Abonnez-vous Identifiez-vous

Identifiez-vous

Vos codes d'accès sont erronés, Veuillez les saisir à nouveau. Mot de passe oublié ?

[Chronique éco] Quand le machine learning explique la grève à la SNCF

,

Publié le

Tous les quinze jours, Raphaël Giraud, professeur de sciences économiques à l'Université Paris 8 Saint-Denis, décortique un article scientifique de l'économie expérimentale. Aujourd'hui, il s'intéresse à la rationnalité de la grève, thème s'il en est d'actualité. Des recherches récentes conduites avec l'aide du machine learning révèle les raisons pour lesquelles il peut être rationnel de bloquer les transports (pour prendre un exemple au hasard).

[Chronique éco] Quand le machine learning explique la grève à la SNCF
Ceci n'est pas une photo des manifestations récentes.
© Wikipedia

Alors que la France entre dans une période de conflit social dur, quels outils l’économie, et singulièrement l’économie comportementale et expérimentale, nous donne-t-elle pour penser ce type de conflit ? L’analyse classique remonte à Hicks, économiste contemporain de Keynes et lui-même plus adepte du compromis que du conflit théorique.

Pour Hicks, la grève ne devrait jamais se produire entre des agents rationnels et bien informés. En effet, dans ce cas, chacune des parties prenantes d’un conflit sait à quel accord elles parviendront à l’issue de (ou pour mettre fin à) la grève, compte tenu de leur pouvoir de négociation respectif, et elles devraient donc aller directement à la mise en œuvre de cet accord, sans passer par la case « grève » et en en économisant alors les coûts économiques. Il y a donc l’idée que la grève est un faux-semblant coûteux et évitable.

La rationalité de la grève

Le fait qu’au moins une des parties ne dispose pas de suffisamment d’informations pour anticiper l’accord final peut cependant redonner une logique à la grève. Dans un article à paraître (1), des économistes et gestionnaires analysent les conditions théoriques dans lesquelles la grève peut apparaître entre individus rationnels et teste cette théorie expérimentalement. Leur but est de mettre en évidence les conditions théoriques et empiriques favorisant l’échec des négociations et donc ce qu’ils appellent la grève (métaphore ici de cet échec). Une des originalités de l’article est d’utiliser la technique du machine learning pour mettre en évidence quelques conditions empiriques d’apparition de la grève.

Concrètement, dans l’article le contexte est celui de deux parties devant se partager une certaine somme d’argent, que l’on appelle le « gâteau ». La taille de ce gâteau et connue d’une des parties, dite partie informée. L’autre, la partie non-informée, n’en connaît que les tailles possibles et leurs probabilités. Compte tenu de cette asymétrie, la partie informée dispose du pouvoir de négociation puisqu’elle sait exactement à combien elle pourrait prétendre au maximum. La négociation est donc ici un échange de propositions de la partie non-informée et de contre-propositions de la partie informée, et elle se déroule sous contrainte de temps. Si à l’issue du temps imparti, aucun accord n’a été trouvé, chacune des parties repart avec 0. C’est cette dernière situation qui est assimilée dans le modèle à la grève : le moment où le conflit ne trouve pas de solution et éclate avec toutes ses conséquences. L’objectif de l’article est donc d’étudier les déterminants de la probabilité de l’absence d’accord.

D’un point de vue théorique, les auteurs montrent que plus la taille du gâteau est grande, c’est-à-dire plus les coûts en cas d’échec de la négociation sont grands, plus la probabilité de la grève est faible. Ils montrent également qu’il existe un conflit entre efficacité et égalité du partage dans les solutions au conflit, une solution efficace étant définie ici par le fait qu’aucune autre répartition n’améliorerait la situation de toutes les parties pour toutes les tailles possibles du gâteau. Dans ces conditions, il existe une solution qui privilégie l’efficacité et une autre qui privilégient l’égalité. Ces deux solutions impliquent que pour les tailles les plus élevées du gâteau, un accord est systématiquement trouvé.

Le machine learning à la rescousse

Les auteurs testent ces prédictions théoriques en mettant des individus réels dans la situation décrite par la théorie. On constate alors que la prédiction théorique, selon laquelle la probabilité de trouver un accord est croissante avec la taille du gâteau, n’est pas remise en cause par les données. Il y a donc bien une composante de rationalité dans l’approche de la négociation par ces sujets.

En revanche, l’absence d’accord peut apparaître même lorsque le gâteau est le plus gros possible. Afin de trouver un début d’explication à cela, les auteurs entraînent un algorithme de machine learning à reconnaître les cas de négociation réussie et les cas de négociation ayant échoué, et à déceler des caractéristiques du processus de négociation qui sont les plus susceptibles de mener à l’échec. Il s’agit ici de tenter de donner un fondement à certaines intuitions des « sciences de la négociation » qui mettent l’accent sur le déroulement du processus pour en expliquer l’issue et fondent leur recommandations sur ce paramètre.

Concrètement, les auteurs mettent en évidence le rôle de la proposition initialement faite par la partie non-informée : plus elle est exigeante, plus la négociation a des chances d’échouer. C’est également l’ampleur de la différence entre les propositions des deux parties à tout moment du processus qui prédit le mieux l’échec. L’échec est essentiellement l’échec d’un processus de coordination, qui diverge et va dans le mur.

La gréviculture en question

Peut-on tirer quelques enseignements de ces recherches pour éclairer les conflits sociaux en France, passés et présents ? On peut considérer que ce que certains appellent la « gréviculture » française, la propension à recourir souvent à la grève, est d’abord le résultat d’un défaut structurel dans le processus de négociation appelé « dialogue social ». Les partenaires sociaux ne parviennent pas, ou pas assez vite, à anticiper le résultat auquel une grève parviendrait nécessairement, et à se coordonner sur cette solution au lieu d’en passer par elle. Malgré la taille du gâteau, c’est-à-dire les coûts sociaux des grèves, souvent considérables, celles-ci ont lieu quand même avec une probabilité relativement élevée. Notons que la possibilité de la grève même dans le cas de coûts élevés est présente dans les données expérimentales. Faut-il pour autant parler de « culture » ?

Si l’on en croit l’étude discutée ici, un élément culturel, expliquant la plus grande prévalence de conflits sociaux durs en France par rapport à d’autres pays, pourrait être cherché dans une certaine façon maximaliste d’aborder la négociation : chacun campe d’emblée sur la position la plus exigeante possible, retardant d’autant la possibilité de converger rapidement sur le compromis auquel on finira de toute façon par aboutir. C’est donc sans doute à renoncer à cette culture du combat de coqs qu’il faudrait s’atteler. Mais le sort de François Hollande, moqué sans relâche pour sa culture du compromis, et le frisson d’excitation un peu coupable que l’on sent parcourir le pays à l’idée d’un conflit dur entre Macron – Jupiter et les syndicats, suggèrent qu’on en est encore loin. 

 

Raphaël Giraud est Professeur de sciences économiques à l'université Paris 8- Vincennes Saint-Denis

 

Les avis d'experts sont publiés sous la reponsabilité de leurs auteurs et n'engagent en rien la rédaction de L'Usine Nouvelle

 

  1. Camerer, Colin & Nave, Gideon & Smith, Alec. “Dynamic unstructured bargaining with private information: theory, experiment, and outcome prediction via machine learning”. À paraître dans Management Science.

Réagir à cet article

Créez votre compte L’Usine Connect

Fermer
L'Usine Connect

Votre entreprise dispose d’un contrat
L’Usine Connect qui vous permet d’accéder librement à tous les contenus de L’Usine Nouvelle depuis ce poste et depuis l’extérieur.

Pour activer votre abonnement vous devez créer un compte

Créer votre Compte
Suivez-nous Suivre Usine Nouvelle sur Facebook Suivre Usine Nouvelle sur Twitter RSS Usine Nouvelle