Networks of commitments: from social ties to normative expectations

Résumé technique : Réseaux d'engagements : des liens sociaux aux attentes normatives

Énoncé du problème
L'article traite du défi que représente le passage à l'échelle de l'action collective, particulièrement dans le contexte des enjeux mondiaux comme le changement climatique, qui représentent des problèmes d'action collective impliquant des conflats entre l'intérêt personnel et les biens publics. Bien que la recherche existante souligne la nature multi-niveaux de ces problèmes, il existe une exploration insuffisante des mécanismes comportementaux spécifiques par lesquels les individus actualisent leurs croyances concernant l'action collective. Plus précisément, les auteurs notent une lacune dans la compréhension de la manière dont le passage à l'échelle réussit, ou pourquoi il échoue souvent, lors du passage de l'expérimentation locale à l'adoption sociétale plus large. Le problème central est d'expliquer comment les engagements conjoints locaux interagissent avec les attentes normatives au niveau du réseau pour déterminer si les changements de croyance passent à l'échelle supérieure ou restent confinés à des sous-groupes.

Méthodologie
Les auteurs développent un modèle à base d'agents (ABM) co-évolutionnaire intégré à une analyse de réseaux sociaux (SNA) pour simuler l'interaction entre l'engagement conjoint et les attentes normatives. Le modèle opère sur une population de $n=1000$ agents au sein d'un réseau dynamique, binaire et non pondéré où les liens représentent des liens sociaux formés par engagement conjoint.

Le mécanisme est structuré en une boucle de rétroaction à deux phases :

1. Phase 1 : Engagement conjoint et formation de liens. Les agents possèdent une « disposition individuelle » initiale ($p_j$) à s'engager dans l'action collective, tirée de diverses distributions (Uniforme, Gaussienne ou Gamma). À chaque étape temporelle, les agents interagissent. Un engagement conjoint (et le lien social résultant) est formé entre deux agents si le produit de leur disposition individuelle ($p_j \cdot p_k$) dépasse un seuil ($s$). Ce seuil $s$ représente l'accessibilité et la saillance de l'information concernant l'objectif collectif. Un $s$ plus bas implique une saillance plus élevée, rendant la formation de liens plus facile.
2. Phase 2 : Attentes normatives et mise à jour des croyances. Les agents actualisent leur disposition en fonction des « attentes normatives », définies comme des croyances de second ordre sur ce que les autres jugent approprié. Les agents comparent leur coefficient de regroupement local ($c_j$), représentant la densité des liens au sein de leur groupe immédiat, au coefficient de regroupement global ($c$), représentant la densité des liens à travers l'ensemble du réseau.
   • La différence $d_j = c - c_j$ sert de gradient.
   • Les agents actualisent leur disposition ($p_j$) selon la règle : $p_j(t+1) = p_j(t) \cdot e^{\omega_j \cdot d_j(t)}$.
   • Le paramètre $\omega_j$ représente la sensibilité d'un agent aux attentes normatives. Si $\omega_j > 0$, l'agent suit la tendance globale ; si $\omega_j < 0$, il suit la tendance locale ; si $\omega_j = 0$, il n'est pas affecté.

La simulation s'exécute jusqu'à convergence, testant 12 scénarios formés par le croisement de trois distributions de disposition initiale (ipc) avec quatre distributions de sensibilité aux attentes normatives (sne), à travers différents niveaux de saillance de l'information ($s$).

Contributions clés

• Intégration théorique : L'article intègre la théorie de l'engagement conjoint de Margaret Gilbert (se concentrant sur les obligations mutuelles découlant de l'interaction directe) avec la théorie des attentes sociales de Cristina Bicchieri (se concentrant sur les croyances de second ordre concernant ce que les autres pensent qu'il convient de faire). Cela crée un cadre unifié où la formation d'engagement et l'inférence basée sur les normes co-évoluent.
• Dynamique de réseau endogène : Contrairement aux modèles à topologies fixes, ce cadre traite la structure du réseau comme endogène. Les liens sont créés ou détruits en fonction de l'évolution de la disposition des agents et de la saillance de l'information.
• Mécanisme de mise à l'échelle : Le modèle formalise comment l'écart entre l'engagement local et la diffusion globale stimule la mise à jour des croyances. Il postule que la mise à l'échelle dépend de l'alignement entre les engagements conjoints locaux et l'environnement normatif perçu plus large.

Résultats de la simulation
Les simulations révèlent des dynamiques non linéaires et dépendantes du sentier, aboutissant à trois résultats agrégés principaux : la polarisation, la convergence et la fragmentation.

• Impact de la saillance de l'information ($s$) : Une saillance élevée (faible $s$) facilite la formation de liens et permet une mise à jour significative des croyances. Une saillance faible ( $s$ élevé) entrave la formation de liens, causant le maintien du système proche de son état initial.
• Conditions initiales et sensibilité :
  • Polarisation : Émerge fortement lorsque la saillance de l'information est élevée et que les agents sont hétérogènes dans leur sensibilité aux signaux locaux vs globaux (par exemple, le cas sne-ΓR où les agents sont ancrés localement). Cela peut mener à une distribution bimodale où les agents s'engagent pleinement ou se désengagent totalement.
  • Convergence : Se produit lorsque les agents sont sensibles aux signaux globaux (sne-ΓL) ou lorsque la disposition initiale est faible mais que la saillance de l'information est élevée, les poussant vers un niveau de l'engagement partagé.
  • Fragmentation : Observée dans les scénarios avec une saillance modérée et des distributions de sensibilité spécifiques, où le réseau ne parv'à pas se coaliser en clusters stables.
• Contribution sociale agrégée (ASC) : La contribution totale à l'action collective n'augmente pas toujours avec l'interaction. Dans certains scénarios (particulièrement avec une saillance élevée et un ancrage local), la polarisation peut conduire à un ASC inférieur à l'état initial. Inversement, une saillance élevée peut compenser la polarisation pour maintenir la contribution, tandis qu'une faible saillance rend le comportement de convergence plus efficace pour la performance sociale.
• Trajectoires individuelles : Au niveau micro, les agents présentent des trajectoires volatiles et idiosyncrasiques, incluant des oscillations autour du seuil, des changements soudains et des divergences par rapport aux conditions initiales, soulignant la nature chaotique du système.

Signification et affirmations
L'article affirme proposer un « compte rendu stylisé et fondé sur la théorie » de la manière dont les engagements conjoints et les attentes normatives co-évoluent au sein de structures de réseau. Il ne prétend pas fournir un compte rendu général de toute action collective ou modéliser les gains stratégiques et l'application institutionnelle.

La signification primaire réside dans la démonstration que l'engagement conjoint est une condition nécessaire mais non suffisante pour une coordination à grande échelle. Le modèle montre que le succès de la mise à l'échelle dépend de manière critique de :

1. L'alignement entre l'engagement local et le soutien perçu global.
2. La saillance de l'information concernant les objectifs collectifs.
3. L'hétérogénéité de la sensibilité des agents aux attentes normatives.

Les auteurs concluent que les réponses efficaces aux problèmes d'action collective nécessitent de favoriser les engagements conjoints locaux tout en s'assurant simultanément que ces engagements sont perçus comme normativement appropriés au niveau du réseau plus large. Ils suggèrent que des campagnes ciblées amplifiant les engagements précoces pourraient renforcer la boucle de rétroaction entre l'engagement et l'attente, résolvant potentiellement les problèmes d'action collective. L'étude reconnaît ses limites, notant que le modèle n'est pas calibré empiriquement et que les travaux futurs devraient se concentrer sur la validation empirique par des expériences d'enquête et des interventions basées sur les réseaux.