| An essay on the economics of AI algorithms and market structure (Un essai sur l'économie des algorithmes d'IA et les structures de marché) Brandenburg, Amaury - (2025-12-10) / Universite de Rennes An essay on the economics of AI algorithms and market structure
| |||
Langue : Français Directeur(s) de thèse: Malin, Eric Discipline : Sciences économiques Laboratoire : Centre de recherche en économie et management (Rennes ; Caen ; 2004-....) Ecole Doctorale : École doctorale Sciences Economiques et sciences De Gestion - Bretagne (Rennes ; 2022-....) Classification : Economie Mots-clés : Algorithme, Intelligence Artificielle, Structure de marché, Régulation, Stratégies, Surplus
| |||
Résumé : Cette thèse comporte quatre chapitres portant sur l’impact de l’émergence des algorithmes d’Intelligence Artificielle sur la structure des marchés, et ses implications en termes de régulation. Elle s’appuie sur l’étude de modèles d’organisation industrielle et de classe d’algorithme d’apprentissage par renforcement. Le chapitre 1 propose une formalisation des effets de réseau propres à l’IA. Les technologies d’IA reposent sur des effets de réseau de données, plus une firme capte des données, plus elle améliore la qualité prédictive et l’expérience utilisateur, lui permettant d’avoir accès à plus de données. Dans un cadre vertical, un fournisseur en amont et deux firmes en aval (Hotelling) négocient des licences à tarification binôme. Ce chapitre démontre que le fournisseur profite des effets de réseau sur le marché aval pour renforcer son pouvoir de négociation. De plus, les trois entreprises ont une préférence pour la redevance unitaire qui permet de relâcher la pression concurrentielle en aval. Cependant, cette structure de licence réduit le surplus des consommateurs et le surplus total en aval comparé à la licence de type ad valorem, signe d’inefficience et d’un besoin de garde-fous pour protéger les consommateurs. Les chapitres 2 et 3 présentent les nouveaux enjeux du marché de la publicité en ligne avec l’introduction d’une technologie d’amélioration de la confidentialité. Cependant, cette technologie étant développée et mise en place par une firme dominante pose des problèmes de concurrence. Notre modèle montre que contrairement aux inquiétudes de l’Autorité de la concurrence britannique, la firme dominante aura intérêt à octroyer une licence d’une technologie non-restreinte pour un revenu suffisamment élevé grâce aux données de première partie. Cependant, ce choix est motivé par la possibilité de fixer des redevances plus élevées à une frange concurrentielle plus nombreuse. Ces résultats posent de nouvelles inquiétudes sur la santé concurrentielle de ce marché. Le chapitre 4, à la frontière entre économie et computer science, pose un modèle théorique pour étudier l’impact d’un système de recommandation sur la collusion algorithmique. Ce modèle couplé à des simulations d’algorithmes d’apprentissage par renforcement montre qu’un système de recommandation de qualité réduit le capacité de collusion des algorithmes de prix. Au vu des classes d’algorithmes étudiées dans la littérature, les algorithmes capables de discriminer par les prix semblent moins aptes à colluder efficacement que les algorithmes de prix uniforme. Abstract : This dissertation is divided into four chapters focusing on the impact of the emergence of Artificial Intelligence algorithms on market structure and its implications in terms of regulation. It is based on the study of industrial organisation models and reinforcement learning algorithm classes. Chapter 1 proposes a formalisation of the network effects specific to AI. AI technologies rely on data network effects: the more data a firm captures, the more it improves predictive quality and user experience, allowing it to access more data. In a vertical framework, an upstream supplier and two downstream firms (Hotelling) negotiate binomial pricing licences. This chapter shows that the supplier benefits from network effects in the downstream market to strengthen its bargaining power. In addition, the three firms prefer per-unit royalties, which ease competitive pressure downstream. However, this licensing structure reduces consumer and total surplus downstream compared to ad valorem licensing, pointing to market inefficiency and a need for safeguards to protect consumers. Chapters 2 and 3 present the new challenges facing the online advertising market with the introduction of Privacy-Enhancing Ad Technology. However, as this technology is being developed and implemented by a dominant firm, it raises competition concerns. Our model shows that, contrary to the concerns of the UK Competition Authority, the dominant firm will have an incentive to grant a licence for an unrestricted version of its technology in the context of sufficiently high revenues from first-party data. However, this choice is motivated by the possibility of setting higher royalties for a larger competitive fringe. These results raise new concerns about the competitive health of this market. Chapter 4, at the frontier between economics and computer science, proposes a theoretical model to study the impact of a recommendation system on algorithmic collusion. This model, coupled with reinforcement learning algorithm simulations, shows that a high-quality recommendation system reduces the collusion capacity of pricing algorithms. Based on the classes of algorithms studied in the literature, algorithms capable of price discrimination appear to be less able to collude efficiently than uniform pricing algorithms. | |||