Auteurs

Inês Terrucha ; Elias Fernández Domingos ; Rémi Suchon ; Francisco C. Santos ; Pieter Simoens ; Tom Lenaerts

Résumé

À une époque de plus en plus influencée par les machines autonomes, ce n’est qu’une question de temps avant que les décisions individuelles stratégiques ayant un impact sur les biens collectifs ne soient également prises virtuellement, via l’usage d’agents artificiels. À travers une série d’expériences comportementales combinant la délégation à des agents autonomes et différentes architectures de choix, nous identifions ce qui peut être perdu dans la traduction lorsque les humains délèguent à des algorithmes. Nous nous concentrons sur le dilemme du risque collectif, un jeu dans lequel les participants doivent décider s’ils souhaitent contribuer ou non à un bien public, ce dernier devant atteindre un certain seuil pour que chacun puisse conserver son endowment personnel. Pour tester l’effet de la délégation au-delà de sa simple fonction d’engagement, les participants jouent une seconde fois au même jeu, avec le même groupe, mais cette fois avec la possibilité de reprogrammer leurs agents. Notre principal résultat montre que, lorsque l’espace d’action est contraint, les personnes qui délèguent contribuent davantage au bien public, même si elles subissent davantage d’échecs et d’inégalités que celles qui ne délèguent pas. Cependant, elles ne sont pas plus performantes. L’échec à atteindre le seuil, même lorsqu’il est proche, peut être attribué à des erreurs de précision dans l’algorithme de l’agent, erreurs qui ne peuvent être corrigées en cours de jeu. Ainsi, avec la numérisation et la limitation progressive de nos interactions, les délégués artificiels apparaissent comme une solution prometteuse pour préserver les biens collectifs dans des situations à risques répétées. Mais la réussite effective ne peut être atteinte que si les humains apprennent à ajuster les algorithmes de leurs agents.