Rouchier Juliette 

Chargée de recherche en Economie cognitive  
GREQAM, 2 rue de la Charité,
13236 Marseille cedex 02, France

tel : + 33 (0)4 91 14 07 41 -
fax : + 33 (0)4 90 02 27
juliette dot rouchier at univmed dot fr

Mon recrutement s’est effectué pour un poste fléché pour la sous discipline « économie cognitive ». Au GREQAM, je suis membre du département d'Alan Kirman, intitulé « micro-économie : marchés, organisation et réseaux », qui regroupe 14 chercheurs. L’outil que j’utilise principalement dans mes recherches est la simulation multi-agents, utilisée pour effectuer des simulations sociales. On peut aussi appeler cette pratique simulation agent pour les sciences sociales ; elle correspond à la désignation anglo-saxonne d’« agent-based computational economics ». Je m’intéresse principalement à appliquer cet outil à l’étude des marchés, et ce selon plusieurs angles d’approche. Je fais également des observations de terrains afin d'identifier des régularité que je souhaite mettre en avant. Mes thématiques principales sont les formes d’apprentissage (individuelles ou réciproques) pour les acheteurs et vendeurs à travers des négociations répétées au cours du temps. Je m’intéresse ainsi à l’importance de l’institution de marché sur les comportements et aux dynamiques communicationnelles qui amènent à l’évolution de ces institutions. Durant ma thèse, c'est la confiance interindividuelle qui m'intéressait. Dorénavant, je m'oriente vers l'analyse de la création et l'utilisation de normes de qualité, ainsi que les moyens pour pallier à leur absence, sont très centraux dans ma recherche à l'heure actuelle.

- pour lier des observations de terrains et des modèles, j'ai observé le marché des Arnavaux, marché de gros des fruits et légumes de Marseille, à propos duquel j'ai construit deux modèles - une étudiante en thèse, Sonia Moulet, a repris ce terrain pour compléter l'analyse par un travail plus quantitatif. Durant mon séjour au Japon je me suis intéressée au teikei, système de vente de produit bio qui a été inventé au Japon et se généralise maintenant en Europe (AMAP) après avoir touché les Etats-Unis.

- je cherche à rapprocher simulation et économie expérimentale, par exemple dans le cadre d'enchères, où les interactions se limitent à des communications à faible contenu symbolique.

Dans cette approche jeune qu’est la simulation en sciences sociales (comme le montre la variété des dénominations), je participe à un certain nombre de recherches plus théoriques autour de la validation, les formes de démonstration et les limites de l’usage de l’outil.

J'ai effectué d'autres applications de simulations dans des cadres économiques ou sociologiques, plus ou moins abstraits:

- représentation d'un système de vote européen avec boucles de rétroaction sur les choix votés.

- diffusion d'opinion dans le cadre d'un environnement dont les agents peuvent apprendre.

- économie géographique pour une analyse de l'offre de soin.

La description de mes travaux est constituée d’une présentation générale de la simulation en sciences sociales et des questions théoriques qui se posent. Mes contributions au travail de construction théorique sont évoquées dans cette première phase. Dans une seconde partie je présente les deux angles que j’ai choisis pour l’analyse des marchés en les situant par rapport aux travaux de l’économie cognitive contemporaine : la simulation en parallèle à l’économie expérimentale, l’intégration d’éléments d’ordre « sociologique » (réseaux, codes interactionnels complexes) dans la compréhension que les agents font dans leur calcul de choix. Enfin je complète cette description par les quelques travaux annexes que j’ai menés en parallèle à mes deux recherches principales, soit en continuité de mes travaux de thèse, soit dans une tentative de m’intégrer dans ou de constituer des équipes de recherche.

 

Simulations multi-agents pour les sciences sociales : théorie, validation, développement dapproche

 
Principes et applications principales
 
Une représentation de l’apprentissage et de l’hétérogénéité

La simulation multi-agents a été identifiée depuis plus d’une dizaine d’années comme étant un outil propre à représenter la complexité sociale de façon plus exhaustive que les modèles classiques (Arthur, 1997) et surtout de comprendre les processus qui mènent à une situation stable (Kirman, 1997). En particulier, on peut recenser de nombreuses applications en économie, économie du développement et des ressources naturelles, sociologie et diffusion des connaissances. Un agent dans un système multi-agent est une entité indépendante qui peut calculer des décisions sur la base d’informations perçues. Un système est composé de plusieurs agents qui interagissent directement ou à travers la modification d’un environnement commun. On considère qu’en décrivant un système à travers les entités sociales de base, leurs interactions et les règles qui les régissent (les « institutions »), on peut, du fait de la répétition des actions et de l’apprentissage, faire émerger dans le temps un comportement global intéressant. Cette modélisation permet une approche dans laquelle le processus de décision et l’usage de l’information par les agents peuvent être décrit de façon très détaillée, et ou les données utilisées pour le calcul peuvent être de différentes types (qualitatives tout autant que quantitatives) et hétérogènes au sein du même processus de décision. Par exemple, un agent peut utiliser des connaissances sur ses besoins et sur les autres agents du système pour choisir avec qui interagir (Rouchier et al., 2001 (A Multi-Agent Model for Describing Transhumance in North Cameroon: Comparison of Different Rationality to Develop a Routine) ; Vriend, 2004).

Communautés de recherche

Deux branches légèrement séparées participent à la recherche en simulation en sciences sociales. La première est celle qui s’intitule « Agent-Based Computational Economics », et dont on trouve nombre de représentants à la conférence internationale WEHIA (Workshop of Economics with Heterogeneous Interacting Agents) qui inclut également des systémiciens plus proches des techniques mathématiques utilisées en physique, dites « écono-physique ». La seconde communauté est ESSA, European Social Science Association, plus généraliste en thématique, mais aussi plus exigeante sur la validation des modèles.

La communauté européenne se réfère en général à un journal principal, JASSS, Journal of Artificial Societies and Social Simulation, <http://jasss.soc.surrey.ac.uk/JASSS.html>. Sont également souvent utilisés pour publier des travaux en simulations en économie les journaux JEDC (Journal of Economic Dynamics and Control), JEBO (Journal of Economic Behaviour and Control), Computational Economics et le tout recent ejMED (Electronic Journal of Evolutionary Modeling and Economic Dynamics - <http://beagle.u-bordeaux4.fr/jemed/>).
 
Modèle agent

Un modèle multi-agent est élaboré pour être ensuite implémenté. Cela signifie qu’il est pensé sous une forme algorithmique et procédurale. Le programme final est composé de sous-programmes qui interagissent les uns avec les autres et calculent de façon indépendante. Ils sont synchronisés dans un environnement commun, et y interagissent par l’envoi de messages. On désigne par « agent » un de ces programmes. En général, on réfère à la réalité représentée en désignant les individus par le mot « acteur », ce qui permet de différencier les preneurs de décision réels de l’agent virtuel.

L’utilisation d’agents indépendants, qui peuvent effectuer des calculs distincts, permet de réaliser des univers artificiels dans lesquels, potentiellement :

-         chaque agent possède une fonction de choix différente

-         chaque agent est situé différemment dans son environnement, le perçoit de façon autonome, et influence l’environnement (et les autres agents) de façon distincte.

C’est de fait l’hétérogénéité des agents qui est souvent citée comme avantage central de cette technique dans la recherche en sciences sociales (Kirman, 1997).

En outre, on peut aussi grâce à cette technique utiliser plusieurs formes d’apprentissage pour les agents : par imitation de ceux qui ont le mieux « réussi » selon leur critère, apprentissages par renforcement (où un agent choisi une action parmi plusieurs selon l’espérance  de gains possibles), algorithmes génétiques (où les règles d’action évoluent et son sélectionnées en fonction de la satisfaction qu’elles apportent) (Brenner, 2005).  

Il est aussi possible de constituer une représentation de l’univers de l’agent assez complexe, dans lequel il accumule des informations différenciées sur les autres agents, l’intérêt des différentes actions possibles, des différentes localisations (s’il s’agit d’univers spatialisé) (Rouchier et, 2001 (A Multi-Agent Model for Describing Transhumance in North Cameroon: Comparison of Different Rationality to Develop a Routine) ; Moulet et Rouchier, 2005 (Price formation on a perishables good market: An agent-based computational model) ; Brenner, 2002 ; Kirman and Vriend, 2001).

Analyse d’une simulation

Les résultats issus des simulations sont des analyses portant sur l’influence de paramètres sur le système artificiel étudié. Le nombre d’agents, la forme de mémoire et de représentation des autres, les formes de communication, sont autant d’éléments de définition du système dont on peut tester l’impact, principalement en effectuant des comparaisons entre les résultats de simulation. Un protocole de simulations débute ainsi par la construction d’un modèle et l’élaboration d’un jeu d’indicateurs qui permettra d’observer précisément l’évolution de l’univers créé (concernant l’état individuel des agents, les interactions – par exemple s’il s’agit de négociations pour des transactions : la finalisation en transaction ou non, le prix de l’échange – des moyennes sur l’état global, la distribution des différentes valeurs). En premier lieu les simulations servent à vérifier que le système construit à travers la définition des entités produit bien la dynamique globale que l’on souhaite. Ensuite, les divers paramètres qui semblent pertinents sont testés en regard des indicateurs. Enfin, une phase d’interprétation de l’ensemble des simulations permet de déterminer les propriétés qui ont été démontrées et dans quelle mesure elles sont applicables à un système réel.

 Questionnements théoriques

 Des problèmes théoriques se posent face à ces modèles. La simulation connaît un usage rigoureux et accepté dans les sciences naturelles, entre autre du fait de la définition exhaustive d’un test de sensibilité au paramétrage. Elle est par contre peu reconnue comme un outil de démonstration en sciences sociales. La principale raison en est que les utilisateurs eux-mêmes cherchent encore à déterminer les limites exactes de l’outil.

Une simulation est l’histoire complexe, probabiliste ou déterministe selon le type de programme écrit, de la coordination d’un ensemble d’interactions. Il faut alors en construire l’Histoire, c’est-à-dire la trajectoire qui a fait émerger la situation globale au travers des interactions des agents (Doran, 1999). Comprendre qualitativement les interrelations entre les actions des agents est fondamental pour comprendre quelles hypothèses ont le plus d’importance dans le modèle.  La grande complexité de chaque cas conçu, même quand les hypothèse de départ sont simples et les agents peut nombreux mais hétérogènes, fait que les exemples d’application constituent encore des situations typiques sur lesquelles il est délicat d’extrapoler des résultats globaux.

 Constituer des bases de modélisation et démonstration positives

Pour rendre possible l’utilisation des résultats de simulations à des fins d’accumulation du savoir, un certain nombre de chercheurs font des recherches sur quelques thèmes importants :

-         l’établissement de modèles génériques capables de prendre en compte la représentation de la rationalité et de la situation sociale des agents (appartenance à des réseaux principalement). Un grand nombre de modèles existent maintenant, et il devient nécessaire de baliser les modèles utilisables en fonction des types de question (Brenner, 2005). Je participe dans ce but à une ACI organisée par  Nils Ferrand (Cemagref, Montpellier, ACI « Agent, Réseau, Partage »), dans le cadre de laquelle j’ai collaboré avec deux sociologues spécialistes des réseaux, sur la thématique de la construction de la confiance dans un réseau (Rouchier et al., 2005 (Articulation of hierarchy and networks as an evolving social structure)), et qui me permet également de compléter une partie de mon travail de thèse (Rouchier, 2001 (Emergence of reputation in an artificial society: modelling non-merchant exchanges among autonomous agents)).

-         la constitution de protocoles de validation quantitative à travers la calibration de simulations par rapport à des données d’actions humaines. Un important travail sur l’usage des statistiques est mené (Janssen et Ahn, 2003).

-         plus globalement l’établissement de l’ensemble des critères permettant de valider un modèle, tel que la re-programmation du modèle théorique en un nouveau système (« ré-implémentation »), la comparaison entre modèle théorique pur et modèle de simulation et le développement de modèles équivalents. J’ai été à l’origine de la création d’un workshop international qui a réuni une trentaine de personne la première année et s’est intégré à la conférence européenne en simulation en sciences sociales la seconde année. J’ai reprogrammé et critiqué un modèle de marché spéculatif construit en parallèle d’expériences en économie (ce qui participait également de la recherche présentée dans la sous-section suivante) (Rouchier, 2003 (Reimplementation of a multi-agent model aimed at sustaining experimental economic research: the case of simulations with emerging speculation) ; Hales, Rouchier et Edmonds, 2003 (Model-to-Model Analysis)).

 Une approche par l’application des modèles

A l’inverse, certains chercheurs appliqués, un courant très actif dans la simulation en sciences sociales, tiennent à rester hors d’une approche positiviste et revendiquent la portée limitée de leur modèle, dont les limites d’applicabilité doivent être sans cesse rappelées. Un groupe francophone appelé Commod développe en outre une approche participative pour la construction et la validation des modèles, à la fois en élaborant des outils et des méthodologies. On peut se référer à une charte parue dans NSS et qui fixe les règles d’usage des modèles en contexte, qui réfère plutôt à une science post-normale (Funtowicz et al., 1999) (Collectif Commod, 2005). Je ne participais plus directement aux activités du groupe Commod jusqu’à récemment (j’avais fait ma thèse avec les organisateurs principaux, mais avais pendant quelque temps choisi une voie plus fondamentale). L’évolution de mes thématiques et leur clarification qui les rend plus ciblées sur des questions contemporaines (voir partie VI), fait que je compte participer de nouveau aux réflexions menées sur le rôle de la simulation dans l’élaboration de politiques locales.

 

Marchés simulés, expériences, observations  

La simulation en sciences sociales est très utilisée à l’heure actuelle pour représenter des marchés, afin de tester des hypothèses sur la rationalité réelle des agents (Duffy, 2003). Ces hypothèses peuvent venir de deux sources principales : une bonne connaissance du comportement des individus en contexte d’expérience (donc avec un choix plutôt limité d’actions), et une bonne connaissance du comportement des agents sur les marchés réels (où leur rationalité se révèle à la fois concernant les choix à court terme et ceux à long terme comme la construction de réseaux). J’ai développé ces deux approches, à savoir construire un lien entre simulations et expériences et simulations et enquêtes de terrain.

 

Observations et simulations

Enquêtes au marché de gros de Marseille

J’ai commencé à effectuer des enquêtes au Marché d’Intérêt National des Arnavaux (marché de gros de fruits et légumes de Marseille) dans le but d’observer les formes de négociation et de construction de confiance entre des acteurs professionnels des marchés. Le fait qu’acheteurs et vendeurs soient des professionnels me laissait à penser qu’ils auraient des rationalités plus optimales que les consommateurs finaux de la chaîne. Le marché, identifiable comme un lieu physique, permettait en outre des enquêtes plus rapides que s’il s’agissait d’un marché distribué géographiquement. Deux propriétés m’intéressaient, qui auraient une influence sur la rationalité des acteurs. En premier lieu, l’information est très distribuée : il y a une grande asymétrie d’information sur la qualité et la quantité pour les acheteurs, les prix raisonnables sont inférés sur la base des Mercuriales de la veille et des marchés de la région (les prix moyens officiels), les vendeurs ne découvrent l’état de la demande qu’au cours de la journée. Ensuite, laspect périssable des biens échangés qui induit une forme d’urgence dans les choix me laissait penser que ceci se traduirait par des algorithmes de choix simples mais vraiment efficaces.

Enfin, Alan Kirman avait déjà étudié ce marché et pouvait m’apporter une aide analytique (Kirman et al., 2005).

 

En sus du marché lui-même, il m’a fallu comprendre le réseau global de distribution de fruits et légumes de Marseille :

-               Les fournisseurs du MIN : importateurs, producteurs locaux, producteurs de Régions plus éloignées, intermédiaires divers entre production et grossistes.

-               Les clients du MIN : détaillants de la ville et des environs - sur les marchés, dans des boutiques, à la sauvette (jusqu’à Toulon et la Corse), restaurateurs, collectivités (privées ou publiques). Cette partie de la recherche a été effectuée par Jean-Philippe Mazaud, sociologue au Shadyk, EHESS, et un de ses étudiants.

-               Les concurrents du MIN : l’ensemble des grandes surfaces de la ville et leurs centrales d’achat, les autres marchés des environs (marchés de producteurs exclusivement).

 

Rôle et forme de la loyauté et des réseaux

Tout comme Alan Kirman dans ses articles sur le marché aux poissons de Marseille (Kirman et Vriend, 2001), je me suis particulièrement intéressée au fait que les acheteurs se divisent en deux catégories : les clients loyaux qui font confiance à un grossiste sur le long terme, les clients très opportunistes qui parcourent longuement le marché pour trouver les biens qu’ils désirent.

L’un des principaux résultats des enquêtes est que le marché des Arnavaux est encore vivace sur la région principalement parce que les grossistes y sont les seuls à pratiquer le crédit à moyen terme pour les détaillants. Cette recherche de terrain s’est conclue par une analyse de la rationalité des grossistes et leur capacité à anticiper la gestion des flux en mettant en action une logique à long terme (gestion des relations) et à court terme (choix d’approvisionnement et de tarification). Cette analyse est décrite dans un article soumis à la Revue de Sociologie du Travail (Rouchier, 2005 (Compétences des grossistes en fruits et légumes de Marseille dans la gestion des flux et la saisie des opportunités)). Un article a également été soumis à la revue de sociologie et d’économie rurale insistant plus sur les protocoles d’échanges et les institutions de surveillance et réciprocité qui permettent la réduction des risques (Rouchier et Mazaud, 2005 (Pression concurrentielle et lien moral entre détaillants et grossistes du MIN des Arnavaux)).

Modélisations : usage de l’information sur les prix et les autres agents

Deux modèles ont alors été construits pour tâcher de représenter deux aspects du système. Le premier (Rouchier, 2004 (Interaction routines and selfish behaviours in an artificial market)) montre que la présence d’acheteurs loyaux est très importante pour permettre aux vendeurs de prévoir les quantités de biens à acheter. Un minimum de 80% d’agents loyaux est nécessaire pour minimiser les quantités jetées et maximisant les manques pour les acheteurs. Le second (Rouchier, 2005 (Market for loyal and opportunistic agents. A never-ending market modelling)) montre que si suffisamment d’agents loyaux sont présents sur le marchés, il est possible de générer une spécialisation des agents en niche de qualité, en ayant simplement recours à des interactions de sélection simple de la part des acheteurs et d’apprentissage pour les vendeurs.

J’ai aidé un étudiant en thèse, Olivier Chappuis, à développer un modèle inspiré de mes enquêtes. Nous démontrions l’importance pour la convergence des prix d’une institution à laquelle les acteur font peu confiance : les Mercuriales. L’affichage d’une information sur les prix de la veille, dans cet univers très distribué, peut être en effet essentiel pour la convergence en fonction de la variation de l’offre et de la demande (Rouchier et Chappuis, 2004 (Ex-post centralisation of information on a market and its influence on prices. An analysis of information manipulation and market mechanism)).

Sonia Moulet, étudiante d’Alan Kirman, utilise aussi le travail effectué comme une base pour développer sa reflexion sur l’évolution des prix au cours de la journée à travers les négociations entre agents (Moulet et Rouchier, 2005 (Price formation on a perishables good market: An agent-based computational model)).

Projets en cours

Construction de la qualité à travers l’interaction marchande

L’approche « économie cognitive » dans laquelle je me suis engagée m’a poussée à m’intéresser dans un premier temps la rationalité des agents en contexte. En particulier j’ai choisi le cadre d’une activité salariée où ils doivent faire des choix quant à des transactions. A ce niveau, je voudrais rappeler qu’en arrivant en GREQAM, je n’avais jamais eu de formation en économie quantitative classique : je viens des mathématiques et la formation économique que j’avais reçue durant ma thèse relevait plus de l’économie institutionnelle et économie du développement. C’est aussi pour cela que j’ai choisi de continuer à comprendre ce qu’est réellement un marché, avant de me lancer dans la théorie mathématique, en profitant également des intuitions et des explications simples et directes d’Alan Kirman qui connaissait un peu mon terrain (le marché des Arnavaux).

J’ai élaboré les deux modèles, dans lesquels j’ai cherché à mettre en avant l’importance des réseaux et la fidélité pour l’organisation de l’approvisionnement. Cette thématique de la fidélité (et de la confiance) était issue des observations de terrain de ma thèse et des modèles développés alors dans un contexte d’économie du développement. En explorant la littérature sur les chaînes d’approvisionnement alimentaire, j’ai réalisé qu’une problématique essentielle dans ce contexte est la « construction de la qualité ». C’est-à-dire : les processus par lesquels un produit se transforme en bien susceptible d’être échangé entre acheteur et vendeur, les deux étant capables de l’identifier et de lui donner une valeur relative aux autres biens. Chez les économistes, Jean-Marie Codron de l’INRA de Montpellier se penche activement sur ce sujet dans le cadre des produits frais en Europe. Chez les sociologues, Lucien Karpik a défini un cadre analytique à ce qu’il désigne comme « l’économie de la qualité » et qui est devenu un sujet de recherche à part entière en sociologie économique (voir également Michel Callon).

Or il y a plusieurs façons d’envisager la construction de la qualité et sa mise en rapport avec le prix, comme l’explique Albert Hirschmann dans son célèbre texte « Exit, voice, loyalty » (1970) :

-         Soit les acteurs économiques discutent à travers des interactions et les commentaires des consommateurs sont écouté, ce qui signifient qu’il existe des relations suffisamment stables pour que la communication fasse sens, et que les vendeurs savent que les acheteurs leur seront fidèles s’ils consentent aux transformations de qualité demandés.

-         Soit les acteurs économiques utilisent le mécanisme de marché pur, et les acheteurs signifient leur désagrément aux vendeurs en changeant de fournisseurs, ce qui donne moins d’indications aux vendeurs, qui ne savent pas si les préférences des acheteurs ont changé, la qualité ne leur plait pas, les prix sont trop élevés.

Un de mes objectifs contemporains et de chercher à faire un modèle de construction de qualité en dynamique, en utilisant au maximum les ressorts du marché et au minimum des interactions où les agents peuvent mettre une signification complexe.

En particulier, j’ai entamé au Japon une recherche sur les chaînes d’approvisionnement en légumes organiques, et un collègue du CIRAD (Nicolas Bricas) m’aide à établir les comparaisons avec le cas français). Ceci permet de saisir l’influence du cadre institutionnel, légal et politique large sur la capacité des agents à décider localement des règles de construction de la qualité. 

Je pense que cette recherche va demander au moins deux années pour mener à des résultats. Il me semble qu’une de mes qualités est la capacité d’analyse. En partant d’un cas concret, je suis plutôt apte à élaborer des modèles dynamiques convaincants, reproduisant les comportements des individus. C’est pourquoi je fais de nombreuses références à des situations concrètes et étudie parfois personnellement les modalités d’échanges des  acteurs pour saisir les éléments nécessaires à leur choix. Les modèles conçus sont par contre très abstraits et, en général, inapplicables aux situations concrètes, ce que je trouve personnellement un peu dommage. Mon association avec le groupe Commod participe du souhait de rendre plus interprétable par des acteurs les modèles que je construis. Un autre caractéristique de mon travail (qualité ou défaut ?) est qu’il se développe beaucoup plus efficacement dans le cadre de collaborations.

Cas d'étude : le teikei japonais

Dans cette présentation je souhaite décrire en premier lieu le fonctionnement du système teikei, chaîne courte de distribution de produit biologique au Japon et auquel on attribue l’origine de toutes les chaînes qui se sont développées en Europe et aux Etats-Unis, de type AMAP et CSA.  En sus de la qualité "bio" des produits, cette chaîne exige de la part des participants des comportements différents de ceux que l'on trouve dans les chaînes "capitalistes" classiques. La définition des comportements a été fixée à travers une charte très restrictive en dix points, qui allie des exigences de production (bio), de distribution (chaîne courte et sans aucun salarié autre que le fermier), d'attitude du consommateur (qui doit accepter que la survie de la ferme qui le nourrit est au centre du dispositif d'achat). Ce système qui existe depuis les années 70 est en perte de vitesse, en particulier du fait que ces exigences qui définissent les relations entre le producteur et l’acheteur semblent trop exigeantes à grand nombre de consommateurs. L’approvisionnement en produits bio des familles est maintenant plus fréquemment réalisé en supermarché ou à travers des réseaux commerciaux de livraison à domicile revendiquant plus ou moins les valeurs “alternatives” du teikei.

Jusqu’à une date très récente (2000) il n’y avait pas de norme nationale sur la définition de produits bio, et chaque réseau proposait ses propres critères. Les négociations entre les acteurs de la production biologique et le gouvernement pour l’établissement des normes ont été inexistantes ; ces normes ont été importées directement de l’Europe. Ceci pose de gros problèmes aux agriculteurs, par exemple à ceux qui pratiquent l’élevage animal et qui doivent importer de la nourriture certifiée biologique pour leurs bêtes. Outre les discussions sur le fait que les spécificités locales de production doivent être prises en considération, les acteurs insistent aussi sur des problèmes d'organisation dans l'accès à la certification : les agriculteurs bio sont souvent âgés et peu aptes à remplir les formulaires complexes exigés ; tous subissent un nombre de visites de vérification de la part d’inspecteurs encore mal formés, qui les dérangent dans leur travail ; le coût de la certification dans un marché si peu développé se révèle prohibitif. En outre, la norme JAS a été perçue comme un moyen simple d’autoriser les importations et donc d’établir une concurrence nécessairement déloyale pour les agriculteurs locaux. Les scandales liés à des importations de produits faussement étiquetés bio ne semblent pas avoir changé la politique nationale d’importation depuis la Chine, de loin la plus importante.

En terme de positionnement idéologique des différents acteurs, on peut noter que : certains groupes de distribution de produits biologiques qui insistent sur le caractère local de la production ont des discours difficiles à distinguer d'un nationalisme politique ; les membres des teikei refusent l'adaptation au marché naissant, en particulier en rejetant tout usage de la publicité comme inadéquat pour la distribution des produits bio.

En terme d'évolution du marché : les critères teikei étant trop stricts, les réseaux intermédiaires ont récupéré une partie des critères pour les adapter à un plus grand nombre de consommateurs. Et en particulier, plus le marché devient large et plus on s'approche d'une agriculture bio "conventionnelle". Peut-on considérer que l'invention du critère bio originel, sa formalisation et la création d'un pool de consommateur par de la diffusion d'informations correspond à la création d'un bien collectif (ou semi collectif ou commun) qui peut être récupéré par n'importe qui et réutilisé pour l'adapter. Cela revient à identifier la création de norme teikei comme un bien culturel appropriable et manipulable. Cela devient en particulier vrai si on peut montrer que les marchés liés aux divers critères (plus ou moins stricts) du bio au japon, ne sont pas strictement disjoints, mais qu'une concurrence existe entre les différents vendeurs de bio (du supermarché au teikei). Certains acteurs disent que cette concurrence est féroce, et d'autres prétendent que les consommateurs achètent des produits différents en s'adressant aux différentes filières.

Expériences et simulations

Le lien entre économie expérimentale et simulations est de plus en plus développé l’heure actuelle (Duffy, 2005, Rouchier 2005 (Simulations for experiments and experiments for simulations The interrelation of two tools towards a better representation of economic rationality)). La principale raison est que la façon de concevoir l’action est similaire entre ces deux approches (qui visent à établir une rationalité procédurale en contexte de choix répété plutôt qu’à se focaliser sur la rationalité procédurale plus classiquement étudiée (Simon, 1976)). L’intérêt pour les chercheurs en simulations, c’est qu’un grand nombre de protocole d’expériences peuvent être repris quasiment directement pour implémenter un univers virtuel. A partir de là, on peut faire tourner des simulations où les agents représentent les sujets des expériences, et comparer terme à terme les résultats pour voir si la rationalité représentée est crédible.  

Double enchère orale continue

Avec Stéphane Robin, chercheur au GATE à Lyon, UMR 5824, nous avons développé un modèle de marché à double enchère. La recherche sur la double enchère est à la fois très abondante en économie expérimentale et assez documentée en simulation. La raison principale est la puissance que montre cette institution en terme de convergence vers le prix d’équilibre. En simulation, l’article de référence, un peu unique en son genre car il évoque plus des questionnements sur l’analyse de l’institution que la rationalité des agents, est celui de Gode et Sunders (2003), et en cela il est assez proche des textes fondateurs de Smith, qui montrent la puissance de cette institution (Smith, 1962). Dans le contexte foisonnant de cette recherche (Duffy, 2005), nous avons insisté sur deux aspects dans notre recherche. En premier lieu, nous souhaitions mettre en place une méthodologie rigoureuse pour comparer les différentes histoires de simulations entre elles puis aux résultats d’expériences, et nous avons ainsi construit une plateforme et des indicateurs pour observer les simulations.  Ensuite nous voulions démontrer l’importance de l’information publique dans un marché par rapport à des transactions privées, en comparant la double enchère à une institution où les transactions sont privées (ce qui a été nettement montré) ; nous souhaitions aussi tester l’impact de la longueur de la mémoire des agents sur l’efficacité du système (ce qui s’est révélé moins flagrant). La rationalité des agents semble ainsi nécessiter l’usage des informations publiques pour que la convergence soit rapide et réalisée entre les périodes de marché (contrairement aux résultats obtenus par Gode et Sunders (1993). Le dernier article publié sur le sujet (et le plus complet) est à paraître dans Simulation and Gaming (Rouchier et Robin, 2005 (Double-auction for real and artificial agents Information perception and price dynamics)).

Spéculation

J’ai également traité de la question de l’apparition de la spéculation dans un marché à trois biens, inspiré du modèle de Kyotaki et Wright et déjà développé par John Duffy (Duffy, 2003). En tentant de reproduire son modèle, j’ai eu à chercher des méthodes pour comparer si ses résultats correspondaient aux miens, et dans quelle mesure mes propres résultats collaient à ceux obtenus dans des expériences. John Duffy tirait ses hypothèses sur la rationalité de l’observation des sujets. Il construisait un modèle que j’ai reproduit en testant de nombreuses variations car ses descriptions étaient ambiguës. Dans aucun cas mes résultats n’ont pu correspondre aux siens, mais le dialogue ne s’est pas poursuivi avec lui pour savoir pourquoi nous ne trouvions pas les mêmes résultats de simulations (ce qui pose un gros problème) (Rouchier, 2003 (Reimplementation of a multi-agent model aimed at sustaining experimental economic research: the case of simulations with emerging speculation)).

 John Duffy considérait ensuite des expériences mixtes entre agents artificiels et sujets d’expérience, que je n’ai pu reproduire. Cette idée d’expériences mixtes m’a beaucoup intéressée et j’ai proposé deux projet fléchés « jeunes chercheurs » sur le sujet. Le premier avec Stéphane Robin n’a pas été accepté à l’époque. La collaboration avec Stéphane Robin ne semble pas vouée à continuer du fait du manque de disponibilité. Une proposition plus élaborée avec Paul Pezanis-Christou (BETA, Université de Strasbourg) est en cours d’évaluation. Pour moi, cette collaboration serait l’occasion de valoriser les compétences acquises (voir section V).

Projets pour la suite

Avec Paul Pezanis-Christou, qui est expérimentaliste au BETA à Strasbourg, nous avons soumis un projet visant à mélanger agents (artificiels) et sujets (humains) dans les mêmes expériences, suivant plusieurs protocoles encore à peaufiner. Par exemple, en suivant John Duffy déjà cité, nous pourrions simplement mélanger les deux populations pour étudier les perturbations que les agents engendrent. Par la suite, nous souhaitons associer à chaque sujet d’expérience un agent qui lui suggérerait une action. La confiance que le sujet accorderait à l’agent au cours du temps pourrait être un indicateur de l’intérêt de l’algorithme proposé. On pourrait aussi proposer plusieurs agents chacun offrant une action à accomplir, parmi lesquelles le sujet devrait choisir.

Cette réflexion est encore en cours. Elle s’inspire entre autres choses des recherches en Intelligence Artificielle que je connais un peu, et où de plus en plus de chercheur tentent d’introduire les utilisateurs dans l’élaboration d’une rationalité artificielle, un peu comme avait proposé Alan Turing dans son célèbre test. En outre, n organisant les deux workshop « Model to model », j’ai pu me rendre compte des limites assez nettes qu’on peut voir dans la calibration des modèles de rationalité. Ces limites sont rapportées par de nombreuses personnes qui ont testé des modèles célèbres, comme EWA, le modèle de Colin Camerer qui semble quasi-inadaptable à des données d’expériences (communications personnelles : Paul Pezanis Christou, Marco Janssen, Marc Willinger pour une petite part). Ceci est la principale raison pour moi de tenter de construire de nouveaux moyens de validation des algorithmes.

 

 Hors Marchés de biens

Système de vote avec lobbying

J’ai continué depuis plusieurs années, à vitesse très lente, un projet en collaboration avec Sophie Thoyer (ENSAM, Montpellier), sur la prise de décision au niveau Européen. Le modèle conçu représente un système de vote dans le cadre d’une société à plusieurs niveaux de décisions, lobbies, opinions publiques, décideurs. Il s’inspire très directement du système de vote pour l’acceptation des OGM en Europe, et des deux systèmes qui ont été successivement mis en place. Il a été initié dans le cadre d’un appel d’offre Européen que Sophie Thoyer, spécialiste en économie politique et théorie des jeux, dirigeait.

Le modèle nous permet d’étudier en dynamique l’impact de la forme d’action des lobbies sur l’évolution des votes et l’importance du changement de forme de vote qui a eu lieu en 2001. Des articles ont été écrits pour plusieurs conférences, l’un a été rejeté par le journal JEBO (Journal of Economic Behaviour), il a été réécrit et soumis à JASSS (Journal of Artificial Society and Social Simulation (Simulations of a multi-level influenced voting system: a study of decision-making in Europe on GMO dissemination)) pour lequel il est en révision. En dehors du manque de disponibilité de ma co-auteur, la difficulté de ce travail (et ce qui explique la lenteur de l’avancée des travaux), réside dans le fait que cette recherche est très originale et ne trouve presque aucun écho auprès des personnes à qui elle a été présentée. Elle est toujours considérée comme « intéressante » sans sembler s’intégrer dans des courants contemporains. Le travail sur ce projet est peu consommateur en temps, et nous espérons qu’il portera ses fruits à un moment.

Evolution des croyances et diffusion d'information en univers perceptible

....

 

Marché des soins et information

Un travail de simulation a été effectué avec Karine Moschetti, alors thésarde sous la direction de Lise Rochaix. Je souhaitais à mon arrivée au GREQAM me rapprocher de l’IDEP, Institut d’économie Publique, dont une partie des membres est commune au GREQAM. Le projet a constitué en la construction et l'analyse d'un système multi-agents décrivant l'impact de la situation géographique des hôpitaux et de leur taille par rapport à la demande de soins. L'approche par la simulation SMAS était intéressante dans la mesure où, dans ce contexte, la notion de réputation semble plus appropriée pour décrire les choix des agents que la notion de coût, et que l'outil rend possible la description d'interactions riches en information entre les individus du système. Deux articles ont été présentés dans des conférences, dont une en économie de la santé (Moschetti et Rouchier, 2002 (The determinants of hospital car demand : a multi-agent model on distance and reputation effects)), mais la collaboration n’a pas évolué par la suite.

 

Bibliographie citée

 Arthur W. B, Durlauf S. N.  et Lane D. A.. 1997. "The economy as an evolving complex system II." in SFI studies in the sciences of complexity. Santa Fe: Addison Wesley.

Barreteau, O. and F. Bousquet,. 2001. "From a Conceptual Model to its Artifacts: Building on Experiments using the SHADOC Model." in MODSIM'01, vol. 3. Canberra: Modelling and Simulation Society of Australia and New Zealand.

Bousquet, F., O. Barreteau, P. d' Aquino, M. Etienne, S. Boissau, S. Aubert, C. Le Page, D. Babin and J.-C. Castella. 2002. "Multi-agent systems and role games : an approach for ecosystem co-management." Pp. forthcoming in Complexity and Ecosystem Management: The Theory and Practice of Multi-agent Approaches, edited by M. Janssen: Edward Elgar Publishers.

Brenner T., 2002, A Behavioural Learning Approach to the Dynamics of Prices, Computational Economics, Vol. 19, pp 67-94.

Brenner T., 2005, Agent learning representation : advice on modelling economc learning, In: Judd et Tesfatsion (Eds) Handbook of Computational Economics II: Agent-Based Computational Economics, Elsevier, Amsterdam.

Collectif ComMod, 2005, La modélisation comme outil d’accompagnement, Natures Sciences Sociétés 13, 165-168 (2005).

Doran, J. E. 1999. "Trajectories to complexity in artificial societies: rationality, belief and emotions." Pp. 89-105 in Dynamics in human and primate societies., edited by T. Kohler and G. Gummerman: Oxford University Press.

Duffy J., 2005, Agent-based models and human-subject experiments, In: Judd et Tesfatsion (Eds) Handbook of Computational Economics II: Agent-Based Computational Economics, Elsevier, Amsterdam.

Duffy, J. 2001. "Learning to speculate: experiments with artificial and real agents." Journal of Economic Dynamics and Control 25:295-319.

Friedman, D. and S. Sunder. 1994. Experimental methods, a primer for economists: Cambridge University Press.

Funtowicz, S.O., J. Martinez-Alier, G. Mundo and J.R. Ravetz. 1999. "Information tools for environmental policy under conditions of complexity." European Environment Agency.

Gintis, H. 2000. "Beyond homo economicus: evidence from experimental economics." Ecological economics 35:311-322.

Gode, D. K., Sunder S. (1993).  Allocative Efficiency of Markets with Zero-Intelligence Traders: Markets as a Partial Substitute for Individual Rationality. Journal of Political Economy (101). (pp 119-137.

Hales D., Rouchier J., Edmonds Bruce, 2003, Model-to-Model Analysis, Journal of Artificial Societies and social simulation, vol 6, n 4, 5.

Janssen M. et Ostrom E., 2005, Governing social-ecological systems. In: Judd et Tesfatsion (Eds) Handbook of Computational Economics II: Agent-Based Computational Economics, Elsevier, Amsterdam.

Janssen M. and Ahn T. K. (2003), Adaptation vs. Anticipation in Public-Good Games, In: Rouchier J., Edmonds B., Hales, D. (Eds.). Model to model workshop electronic proceedings.

Kirman, A, Schulz, R, Hardle, W. et Werwatz, A, 2005, Transaction that did not happen and their influence on prices, In Press, Journal of Economic Behaviour and Organisation.

Kirman, A.P., & Vriend, N.J., 2001, Evolving Market Structure: An ACE Model of Price Dispersion and Loyalty. Journal of Economic Dynamics and Control, 25, Nos. 3/4, 459-502.

Kirman, A. P. 1997. "The economy as an interactive system." Pp. 491-531 in The economy as an evolving complex system II, edited by W. B. Arthur, S. N. Durlauf and D. A. Lane, SFI studies in the sciences of complexity. Santa Fe: Addison Wesley.

Moschetti K., Rochaix L., Rouchier J., 2003, The determinants of hospital car demand : a multi-agent model on distance and reputation effects, IHEA (International Health Care Administration Conference, San Francisco, June 2003.

Moulet  S. et Rouchier J., 2005, Price formation on a perishables good market: An agent-based computational model, WEHIA, http://www.essex.ac.uk/wehia05/

Rouchier J., Thoyer S., 2005, Simulations of a multi-level influenced voting system: a study of decision-making in Europe on GMO dissemination, Journal of Arificial Society and Social Simulation, en cours de revision.

Rouchier J., 2005, Simulations for experiments and experiments for simulations. The interrelation of two tools towards a better representation of economic rationality, In : Jean-Philippe Rennard (Ed) Handbook of Research on Nature Inspired Computing for Economy and Management, Idea Group, Inc., publisher (sortie prévue fin 2005).

Rouchier J., Robin S., 2005, Double-auction for real and artificial agents Information perception and price dynamics,  Simulation and gaming special issue, en cours de révision.

Rouchier J., 2005, Compétences des grossistes en fruits et légumes de Marseille dans la gestion des flux et la saisie des opportunités, Revue de Sociologie du travail, soumis.

Rouchier J., Mazaud J.-P., 2005, Pression concurrentielle et lien moral entre détaillants et grossistes du MIN des Arnavaux. Sociologie et économie rurale, soumis.

Rouchier J, 2005, Simulations for experiments and experiments for simulations The interrelation of two tools towards a better representation of economic rationality, Handbook of Research on Nature Inspired Computing for Economy and Management, Jean-Philippe Rennard (Ed), Idea Group, Inc., publisher (sortie prévue fin 2005).

Rouchier J., 2005, Market for loyal and opportunistic agents. A never-ending market modelling.  ESSA Conference, Septembre 6-9, Koblenz, Germany. http://www.essa.eu.org/ESSA2005/  

Rouchier J., Lazega E., Mounier L. 2005, Articulation of hierarchy and networks as an evolving social structure, AESCS, Yokohama, Japon, July 9-13. http://www.paaa.econ.kyoto-u.ac.jp/ .

Rouchier J., 2004, Interaction routines and selfish behaviours in an artificial market, WEHIA, Workshop of Economics with Heterogenous Interacting Agents, Kyoto, 29-31 May 2004, http://cmwww01.nda.ac.jp/cs/AI/wehia04/.

Rouchier J, Chappuis O., 2004, Ex-post centralisation of information on a market and its influence on prices. An analysis of information manipulation and market mechanism, First European Conference on Cognitive Economics, Gif sur Yvette, 22-24 Septembre 2004.

Rouchier, J., 2003, Reimplementation of a multi-agent model aimed at sustaining experimental economic research: the case of simulations with emerging speculation, Journal of Artificial Societies and social simulation, vol 6, n 4, 6.

Rouchier J., Bousquet F., O'Connor M., 2001a, Emergence of reputation in an artificial society: modelling non-merchant exchanges among autonomous agents, JASSS, vol 4 issue 2.

Rouchier J., Bousquet F., Requier-Desjardins M., Antona M., 2001b, A Multi-Agent Model for Describing Transhumance in North Cameroon: Comparison of Different Rationality to Develop a Routine, Journal of Economic Dynamics and Control, 25, pp 527-559.

Simon, H. (1976) From Substantive to Procedural Rationality. In: Latsis S.F. (Ed). Method and Appraisal in Economics. Cambridge University Press, Cambridge, G.B. 129 à 148.

Smith, V. L.,(1962) An experimental study of competitive market behavior. Journal of Political Economy (70). (pp 111-137).

Vriend, N.J., 2000. An Illustration of the Essential Difference between Individual and Social Learning, and its Consequences for Computational Analyses. Journal of Economic Dynamics and Control, 24, 1-19.

Vriend, N.J., 2004. ACE Models of Market Organization. Revue d'Economie Industrielle, No. 107, 63-74.