Les décisions humaines que les LLM peuvent reproduire mieux que les enquêtes

Depuis des décennies, la modélisation de la manière dont les vraies personnes prennent des décisions, en particulier en situation de risque et d'incertitude, s'est heurtée à un mur pratique difficile à franchir. La théorie des perspectives cumulées (CPT) capture les biais que l'économie classique ignore : l'aversion aux pertes, la dépendance aux points de référence, la tendance à surpondérer les petites probabilités. Mais pour utiliser la CPT à grande échelle, les chercheurs ont besoin de paramètres individuels dont la collecte est obstinément coûteuse. Les enquêtes sont petites. Les expériences contrôlées sont homogènes. La diversité de la prise de décision humaine reste hors de portée.

Une équipe de l'Université de Tianjin et de l'Université de Nottingham Ningbo Chine vient de publier ce qui pourrait être la première démonstration systématique que les grands modèles de langage peuvent contourner complètement ce goulot d'étranglement. Dans un preprint intitulé "Reproducing human biases in route choice using large language models", les chercheurs montrent que des agents basés sur des LLM, 3 000 d'entre eux, chacun avec un profil démographique et psychologique distinct, produisent des schémas de choix qui correspondent aux prédictions de la CPT avec une qualité d'ajustement supérieure à 0,93 pour les gains et 0,95 pour les pertes.

“Ces résultats suggèrent que les modèles d'IA générative peuvent offrir une alternative évolutive pour modéliser les processus de décision humaine”, écrivent les auteurs. L'implication est que les simulations basées sur des agents, longtemps limitées par la difficulté de donner aux agents virtuels une hétérogénéité comportementale réaliste, pourraient être construites avec une fidélité auparavant réservée aux expériences à petite échelle avec des sujets humains.

Des questionnaires aux agents génératifs

Le goulot d'étranglement que l'article aborde n'est pas théorique mais logistique. La CPT décrit le comportement de choix par une fonction de valeur et une fonction de pondération des probabilités, régies par des paramètres qui encodent la sensibilité d'une personne aux gains par rapport aux pertes, la rapidité avec laquelle elle actualise les différences de probabilité, et où elle place son point de référence psychologique. L'estimation de ces paramètres a historiquement signifié la réalisation d'enquêtes portant au maximum sur quelques centaines de participants, 160 enregistrements exploitables d'une enquête sur les déplacements dans la région de Washington, ou une poignée d'étudiants diplômés dans une expérience en laboratoire. Les ensembles de paramètres qui en résultent décrivent une moyenne de groupe, et non le spectre de l'hétérogénéité du monde réel.

L'approche de l'équipe chinoise remplace les répondants humains par des agents basés sur des LLM. En utilisant une architecture de prompting non paramétrique, ils ont créé dix profils d'agents, un retraité se rendant à l'hôpital, un coursier effectuant des livraisons, un vidéaste examinant des lieux, chacun avec des préférences de risque explicites, une sensibilité au temps et un motif de déplacement. Pour chaque profil, ils ont généré 300 agents, donnant un total de 3 000 sujets virtuels. Ces agents ont ensuite été exposés à des scénarios de choix d'itinéraire où le même temps de trajet moyen masquait différentes distributions de risque : certains itinéraires avaient des résultats stables mais médiocres ; d'autres offraient la possibilité d'un gain important parallèlement à un risque réel de perte.

“Des agents humains hétérogènes avec des attributs multidimensionnels sont construits à partir de LLM via des invites standardisées”, expliquent les auteurs. Les agents n'ont pas reçu de paramètres CPT ; ils ont reçu une description de qui ils étaient et de ce qu'ils valorisaient, et on leur a demandé de choisir un itinéraire.

Les biais que les LLM ont reproduits

L'article teste deux prédictions canoniques de la CPT. Premièrement, que les gens sont averses au risque dans le domaine des gains et en quête de risque dans le domaine des pertes. Deuxièmement, que l'asymétrie n'est pas symétrique : les pertes font environ 1,43 fois plus mal que les gains équivalents ne font du bien, un chiffre que l'étude a dérivé directement des choix générés par le LLM. Les paramètres estimés, α = 0,4 pour la sensibilité aux gains, β = 0,64 pour la sensibilité aux pertes et λ = 1,43 pour l'aversion aux pertes, se situent dans la plage des valeurs rapportées dans les études humaines.

Fait crucial, les agents n'ont pas suivi leurs étiquettes de risque mécaniquement. Lorsque les agents de type 1, des retraités décrits comme prudents et méticuleux, ont été placés dans un scénario de perte où l'itinéraire A avait une probabilité nulle d'arrivée à l'heure, ils ont basculé vers l'itinéraire B plus volatil. “Cela suggère que, bien qu'ils soient généralement averses au risque, ils réévaluent la distribution des résultats lorsque le retard est inévitable”, notent les auteurs. Les profils du vidéaste et de l'étudiant, décrits comme en quête de risque, ont massivement choisi l'itinéraire à forte variance, mais pas uniformément dans tous les scénarios, indiquant une prise de décision dépendante du contexte plutôt qu'une politique fixe.

L'étude a également extrait les points de référence, le repère psychologique par rapport auquel les gains et les pertes sont mesurés, à partir des temps de trajet attendus des agents. Plutôt que d'imposer un point de référence fixe, chaque agent LLM a formé une attente individualisée ; l'agrégat de ces attentes a produit un point de référence qui changeait avec le scénario, reflétant la même dépendance au contexte que les économistes comportementaux observent chez les sujets humains.

Mettre à l'échelle le comportement sans augmenter les coûts

La promesse pratique de cette approche n'est pas seulement qu'elle fonctionne, mais qu'elle fonctionne à moindre coût. Faire passer 3 000 agents dans 11 scénarios en trois répliques serait prohibitif avec des sujets humains, à la fois en termes de coûts de recrutement et de temps. La simulation basée sur LLM a produit une sortie JSON structurée prête pour l'analyse statistique, avec une supervision humaine minimale au-delà de la conception des invites.

Les auteurs sont clairs sur ce qu'ils n'ont pas prouvé. Leur étude ne teste pas si les LLM peuvent reproduire tous les biais comportementaux connus, seulement ceux pertinents pour la CPT dans un contexte de choix d'itinéraire. Les profils d'agents, bien que diversifiés, restent une simulation de la diversité, et non une validation par rapport à des données de population réelles. Et l'utilisation d'un seul modèle, GPT-5, laisse ouverte la question de savoir si le résultat se généralise à travers les familles de modèles ou les réglages de température.

Néanmoins, l'article ouvre une porte contre laquelle les modélisateurs comportementaux poussent depuis des années. Si les LLM peuvent générer des données comportementales synthétiques qui reflètent avec précision les structures de biais humains, alors le goulot d'étranglement passe de la collecte de données à l'ingénierie des invites, une contrainte qui est, au moins en principe, plus facile à mettre à l'échelle.

La voie à suivre pour la modélisation comportementale générative

Le travail de l'équipe de Tianjin s'inscrit dans un effort plus large d'utilisation des LLM comme ce que certains chercheurs appellent "la science sociale computationnelle dans une boîte". Des travaux antérieurs du projet d'agents génératifs de Stanford ont montré que des agents basés sur des LLM pouvaient simuler la diffusion d'informations et l'agrégation sociale dans un environnement bac à sable. Cet article étend cette logique à un cadre comportemental strictement paramétré, suggérant que les mêmes agents peuvent servir de substituts aux sujets humains dans des expériences conçues pour mesurer des schémas cognitifs spécifiques.

La question suivante, à laquelle l'article ne répond pas, est de savoir si les paramètres estimés à partir des agents LLM correspondraient à ceux estimés à partir du comportement humain réel dans le même scénario. L'étude s'arrête à montrer que les choix des agents sont cohérents avec la CPT ; elle ne compare pas les estimations de paramètres résultantes avec des bases de référence collectées sur des humains. Cette comparaison serait la prochaine étape naturelle, et les auteurs la reconnaissent indirectement dans leur suggestion finale que les recherches futures devraient examiner "différents modèles d'IA et une comparaison avec la prise de décision réelle des utilisateurs".

Pour les praticiens de la modélisation des transports, de l'urbanisme et de la simulation basée sur des agents, l'article offre une méthodologie concrète. L'architecture d'invite standardisée est modulaire : les mêmes composants de profil et de planification pourraient être adaptés au choix du mode de transport, à l'heure de départ ou même à des scénarios de prise de décision financière. Le code et les modèles d'invite ne sont pas encore rendus publics, mais l'article fournit suffisamment de détails pour reproduire l'approche.

Si les résultats tiennent dans tous les domaines et modèles, le goulot d'étranglement qui a contraint la modélisation comportementale pourrait enfin avoir une solution de contournement, une qui fonctionne sur un appel API plutôt qu'avec un presse-papiers et un tableau de bord.