E45 Prise de décision dans lincertitude

Topique

La prise de décision en situation d'incertitude implique de choisir une action dont les conséquences ne peuvent être entièrement prédites. La théorie de l'utilité espérée fournit le cadre normatif de ce processus : l'action optimale est celle qui maximise la somme des utilités des différents résultats possibles, pondérées par leurs probabilités respectives. Cependant, les organismes réels s'écartent systématiquement de cet optimum théorique, et ces écarts nous permettent de comprendre les mécanismes internes qui régissent leurs décisions.

Le modèle de diffusion par dérive décrit mécaniquement comment une décision est prise et développe le principe d'accumulation de preuves. L'information sensorielle s'accumule progressivement à un taux de dérive qui dépend du rapport signal/bruit, jusqu'à ce qu'un certain seuil de décision soit atteint. Ce seuil établit un compromis entre rapidité et précision : plus il est élevé, plus il faut accumuler de preuves, et donc, plus la décision est lente mais aussi précise. Selon le texte, les neurones du lobe pariétal et d'une aire visuelle spécialisée présentent une activité croissante cohérente avec ce processus d'accumulation.

L'actualisation hyperbolique du temps décrit comment la valeur attribuée à une récompense diminue à mesure qu'elle s'éloigne dans le futur. Contrairement à l'actualisation exponentielle, ce mécanisme génère des préférences temporellement incohérentes. Deux récompenses futures peuvent initialement présenter un certain ordre de préférence, mais celui-ci peut s'inverser avec le temps, l'une d'elles devenant plus immédiate. Ce comportement est observé chez l'humain, le rat, le pigeon et les primates non humains. Ainsi, la proximité temporelle d'une récompense peut considérablement modifier son attractivité relative par rapport à une récompense plus éloignée.

Le signal d'erreur de prédiction de la récompense constitue, quant à lui, un mécanisme central de l'apprentissage par renforcement temporel. Les neurones dopaminergiques du mésencéphale réagissent à la différence entre la récompense attendue et la récompense réelle. Une récompense inattendue génère une réponse positive ; lorsqu'une récompense attendue n'apparaît pas, l'activité diminue ; et lorsque le résultat correspond exactement à la prédiction, le signal d'erreur est pratiquement inexistant. Plus la surprise produite par la récompense est grande par rapport à l'attente initiale, plus ce signal est fort. De cette manière, l'organisme peut progressivement mettre à jour ses prédictions et modifier ses décisions futures en fonction de son expérience.

L'attitude face au risque introduit une autre déviation par rapport au modèle normatif simple. Comme l'utilité marginale d'une récompense diminue à mesure que son ampleur augmente, un organisme peut préférer une récompense certaine à une alternative incertaine ayant exactement la même valeur espérée. Cette aversion au risque implique qu'un gain supplémentaire produit une utilité subjective progressivement moindre, conférant ainsi à la sécurité une valeur intrinsèque.

Cependant, cette attitude change lorsque la décision est formulée en termes de pertes. Selon la théorie des perspectives décrite dans le texte, l'organisme tend à être averse au risque face à des gains, mais peut devenir enclin au risque lorsqu'il cherche à éviter une perte. L'évaluation des gains et des pertes est donc asymétrique : la perte d'une ressource peut avoir des conséquences subjectives différentes de l'obtention d'un gain équivalent. Le texte attribue également une possible valeur évolutive à cette aversion à la perte dans des environnements où les ressources varient et où la conservation des ressources disponibles peut être particulièrement importante.

Ensemble, ces mécanismes montrent que décider en situation d'incertitude implique bien plus qu'une simple comparaison de probabilités. L'utilité espérée fournit le cadre normatif pour choisir parmi des résultats incertains ; le modèle de diffusion-dérive explique comment les informations s'accumulent jusqu'à ce qu'une décision soit prise ; l'actualisation hyperbolique intègre la distance temporelle des récompenses. L'erreur de prédiction nous permet de tirer des leçons de l'écart entre les attentes et la réalité.

La décision finale résulte ainsi de l'interaction entre probabilité, utilité, données disponibles, temps, apprentissage et risque. Les organismes peuvent s'écarter systématiquement de l'optimum normatif en privilégiant les récompenses immédiates, en ayant une aversion au risque pour les gains ou en recherchant le risque pour éviter les pertes. Ces écarts ne sont pas de simples erreurs aléatoires, mais des schémas réguliers qui révèlent comment l'organisme adapte ses décisions à l'incertitude, à son expérience passée et aux conséquences possibles de chaque action.

ID:2377