📊 statistics

Semiparametric Efficiency in Sequential Experiments: Characterization and Design via Average Propensity

Cet article établit un benchmark d'efficacité semi-paramétrique pour les expériences séquentielles basé sur un score de propension moyen induit et propose des plans adaptatifs par lots implémentables qui utilisent l'ajustement par régression ou l'équilibrage des covariables pour atteindre cette précision optimale sous diverses contraintes opérationnelles.

Auteurs originaux : Jiachun Li, David Simchi-Levi

Publié 2026-07-01

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Jiachun Li, David Simchi-Levi

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 soyez le responsable d'une plateforme en ligne massive. Vous avez développé plusieurs nouvelles fonctionnalités d'IA (appelons-les des « Assistants IA ») et vous voulez savoir laquelle fonctionne le mieux pour vos utilisateurs. Pour le découvrir, vous lancez une expérience : vous montrez différents assistants à différents utilisateurs et vous mesurez les résultats.

Autrefois, vous auriez simplement lancé une pièce de monnaie pour chaque utilisateur. C'est ce qu'on appelle l'« assignation aléatoire ». C'est équitable, mais ce n'est pas très intelligent. Si vous avez un utilisateur très technophile et un autre qui ne l'est pas, un lancer de pièce pourrait accidentellement donner l'assistant « difficile à utiliser » à l'utilisateur technophile et l'assistant « facile » au non-technophile. Cela crée du « bruit » dans vos données, ce qui rend plus difficile la distinction de quel assistant est réellement le meilleur.

Ce document traite de la manière de mener ces expériences de manière plus intelligente, surtout lorsque vous devez prendre des décisions une par une (de manière séquentielle) et que vous ne pouvez pas attendre que toutes les données arrivent avant d'effectuer un changement.

Voici l'idée centrale, décomposée en concepts simples :

1. Le Problème : Une « cible mouvante »

Dans les expériences modernes, vous ne pouvez pas simplement lancer une pièce une fois et vous y tenir. Vous pourriez avoir besoin de :

S'adapter : Si l'Assistant A semble échouer, vous pourriez vouloir arrêter de le montrer aux nouveaux utilisateurs.
Équilibrer : Vous pourriez vouloir vous assurer d'avoir un nombre égal d'utilisateurs technophiles et de non-technophiles dans chaque groupe.
Suivre des règles : Vous pourriez avoir une limite de budget (seulement 100 personnes peuvent voir l'Assistant B) ou des règles d'équité.

Ces règles rendent les données désordonnées. Les utilisateurs ne sont plus indépendants ; ce qui arrive à l'Utilisateur n°1 affecte ce que reçoit l'Utilisateur n°2. Les outils statistiques standards, qui supposent que tout le monde est indépendant, tombent en panne.

2. La Grande Découverte : La « Recette Moyenne »

Les auteurs ont trouvé un moyen de simplifier ce désordre. Ils ont réalisé que peu importe la complexité de vos règles (adaptatives, équilibrées, budgétisées), tout se résume à un chiffre simple : le Score de Propension Moyen.

Pensez à cela comme à une recette.

Imaginez que vous cuisinez des cookies. Vous avez un ensemble d'instructions complexes : « Si la cuisine est chaude, ajoutez moins de sucre. Si le four est vieux, faites cuire plus longtemps. »
Les auteurs disent : « Ne vous souciez pas des instructions complexes. Regardez simplement la quantité moyenne finale de sucre que vous avez réellement utilisée pour tous les cookies que vous avez cuits. »
Cette « quantité moyenne de sucre » est le Score de Propension Moyen.

L'affirmation Magique : Le document prouve que la précision de votre expérience (la clarté avec laquelle vous voyez la vérité) dépend uniquement de cette recette moyenne. Peu importe si vos règles étaient compliquées ; si votre recette moyenne est bonne, votre expérience sera efficace. Si votre recette moyenne est mauvaise, aucune mathématique sophistiquée ne pourra vous sauver.

3. L'Objectif : La « Recette Parfaite »

Si vous saviez exactement comment chaque utilisateur réagirait, vous pourriez calculer la Recette Parfaite (appelée le « Oracle Benchmark »). Cette recette vous indique exactement combien d'utilisateurs de chaque type devraient recevoir chaque assistant pour obtenir la réponse la plus claire avec le moins de personnes possible.

Le document pose la question suivante : Pouvons-nous concevoir une expérience qui se rapproche de cette Recette Parfaite, même si nous ne connaissons pas les réponses à l'avance ?

4. La Solution : Deux Façons de Cuisiner

Les auteurs proposent deux méthodes pratiques pour se rapprocher de cette Recette Parfaite. Les deux méthodes utilisent une stratégie appelée « Batching » (traitement par lots). Au lieu de changer les règles chaque seconde (ce qui est chaotique et difficile à gérer), vous changez les règles à chaque « lot » (par exemple, tous les 1 000 utilisateurs).

Méthode A : L'« Ajusteur Intelligent » (Ajustement par Régression)

Comment ça marche : Vous lancez un lot d'utilisateurs. Ensuite, vous examinez les données et utilisez un modèle informatique (comme une calculatrice intelligente) pour deviner quels utilisateurs ont bien répondu à quel assistant. Vous utilisez cette supposition pour ajuster la « recette » pour le lot suivant.
Le Piège : Cette méthode repose sur le fait que le modèle informatique soit très précis. Si le modèle est légèrement erroné, cela peut fausser vos résultats. Le document montre que cela fonctionne bien, mais seulement si le modèle est suffisamment bon.
Analogie : C'est comme un chef qui goûte la soupe, devine ce qui manque, puis ajoute des épices. Si les papilles du chef sont défaillantes, la soupe pourrait quand même être trop salée.

Méthode B : La « Balance Équilibrée » (Équilibrage des Covariables)

Comment ça marche : Au lieu de deviner la réponse avec un modèle, cette méthode se concentre sur l'imposition de l'équilibre pendant l'assignation. Elle garantit que, dans chaque lot, les groupes sont parfaitement appariés (par exemple, exactement le même nombre d'utilisateurs technophiles dans chaque groupe).
L'Avantage : Comme les groupes sont parfaitement équilibrés, vous n'avez pas besoin d'un modèle informatique sophistiqué pour corriger les données plus tard. Vous pouvez utiliser une formule mathématique simple et robuste (comme une simple moyenne) pour obtenir la réponse.
Le Piège : Il est plus difficile d'équilibrer parfaitement si vous avez trop de types d'utilisagers différents (dimensions élevées).
Analogie : C'est comme un chef qui ne goûte pas la soupe, mais qui mesure soigneusement chaque ingrédient pour s'assurer que les ratios sont parfaits dès le départ. La soupe est réussie parce que les ingrédients étaient équilibrés, et non parce que le chef a deviné le goût.

5. Preuve dans le Monde Réel

Les auteurs ont testé ces idées de deux manières :

Simulations : Ils ont créé des données fictives avec différents niveaux de complexité (certaines faciles, d'autres très difficiles avec de nombreuses variables). Ils ont constaté que leurs méthodes surpassaient systématiquement la méthode du « lancer de pièce ».
Données Réelles (Assistants Médicaux IA) : Ils ont appliqué cela à une véritable étude évaluant des assistants médicaux IA. Ils devaient comparer quatre assistants IA différents.
- Ils ont constaté qu'en utilisant leurs méthodes par « lots », ils pouvaient obtenir le même niveau de précision avec moins d'utilisateurs (ou une meilleure précision avec le même nombre d'utilisateurs).
- Ils ont également montré que pour la méthode de la « Balance Équilibrée », cela aidait à se concentrer sur les traits les plus importants de l'utilisateur (comme l'âge et le type de scénario) plutôt que d'essayer d'équilibrer chaque détail.

Résumé

Ce document fournit un nouveau « manuel de règles » pour mener des expériences modernes.

La Règle : Ne vous souciez pas des règles complexes que vous utilisez pour assigner les traitements. Concentrez-vous simplement sur la distribution moyenne de ces traitements.
La Stratégie : Exécutez les expériences par lots.
Les Outils : Vous pouvez soit utiliser un modèle intelligent pour ajuster la recette (Méthode A), soit utiliser un équilibrage strict pour garantir l'équité (Méthode B).
Le Résultat : Vous obtenez des réponses plus précises, plus rapidement, et avec moins de ressources, même lorsque l'expérience est complexe et évolue en temps réel.

C'est passer du lancer de pièce à l'utilisation d'un GPS qui recalcule votre itinéraire tous les quelques kilomètres pour vous assurer d'arriver à destination le plus efficacement possible.

Résumé technique : Efficacité semi-paramétrique dans les expériences séquentielles via la propension moyenne

1. Formulation du problème

Les contextes expérimentaux modernes, particulièrement dans l'évaluation des services et des interventions de plateformes assistés par l'IA, s'écartent fréquemment de l'échantillonnage classique indépendant et identiquement distribué (i.i.d.). Les assignations sont souvent adaptatives, équilibrées selon les covariables, ou contraintes par des limites opérationnelles telles que des plafonds d'exposition, des budgets de traitement et des exigences d'équité. Ces caractéristiques induisent une dépendance entre les observations, rendant la théorie de l'efficacité classique basée sur l'i.i.d. insuffisante pour guider la conception expérimentale.

Le papier traite deux questions centrales :

Quel est le benchmark d'efficacité fondamental pour estimer un estimand causal cible dans une expérience séquentielle avec des assignations dépendantes ?
Comment des conceptions implémentables peuvent-elles approcher ce benchmark en pratique, particulièrement sous des contraintes comme le feedback différé et le besoin de stabilité opérationnelle ?

Les auteurs formalisent le cadre en utilisant un cadre de conception non-anticipatrice. Les unités sont indexées par un ordre d'assignation $t=1,\dots,n$ , et l'assignation du traitement $A_t$ dépend uniquement de l'historique $\mathcal{F}_{t-1}$ et de la covariable actuelle $X_t$ , sans jamais dépendre des résultats ou des covariables futurs. Ce cadre unifie la randomisation i.i.d., les conceptions stratifiées hors ligne et les conceptions adaptatives séquentielles.

2. Méthodologie et cadre théorique

2.1 Le score de propension moyenne induit

La contribution théorique centrale est l'identification du score de propension moyenne induit comme la statistique suffisante pour le benchmark d'efficacité. Pour toute conception non-anticipante $\text{ALG}$ , la propension moyenne induite $\bar{e}_a(x)$ est définie par :
$\bar{e}_a(x) := \frac{1}{n} \sum_{t=1}^n \mathbb{E}_{\text{ALG}}[e_t(a | x, \mathcal{F}_{t-1})]$
où $e_t$ est la probabilité d'assignation conditionnelle à l'étape $t$ .

2.2 Borne inférieure semi-paramétrique

Le papier établit une borne inférieure semi-paramétrique pour les estimateurs réguliers et localement non biaisés. Le Théorème 1 prouve que pour toute conception non-anticipante, la variance asymptotique d'un estimateur est bornée inférieurement par le benchmark d'efficacité i.i.d. évalué au score de propension moyenne $\bar{e}$ :
$\text{Var}(T) \geq \frac{1}{n} V(\bar{e}) = \frac{1}{n} \mathbb{E}[\phi_{\bar{e}}(O)^2]$
où $\phi_{\bar{e}}$ est la fonction d'influence efficace (EIF) sous la propension fixe $\bar{e}$ .

Ce résultat implique que la complexité statistique des conceptions adaptatives, équilibrées ou contraintes se réduit à un seul objet : l'exposition moyenne au traitement allouée à travers les valeurs des covariables. Les contraintes opérationnelles (ex: limites de budget) sont incorporées en restreignant l'ensemble admissible des propensions moyennes.

2.3 Allocation de Neyman généralisée

Pour les cibles vectorielles (ex: effets de traitements multiples), le papier dérive une allocation de Neyman généralisée. La conception optimale minimise la trace de la matrice de covariance de l'EIF, menant à une règle d'allocation où les bras de traitement ayant une variance conditionnelle plus élevée dans la fonction d'influence efficace reçoivent une exposition plus grande. Pour les fonctionnelles linéaires des moyennes de résultats, cela se réduit à la règle classique d'allocation de Neyman.

3. Approches constructives du benchmark

Le papier propose deux conceptions adaptatives par lots (batched) complémentaires et implémentables qui approchent le benchmark théorique. Les deux méthodes ne mettent à jour la politique d'assignation qu'un nombre logarithmique de fois ( $B \asymp \log n$ ), assurant la compatibilité avec le feedback différé et l'auditabilité opérationnelle.

3.1 Voie 1 : Ajustement de régression adaptatif par lots

Cette approche se concentre sur la correction du côté de l'estimateur.

Mécanisme : L'expérience est divisée en lots. Au sein de chaque lot, la règle d'assignation est fixe. À la fin de chaque lot, les paramètres de nuisance (régressions de résultats et fonctions de second moment) sont estimés en utilisant le cross-fitting sur les données accumulées. La règle d'assignation pour le lot suivant est mise à jour via la minimisation par plug-in de l'objectif de conception oracle.
Estimands généraux : Pour les estimands lisses généraux, la méthode atteint le benchmark oracle à condition que les estimateurs de nuisance convergent à une vitesse supérieure à $n^{-1/4}$ . C'est un goulot d'étranglement connu dans l'estimation semi-paramétrique dû au biais de second ordre du plug-in.
Fonctionnelles linéaires : Pour les fonctionnelles linéaires des moyennes de résultats (ex: Effets de Traitement Moyens, Valeurs de Politique), le biais de plug-in s'annule exactement grâce à la structure de l'EIF. Par conséquent, le goulot d'étranglement $n^{-1/4}$ disparaît. Le papier établit un taux de convergence de second ordre net de $O(n^{-1-2\alpha} \vee n^{-1-2\beta})$ , où $\alpha$ et $\beta$ sont les taux de convergence de la régression de résultat et des estimateurs de second moment, respectivement. Un taux de borne inférieure correspondante prouve que ce taux est minimax-optimal.

3.2 Voie 2 : Équilibrage de covariables adaptatif par lots

Cette approche se concentre sur le contrôle du côté de la conception pour contourner les goulots d'étranglement de l'estimation de nuisance.

Mécanisme : Cette voie utilise un estimateur simple basé sur les moments (pas d'ajustement de régression dans l'étape finale). La conception impose un équilibre local des fonctions de moment indexées par les covariables au sein de chaque lot en utilisant le partitionnement spatial et les permutations groupées. La propension cible est mise à jour à travers les lots sur la base de proxys de second moment estimés.
Efficacité : En contrôlant le "reste d'équilibrage" (l'écart par rapport à la propension cible) au sein des lots, cette méthode atteint le benchmark semi-paramétrique $V^*/n$ sans nécessiter d'estimation de nuisance non-paramétrique dans l'étape d'estimation.
Compromis : Le reste d'équilibrage décroît à un taux dépendant de la dimension $O(m^{-1/(d+4)})$ pour une taille de lot $m$ . Ainsi, cette voie est la plus efficace dans les contextes de faible dimension ou lorsque la dimension effective de l'hétérogénéité est faible.

4. Résultats clés et validation empirique

4.1 Résultats théoriques

Cadre unifié : Le score de propension moyenne induit unifie les conceptions précédemment disparates pour les limites d'efficacité des conceptions adaptatives, stratifiées et à randomisation locale sous un cadre non-anticipatif unique.
Résolution de conjectures : Le cadre résout une conjecture de Cytrynbaum (2021) concernant les limites d'efficacité des conceptions expérimentales à deux étapes.
Netteté Minimax : Pour les fonctionnelles linéaires, le papier fournit la première caractérisation minimax du taux de convergence vers la borne d'efficacité semi-paramétrique pour les expériences séquentielles générales.

4.2 Études numériques et empiriques

Les auteurs valident leurs méthodes via des simulations synthétiques et une application réelle :

Expériences synthétiques : Les simulations avec des dimensions variables ( $d \in \{2,3,8\}$ ) et de l'hétéroscédasticité montrent que les deux voies adaptatives surpassent significativement la randomisation uniforme. La voie d'ajustement de régression (RA) est robuste aux hautes dimensions, tandis que la voie d'équilibrage de covariables (CB) performe le mieux lorsque le partitionnement d'équilibrage s'aligne sur la structure de faible dimension (dimension effective) des données.
Évaluation d'assistant médical par IA : En utilisant les données de l'étude HELPMed (Bean et al., 2026), les auteurs ont évalué plusieurs assistants IA par rapport à une ligne de base. Les conceptions adaptatives ont réduit l'erreur quadratique moyenne (MSE) normalisée d'environ 5 à 8 % par rapport à la randomisation uniforme. L'étude a souligné que l'utilisation d'un partitionnement adaptatif aux données et de faible dimension pour la voie CB améliorait considérablement les performances dans les contextes de haute dimension.

5. Signification et revendications

Le papier prétend fournir un cadre unifié pour caractériser et concevoir des expériences séquentielles efficaces. Sa principale signification réside dans :

Recadrage de la conception : Il déplace l'accent de la conception expérimentale de l'optimisation de mécanismes d'assignation complexes et dépendants du chemin vers l'apprentissage ou le choix d'un score de propension moyenne efficace.
Faisabilité opérationnelle : En démontrant que le benchmark d'efficacité peut être approché avec seulement un nombre logarithmique de mises à jour de politique, le papier comble le fossé entre l'optimalité théorique et les contraintes opérationnelles (feedback différé, auditabilité, stabilité).
Flexibilité pratique : Les deux voies complémentaires (ajustement de régression et équilibrage de covariables) offrent des compromis aux praticiens : la RA est flexible pour les contextes de haute dimension mais nécessite une estimation de nuisance rapide ; la CB est robuste et simple mais nécessite une gestion prudente de la dimension de l'espace des covariables.

Les auteurs concluent que le score de propension moyenne sert de langage commun pour comprendre les limites statistiques dans l'expérimentation séquentielle, permettant la conception d'expériences de traitements multiples efficaces dans des applications modernes comme l'évaluation de services d'IA.