Evolution et Régulation des Algorithmes Financiers – EFAR

Les algorithmes jouent un rôle croissant dans les décisions économiques, comme la fixation des prix sur les plateformes en ligne, la publicité, ou la sélection de candidats à l’embauche. Les décideurs publics sont de plus en plus sensibles aux risques que cela pose en termes de protection des consommateurs (un exemple récent au niveau européen étant le Règlement Général sur la Protection des Données), de politique de la concurrence (Crémer et al., 2019), ou de stabilité des marchés financiers (directive européenne MiFID II).

Ce projet pose la question de l’adéquation des outils conceptuels dont nous disposons pour guider la décision publique sur la façon de réguler les algorithmes. Ceux-ci se comportent-ils de la même façon que des agents économiques humains, simplement de manière plus rapide ou plus systématique ? Ou bien l’interaction entre agents économiques via des algorithmes est-elle fondamentalement différent ? Si oui, faut-il réguler les algorithmes différemment des humains, et en ce cas comment ?

Je propose d’étudier ces questions dans le contexte des marchés financiers, qui offrent un « laboratoire » idéal. En effet, les algorithmes affectent de nombreux domaines de la finance (fonds quantitatifs, « robo-advisors », trading algorithmique, « FinTech », etc.) et des travaux empiriques de plus en plus nombreux documentent leur impact. Les travaux théoriques quant à eux ont pour le moment modélisé les agents algorithmiques présents sur ces marchés en utilisant des outils traditionnels, et en supposant simplement que les algorithmes avaient quelque avantage vis à vis des humains (par exemple, une vitesse supérieure).

L’idée de ce projet est au contraire d’explorer des différences plus radicales entre humains et algorithmes à travers quatre projets ayant en commun trois idées fortes. D’abord, je m’appuierai des sur modèles de théorie des jeux où les joueurs sont modélisés comme des machines qui apprennent de manière statistique sur la base des itérations passées du jeu. L’interaction stratégique entre de telles machines peut mener à des résultats très différents de l’interaction entre joueurs humains. Ensuite, je propose de mener des expériences d’un type nouveau où les sujets de l’expérience doivent coder des algorithmes (ici, de trading) qui ensuite interagissent entre eux. Enfin, je prévois d’explorer de nouvelles approches de régulation des algorithmes. En particulier, j’étudierai dans le cadre d’un marché artificiel dans quelle mesure les régulateurs peuvent aussi utiliser une approche algorithmique pour corriger les échecs de marché.