📈 economics

A Study on Strategies for Enhancing the Resilience of Manufacturing Industrial Chains Based on Three-Party Evolutionary Games

Cet article emploie un modèle de théorie des jeux évolutionnaires à trois parties et des simulations numériques pour démontrer que l'optimisation de la réglementation gouvernementale, la réduction des coûts de participation et l'exploitation de l'autonomisation numérique sont des stratégies critiques pour surmonter les échecs de coordination et atteindre un équilibre stable et résilient entre le gouvernement, les entreprises chefs de file et les autres entités manufacturières.

Auteurs originaux : Yong Jiao, Ruxue Xu

Publié 2026-07-30

📖 9 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Yong Jiao, Ruxue Xu

Article original sous licence CC BY 4.0 (https://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 l'économie mondiale comme une immense ville bouillonnante où des millions de petits travailleurs, d'usines et de camions déplacent constamment des marchandises d'un endroit à un autre. Cette ville est la « chaîne industrielle ». Parfois, une tempête géante frappe (comme une pandémie ou une guerre), ou un pont s'effondre (un goulot d'étranglement technologique), et toute la ville s'arrête de fonctionner. Pour faire fonctionner la ville, nous avons besoin de « résilience » — ce qui est juste un mot sophistiqué pour désigner la capacité à rebondir rapidement, à s'adapter au chaos et à maintenir les activités même quand tout tourne mal.

Mais voici la partie délicate : construire une ville résiliente n'est pas un travail en solitaire. Cela nécessite que trois groupes principaux travaillent ensemble : le Gouvernement (le maire de la ville qui établit les règles), l'Entreprise de Tête de Chaîne (la grande usine patronne qui donne le rythme) et les Autres Entreprises (les centaines de fournisseurs et partenaires plus petits). Le problème est que ces trois groupes jouent souvent au jeu du « l'un n'arrête pas l'autre » (le jeu de la poule chauve). Le grand patron peut penser : « Pourquoi devrais-je dépenser de l'argent pour réparer la ville si tous les autres ne font que profiter de mon effort ? » Les plus petits fournisseurs peuvent penser : « Je vais juste attendre de voir si le maire me paie pour aider. » Et le maire peut penser : « Je ne peux pas les forcer à aider si cela coûte trop cher. » C'est un échec de coordination classique, où chacun agit dans son propre intérêt, et toute la ville finit par être vulnérable.

Ce document plonge précisément dans ce drame. En utilisant un outil mathématique appelé « modèle de jeu évolutionnaire » (pensez à une simulation très avancée de la façon dont les gens apprennent et changent d'avis au fil du temps), les auteurs explorent comment ces trois groupes peuvent arrêter de jouer et commencer à travailler ensemble. Ils ne se contentent pas de deviner ; ils exécutent des simulations informatiques pour voir ce qui se passe lorsque le maire change les règles, lorsque le grand patron dépense plus d'argent ou lorsque les plus petits fournisseurs deviennent meilleurs pour communiquer entre eux. L'objectif est de trouver la recette parfaite pour transformer une ville chaotique et risquée en une ville super résiliente.

Le Grand Jeu : Qui joue quoi ?

Les auteurs ont mis en place un jeu à trois voies impliquant le Gouvernement, l'Entreprise de Tête de Chaîne (le « Grand Patron ») et les Autres Entreprises (l'« Équipe de Soutien »). Chaque joueur a deux choix :

Le Grand Patron : Fait-il un investissement énorme et coûteux pour rendre la chaîne d'approvisionnement robuste et prête à tout (Investissement Actif), ou se contente-t-il de faire le strict minimum pour économiser de l'argent (Investissement Passif) ?
L'Équipe de Soutien : Se regroupent-ils, partagent-ils leurs secrets et aident-ils le Grand Patron quand les choses deviennent difficiles (Coopération), ou font-ils simplement leurs propres affaires en espérant que tout se passe bien (Non-Coopération) ?
Le Gouvernement : Intervient-il avec des règles strictes, de grandes récompenses et des sanctions sévères (Régulation Forte), ou reste-t-il en retrait pour observer (Régulation Faible) ?

Le document soutient qu'actuellement, le système est coincé dans une mauvaise boucle. Le Grand Patron a peur de dépenser de l'argent car c'est coûteux. L'Équipe de Soutien a peur d'aider car elle ne veut pas travailler gratuitement. Et le Gouvernement peine à les forcer à coopérer sans se ruiner.

La Simulation : Tester les règles

Pour résoudre cela, les auteurs ont construit un terrain de jeu numérique utilisant MATLAB R2024b. Ils ne se sont pas contentés de regarder des données réelles ; ils ont créé un monde virtuel où ils pouvaient ajuster les curseurs et voir les résultats. Ils ont utilisé une étude de cas spécifique de l'industrie des véhicules à énergie nouvelle à Changzhou, en Chine, comme source d'inspiration. Dans cet exemple du monde réel, une entreprise appelée Li Auto (le Grand Patron) a investi un montant massif de 11,3 milliards de yuans en recherche et développement en 2025. Cet investissement colossal a aidé d'autres entreprises, comme Sanhua Holding Group et Inovance Technology, à devenir des leaders dans leurs domaines respectifs. Le gouvernement local a également contribué avec un fonds spécial de 5 milliards de yuans et des politiques accélérées.

Les auteurs ont pris la logique de cette réussite réelle et l'ont injectée dans leur modèle mathématique pour voir s'ils pouvaient prédire le résultat. Ils ont calibré les paramètres de leur modèle en utilisant les données des rapports annuels 2025 de Li Auto, Sanhua Holding Group et Inovance Technology, ainsi que la Politique Spéciale de l'Industrie des Véhicules à Énergie Nouvelle de Changzhou. Bien que les valeurs numériques spécifiques assignées dans la simulation aient été définies pour refléter des magnitudes relatives et des scénarios hypothétiques (tels que des niveaux d'investissement futurs), elles étaient ancrées dans ces rapports d'entreprises et documents de politique réels afin de garantir que la simulation dépeigne fidèlement les tendances évolutionnaires du système.

Ils ont testé différents scénarios en modifiant des chiffres tels que :

Les Pénalités ( $F_g$ ) : Combien le Grand Patron est amendé s'il n'investit pas.
Les Subventions ( $S$ ) : Combien d'argent le Gouvernement donne au Grand Patron pour investir.
Les Récompenses ( $R_m$ ) : Combien le Gouvernement paie à l'Équipe de Soutien pour aider.
Les Coûts ( $C_e$ et $C_u$ ) : Combien coûte l'investissement pour le Grand Patron et la coopération pour l'Équipe.
Le Coefficient d'Information ( $k$ ) : La capacité de l'Équipe à partager des informations avec le Grand Patron (comme un talkie-walkie numérique).

Ce que disent les chiffres : La recette du succès

Les simulations ont révélé un chemin très clair vers une fin heureuse. Le système tend naturellement à se stabiliser dans un état où le Gouvernement est Fort, le Grand Patron est Actif et l'Équipe est Coopérative. Mais pour y parvenir, il faut le bon mélange d'outils.

1. Le Bâton et la Carotte :
Le document a découvert que les pénalités sont un « bâton » puissant. Lorsque le gouvernement augmente l'amende pour le Grand Patron qui ne fait rien, celui-ci passe rapidement à l'investissement. C'est comme un parent qui dit : « Si tu ne ranges pas ta chambre, tu perds ton temps de jeu vidéo. » La menace de perdre de l'argent force le Grand Patron à agir.
Cependant, les pénalités seules ne suffisent pas. Les subventions (la « carotte ») sont cruciales. Lorsque le gouvernement donne de l'argent au Grand Patron pour investir, cela rend l'investissement moins risqué. Les simulations ont montré qu'à mesure que les subventions augmentent, la volonté du Grand Patron d'investir monte en flèche.

2. Le Coût de l'Activité :
Voici un obstacle majeur : les Coûts. Les simulations ont montré que si le coût est trop élevé pour le Grand Patron pour investir ( $C_e$ ) ou pour l'Équipe pour coopérer ( $C_u$ ), tout le système stagne. Même avec de bonnes règles, si le prix est trop élevé, tout le monde abandonne. Le document suggère que le gouvernement doit aider à abaisser ces coûts, peut-être via des déductions fiscales ou une meilleure technologie, pour que cela en vaille la peine pour tout le monde.

3. La Magie de la « Communication » (Le Coefficient d'Information) :
L'une des découvertes les plus intéressantes concerne le Coefficient de Transmission d'Information ( $k$ ). Considérez cela comme la qualité de la connexion internet entre le Grand Patron et l'Équipe. Si la connexion est mauvaise ( $k$ est bas), l'Équipe ne peut pas aider efficacement, et le Grand Patron ne voit pas l'intérêt d'investir. Mais si la connexion est super rapide et claire ( $k$ est élevé) — grâce aux plateformes numériques et au partage de données — l'Équipe peut aider le Grand Patron à résoudre des problèmes instantanément. Les simulations ont montré que l'amélioration de cette « connexion numérique » permet à l'ensemble du système de converger vers la fin heureuse beaucoup plus rapidement. Cela transforme un processus lent et désordonné en une collaboration fluide et à haute vitesse.

4. Le Long Terme :
Le document a également examiné ce qui se passe si le Gouvernement ne voit pas les bénéfices à long terme. Si le Gouvernement pense : « Réparer cette chaîne n'aidera pas beaucoup l'économie », il ne prendra pas la peine de réguler. Mais s'il voit qu'une chaîne forte apporte de grandes récompenses comme la croissance économique et la création d'emplois ( $R_g$ ), il sera beaucoup plus enclin à maintenir la pression. Les simulations ont montré que lorsque le Gouvernement valorise la victoire à long terme, il maintient les règles strictes, ce qui oblige les autres à suivre le mouvement.

Le Verdict : Un Gagnant-Gagnant-Gagnant

Le document conclut qu'il existe un « point idéal » où tout le monde gagne. Si le Gouvernement fixe les bonnes pénalités et récompenses, réduit les coûts pour tous et construit de meilleurs ponts numériques pour la communication, le système évolue naturellement vers un état de Régulation Forte, d'Investissement Actif et de Partenariat Coopératif.

Cependant, les auteurs préviennent que si les coûts sont trop élevés ou les récompenses trop faibles, le système peut rester bloqué dans un « mauvais équilibre ». Dans cet état néfaste, le Gouvernement ne fait rien, le Grand Patron économise de l'argent en ne faisant rien, et l'Équipe refuse d'aider. Le résultat est une chaîne fragile qui se brise facilement.

Le point clé est que la politique compte. Il ne s'agit pas seulement de dire aux entreprises d'être « résilientes ». Il s'agit de concevoir un système où être résilient est le choix le plus rentable et le plus logique pour toutes les parties impliquées. En utilisant un mélange de règles strictes, d'aide financière et d'outils numériques, le gouvernement peut guider le Grand Patron et l'Équipe hors de leurs jeux égoïstes pour en faire une équipe capable de traverser n'importe quelle tempête.

En bref, le document suggère qu'avec le bon mélange de carottes, de bâtons et d'internet à haut débit, nous pouvons transformer une chaîne industrielle fragile en une chaîne super solide, garantissant que notre économie continue de fonctionner normalement, peu importe ce que le monde nous réserve.

Résumé Technique : Une étude sur les stratégies de renforcement de la résilience des chaînes industrielles manufacturières basées sur des jeux évolutionnaires à trois acteurs

1. Énoncé du problème

Le paysage manufacturier mondial fait face à des transformations structurelles profondes et à des perturbations fréquentes dues à des événements de type « cygne noir » (ex. : conflits géopolitiques, pandémies), créant des vulnérabilités significatives dans les chaînes industrielles. Plus précisément, le secteur manufacturier chinois est confronté à la double pression d'un « rapatriement haut de gamme » et d'une « délocalisation de bas de gamme », ainsi qu'aux risques de « points de blocage » technologiques et de déconnexions entre l'offre et la demande.

Le problème central identifié est un échec de coordination multi-parties prenantes. Bien que les entreprises de tête de chaîne soient censées piloter la résilience, elles manquent souvent de volonté d'investir en raison de coûts élevés et d'une aversion au risque. Simultanément, d'autres entreprises au sein de la chaîne font preuve de comportements de « passager clandestin » (free-riding), et la régulation gouvernementale manque souvent de la rigidité ou de la compatibilité incitative nécessaire pour aligner ces intérêts. Les recherches existantes se sont largement concentrées sur des influences unidirectionnelles ou des contextes spécifiques (ex. : transformation bas-carbone) plutôt que de modéliser directement les interactions stratégiques requises pour renforcer la résilience de la chaîne industrielle manufacturière en tant qu'objectif de sécurité nationale unifié. Il existe une lacune dans la compréhension des mécanismes d'autonomisation ascendante (bottom-up) par lesquels les entreprises de soutien contribuent activement à l'investissement de résilience du leader de la chaîne.

2. Méthodologie

L'article emploie un cadre de théorie des jeux évolutionnaires à trois parties pour modéliser les interactions stratégiques dans des conditions de rationalité limitée. Les trois acteurs sont :

Le Gouvernement : Les stratégies incluent une Régulation Forte (intervention active, subventions, pénalités) et une Régulation Faible.
Les Entreprises de Tête de Chaîne : Les stratégies incluent un Investissement Actif (haute résilience, R&D, redondance) et un Investissement Passif.
Les Autres Entreprises de la Chaîne : Les stratégies incluent la Coopération (partage d'informations, production flexible) et la Non-coopération.

Construction du modèle :

Hypothèses : Les acteurs sont dotés d'une rationalité limitée et apprennent par essais et erreurs. Le modèle incorpore un coefficient de transmission d'information ( $k$ ) pour quantifier l'efficacité de l'autonomisation ascendante des entreprises de soutien vers le leader de la chaîne.
Matrice de gains : Une matrice de jeu à stratégies mixtes est construite en considérant les coûts (investissement, coopération, régulation), les bénéfices (gains à long terme, valeur sociale), les pénalités (pour l'investissement passif) et les subventions.
Analyse : L'étude dérive les équations de la dynamique du réplicateur pour chaque partie afin de déterminer les Stratégies Évolutivement Stables (ESS). La stabilité est analysée à l'aide de la matrice jacobienne et de la première méthode de Lyapunov pour identifier les points d'équilibre asymptotiquement stables.
Simulation Numérique : MATLAB R2024b est utilisé pour simuler l'évolution du système sur 50 étapes temporelles. Les paramètres sont calibrés sur la base de données réelles de l'industrie des véhicules à énergie nouvelle à Changzhou (ex. : Li Auto, Inovance Technology, Sanhua Holding Group) et de documents politiques pertinents.

3. Principales Contributions

L'article apporte trois contributions théoriques et méthodologiques majeures :

Application Directe à la Résilience : Contrairement aux études précédentes axées sur l'innovation collaborative ou les transitions bas-carbone, ce modèle cible directement le renforcement de la résilience de la chaîne industrielle manufacturière comme un objectif stratégique central, s'alignant sur les stratégies de sécurité nationale.
Incorporation de l'Autonomisation Ascendante : Le modèle introduit de manière innovante un coefficient de transmission d'information ( $k$ ). Celui-ci quantifie la manière dont les entreprises de soutien autonomisent activement les entreprises de tête de chaîne via le partage d'informations et l'adaptation technologique, comblant ainsi la lacune de la littérature existante qui traite les petites entreprises comme des suiveuses passives.
Sensibilité des Paramètres de Politique : À travers la simulation numérique, l'article fournit une limite décisionnelle quantifiable pour le « système de chef de chaîne », révélant les conditions dynamiques sous lesquelles des paramètres de politique gouvernementale spécifiques (subventions, pénalités, récompenses) dirigent efficacement le système vers un équilibre optimal.

4. Résultats et Constatations

L'analyse identifie un état d'équilibre stable idéal : (Régulation Forte, Investissement Actif, Coopération Collaborative). Les principales conclusions sont :

Les Outils de Politique comme Moteurs Centraux :
- Pénalités ( $F_g$ ) : Les pénalités gouvernementales pour l'investissement passif agissent comme une « contrainte rigide », augmentant considérablement le coût d'opportunité de l'inaction et forçant les entreprises de tête de chaîne à passer à des stratégies actives.
- Subventions ( $S$ ) et Récompenses ( $R_m$ ) : Les subventions pour l'investissement actif et les récompenses pour la coopération servent d'incitations positives, compensant les coûts élevés et stimulant la motivation intrinsèque.
- Synergie : L'utilisation coordonnée des pénalités et des incitations accélère la convergence vers l'état idéal.
Les Coûts comme Goulots d'Étranglement :
- Les coûts de participation élevés (coûts d'investissement pour les leaders, coûts de coopération pour les autres) sont identifiés comme des goulots d'étranglement fondamentaux. À mesure que ces coûts augmentent, la probabilité que le système converge vers l'état idéal diminue et le temps pour atteindre l'équilibre s'allonge.
Transmission de l'Information ( $k$ ) :
- Il est prouvé que le coefficient de transmission de l'information est crucial. Des valeurs de $k$ plus élevées (représentant un meilleur renforcement numérique et un meilleur partage d'informations) amplifient les bénéfices de l'investissement de résilience pour le leader de la chaîne, réduisant les coûts d'essais et erreurs et accélérant la convergence du système.
Conditions de Stabilité :
- Le système converge vers un point stable unique (1,1,1) uniquement lorsque des conditions spécifiques sont remplies : les bénéfices nets de la coopération pour les entreprises de soutien doivent excéder leurs coûts, et les bénéfices sociaux à long terme de la résilience pour le gouvernement doivent l'emporter sur les coûts de régulation et de subventions. Si ces conditions ne sont pas remplies, le système peut tomber dans un équilibre inefficace (ex. : régulation faible, investissement passif).

5. Signification et Revendications

L'article affirme fournir une base théorique et une référence décisionnelle pour améliorer le cadre de gouvernance du « système de chef de chaîne ». Sa signification réside dans :

Surmonter l'Échec de Coordination : Il offre un mécanisme pour résoudre l'« échec de coordination » où les leaders de chaîne sont peu enclins à investir et les autres peu enclins à coopérer.
Guidage de la Conception de Politiques : Il suggère que les gouvernements doivent fixer de manière raisonnable les paramètres de politique pour garantir que les bénéfices nets de la participation active dépassent les coûts d'un comportement opportuniste.
Autonomisation Numérique : Il souligne que l'infrastructure numérique n'est pas seulement un outil d'efficacité, mais un catalyseur critique pour réduire les coûts de participation et amplifier les rendements des investissements de résilience.
Durabilité à Long Terme : Il met l'accent sur le fait que la perception par le gouvernement des bénéfices à long terme (croissance économique, sécurité) est le moteur fondamental pour maintenir une régulation forte. Sans quantifier ces bénéfices, l'efficacité des politiques peut vaciller.

Les auteurs concluent qu'en établissant un système de récompense-punition, en accélérant l'infrastructure numérique et en quantifiant les bénéfices de la résilience, la chaîne industrielle manufacturière peut atteindre un modèle de gouvernance collaborative tripartite durable qui renforce la résilience face aux chocs externes. Les futures directions de recherche suggérées incluent l'incorporation de scénarios de chocs externes et une calibration empirique plus poussée.