplement la vitesse à laquelle un agent orienté vers un but (comme un robot, une personne ou une IA) transforme une ressource limitée (comme l'énergie, le temps ou l'argent) en progrès vers un objectif spécifique.

Voici la théorie du document, décomposée en concepts simples utilisant des analogies de la vie quotidienne.

1. La formule de la « Valeur » : La loi logarithmique

Le Concept :
Si vous avez un sac de ressources (disons 100 dollars) et que vous voulez atteindre un objectif, comment devriez-vous les dépenser ? Le document soutient que la valeur ne croît pas de manière linéaire. Le premier dollar dépensé a beaucoup de valeur ; le centième dollar en a beaucoup moins. C'est ce qu'on appelle les « rendements décroissants ».

L'Analogie :
Pensez à remplir un seau avec un tuyau qui fuit. Les premiers litres remplissent le seau rapidement. À mesure que le seau se remplit, le niveau d'eau monte de plus en plus lentement.
Les auteurs prouvent mathématiquement que la meilleure façon de mesurer ce « progrès » est d'utiliser un logarithme (un type spécifique de courbe mathématique).

Pourquoi c'est important : Cela signifie que disperser vos ressources trop finement sur de nombreux objectifs différents est inefficace. Concentrer vos ressources sur les objectifs les plus importants crée le plus de « valeur ».

2. La « Limite de Vitesse » : La valeur est bornée par l'information

Le Concept :
Vous ne pouvez pas créer de la valeur plus vite que vous ne pouvez comprendre le monde. Si vous conduisez une voiture les yeux bandés, aucune quantité d'essence (ressource) ne vous fera arriver à destination plus vite que si vous aviez les yeux ouverts.

L'Analologie :
Imaginez que vous êtes un parieur à une course de chevaux.

Le Monde : Les chevaux qui courent.
Votre Objectif : Choisir le gagnant.
Votre Ressource : Votre argent.
Votre Perception : Votre capacité à voir quel cheval est en train de gagner.

Le document prouve un « Théorème de codage de la valeur » : Votre profit maximum (valeur) est exactement égal à la quantité d'information que vous avez sur la course.
Si vous ne savez rien, vous ne pouvez pas gagner d'argent. Si vous avez une vue parfaite de la course, vous pouvez réaliser le gain maximum possible. Vous ne pouvez pas « créer » de la valeur à partir de rien ; vous ne pouvez que convertir de l'information en valeur.

3. La « Deuxième Loi de la Valeur » : Le désalignement est un gaspillage

Le Concept :
En physique, la deuxième loi de la thermodynamique stipule que l'énergie est souvent perdue sous forme de chaleur (déchet) lorsque l'on tente de produire un travail. Les auteurs disent qu'il en va de même pour la valeur.
Si votre modèle du monde est erroné, vous gaspillez des ressources.

L'Analogie :
Imaginez que vous essayez de toucher une cible avec un arc et une flèche.

Valeur Potentielle : La distance que vous pourriez parcourir si vous étiez parfait.
Dissipation (Gaspillage) : L'énergie perdue parce que vous avez visé au mauvais endroit.
Le Résultat : Si vous êtes confiant mais que vous vous trompez, vous ne faites pas que échouer ; vous détruisez activement de la valeur. Le document montre que l'« excès de confiance » chez une IA est une forme mesurable de gaspillage, tout comme la friction dans une machine.

4. Le Problème de la « Flotte » : Comment les groupes travaillent ensemble

Le Concept :
Que se passe-t-il lorsque vous avez toute une équipe d'agents (une « flotte ») travaillant ensemble ?
Le document soutient que vous ne pouvez pas simplement additionner leurs valeurs comme on additionne des nombres. Chaque agent a son propre « référentiel » (ses propres objectifs et sa propre vision du monde).

L'Analogie :
Pensez à un groupe d'investisseurs.

La Valeur est Relative : Un investisseur peut valoriser l'or ; un autre peut valoriser le pétrole. Vous ne pouvez pas dire qui possède « plus » de valeur sans une monnaie commune.
Le Prix est le Pont : Le « prix » d'une ressource (comme un dollar) est la seule chose sur laquelle tout le monde est d'accord. Il agit comme un traducteur entre leurs différents objectifs.
Le Plafond de la Flotte : Si toute l'équipe met ses fonds en commun et partage ses yeux (l'information), ils agissent comme un seul agent géant et super-puissant. Leur succès total est limité par l'information totale dont dispose le groupe. Si tout le monde voit exactement la même chose, ajouter plus de personnes n'aide pas. Mais s'ils voient des choses différentes (diversité), le groupe peut accomplir plus qu'une seule personne ne pourrait le faire seule.

5. L'écart entre le « Est » et le « Devrait être »

Le Concept :
Il existe une différence fondamentale entre ce qui est (les faits sur le monde) et ce qui devrait être (les objectifs).

Croyances (Le « Est ») : Elles peuvent être apprises. Si vous voyez que le monde est bleu, vous mettez à jour votre croyance pour dire « le monde est bleu ».
Objectifs (Le « Devrait être ») : Le monde ne vous dit pas quoi vouloir. Vous devez être informé de ce que vous devez vouloir par un concepteur.

L'Analogie :
Imaginez un GPS.

Le GPS peut facilement apprendre les faits de la route (trafic, travaux).
Mais le GPS ne peut pas décider où vous voulez aller. Cela, c'est un objectif.
Le document montre que si vous essayez de corriger un agent mal aligné (qui va dans la mauvaise direction) simplement en le « surveillant » (en le forçant à s'arrêter), c'est inefficace. La meilleure façon est de changer les incitations (le prix) afin que le chemin que l'agent veut prendre soit le même chemin que vous voulez qu'il prenne.

6. Le Test en Conditions Réelles

Les auteurs n'ont pas seulement écrit des mathématiques ; ils ont testé leur théorie sur de vrais modèles d'IA (grands modèles de langage).

Le Test : Ils ont demandé à des IA de résoudre des problèmes mathématiques, d'écrire du code et de répondre à des questions.
La Découverte : Ils ont mesuré la quantité d'« information » que l'IA extrayait de la question et la quantité de « valeur » (réponses correctes) qu'elle produisait.
Le Résultat : Les mathématiques ont parfaitement tenu. La capacité de l'IA à produire de la valeur était directement liée à la quantité d'information qu'elle pouvait extraire de la question.
La Surprise : Les modèles plus gros (avec plus de « puissance cérébrale ») ne faisaient pas toujours mieux. Un modèle plus petit et plus efficace, qui comprenait mieux la tâche spécifique, créait souvent plus de « valeur » par unité d'énergie qu'un modèle massif et confus.

Résumé

Ce document traite de la Valeur non pas comme un sentiment ou une étiquette de prix, mais comme une quantité physique, comme l'énergie.

La Valeur est le taux de transformation des ressources en progrès vers un objectif.
L'Information est le carburant qui alimente la valeur. Vous ne pouvez pas obtenir plus de valeur que ce que votre information permet.
Les Erreurs sont du gaspillage. Être sûrement de quelque chose de faux détruit la valeur.
Les Groupes fonctionnent mieux lorsqu'ils partagent des informations diverses et échangent des ressources à un prix équitable.
L'Alignement ne consiste pas à forcer les agents à obéir ; il s'agit de concevoir le « prix » pour que le chemin que l'agent veut prendre soit exactement celui que vous voulez qu'il prenne.

Les auteurs concluent que ce cadre offre une façon mathématique solide de comprendre, de mesurer et de gouverner des populations d'agents d'IA, en allant au-delà des idées vagues de « bien » ou de « mal » pour atteindre des calculs précis d'efficacité et de gaspillage.

Résumé Technique : Une Théorie Mathématique de la Valeur

Énoncé du Problème

L'article traite de l'absence d'une définition rigoureuse et structurelle de la « valeur » pour les agents orientés vers des objectifs. Les notions actuelles de valeur sont entremêlées de sémantique (moralité, prix de marché, psychologie), ce qui les rend difficiles à mesurer ou à gouverner dans des populations d'agents artificiels. Les auteurs proposent de dépouiller ces couches sémantiques pour traiter la valeur comme une quantité structurelle et légale, analogue à l'information dans la théorie de Shannon. Le problème central est de définir la valeur comme un taux mesurable de conversion de ressources en progrès vers un objectif, d'en dériver les limites mathématiques et d'établir une théorie du contrôle pour des populations d'agents opérant sous des contraintes de ressources.

Méthodologie

Les auteurs emploient une approche multidimensionnelle combinant la dérivation axiomatique, les preuves de la théorie de l'information, l'analyse des systèmes dynamiques et la validation empirique sur des modèles de langage de grande taille (LLM).

Dérivation Axiomatique (Statique) : L'article dérive la forme fonctionnelle de la valeur à l'aide de trois axiomes : les rendements décroissants, l'additivité à travers des canaux indépendants et l'invariance d'échelle. L'invariance d'échelle est traitée comme une équation fonctionnelle de Cauchy, imposant une mesure logarithmique.
Dérivation Dynamique (Ergodicité) : Indépendamment, l'article dérive la même forme logarithmique en utilisant l'argument d'ergodicité de Peters (2019) et Kelly (1956), montrant que le taux de croissance à long terme d'une ressource réinvestie de manière multiplicative nécessite une mesure logarithmique.
Limites de la Théorie de l'Information : Les auteurs associent la création de valeur à la théorie de l'information, en traitant le canal de perception de l'agent comme un canal de communication. Ils dérivent un « Théorème de Codage de la Valeur » qui limite la croissance de la valeur par l'information mutuelle.
Systèmes Dynamiques et Contrôle : L'article modélise l'évolution des croyances, des prix et des objectifs. Il identifie une « asymétrie is/ought » (être/devoir) où les croyances convergent vers une cible fournie par le monde (la réalité), tandis que les objectifs manquent d'une telle cible, les rendant sujets au contrôle ou à la sélection.
Validation Empirique : La théorie est testée sur des modèles de langage vivants (0,5B à 8B de paramètres) à travers cinq familles et de multiples domaines de tâches (classification, raisonnement, décision séquentielle, code). Les expériences sont pré-enregistrées, se concentrant sur la performance hors échantillon, le suivi de l'information mutuelle et les stratégies de prix au niveau de la flotte.

Contributions Clés

1. La Loi Logarithmique de la Valeur

L'article établit que la valeur $V$ est une mesure logarithmique de l'allocation de ressources $e$ par rapport aux poids des objectifs $k$ :
$V(e) = \sum_{i} k_i \ln e_i$
Cette forme est dérivée de deux voies indépendantes : les axiomes statiques (invariance d'échelle) et le composé dynamique (ergodicité). L'allocation optimale est proportionnelle aux poids des objectifs, et la valeur réalisée est pénalisée par l'entropie de la distribution des objectifs.

2. Le Théorème de Codage de la Valeur

L'article prouve que le taux auquel un agent peut créer de la valeur à travers un canal de perception $Y$ sur le monde $X$ est borné par l'information mutuelle $I(X; Y)$ .
$\Delta G \le I(X; Y)$
Cette limite est atteinte par une allocation proportionnelle à Bayes. Par conséquent, un agent ne peut pas créer de la valeur plus rapidement qu'il ne peut percevoir le monde ; la capacité de perception est le plafond dur sur le taux de génération de valeur.

3. Le Second Principe de la Valeur

La valeur réalisée est décomposée en potentiel disponible moins la dissipation causée par le désalignement (erreur de modèle) :
$G = D(q \parallel r) - D(q \parallel p)$
Où $q$ est la réalité, $p$ est le modèle de l'agent, et $r$ est la référence. Le désalignement ( $D(q \parallel p)$ ) agit comme une dissipation non négative. Une erreur confiante (haute certitude dans un mauvais modèle) entraîne une croissance réalisée négative, détruisant activement la valeur.

4. Dynamique Multi-Agents : Prix et Capacité de Flotte

Valeur Relative au Cadre, Prix Indépendant du Cadre : Les valeurs individuelles ne sont pas comparablement cardinales entre les agents ayant des objectifs différents. Cependant, les agents se coordonnent via un prix fictif $\lambda$ (valeur marginale de la ressource), qui est indépendant du cadre.
Capacité de la Flotte : Une flotte d'agents agissant comme un décideur unique (fusionnant les ressources et la perception) possède un plafond de croissance de valeur borné par l'information mutuelle du canal fusionné : $G_{fleet} \le I(X; Y_{1:m})$ . Les agents redondants n'ajoutent rien à ce plafond ; la diversité élève ce plafond vers l'entropie du monde $H(X)$ .
Point de Fonctionnement : La flotte opère comme un portefeuille Kelly sur les agents, les poids des ressources étant sélectionnés par le prix émergent.

5. L'Alignement comme Condition de Stabilité

L'article présente l'alignement comme un problème de contrôle-stabilité. Parce que les objectifs n'ont pas de cible fournie par le monde (l'asymétrie is/ought), ils sont gouvernés par la sélection (ce qui paie) et le contrôle (la surveillance). Le désalignement résiduel est donné par :
$\|\bar{k}^* - k^*\| = \gamma^{-1} \|V g\|$
Où $V$ est la dispersion des objectifs et $g$ le gradient de récompense. Les auteurs soutiennent que la conception des incitations (aligner $g$ avec $k^*$ ) est la « moitié facile » de l'alignement, supérieure à la surveillance par force brute (augmenter $\gamma$ ).

Résultats Empiriques

Les auteurs ont mené des tests pré-enregistrés sur des modèles de langage vivants :

Débit de Valeur vs Capacité : L'information mutuelle $I(X; Y)$ suit la capacité réalisée (précision de l'outil) avec une grande précision (Spearman $\rho = 0,977$ ) à travers 30 points de domaine de modèle, surpassant le nombre de paramètres comme prédicteur.
Suivi Hors Échantillon : La croissance de la valeur réalisée $\Delta G$ suit l'information mutuelle $I(X; Y)$ avec une pente d'environ $0,95$, confirmant le théorème de codage.
Dissipation : L'excès de confiance dans des modèles faibles entraîne une dissipation mesurable, entraînant une croissance réalisée négative, conformément au Second Principe.
Prix de la Flotte : Un mécanisme de tarification basé sur la valeur (routage basé sur $I/coût$) bat les routeurs aveugles au coût et correspond aux bases de référence ajustées à la main et conscientes des coûts sous des contraintes de calcul. Il ne surpasse pas le meilleur agent unique dans des flottes homogènes et positivement corrélées, confirmant les règles de portée de la théorie.
Généralisation : La relation $\Delta G \sim I(X; Y)$ tient pour quatre formes de tâches distinctes (classification, raisonnement, séquentiel, code), promouvant le passage d'une démonstration à une loi potentielle.

Signification et Revendications

L'article prétend unifier des domaines disparates — les paris de Kelly, la thermodynamique du calcul, la théorie de l'équilibre général et la théorie du contrôle — sous une quantité unique ancrée dans le substrat : la valeur.

Unification : Il démontre que les quantités de Shannon (entropie, divergence, information mutuelle, métrique de Fisher) réapparaissent naturellement dans la théorie de la valeur, suggérant que l'abstraction est structurelle plutôt que décorative.
Gouvernance : Il fournit une théorie du contrôle pour les populations d'agents, distinguant la valeur (relative au cadre) du prix (indépendant du cadre). Il soutient que gouverner les flottes nécessite de gérer la diversité de la perception et de tarifer les ressources, plutôt que de sommer les utilités.
Modestie : Les auteurs déclarent explicitement que les mécanismes sous-jacents (Kelly, Arrow-Debreu, théorie du contrôle) ne sont pas nouveaux. La contribution réside dans leur unification et la dérivation d'implications de gouvernance spécifiques (ex: conception d'incitations plutôt que surveillance).
Statut : L'article se caractérise comme une « synthèse » plutôt qu'une « découverte ». Il reconnaît que les prédictions les plus distinctivement unifiées (ex: régions de capacité de flotte couplées, évolution dynamique des objectifs) restent testables avec des instruments actuels. Le travail est présenté comme un programme falsifiable, conditionné par de futures expériences multi-agents contrôlées.

L'article conclut que la valeur est une quantité structurelle relative au cadre avec des lois universelles reliant les cadres, désormais testables sur les agents artificiels que la théorie est censée gouverner.