Palaiseau

Sortie : Introduction aux Sciences Economiques, cours de première année à l’Ecole polytechnique par Olivier Gossner, Jean-Baptiste Michau et Vincent Rollet

Le 3 juin 2024, les éditions Economica ont publié Introduction aux Sciences Economiques, Cours de Première Année à l’Ecole polytechnique, par Olivier Gossner (CREST-CNRS), Jean-Baptiste Michau (CREST-Ecole polytechnique) et Vincent Rollet (doctorant au MIT et ancien étudiant de l’Ecole Polytechnique).

Olivier Gossner est normalien, docteur et titulaire de l’agrégation en mathématiques et de l’habilitation à diriger les recherches en économie. Il est directeur de recherche au CNRS, professeur d’économie à l’École Polytechnique et professeur de mathématiques à la London School of Economics. Ses recherches portent sur la théorie des jeux et sur les asymétries d’information en économie.

Jean-Baptiste Michau est docteur en économie de la London School of Economics et titulaire de l’habilitation à diriger des recherches en économie. Il est professeur d’économie à l’École Polytechnique. Spécialisé en macroéconomie, en finances publiques et en économie du travail, ses recherches portent sur les interactions entre les politiques monétaires et budgétaires.

Vincent Rollet est polytechnicien et doctorant en économie au Massachusetts Institute of Technology. Ses recherches portent sur les enjeux auxquels font face les zones urbaines, ainsi que sur l’impact économique des phénomènes politiques

Nous les avons interrogé sur ce projet :

Pourquoi avoir eu envie de travailler ensemble sur la rédaction d’un manuel ?

Oliver et moi dispensons depuis 6 ans le cours d’introduction aux sciences économiques obligatoire pour tous les élèves ingénieurs en première année à Polytechnique. Le manuel est issu des notes de cours. Vincent Rollet était un de nos élèves les plus prometteurs, aujourd’hui doctorant au MIT. Avant de partir aux Etats-Unis, il a enseigné les Petite Classes (les TD) de ce cours. Ayant de nombreuses idées sur l’enseignement de l’économie à l’X, il nous a semblé naturel de l’associer à ce projet.

 Quel est l’apport de chacun dans cet ouvrage ?

On peut vraiment considérer que ce manuel est un travail d’équipe et que l’ensemble a été collectivement écrit par nous trois. Nous avons chacun nos domaines de compétence: Olivier est spécialiste de la microéconomie et de la théorie des jeux, Vincent de l’économie empirique, du commerce international, et de l’économie politique (qui se rapprochent des sciences politiques), et moi-même de l’économie publique et de la macroéconomie. Ceci étant, nous avons croisé nos regards sur chacun des sujets afin d’écrire un manuel cohérent et facilement accessible.

Retrouvez ci-dessous le résumé de leur travail :

Comment réduire les activités néfastes à l’environnement ? Quels sont les effets de la robotisation sur l’emploi ? Quelles sont les conséquences du contrôle des loyers ? Comment allouer les places à l’université entre les élèves qui sortent du lycée ? À quoi sont dues les crises financières ? Quels sont les ressorts de l’inflation ?

Ce manuel présente les concepts fondamentaux de l’analyse économique qui permettent de répondre à ce type de questions. Il s’adresse aux étudiants qui découvrent la discipline, ainsi qu’aux personnes qui souhaitent renforcer leurs acquis élémentaires en sciences économiques.

Il suppose des connaissances en mathématiques du niveau du baccalauréat.

L’ouvrage explique rigoureusement le fonctionnement d’une économie de marché, ainsi que ses défaillances comme la concurrence imparfaite ou les asymétries d’information. Ces principes sont appliqués à l’analyse du marché du travail et des marchés financiers. Les fondements de l’analyse macroéconomique sont présentés à l’échelle nationale, puis internationale. Des chapitres spécifiques proposent des introductions à la théorie des jeux, à la théorie du vote, ou encore aux algorithmes d’appariement entre offre et demande. Les concepts sont illustrés par de nombreux exemples.

 

 

8 CREST papers to be presented at ICML 2024

This year, several researchers from CREST will present their papers to the International Conference on Machine Learning (ICML) which will occur from July 21st to 27th.

About ICML

The International Conference on Machine Learning (ICML) is the premier gathering of professionals dedicated to the advancement of the branch of artificial intelligence known as machine learning.

ICML is globally renowned for presenting and publishing cutting-edge research on all aspects of machine learning used in closely related areas like artificial intelligence, statistics and data science, as well as important application areas such as machine vision, computational biology, speech recognition, and robotics.

ICML is one of the fastest growing artificial intelligence conferences in the world. Participants at ICML span a wide range of backgrounds, from academic and industrial researchers, to entrepreneurs and engineers, to graduate students and postdocs.

CREST’s papers to be presented

1. A connection between Tempering and Entropic Mirror Descent
Nicolas Chopin, Francesca R Crucinio, Anna Korba

2. Theoretical Guarantees for Variational Inference with Fixed-Variance Mixture of Gaussians
Tom Huix, Eric Moulines, Alain Oliviero Durmus, Anna Korba

3. Sliced-Wasserstein Estimation with Spherical Harmonics as Control Variates
Rémi Leluc, Aymeric Dieuleveut, François Portier, Johan Segers, Aigerim Zhuman

4. A New Branch-and-Bound Pruning Framework for $\ell_0$-Regularized Problems
Guyard Theo, Cédric Herzet, Clément Elvira, Ayse-Nur Arslan

5. Active Ranking and Matchmaking, with Perfect Matchings
Hafedh Ferchichi, Matthieu LERASLE, Vianney Perchet

6. Non-clairvoyant Scheduling with Partial Predictions
Ziyad Benomar, Vianney Perchet

7. Statistically Optimal Generative Modeling with Maximum Deviation from the Empirical Distribution
Elen Vardanyan, Sona Hunanyan, Arnak Dalalyan, Tigran Galstyan, Arshak Minasyan

8. On a Neural Implementation of Brenier’s Polar Factorization
Nina Vesseron, Marco Cuturi

Click here for more information about the conference.

Quand l’IA s’immisce dans les sondages

Julien Boelaert (Université de Lille) et quatre chercheurs en sociologie du CREST (Samuel Coavoux, Etienne Ollion, Ivaylo Petev et Patrick Präg) ont récemment publié, au format preprint, l’article “Machine Bias. Generative Large Language Models Have a Worlview of Their Own“.

Ce travail est repris dans un article du Monde paru le 23 mai 2024 : “Quand l’intelligence artificielle s’immisce dans les sondages“.

Nous voulions en savoir un peu plus sur ces travaux. Samuel Coavoux a bien souhaité répondre à nos questions :

Pourquoi vous êtes vous mis à travailler sur la capacité des modèles de langage à imiter les populations ? 

Il y a environ un an, dès les débuts de l’engouement pour les assistants conversationnels comme ChatGPT, nous avons vu paraître les premiers papiers évoquant la possibilité de remplacer les humains dans les enquêtes de sciences sociales. Cela semblait à la fois impressionnant et irréaliste. Mais du fait de la force de la promesse de l’IA, on pouvait s’attendre à ce que des entreprises tentent de remplacer les répondants des enquêtes de sciences sociales. Cela n’a pas manqué : on a vu paraître des entreprises vendant des “études” réalisées avec des IA génératives. Mais pour quels résultats ? On a voulu tester cela.

Quel était l’objectif de cet article ? 

Notre objectif premier étant donc de voir s’il était possible d’utiliser les modèles de langage actuels pour simuler des populations. On se disait qu’il devait y avoir de forts biais lié; ne serait-ce que ceux en lien avec le fait que les données d’internet mobilisées pour entraîner ces modèles sur-représentent certaines populations. Ces modèles sont entraînés sur des corpus avant tout anglophones.

On a donc voulu, nous aussi, poser des questions à ces modèles (GPT, Llama, Mixtral, …) et on les a comparé à des personnes réelles. Mais les premiers résultats nous ont surpris : en fait, le biais est à la fois fort et difficile à prévoir. Contrairement à ce que nous pensions, les hommes américains blancs de classes moyennes ne sont pas particulièrement mieux représentés que les autres. A la place, tout se passe comme si chaque modèle de langage avait une vision très opiniâtres de ce que devait être l’opinion majoritaire, et en variait un peu. C’est ce que nous avons appelé ‘Machine bias“. Il y avait déjà des tendances dans la littérature, des gens qui avaient repéré l’étroitesse d’esprit des modèles, mais aucun n’avait systématiquement étudié cela, ni n’en avait tiré les conséquences.

Comment avez-vous mené cette recherche collectivement ? 

Ce travail est le résultat d’une collaboration au sein de l’équipe de sociologie du CREST, avec un membre extérieur, Julien Boelaert. Julien a été particulièrement moteur : il est sans doute l’un des meilleurs connaisseurs des modèles de langage parmi les utilisateurs de ces outils dans les sciences sociales. L’article a aussi bénéficié des synergies dans l’équipe de sociologie entre les spécialistes des sciences sociales computationnelles et ceux des enquêtes sur la stratification sociale.

Quand l’IA s’immisce dans les sondages

Julien Boelaert (Université de Lille) et quatre chercheurs en sociologie du CREST (Samuel Coavoux, Etienne Ollion, Ivaylo Petev et Patrick Präg) ont récemment publié, au format preprint, l’article “Machine Bias. Generative Large Language Models Have a Worlview of Their Own“.

Ce travail est repris dans un article du Monde paru le 23 mai 2024 : “Quand l’intelligence artificielle s’immisce dans les sondages“.

Nous voulions en savoir un peu plus sur ces travaux. Samuel Coavoux a bien souhaité répondre à nos questions :

Pourquoi vous êtes vous mis à travailler sur la capacité des modèles de langage à imiter les populations ? 

Il y a environ un an, dès les débuts de l’engouement pour les assistants conversationnels comme ChatGPT, nous avons vu paraître les premiers papiers évoquant la possibilité de remplacer les humains dans les enquêtes de sciences sociales. Cela semblait à la fois impressionnant et irréaliste. Mais du fait de la force de la promesse de l’IA, on pouvait s’attendre à ce que des entreprises tentent de remplacer les répondants des enquêtes de sciences sociales. Cela n’a pas manqué : on a vu paraître des entreprises vendant des “études” réalisées avec des IA génératives. Mais pour quels résultats ? On a voulu tester cela.

Quel était l’objectif de cet article ? 

Notre objectif premier étant donc de voir s’il était possible d’utiliser les modèles de langage actuels pour simuler des populations. On se disait qu’il devait y avoir de forts biais lié; ne serait-ce que ceux en lien avec le fait que les données d’internet mobilisées pour entraîner ces modèles sur-représentent certaines populations. Ces modèles sont entraînés sur des corpus avant tout anglophones.

On a donc voulu, nous aussi, poser des questions à ces modèles (GPT, Llama, Mixtral, …) et on les a comparé à des personnes réelles. Mais les premiers résultats nous ont surpris : en fait, le biais est à la fois fort et difficile à prévoir. Contrairement à ce que nous pensions, les hommes américains blancs de classes moyennes ne sont pas particulièrement mieux représentés que les autres. A la place, tout se passe comme si chaque modèle de langage avait une vision très opiniâtres de ce que devait être l’opinion majoritaire, et en variait un peu. C’est ce que nous avons appelé ‘Machine bias“. Il y avait déjà des tendances dans la littérature, des gens qui avaient repéré l’étroitesse d’esprit des modèles, mais aucun n’avait systématiquement étudié cela, ni n’en avait tiré les conséquences.

Comment avez-vous mené cette recherche collectivement ? 

Ce travail est le résultat d’une collaboration au sein de l’équipe de sociologie du CREST, avec un membre extérieur, Julien Boelaert. Julien a été particulièrement moteur : il est sans doute l’un des meilleurs connaisseurs des modèles de langage parmi les utilisateurs de ces outils dans les sciences sociales. L’article a aussi bénéficié des synergies dans l’équipe de sociologie entre les spécialistes des sciences sociales computationnelles et ceux des enquêtes sur la stratification sociale.