« Le maître du jeu » : une conférence de Michel Rudnianski

Ce jeudi 25 janvier 2018, nous nous sommes rendus à une conférence passionnante organisée par l’association IE-IHEDN à l’Ecole Militaire à Paris. A cette occasion, l’universitaire Michel Rudnianski, expert en théorie des jeux, est venu brosser un panorama des jeux de dissuasion, et des clés pour les résoudre – en faisant notamment appel à l’analyse de l’information au travers sa structuration matricielle.

La conférence fut ouverte par une perspective historique de la doctrine dissuasive française en vigueur pendant la Guerre Froide. La « valeur seuil » de la dissuasion française reposait au début des années 80 sur un objectif équivalent à sa propre population, à savoir que tout investissement dans une force de frappe nucléaire allant au-delà de 55 millions de morts chez les Soviétiques allait au-delà du seuil d’acceptabilité pour l’ennemi, donc était considéré comme inutile.

Nous avons notamment apprécié les nombreux rappels sur la théorie des jeux : le dilemme du prisonnier, l’analyse multicritères, les biais décisionnels, les biais cognitifs, la sélection adverse, le paradoxe d’Ellsberg suivant lequel nous sommes attirés par le surplus d’informations même s’il ne sert à rien, le Jeu de l’Ultimatum de Werner, le paradoxe de Concorcet, la notion de dissuasion et de jouabilité,…

L’intervenant a également réalisé un gros travail d’application pour illustrer ces jeux au moyen d’exemples issus d’enjeux de sécurité intérieure, notamment de lutte contre la menace terroriste. Cette démarche s’inscrit dans la lignée de l’analyse des hypothèses concurrentes, développée par Richard Heueur, de la CIA, dans son livre ‘Psychology of Intelligence Analysis’.

Loin de nous l’idée d’être en capacité technique et intellectuelle de vous résumer fidèlement les détails de l’intervention de Michel Rudnianski, nous n’en avons pas moins été frappés par la complémentarité évidente entre la théorie des jeux, que nous découvrions, et le machine learning (statistiques auto-apprenantes) que chez Verteego nous connaissons bien ; machine learning dont les algorithmes s’appuient sur un historique de données pour identifier la reconnaissance de patterns.

Vous trouverez attachée à ce blog post une galerie-photos des diapositives déroulées par le conférencier.