Learning in a Complex World: Insights from an OLG Lab Experiment

Dans cette étude, nous apportons un nouvel éclairage sur la coordination de groupes et la dynamique des prix dans des environnements complexes. Nous exécutons en laboratoire un modèle à générations imbriquées, où la dynamique de la production est déterminée par une application quadratique chaotique qui a déjà fait ses preuves. La structure de ce modèle nous permet d’étudier des régions de paramètres auparavant inexplorées dans lesquelles la dynamique des prévisions parfaites présente un comportement chaotique. Nous tirons trois importantes conclusions de cette étude. Tout d’abord, les prix convergent vers l’équilibre le plus simple, c’est-à-dire soit un état stationnaire sur le plan monétaire, soit un cycle de deux périodes pour l’ensemble des marchés. Ensuite, nous mettons en évidence un nouvel effet surprenant : la non-monotonie de la dynamique quand la complexité augmente. La convergence vers le cycle de deux périodes se produit dans la région de paramètres intermédiaire, tandis que les scénarios extrêmes associés tant à un cycle stable – et simple – de deux périodes qu’à une dynamique fortement non linéaire (chaos) aboutissent à une coordination en état stationnaire dans notre étude en laboratoire. Tous les indicateurs de coordination et de convergence présentent cette relation non monotone de manière très nette dans les expériences dans lesquelles les sujets apprennent à former des prévisions. Nous obtenons la même chose lorsque les sujets apprennent à prendre des décisions optimales. Enfin, la convergence des prix se vérifie plus difficilement dans les expériences axées sur l’optimisation, puisqu’aucune coordination n’a été observée pour le cycle de deux périodes, et ce, même si celui-ci domine l’état stationnaire au sens de Pareto.