Suite du numéro précédent :

Négligence des coûts, notamment d’opportunité : d’une manière générale, un biais intéressant est que les joueurs négligent en général les coûts d’augmenter telle ou telle caractéristique, ainsi que les contraintes auxquels ils sont soumis. On comprend d’où vient le biais : les joueurs qui font le plus d’optimisation sont les plus avancés dans le jeu, qui sont soumis à peu de contraintes et cherchent l’optimum global, la configuration indépassable et ultime. Beaucoup de joueurs qui sont très loin d’avoir les mêmes ressources (équipement actuel, temps disponible pour améliorer leur équipement) adoptent tout ou partie des recommandations pour atteindre cet optimum. Ainsi par exemple un joueur pourra jeter son casque C1 pour prendre à la place le casque C2, parce que une fois combiné à la tunique T le casque C2 est bien meilleur. Mais il se peut très bien qu’en fait, en attendant d’avoir T, C1 soit meilleur que C2, et que T soit extrêmement difficile à obtenir, si bien que le joueur mettra des mois avant de l’avoir. Il se peut aussi que le temps passé à obtenir T aurait pu être bien mieux employé à faire autre chose que du World of Warcraft à rechercher un autre objet, le coût d’opportunité du temps est en général totalement négligé.

Optimisation dynamique : en des termes plus mathématiques, il semble que les joueurs aient du mal à considérer que le problème est dynamique, et qu’ils ne cherchent pas seulement le meilleur état stationnaire, mais aussi le meilleur sentier pour y parvenir. En d’autres termes beaucoup de temps peut être consacré à se rapprocher de la meilleure configuration possible en essayant péniblement de mettre la main sur des pièces d’équipement très rares, alors qu’en moins de temps il serait peut-être possible de mettre la main sur de l’équipement de moins bonne qualité, mais qui permettrait ensuite de mettre beaucoup moins de temps à mettre la main sur les mêmes pièces rares.

Optimisation à plusieurs variables : le fait que l’objectif dépende de beaucoup de variables pose souvent problème. D’abord il est possible, étant donné également ce que nous avons vu jusqu’à présent, que les joueurs croient avoir atteint un optimum alors qu’ils sont en fait sur un « point-selle ». Ainsi ils pourraient constater qu’ils n’ont pas intérêt à sacrifier h pour t ou pour d, mais oublient de considérer l’arbitrage entre h et c par exemple. Ici intervient le fait qu’expérimenter est coûteux, et qu’on ne peut le faire en général que sur une ou deux variables à la fois. Selon ses croyances a priori, un joueur n’essaiera pas d’optimiser davantage dans la même direction. S’il est convaincu que c est inutile, il n’essaiera qu’en dernier recours de voir ce qui se passe avec plus de c et moins des autres variables.

Biais à mon avis assez répandu. Mettons par exemple qu’il y ait deux méthodes pour résoudre un problème (par exemple « l’insécurité »), la méthode consistant à employer x (force, répression, dissuasion), et la méthode consistant à employer y (police de proximité, politiques sociales, éducation). On fait un premier essai avec beaucoup de x et peu de y, et on constate que le résultat est décevant. Si l’on croyait a priori que x est très efficace et y peu, on peut légitimement penser qu’on a mis trop peu de x et qu’il faut encore en rajouter. Inversement, si dès le départ on nourrissait des doutes quant à l’efficacité de x, on peut y voir la confirmation de sa croyance qu’il faut en fait davantage de y. Les deux interprétations peuvent être parfaitement rationnelles, pourvu que les croyances de départ soient différentes (ce qui suppose, comme l’a montré Aumann, qu’il ne soit pas connaissance commune que les agents ayant des opinions différentes sont rationnels).

Négligence de l’aléa : un combat à haut niveau dans WoW n’est souvent pas gagné d’avance, à moins que le groupe de joueurs ne domine très nettement le « boss » qu’il affronte. Le véritable objectif du groupe ne devrait donc pas être de maximiser la quantité de dégâts infligés dans un temps donné, mais la probabilité de sortir vainqueur de l’affrontement. Or on se rappelle que les dégâts infligés sont aléatoires, notamment parce que chaque joueur a une certaine probabilité d’obtenir un « coup critique », infligeant deux fois plus de dégâts que la normale. Donc plus le score de coup critique sera proche de 1/2 et plus la variance des dégâts infligés par seconde sera élevée, ce qui peut s’avérer très important. Si le nombre de dégâts infligés en moyenne par le groupe est suffisant pour battre le « boss », il vaut mieux à dégâts moyens égaux rechercher une variance faible, pour éviter les mauvaises surprises. Mais inversement, si le groupe est un peu faible, avec une variance nulle il pourrait n’avoir aucune chance de vaincre, alors qu’avec une variance élevée il peut avoir un coup de chance et enchaîner coup critique sur coup critique, jusqu’à sortir victorieux de l’affrontement. Le biais est donc ici qu’on cherche à maximiser les dégâts infligés en moyenne, qui sont aléatoires, et pas la probabilité que les dégâts infligés soient supérieurs à une certaine valeur (ou minimiser la probabilité que les dégâts soient insuffisants).

Sur-réaction : ce biais est le plus souvent illustré avec les douches anglaises, toujours trop froides ou trop chaudes, si bien que le malheureux Frenchy qui, contrairement aux préjugés locaux, ne demande pas mieux que de se laver, tourne désespérément le robinet côté froid quand l’eau est brûlante, obtenant ainsi une eau glacée, et côté chaud quand l’eau est glacée, obtenant une eau brûlante, au lieu d’essayer de trouver une position intermédiaire. On retrouve ce biais de surréaction, avec l’exclusion avec dédain de certaines spécialisations, ou de certaines stratégies, suite à quelques expériences malheureuses. On observe aussi de la sur-inférence basée sur des échantillons trop petits, comme la croyance que tous les joueurs ayant choisi tel personnage partagent telle ou telle caractéristique (par exemple les « chevaliers de la mort » ont la réputation d’être souvent immatures, mais ça c’est vrai).

En cherchant bien, on pourrait probablement enrichir cette liste déjà assez longue. La leçon générale de cette étude me semble être que la recherche de la configuration optimale dans WoW est un processus très biaisé, mais qui néanmoins converge vers des solutions peut-être pas parfaites (difficile de juger de l’extérieur si elles le sont ou non), mais en tout cas assez impressionnantes si l’on songe à la complexité du problème pour le mathématicien qui voudrait l’aborder ex ante. C’est, il me semble, le genre de cas où les théories économiques basées sur l’hypothèse de rationalité des agents s’appliquent très bien, parce que sur le long terme les agents se comportent effectivement presque comme si ils étaient rationnels.

Le problème est évidemment de savoir ex ante, étant donné un problème économique, si on est bien dans une situation où les agents apprennent et convergent vers la solution rationnelle, et si oui à quelle vitesse (ie. à quel terme la prédiction du modèle est-elle valide). La « littérature » théorique sur l’apprentissage essaie de répondre à ce genre de questions, mais à ma connaissance on est loin encore de pouvoir dire sur un problème donné si la convergence est assez rapide pour qu’utiliser l’hypothèse de rationalité ait un sens, notamment parce que cela dépend beaucoup de la manière dont les gens sont supposés apprendre.

Une deuxième possibilité est d’étudier ce qui se passe pendant que les gens essaient d’apprendre, sur le « court terme », ce qu’essaient de faire là aussi certains modèles d’apprentissage. Une troisième possibilité est encore de supposer que les agents n’ont pas le temps d’apprendre et se comportent de manière plus mécanique, façon « agent-based models ». Mais le problème est renversé : il faut expliquer pourquoi les agents sont incapables d’apprendre ou, si à long terme les agents se corrigent, jusqu’à quel terme le modèle s’applique,. Dans les deux cas il faut disposer d’une bonne description de la façon dont les agents réagissent aux événements et apprennent ou non de leurs erreurs, description qui risque de dépendre fortement du problème étudié.

En attendant de tels développements théoriques, mon conseil final aux malheureux joueurs de WoW qui se seraient égarés par erreur sur cette page en googlant « WoW+stuff+optimisation » est de suivre le conseil des autres joueurs, c’est encore le plus sûr.

D’ailleurs, il faudra un jour qu’on vous donne la liste des recherches Google les plus dingues qui ont amené de malheureux vagabonds de la toile chez nous. C’est souvent… inattendu.