R´evision des croyances dans CoBAN

5.4.1 Observations sur la r´evision des croyances

Lors de la r´eception d’un ensemble d’informations (T AN ), un agent doit int´egrer ces nouvelles informations `a sa base de croyance (IAN ). Commen¸cons par aborder cette question en envisageant le cas simple d’une unique information (A, C, σnew_{), qui}

est confront´ee `a une croyance pr´ealable (A, C, σold). La r´evision des croyances vise `a d´efinir la nouvelle croyance - qui sera (A, B) ou (A, C) - et son nouveau support σrev_.

Consid´erons les diff´erents cas de figure, en fonction de la nouvelle information re¸cue (contradictoire ou identique `a la croyance pr´ealable) et au support de l’information (inf´erieur, ´egal ou sup´erieur `a celui de la croyance pr´ealable).

Information compatible avec la croyance pr´ealable

Quand un individu re¸coit une information compatible avec sa croyance pr´ealable (B = C), la r´evision des croyances semble peu sujette `a discussion. Quoi qu’il arrive, l’ancienne croyance (A, B) persistera. Le nouveau support σrev d´epend des supports de l’information et de la croyance :

– Si la nouvelle information est plus cr´edible que la croyance pr´ec´edente (σnew _≻

σold), elle renforcera la croyance pr´ec´edente (σrev = σnew). Par exemple, si vous avez entendu dire que l’iPhone est ergonomique, et que vous v´erifiez cette infor- mation par exp´erience personnelle, votre croyance est renforc´ee.

– Si la nouvelle information est moins cr´edible ou aussi cr´edible que la croyance pr´ec´edente (σnew _4σold_{), le support de la croyance demeure inchang´e : σ}rev ₌

σold_{. Par exemple, si vous savez par exp´erience que l’iPhone est ergonomique, une}

publicit´e qui vante l’ergonomie de l’iPhone n’affaiblira pas votre croyance. Dans ce cas B = C, on a donc σrev _{= max(σ}new_{, σ}old_).

Information contredisant la croyance pr´ealable

Quand un individu re¸coit une information (A, C, σnew_{) qui contredit une croyance}

pr´ealable (A, B, σnew_{), avec (B 6= C), la r´evision des croyances devient un probl`eme}

de persuasion. D’un point de vue normatif, il semble ´evident que l’individu devrait syst´ematiquement remplacer son ancienne croyance si la nouvelle information est plus cr´edible, et ignorer l’information si elle est moins cr´edible. Cette approche est retenue dans les mod`eles classiques de r´evision des croyances [Williams et Rott, 2001]. Mais nous cherchons `a construire un mod`ele descriptif et non normatif, et la r´ealit´e s’av`ere plus complexe. Nous identifions deux facteurs essentiels qui, en plus du support, im- pactent de fa¸con notable la r´evision des croyances.

1. la multiplicit´e des sources fournissant une mˆeme information avec le mˆeme niveau de croyance influence la r´evision des croyances. Une unique information re¸cue avec

5.4. R ´EVISION DES CROYANCES DANS COBAN 107 un support donn´e peut ne pas conduire `a la r´evision des croyances, tandis que plusieurs informations re¸cues avec le mˆeme support conduisent `a la r´evision. 2. l’anciennet´e des informations et des croyances conduit `a une r´evision des

croyances plus ou moins probable. Une croyance ancienne sur une innovation peut ˆetre estim´ee obsol`ete par l’individu, que ce soit parce que l’´etat du monde peut avoir chang´e (l’innovation s’est transform´ee) ou simplement parce que la conviction s’´emousse avec le temps. Les mod`eles classiques de r´evision de croyance posent implicitement l’hypoth`ese que la r´evision des croyances se fait dans un d´elai court. Or, dans notre cas, la r´evision des croyances est d´ecrite dans des p´eriodes longues (plusieurs semaines, mois ou ann´ees). Sur une telle dur´ee, l’anciennet´e des informations doit ˆetre prise en compte.

3. une inertie des croyances : lorsqu’une croyance est accept´ee, il est peu probable qu’elle soit imm´ediatement remplac´ee par une croyance contradictoire.

Si la nouvelle information est plus cr´edible que la croyance pr´ec´edente (σnew≻ σold), il est tr`es probable que l’on remplace l’ancienne croyance. Si une publicit´e t´el´evisuelle vous informe que l’iPhone permet d’acc´eder rapidement `a Internet, mais qu’un jour- nal sp´ecialis´e vous informe que cet acc`es est en r´ealit´e lent, il est probable que vous croyiez cette nouvelle information plutˆot que la publicit´e qui vante le produit. On pourrait toutefois noter des exceptions `a ce principe. Si les niveaux de support σnew_et

σold _{sont proches, la multiplicit´e des sources et la r´ecence de l’information deviendront}

d´eterminantes. Supposons qu’une personne accorde en g´en´eral davantage de cr´edit `a un comparatif s´erieux (bas´e sur des tests et des statistiques, publi´e par un magazine ind´ependant) qu’`a l’avis isol´e d’un ami. Supposons qu’un tel comparatif ´elise le four- nisseur d’acc`es `a Internet le plus fiable. Si un ami lui fait part de ses probl`emes avec ce mˆeme fournisseur, il est peu probable que cet avis isol´e remplace la croyance introduite par le comparatif. Par contre, si plusieurs amis rapportent des ennuis avec ce fournis- seur, l’individu pr´ef`erera sans doute ces avis `a l’information du comparatif ind´ependant qui apparaitra d´esormais minoritaire.

Si la nouvelle information est aussi cr´edible que la croyance pr´ealable (σnew= σold), la r´evision est difficile `a d´eterminer. Imaginons une personne qui a re¸cu un avis ´enon¸cant qu’un produit est fiable, tandis qu’un autre lui r´ev`ele au contraire que le produit est fragile. Quelle information sera finalement retenue ? Si la croyance est d´ej`a ancienne quand la nouvelle information est re¸cue, elle supplantera sans doute plus sˆurement la premi`ere. Si de multiples informations viennent contredire la croyance, il est probable que cet ensemble d’informations ind´ependantes remplacera la croyance pr´ec´edente. On ne peut donc, faute d’exp´eriences r´eelles, que supposer que la probabilit´e de r´evision est plus importante si plusieurs informations sont re¸cues ou si la croyance est ancienne. Si la nouvelle information est moins cr´edible que la croyance pr´ec´edente (σnew _{≺ σ}old_{), il semblerait coh´erent de syst´ematiquement replacer la croyance}

pr´ealable. N´eanmoins, cela conduirait `a long terme `a nier la capacit´e de persuasion des messages r´ep´etitifs. En d’autres termes, cela indiquerait qu’un acheteur qui a

personnellement exp´eriment´e la lenteur d’un iPhone lors de la navigation sur Internet ne r´evisera jamais ses croyances, mˆeme apr`es trois ann´ees pendant lesquelles la publicit´e lui affirme que l’iPhone est rapide. En r´ealit´e, le sujet se laisserait sans doute convaincre, ne serait-ce que parce que le produit a pu ˆetre am´elior´e, ou parce qu’il estimera son exp´erience marginale. Il semble donc coh´erent d’´enoncer que la probabilit´e de r´evision d’une croyance par une information `a la cr´edibilit´e inf´erieure est tr`es peu probable, mais possible, en particulier si la croyance est ancienne.

5.4.2 R´evision probabiliste d’une croyance

D´ecrire la r´evision des croyances par des probabilit´es

Ces observations nous prouvent la difficult´e `a d´efinir de fa¸con rigoureuse et g´en´erique la r´evision des croyances. A notre niveau de description - `a l’´echelle d’une population dans un mod`ele g´en´erique - il est difficile de d´efinir pr´ecis´ement comment les croyances seront r´evis´ees. Nous nous reposerons donc sur une description probabiliste de ces r´evisions.

σ1 σ2 σ3 σ4

σ1 intermediaire faible faible faible

σ2 forte intermediaire faible faible

σ3 forte forte intermediaire faible

σ4 forte forte forte intermediaire

Table_{5.2: Exemple de table probabiliste de r´evision de croyances pour une ensemble} de supports Σ = {σ1≺ σ2 ≺ σ3 ≺ σ4} d´efinissant la probabilit´e de r´eviser une croyance

de cr´edibilit´e σold ∈ Σ (en haut) en fonction du niveau de cr´edibilit´e σnew (`a gauche)

de la nouvelle information.

Nous d´efinissons la r´evision d’une croyance par une information contradictoire comme une probabilit´e prev_{. Cette probabilit´e est d´efinie en fonction de la cr´edibilit´e attribu´ee}

`

a la nouvelle information σnew _{et du support de l’ancienne information σ}old _{: p}rev _:

(σold_{, σ}new_{) 7→ [0, 1]. Il s’agit donc d’une table de probabilit´es qui ´enonce quelle est la}

probabilit´e qu’une nouvelle information remplace une croyance. Cette table est d´efinie comme param`etre du mod`ele. Afin de conserver une coh´erence avec l’ordonnancement de l’ensemble Σ, les probabilit´es de r´evisions, structur´ees comme en tableau 5.2, doivent respecter certaines contraintes afin de demeurer coh´erentes (voir figure 5.2) :

– si σnew_{≻ σ}old_{, la probabilit´e de r´evision est ´elev´ee voire certaine.}

– si σnew _{= σ}old_{, la probabilit´e de r´evision est interm´ediaire, afin de tenir compte}

de l’inertie.

– si σnew _{≺ σ}old_{, la probabilit´e de r´evision est tr`es faible, mais pas nulle, afin de}

m´enager la possibilit´e de r´eviser `a long terme une croyance ancienne.

Sur cette base, la table de r´evision prev_(σold_{, σ}new_{) permet de tenir compte des}

5.4. R ´EVISION DES CROYANCES DANS COBAN 109 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 1 2 3 4 5 6 7 probabilite de revision nombre d’occurences esperance de revision pour pres=0.5

esperance de 99% esperance de 50%

Figure _{5.7: Probabilit´e qu’une} croyance ait ´et´e r´evis´ee par nombre de r´eception d’information, pour pres= 0.5 1 10 0.01 0.1 1 0 0.2 0.4 0.6 0.8 1 esperance de revision f(x,y) 0.99 0.5 nombre de receptions probabilite de revision esperance de revision

Figure _{5.8: Probabilit´e qu’une croyance ait ´et´e} r´evis´ee sachant le nombre de r´eceptions d’informa- tion et la probabilit´e de r´evision

amen´es `a d´ecrire un niveau de cr´edibilit´e pour les croyances pr´ealables, associ´e `a des probabilit´es de r´evision sp´ecifiques (voir 7.3.3).

Probabilit´e de r´evision de croyance pour des informations successives La r´evision de croyances pour des supports σold_{, σ}new _{donn´es est un tirage al´eatoire}

r´ep´et´e qui survient `a chaque r´eception d’information. Ce tirage al´eatoire peut ˆetre consid´er´e comme un sch´ema de Bernouilli sur l’univers {R, ¬R} (avec R la r´evision de croyance), dont les param`etres seraient n le nombre de tirages et p = p(R) = pres_(σold_{, σ}new_{) (avec q = 1 − p). La probabilit´e que l’on obtienne un nombre donn´e}

d’occurences x = {0..n} de R selon ces param`etres, not´e X = x, est fournie par la loi binomiale : p(X = x) = 1 − n<sub>x</sub>
px<sub>q</sub>n−x<sub>. Dans notre cas, nous nous int´eressons `a</sub>

toute issue dans laquelle la croyance a ´et´e r´evis´ee au moins une fois, c’est-`a-dire tout nombre de tirages sup´erieur `a 1 : p(X = [1..n]) = 1 − p(X = 0). Nous disposons donc facilement de la formule qui lie la probabilit´e de r´evision des croyances, l’esp´erance de r´evision pendant n tirages et le nombre de tirages : p(X > 1) = 1 − (1 − p)n_{. On obtient}

donc la formule qui nous permet de param´etrer la probabilit´e de r´evision des croyances en fonction du nombre de r´eceptions d’informations n´ecessaires pour atteindre une esp´erance donn´ee de r´evision des croyances : prev _{≥ 1 − e}ln(1−pattendu)_{n . Cette notion est}

plus intuitive `a appr´ehender pour l’utilisateur du mod`ele que la probabilit´e de r´evision brute.

La figure 5.7 repr´esente la relation entre le nombre de r´eceptions d’information et l’esp´erance de r´evision des croyances, dans le cas o`u la probabilit´e de r´evision des croyances est prev _{= 0.5. Comme on peut le voir sur cette figure, une esp´erance de}

r´evision des croyances de 50% est atteinte d`es la premi`ere r´eception d’information, tandis qu’il faut approximativement 7 r´eceptions d’information pour avoir une quasi-

1 10 100 1000

0.001 0.01 0.1 1

nombre d’occurences necessaires

probabilite de revision

50 pourcents de chance de revision 99 pourcents de chance de revision

Figure_{5.9: Probabilit´es de r´evision d’une croyance `a 50 et 99% sachant le nombre de} messages persuasifs re¸cus et la probabilit´e de r´evision

certitude (99% d’esp´erance) que la croyance soit r´evis´ee. La figure 5.8, qui pr´esente la mˆeme information pour toutes les probabilti´es de prev possibles, d´emontre que la probabilit´e qu’une croyance soit r´evis´ee est exponentielle dans les premiers tirages, et ralentit en approchant de la r´evision certaine. Nous avons repr´esent´e sur cette figure deux rep`eres d’esp´erance de r´evision `a 50% et 99% (quasi-certitude).

Param´etrage des probabilit´es de r´evision

En utilisant cette formule, il devient possible de param´etrer plus naturellement la table de r´evision des croyances, en se basant sur le nombre de r´eceptions d’information estim´e n´ecessaire pour la persuasion. Sur la figure 5.9, les rep`eres de probabilit´e de r´evision `a 50 et 99% sont repr´esent´es pour faciliter ce param´etrage. Ainsi, si l’utilisateur du mod`ele consid`ere que la r´evision d’une exp´erience personnelle (de support σxp_{) par}

un message publicitaire (cr´edibilit´e σpub) est quasi-certaine apr`es 500 r´eceptions de messages publicitaires, la probabilit´e de r´evision sera fix´ee `a prev_(σpub_{, σ}xp_{) = 0.0095.}

Dans ce cas, apr`es r´eception de 70 messages, la probabilit´e de r´evision sera de 0.5. Faute de donn´ee directe ou indirecte sur les statistiques de r´evision des croyances, cette approche permet de se reposer sur des ´evaluations “de bon sens”, qui pourraient n´eanmoins ˆetre mesur´ees sur le terrain pour une meilleure pr´ecision.

Ce m´ecanisme de r´evision probabiliste demeure simple, tout en ´etant compatible avec plusieurs observations :

– temporalit´e et pression informationnelle : une croyance ancienne sera probable- ment r´evis´ee si la dur´ee est suffisamment longue et/ou le nombre de messages

5.4. R ´EVISION DES CROYANCES DANS COBAN 111 important.

– multiplicit´e des sources : de nombreuses sources envoient des messages plus nom- breux, ce qui augmente la probabilit´e de r´eviser l’information.

– une inertie est d´ecrite dans la r´evision des croyances, une croyance ne pouvant pas ˆetre r´evis´ee imm´ediatement.

5.4.3 Algorithmes de r´evision de croyances

D´efinition d’ensembles d’exclusion

Afin de d´ecrire la r´evision de croyances contradictoires, il est bien sˆur n´ecessaire de d´efinir ce que sont des croyances incompatibles entre elles, ce qui n’existe pas en- core dans notre mod`ele, dans lequel les concepts sont ind´ependants. Comme cela a ´et´e fait dans les fonctions de croyance, nous d´efinissons un ensemble d’incompatibilit´es entre concepts not´e Θ, qui contient des ensembles θ de concepts incompatibles, avec ∀θ ∈ Θ, θ ⊂ C . Deux concepts sont incompatibles si l’on ne peut pas croire simul- tan´ement qu’un objet est rattach´e simultan´ement `a ces deux concepts. Par exemple, “cher” et “bon march´e” sont incompatibles, de mˆeme que “dangereux” et “sˆur”. Dans de nombreux cas, les ensembles d’exclusion contiennent plus de deux concepts, comme “tr`es bon march´e”, “prix habituel” et “cher”. Chaque ensemble d’exclusion contient donc au moins deux concepts (et potentiellement plus de deux concepts). Θ est un param`etre du mod`ele fourni par l’utilisateur. Pour simplifier, nous consid´ererons ici qu’un concept est au plus contenu dans un seul ensemble d’exclusion.

Lorsqu’une information (A, B, σnew_{) est re¸cue, avec A, B ∈ C et σ}new_{∈ Σ, on d´etecte}

la contradiction avec une croyance existante pour un objet o ∈ O par l’algorithme suivant :

– B appartient `a un ensemble d’exclusion : ∃θi ∈ Θ|B ∈ θi. Si B n’appartient `a

aucun ensemble d’exclusion, il ne peut pas y avoir contradiction.

– on r´ecup`ere les concepts associ´es `a o en construisant la repr´esentation activ´ee RAa,to . Il y a contradiction si un concept oppos´e `a B est reli´e `a l’objet o : ∃Cj|Cj ∈

θi∩ RAa,to .

R´evision d’une croyance

La r´evision d’une croyance est r´ealis´ee par l’algorithme 5.2. Conform´ement `a ce que nous avions d´etaill´e plus haut, les cas de contradiction (ligne 1) ou de non contradiction (ligne 16) sont distingu´es. Dans le premier cas, la r´evision des croyance est probabiliste (ligne 5). En l’absence de contradiction, on augmente la cr´edibilit´e d’une croyance pr´ealable (lignes 19 `a 22) ou l’on ajoute la nouvelle croyance (ligne 28). La r´evision des croyances se base sur le support des concepts et non des croyances (ligne 1). Par cons´equent, il est possible de devoir supprimer plusieurs liens menant `a un concept afin de cr´eer une croyance menant `a un concept incompatible (lignes 9 `a 11).

Entr´ees: (C1, C2, σnew) l’information re¸cue

Entr´ees: IANa,t_{la base de croyances}

Entr´ees: RAa,t

o = (CRA, sRA) la repr´esentation activ´ee correspondant `a l’objet o, avec CRA⊂

C et s : CRA_{7→ Σ}

Entr´ees: prev_{: Σ, Σ 7→ [0 : 1]}

1: si ∃θi∈ Θ|B ∈ θi et ∃Cj|Cj ∈ θi∩ CRA alors

2: // il existe une contradiction entre l’information re¸cue et les croyances pr´ealables

3: random = tirage aleatoire uniforme dans [0 : 1]

4: σold_{= s(C} j)

5: si random ≤ prev_alors

6: // le tirage al´eatoire m`ene `a une r´evision

7: // on supprime tous les liens menant au concept incompatible,

8: // en se limitant aux liens connect´es `a l’objet lui-mˆeme

9: pour chaque information (o, Cx, σx) ∈ IANa,t|Cj fils de Cx faire

10: supprimer (o, Cx, σx) de IANa,t

11: fin pour

12: ajouter (C1, C2, σnew) `a IANa,t

13: sinon

14: // ne rien faire ; la croyance ´etait contradictoire mais n’est pas remplac´ee

15: finsi

16: sinon

17: si ∃(C1, C2, σold) ∈ IANa,talors

18: // il existe un lien identique...

19: si σnew_{≻ σ}old _alors

20: // ... dont on va augmenter la cr´edibilit´e

21: supprimer (C1, C2, σold) de IANa,t

22: ajouter (C1, C2, σnew) `a IANa,t

23: sinon

24: // ne rien faire ; il existe d´ej`a un lien identique `a la cr´edibilit´e ´equivalente ou sup´erieure

25: finsi

26: sinon

27: // le lien n’existe pas encore, et n’entre pas en contradiction avec un lien pr´ec´edent ; on l’ajoute.

28: ajouter (C1, C2, σnew) `a IANa,t

29: finsi

30: finsi

Algorithme 5.2: Algorithme de r´evision d’une croyance

revision croyance((C1, C2, σnew), RAa,to ). Les lignes commen¸cant par “//” sont

Dans le document Vers une modélisation plus réaliste de la diffusion d'innovations à l'aide de la simulation multi-agents (Page 117-124)