La théorie des jeux modélise des situations où le résultat d’une décision dépend des choix simultanés de plusieurs acteurs. Développée par John von Neumann et Oskar Morgenstern dans leur ouvrage Theory of Games and Economic Behavior publié en 1944, cette branche des mathématiques appliquées structure aujourd’hui l’analyse en économie, en biologie évolutive et en sciences politiques. Son objet n’est pas de désigner un gagnant, mais de formaliser les interactions stratégiques entre joueurs.
Joueurs, stratégies et gains : la mécanique d’un jeu formalisé
Un jeu, au sens de la théorie, repose sur un ensemble restreint de composantes. Chaque élément conditionne la manière dont on peut prédire ou analyser l’issue d’une interaction.
A découvrir également : Qu'arrive-t-il à un animal quand il pleut ?
- Les joueurs sont les agents qui prennent des décisions. Ce peut être des individus, des entreprises, des États ou même des programmes informatiques.
- Les stratégies désignent l’ensemble des actions possibles pour chaque joueur, compte tenu des règles du jeu et de l’information disponible.
- Les gains (ou payoffs) représentent le résultat obtenu par chaque joueur une fois que tous ont fait leur choix. L’objectif classique est de maximiser ce gain.
- Les règles précisent l’ordre de jeu, le degré d’information de chaque participant et les combinaisons d’actions autorisées.
Cette structure formelle permet de représenter des situations très variées : une négociation commerciale, une enchère, un conflit armé ou la répartition d’une ressource commune. Le résultat dépend toujours des choix combinés de tous les joueurs, jamais d’un seul.
A lire aussi : Comment s'appelle le plat après l'entrée ?
Équilibre de Nash et stratégie dominante en économie
Le concept le plus cité de la discipline reste l’équilibre de Nash, du nom du mathématicien John Nash. Un équilibre de Nash correspond à une situation où aucun joueur n’a intérêt à changer de stratégie unilatéralement, étant donné les choix des autres. Ce n’est pas un optimum collectif : c’est un point de stabilité individuelle.
Le dilemme du prisonnier illustre cette tension. Deux suspects, interrogés séparément, ont chacun intérêt à trahir l’autre, quel que soit le choix du partenaire. La trahison mutuelle constitue l’équilibre de Nash, alors que la coopération aurait produit un meilleur résultat pour les deux.
En économie, ce mécanisme éclaire la concurrence entre entreprises. Quand deux firmes fixent leurs prix simultanément, chacune choisit en anticipant la réaction de l’autre. L’équilibre de Nash décrit le prix auquel aucune firme ne gagne à dévier seule. Ce cadre a été appliqué à la régulation des télécommunications, aux enchères de spectre radioélectrique et à la négociation de traités commerciaux.
Jeux à somme nulle et jeux à somme non nulle
Dans un jeu à somme nulle, le gain d’un joueur correspond exactement à la perte de l’autre. Les échecs ou le poker en sont des exemples directs. La plupart des situations économiques réelles relèvent en revanche de jeux à somme non nulle : la coopération peut créer de la valeur supplémentaire, et la défection peut en détruire pour tout le monde.
Cette distinction a des conséquences pratiques. Analyser un marché comme un jeu à somme nulle alors qu’il ne l’est pas conduit à des stratégies inutilement agressives. À l’inverse, supposer de la coopération dans un contexte purement compétitif expose à des pertes.
Quand la rationalité des joueurs ne tient plus
La théorie des jeux classique repose sur deux hypothèses lourdes : chaque joueur est parfaitement rationnel, et cette rationalité est connue de tous (on parle de connaissance commune de la rationalité). En pratique, ces postulats posent des problèmes mesurables.
Les expériences de laboratoire en économie comportementale montrent que des participants humains ne jouent pas l’équilibre de Nash dans le jeu de l’ultimatum. Le premier joueur propose un partage, le second accepte ou refuse. Un agent rationnel devrait accepter n’importe quelle offre positive. Les participants rejettent fréquemment les offres jugées inéquitables, même à leur propre détriment.
Ce décalage ne signifie pas que la théorie est inutile. Il signifie que ses prédictions perdent en fiabilité dès que les joueurs agissent sous l’effet de biais cognitifs, d’émotions ou d’une information incomplète sur la rationalité d’autrui. La limite principale n’est pas le modèle, mais le réalisme de ses hypothèses de départ.
Information imparfaite et jeux répétés
Pour contourner ces limites, la discipline a développé des extensions. Les jeux en information imparfaite modélisent des situations où un joueur ne connaît pas l’ensemble des actions passées des autres. Les jeux répétés introduisent la dimension temporelle : quand deux acteurs interagissent de façon récurrente, des stratégies de coopération conditionnelle (comme « tit-for-tat ») peuvent émerger, même entre agents égoïstes.
Ces raffinements rendent les modèles plus réalistes, mais aussi plus complexes. Les données disponibles ne permettent pas toujours de déterminer quel type de jeu décrit le mieux une situation donnée.
Théorie des jeux et intelligence artificielle : un terrain d’essai récent
L’un des prolongements les plus récents concerne les systèmes d’intelligence artificielle. Des travaux ont montré que certains grands modèles de langage reproduisent des schémas de coopération proches de ceux observés chez des humains, tandis que d’autres se rapprochent davantage d’équilibres de Nash en privilégiant des décisions plus strictement « rationnelles ».
Ce constat ouvre une question que les concurrents classiques de la théorie des jeux n’abordent pas : un agent artificiel peut-il être modélisé comme un joueur rationnel au sens de la théorie ? Si un modèle de langage coopère dans un dilemme du prisonnier, est-ce par « stratégie » ou par reproduction statistique de comportements humains présents dans ses données d’entraînement ?
La biologie évolutive posait déjà une question similaire. John Maynard Smith a étendu la théorie des jeux aux populations animales avec le concept de stratégie évolutivement stable : une stratégie qui, adoptée par une majorité, résiste à l’invasion de stratégies alternatives. Ici, la « rationalité » n’est pas consciente, elle émerge de la sélection naturelle.
Ces deux cas, IA et biologie, soulignent le même point. La théorie des jeux fonctionne comme un outil de modélisation puissant, à condition de ne pas confondre la rationalité formelle du modèle avec le processus de décision réel de l’agent. Un bon modèle de jeu décrit des résultats observables, pas nécessairement des intentions.
