Académique Documents
Professionnel Documents
Culture Documents
Travail sur :
Réalisé par :
Sayfeddine ADDOU.
Khalil HADJI.
Mehdi SLAOUI.
2
Résumé :
L'objectif d'AI Economist est de permettre une étude objective de l'impact des
politiques sur les économies du monde réel, à un niveau de complexité que la
recherche économique traditionnelle ne peut pas facilement aborder. Ainsi,
l'intersection de l'apprentissage automatique et de l'économie présente un large
éventail de directions de recherche passionnantes et offre de nombreuses
opportunités pour que l'apprentissage automatique ait un impact social positif.
3
Motivation :
4
I. Présentation du dilemme fiscal causé par le modèle économique du revenu,
de la croissance, du travail, des compétences et de l'utilité :
De nombreuses études ont montré qu'une forte inégalité des revenus peut avoir
un impact négatif sur la croissance économique et les opportunités économiques.
Les impôts peuvent contribuer à réduire les inégalités, mais il est difficile de trouver
une politique fiscale optimale. Ceci dit, la théorie économique ne peut pas modéliser
pleinement les complexités du monde réel. D’autre part, la théorie fiscale s'appuie
sur des hypothèses simplificatrices qui sont difficiles à valider, par exemple, sur
l'effet des impôts sur le travail des gens. De plus, l'expérimentation des taxes dans
le monde réel est presque impossible.
La théorie fiscale classique se concentre sur les personnes qui gagnent un revenu en
effectuant du travail. Un travailleur tire une utilité de son revenu mais supporte le
coût de l'effort de travail. À un moment donné, l'utilité supplémentaire d'un revenu
supplémentaire ne l'emporte pas sur le coût d'un effort supplémentaire. Par
exemple, travailler le week-end peut vous rapporter plus d'argent, mais l'effort peut
ne pas en valoir la peine.
Une hypothèse clé est que les gens diffèrent dans leur niveau de compétence. Les
travailleurs peu qualifiés reçoivent un salaire horaire inférieur et gagnent donc
moins d'argent que les travailleurs hautement qualifiés pour la même quantité de
travail. Cela conduit à l'inégalité.
5
II. Approche axée sur les données pour résoudre ce problème :
The AI Economist est une approche purement basée sur la simulation et les
données pour la conception de politiques fiscales optimales. Il utilise une simulation
6
économique fondée sur des principes avec à la fois des travailleurs et un décideur
(un « planificateur » dans la littérature économique), qui apprennent tous
collectivement en utilisant l'apprentissage par renforcement.
2) Le cadre de simulation :
Une caractéristique clé est que les travailleurs ont des compétences
différentes. Les travailleurs plus qualifiés gagnent plus de revenus pour la
construction de maisons, et donc plus d'utilité. Construire des maisons demande
également des efforts, ce qui réduit l'utilité. Les travailleurs paient également des
7
impôts sur le revenu et l'impôt collecté est redistribué équitablement entre les
travailleurs. Tous ces facteurs économiques de concurrence signifient que les
travailleurs doivent être stratégiques afin de maximiser leur utilité.
Dans notre contexte, cela signifie qu'une politique fiscale peut être apprise et
optimise tout objectif social, sans connaissance des fonctions d'utilité ou des
compétences des travailleurs.
Architecture du problème :
9
donné une politique fiscale fixe, il s'agit d'un problème d'apprentissage par
renforcement multi-agent standard avec une fonction de récompense fixe.
Dans la boucle externe : les politiques fiscales sont adaptées afin d'optimiser
l'objectif social. Cela crée un environnement d'apprentissage non stationnaire
dans lequel les agents RL doivent constamment s'adapter à un paysage en
évolution.
En d'autres termes : parce que le revenu après impôt pour le même type et la même
quantité de travail peut changer au fil du temps, les décisions des agents qui étaient
optimales dans le passé pourraient ne pas être optimales dans le présent.
2) Résultats de l’expérience :
Les expériences montrent que l'IA Economist réalise un gain d'au moins 16%
dans le compromis entre l'égalité et la productivité par rapport au meilleur système
fiscal, qui est fourni par la formule de Saez. The AI Economist améliore l'égalité de
47% par rapport au marché libre avec une baisse de productivité de 11% seulement.
10
11
V. Redistribution de patrimoine, transfert de patrimoine et impact fiscal :
Par rapport aux baselines, l'AI Economist présente une structure plus spéciale :
12
Les taxes collectées sont redistribuées équitablement entre les agents. En
effet, les agents les plus modestes reçoivent une subvention nette, même si leurs
taux d'imposition sont plus élevés (avant subventions). En d'autres termes, selon
13
l'AI Economist, les revenus les plus bas ont une charge fiscale plus faible par rapport
aux niveaux de référence.
Trouver des taxes optimales peut être difficile, car les agents d'IA peuvent
apprendre à « jouer » à plusieurs stratégies fiscales. Dans notre simulation, les
agents apprennent qu'ils peuvent réduire leur impôt en alternant entre des revenus
élevés et faibles, plutôt que de gagner un revenu régulier sur plusieurs périodes. Ce
jeu de stratégie se produit pour la taxe Saez et AI Economist en raison de leurs taux
d'imposition régressifs (les tranches de revenus les plus élevées ont des taux
d'imposition inférieurs). La performance de l'IA Economist démontre qu'elle est
14
efficace même face au comportement stratégique des agents, et l'émergence de ce
comportement souligne la richesse du cadre basé sur la simulation.
Les simulations économiques basées sur l'IA ont encore des limites. Ils ne
modélisent pas encore les facteurs comportementaux humains et les interactions
entre les personnes, y compris les considérations sociales, et ils considèrent une
économie relativement petite. Cependant, ces types de simulations offrent une
vision transparente et objective des conséquences économiques des différentes
politiques fiscales. De plus, cette simulation et cette approche basée sur les données
peuvent être utilisées avec n'importe quel objectif social afin de trouver
automatiquement une politique fiscale performante. Les simulations futures
pourraient améliorer la fidélité des agents économiques à l'aide de données du
monde réel, tandis que les progrès de la RL et de l'ingénierie à grande échelle
pourraient augmenter la portée des simulations économiques.
15
Conclusion :
16
Références bibliographiques :
5) Saez, Emmanuel (2001). Utilisation des élasticités pour calculer les taux
d'imposition sur le revenu optimaux. . L'examen des études économiques 68.1:
205-229.
6) Bonabeau, Éric (2002). Modélisation à base d'agents : méthodes et techniques
de simulation des systèmes humains. . Actes de l'académie nationale des
sciences 99, no. suppl 3: 7280-7287.
7) L'inégalité compte. Les Nations Unies.
8) Un modèle basé sur des agents pour étudier une politique optimale de collecte
des impôts à l'aide de données expérimentales : les cas du Chili et de
l'Italie. Garrido, Nicolás et Mittone, Luigi. Le Journal of Socio-Economics 42
(2013): 24-30.
17