Une économie équilibrée

26901305512_3b005154c5_kLe mois de l’ESS s’annonce et à Paris Nanterre, on y contribuera avec une table -ronde « Un coopérativisme de plateformes est-il possible ?« . On pourrait voir se dessiner rapidement une réponse qui se constitue autour de la capacité de financement et qui assombrirait le futur des plateformes. Oui les grandes plateformes sont possibles par la puissance du Venture capitalisme qui peut y engouffrer des milliards en attendant un résultat opérationnel confortable. Les coopératives n’ont pas cette faculté.

C’est par un autre argument qu’il faut se saisir de la question. Il va dans le sens que Henry Minzberg donne à sa réflexion : celui d’une société équilibrée entre le secteur privé, le secteur public et ce secteur tiers composés d’association, de fondation, de coopérative, de mutualités, et dont le trait commun se résume en non-profit.

Souvent le discours relatif à ce secteur tiers s’appuie sur des valeurs et  sous-tend que l’économie doit avoir  des vertus, une morale. On veut une économie humaine, une économie solidaire, une économie respectueuse, et moins que de s’interroger sur les fins on s’interroge sur les moyens. Elle s’opposerait faiblement à la voracité du capitalisme (néo-liberal), son but est le renforcement d’une résistance.

Ce discours  écarte l’idée que le collaboratif n’est pas forcément une valeur mais aussi une source de performance. La compétition par l’émulation et l’apprentissage améliore la performance mais elle peut la détruire en réduisant les comportements solidaires et bienveillant dont la définition est : qui prend en compte l’intérêt de l’autre, et qu’on retrouve dans les notion de stewardship ou de civilité organisationnelle dont l’effet est de mieux faire face aux inattendus de la vie économique, et d’en amortir les conséquences négatives.  Inversement si les modèles solidaires contribuent à la performance en palliant aux défauts de connaissance, ils peuvent la réduire par son ossification, son appesantissement. Il n’y a pas un bon modèle contre un autre plus mauvais, mais deux modèle ambigus dans leurs effets qui parfois se complètent. L’économie est performante si elle trouve un équilibre entre les deux : la compétition et la coopération. L’une s’appuie sur la connaissance, l’autre fait face à l’ignorance.

Cette performance naturellement doit s’analyser en deux composantes : l’une qui est relative à l’organisation économique, l’autre à celle du milieu ( appelons ça bien-être, intérêt général, communs etc). Cette dualité est une affaire de politique, ce qui est bon c’est que l’une soit accomplie avec l’autre car comment les pondérer ? Faire des profits et améliorer l’environnement est la meilleure chose. Cette situation semble-t-il est prise en compte dans la littérature récente au travers de la notion de caractère transformatif des projets ou des stratégies. Elle s’oppose d’une certaine manière à l’approche de la responsabilité sociale, qui de manière normative, se contente de rappeler que les organisations peuvent produire des externalité négatives qu’il faut réduire ou compenser. L’approche transformative va plus loin, elle s’attache aussi aux externalités positives qu’elle souhaite encourager.

C’est une des raisons qui conduisent à penser, en matière de plateformes, qu’il s’agit moins d’imaginer un monde où des plateformes conduites par le profit écrasent les autres alternatives, qu’un monde où se cotoient différentes formes et leurs hybrides. Et s’il faut se poser des questions sur les raisons et la manière de les réguler, il faudra s’interroger sur les potentiels transformatifs de ces modèles, faire une balance complète des avantages apportés à leurs partie prenantes et des externalités positives et négatives injectées dans le milieu.

Les nudges sont-il le moyen de la théorie économique pour façonner le monde à son image?

neurone-cultureDepuis quelque temps et la découverte du codex des biais cognitifs  sème le trouble dans mon esprit. Près de 200 sont recensés, et font de l’humain un être totalement imparfait, un être sans qualité marqué par le destin d’épiméthée.

Un tel nombre doit conduire à reconsidérer la terminologie de biais. S’ils sont aussi nombreux c’est qu’ils ont une raison d’être, elle est certainement adaptative. Avec le temps, notre cerveau a évolué trouvant des solutions à la question de l’adaptation au milieu . Buster Benson les regroupe de manière fonctionnelle en quatre grands problèmes : comment décider quand il y a trop d’information, quand il n’y a pas assez de signification, quand on a besoin d’agir vite, quand il faut définir ce dont on doit se souvenir? Les biais sont autant d’adaptations.

Bien sur la résolution de ces problèmes peut aussi en induire d’autres : on rate des informations importantes, on génère des illusions, on prend des décisions erronées, la mémoire renforce l’erreur. Si ces défauts étaient majeurs, évolutionnairement les biais auraient disparus. S’ils sont dommageables c’est que le milieu a changé : nous serions inadapté au monde dans lequel nous vivons, ce monde que nous avons créé, un monde socialement construit. Nos adaptations seraient devenu des inadaptations et il faudrait nous corriger, nous améliorer, nous assister. Les nudges sous aideraient à surmonter notre nature, à nous civiliser, pour nous adapter à une norme, celle de la décision rationnelle.

L’hypothèse évolutionniste, la véritable théorie de ce phénomène, fait qu’il devient difficile d’appeler biais, ou défaut, ou fragilité, ce qui est un plus, un meilleur, un ajustement, une adaptation. Sauf à  penser qu’il y ait une sorte d’état idéal, celui vers lequel tendrait la nature, qui est celui d’une parfaite rationalité. L’accumulation de ces adaptations témoigne pour prouver que ce n’est pas la tendance. L’idéal n’est pas un idéal de nature mais celui normatif de l’idéal économique, qui ne décrit pas forcement un état souhaitable, mais celui qui satisfait un principe métaphysique et idéologique, celui de la tendance la l’équilibre et s’appuie sur la rationalité de ses acteurs ( la fiction d’une instance qui explorerait tous les états et pourrait identifier celui qui procure le plus d’avantage – l’humain un dieu omniscient et utilitariste).  L’acteur humain, et nous y reviendra un peu plus loin, c’est aussi le cas des intelligence artificielle, n’est pas l’être imparfait que discipline normative tente de définir et qui requière les correctifs de l’économie comportementale. C’est un être complexe, qui développe une cognition modulaire et architecturée, pour répondre aux défis de l’évolution. La caractéristique la plus générale de cette architecture est de s’adapter à des environnements variés, par les capacités  d’apprentissage forgée par l’agencement de ces adaptations.

Dans cette perspective l’utilisation des biais cognitifs par les nudges, pour orienter la conduite dans le sens du bien, qu’il soit celui du sujet ou celui de la collectivité, peut paraitre l’instrument par lequel la science économique tend à façonner le monde selon son propre imaginaire. Cela suffirait à lui ôter la dignité de sciences pour lui donner la légitimité d’une doctrine. Plutôt que de valider ses hypothèses elle tend à redresser son objet (les décisions individuelles) pour mieux satisfaire son projet. C’est bien inquiétant. Cela l’est d’autant plus qu’on y observe la tendance à définir sa scientificité par l’expérience comme la polémique du  » négationnisme économique »  l’illustre. Epistémologiquement c’est une pirouette : ce n’est pas en déplaçant le caractère scientifique de la théorie vers l’expérience que l’on peut justifier un tel projet. L’expérience ne vaut que lorsqu’on veut tester une théorie,  la mettre à l’épreuve. L’argument traditionnel de l’économie est qu’importe peu le degré de réalisme de la représentations des unités phénoménologiques, c’est que le modèle dans son ensemble rende compte de la réalité. Mais l’économie comportementale par la méthode expérimentale, démontre un agent bien plus sophistiqué qu’on imaginait, et apporte une réfutation persistante. Tant de « biais » reflètent non plus une rationalité limitée, qui serait un amendement au perspective rationaliste, mais au contraire la sophistication de notre appareil de décision : l’ensemble de ces « biais », de leurs interactions, de leur inhibitions, de leurs activations, compose une machine formidable à apprendre.

C’est d’ailleurs le propre des intelligences artificielles que peu à peu on met en place. L’exemple des modèles de bandit manchots est illustratif, leur capacité à apprendre vient de l’introduction d’une sorte de biais cognitifs : par exemple la préférence pour les solutions gagnantes qui caractérise les algorithmes greedy s’apparente assez fortement au biais de confirmation! C’est ce qui lui donne une capacité à découvrir et apprendre la bonne solution plus rapidement que des approches plus naïves. De même la reconnaissance d’objets dans les images a fait des progrès dès lors que l’on a introduit des pré-traitements par des filtres qui mettent en reliefs des aspects spécifiques des images. Avec le deep learning on s’aperçoit que c’est moins un modèle donné qui fonctionne que la capacité d’ajuster des modules spécialisés dans une architecture plus générale. Ces intelligences se constitueront sans doute dans le futur par l’agencement de centaines de ces adaptations ( ne parlons plus de biais), elles seront peut être aussi sophistiquées que la notre, mais se développeront parallèlement s’adaptant à un autre univers que le notre car elles ont une autre histoire. Elles auront d’autres raisons.

Pour revenir aux nudges, dans la mesure où l’on ne souhaite pas les réduire à être les instruments qui corrigent le comportement des unités observées pour les contraindre à rentrer dans le cadre de la théorie néo-classique, il faudra leur donner un autre fondement moral et une autre justification que la capacité de faire prendre une décision qui favorise notre bien-être et le bien être collectif en respectant la liberté de choix. Ce sera moins dans le cadre d’un paternaliste bienveillant et libertaire qu’il faudra trouver les bons arguments dont celui d’une interférence non-arbitraire, et par conséquent, et celui d’un contrat social qui donne à la puissance qui le manipule la justification de son action, que dans l’exploration de cette idée fondamentale que notre capacité d’apprentissage est justement constituées de tels biais.

Le problème dès lors, pour améliorer nos décisions, ne serait plus de pallier à une défaillance, mais plutôt à renforcer ces capacités. Une conception juste du nudge pourrait être ainsi définie, elle ne porterait pas tant sur nos présumées défaillances mais sur l’environnement social qui souvent est trompeur. Sa finalité serait moins de nous persuader à notre insu pour notre bien que de façonner un monde qui favorise nos capacités de jugement.

Master Management de l’Innovation GDO/MOPP – Méthodes quantitatives pour la recherche en gestion

L’objectif du cours est de donner une culture quantitative élargie aux étudiants, leur laissant le soin d’approfondir les méthodes qui pourraient être utilisées dans le cadre de leurs projets de recherche. Il est aussi de le donner le sens critique nécessaire pour évaluer les protocoles employés dans la littérature courante de gestion. Il est dispensés aux étudiants du Master management de l’Innovation parcours MOPP et GDO.
Le cours s’organisent en 2 éléments :

1) Rappels élémentaires de statistique et d’analyse multivariée (tests, régression, ACP et classification) : 3 séances . L’environnement le langage r avec le package Rcmdr et  rstudio qui sont à installer au préalable. On trouvera un manuel d’initiation ici  et pour la culture générale on encourage à suivre r-blogger.

On travaillera sur un cas issu du Mémoire de Master Marketing de Pauline Vautrot. Il porte sur l’effet des preuves de transparence sur l’évaluation d’un moteur de recommandation. Les éléments se trouve sur le dossier google drive.

  1. Analyse univariée avec r
  2. Analyse bivariées : Test du khi², analyse de variance, corrélations, …
  3. Analyse factorielle
  4. Classification automatique
  5. Régressions

2) Un atelier des méthodes – présentation de protocoles méthodologiques dont les synthèses sont présentées par les étudiants sur la base d’articles significatifs dont voici un florilège. ( en Janvier 1 journée pleine)

Evaluation : au choix : une étude statistique menée avec r, ou l’exposé synthétique d’une méthode (en 4 pages). C’est un travail individuel. Inscription ici

Quelques idées de sujet :

  • Analyse conjointe et modèle de choix ()
  • Modèle de croissance ( SEM)
  • Méthode de la différence des différences (causalité)
  • Modèle de régression avec variable instrumentale ( causalité)
  • Modèles VAR ( économétrie, causalité) : avec une belle application pour l’analyse des effets croisés des médias sur les ventes.
  • Modèle linéaire hiérarchique et analyse multi-niveaux ( économétrie)
  • Mesure des attitudes implicites (Échelle), en se concentrant sur les travaux du Project Implicit
  • Machine learning et catégorisation de document en explorant les solutions proposées par MonkeyLearn pour la catégorisation.
  • Analyse des rendements anormaux (finance) ou event Analysis. Une application à l’effet des surprises ( positives ou négatives) est un très bon point de départ.
  • Régression avec auto-corrélation spatiale ( économétrie). Pour une introduction cette application en marketing en donne une très bonne idée.
  • Modélisation multi-agent appliquée au sciences sociales en passant par l’étude des modèles standard de Netlogo.
  • Analyse des réseaux sociaux ( Réseaux)
  • Data visualisation : de la grammaire des graphes à l’inventaire des solutions créatives en passant par l’ergonomie ou la psychologie.
  • Tests d’équivalence structurelle et comparaison inter-culturelle
  • ….

Les séances ont lieu les mardi de 18h00 à 20h30 à l’Ecole des Mines de Paris (Luxembourg) – Pour poursuivre voir aussi l’Atelier Doctoral.