Le chapitre 10 posait la question : étant donné les préférences et les dotations, les marchés concurrentiels produisent-ils des résultats efficients ? La réponse — oui, sous les conditions des théorèmes du bien-être — prend le mécanisme de marché comme donné. Ce chapitre inverse la question : étant donné un résultat souhaité, peut-on concevoir un mécanisme pour l'atteindre ?
La conception de mécanismes est souvent appelée « théorie des jeux inversée ». Au lieu de prédire l'issue d'un jeu, on conçoit le jeu pour produire un résultat souhaité. Le design de marché applique ces idées aux institutions réelles — enchères, marchés d'appariement, allocation de spectre, échange de reins.
Prérequis : Chapitres 7 (bases de la théorie des jeux, équilibre de Nash) et 10 (théorèmes du bien-être, équilibre général).
Littérature citée : Myerson (1981) ; Vickrey (1961) ; Clarke (1971) ; Groves (1973) ; Gale & Shapley (1962) ; Roth (2002) ; Milgrom (2004).
Le défi : les types des agents sont privés. Comment les amener à révéler leurs types véridiquement ?
Figure 12.1. Chronologie de la conception de mécanismes.
Le concepteur de mécanismes choisit les règles (espace des messages et fonction de résultat) pour atteindre une fonction de choix social souhaitée.
Un mécanisme direct demande à chaque agent de simplement déclarer son type (son information privée). Il est compatible avec les incitations (IC) si la déclaration véridique est une stratégie d'équilibre — aucun agent ne profite à mentir.
C'est la simplification la plus puissante en conception de mécanismes — sans doute la simplification la plus puissante de toute la théorie économique. En principe, l'espace des mécanismes possibles est infiniment grand. Une enchère pourrait avoir n'importe quel nombre de tours, n'importe quelles règles d'enchère, n'importe quelle formule de paiement. Un algorithme d'appariement pourrait fonctionner de n'importe quelle manière concevable. Chercher le meilleur mécanisme parmi tous les mécanismes possibles semble sans espoir.
Le principe de révélation dit : vous n'avez pas besoin de chercher. Quel que soit le résultat qu'un mécanisme quelconque peut atteindre, un mécanisme direct (demander simplement à chacun de déclarer la vérité) peut atteindre le même résultat. Le problème de conception de mécanismes se réduit donc à : trouver la meilleure règle d'allocation et la meilleure règle de paiement en fonction des types déclarés, sous la contrainte que la déclaration véridique est optimale. Cela transforme une recherche infiniment large en un problème d'optimisation bien défini.
DSIC est plus forte mais plus difficile à atteindre. BIC est plus faible mais permet davantage de mécanismes.
You now have mechanism design tools — the revelation principle, incentive compatibility, and the distinction between DSIC and BIC. These tools formalize what a government can and cannot achieve when it can't observe people's types directly.
Mechanism design formalizes the redistribution problem with startling clarity. The government wants to transfer from high-ability to low-ability agents but can't observe ability directly — only income, which is a choice variable. The revelation principle says any redistribution scheme can be analyzed as a direct mechanism where agents report their type. The binding constraint is incentive compatibility: high-ability agents must not find it profitable to mimic low-ability agents by working less. A tax-and-transfer system is literally a mechanism — it maps reported incomes to after-tax incomes — and the revelation principle tells you that if any scheme can achieve a redistributive goal, a truthful direct mechanism can too. This is the conceptual foundation of optimal income taxation (Mirrlees 1971): the tax schedule is a mechanism designed to maximize social welfare subject to incentive compatibility.
Incentive compatibility creates an irreducible tradeoff between redistribution and efficiency — and it's worse than the intuitive version. The Myerson-Satterthwaite theorem (§12.4) shows that in bilateral trade with private information, no mechanism simultaneously achieves efficiency, incentive compatibility, individual rationality, and budget balance. Apply this logic to redistribution: the government faces a version of the same impossibility. It cannot design a tax system that fully redistributes, respects incentives, and avoids deadweight loss. Furthermore, the mechanism design framework assumes a benevolent, well-informed planner who knows the distribution of types even if not individual types. In practice, redistributive policy is shaped by political economy — median voters, interest groups, lobbying. The design problem is well-understood; the implementation problem is not.
The mechanism design framework connects directly to optimal income tax theory. Mirrlees (1971) showed that the optimal tax schedule depends on the distribution of abilities and the elasticity of labor supply — both empirical quantities. The mechanism design approach gives the conceptual architecture; the quantitative answers require data. Myerson's optimal auction is structurally identical to optimal taxation: both maximize an objective subject to incentive compatibility and individual rationality. The same math that designs revenue-maximizing auctions designs welfare-maximizing tax schedules.
The efficiency-equity tradeoff is real, but mechanism design makes it precise rather than vague. The tradeoff isn't "redistribution is costly" — it's "redistribution is costly by exactly the amount that incentive compatibility constraints bind." The magnitude depends on specific parameters: how elastic is labor supply? How fat is the tail of the ability distribution? These are empirical questions with empirical answers, not ideological ones. Mechanism design transforms the inequality debate from philosophy into engineering — but the engineering is constrained by informational limits that no cleverness can circumvent.
Mechanism design gives you the framework; optimal tax theory gives the numbers. Come back in Chapter 16 (§16.7) for the Ramsey optimal tax result — tax inelastic goods more — and the quantitative estimates: optimal top marginal rates are probably 50–70% (Diamond & Saez 2011), higher than most countries implement but lower than "tax everything" implies. Then in Chapter 20 (§20.5, §20.8), the problem goes global: within-country inequality is dwarfed by between-country inequality, and the tools for addressing it — institutions, human capital, development interventions — are entirely different from domestic tax design.
Elizabeth Warren's proposal meets mechanism design: the binding constraint on redistribution is incentive compatibility — agents can hide their type. Wealth is harder to hide than income. Does that make wealth taxes better mechanisms?
AvancéC'est l'analogue en conception de mécanismes du théorème d'impossibilité d'Arrow. Il dit que dans les cadres généraux de choix social, aucun mécanisme non dictatorial ne peut obtenir la révélation véridique des préférences en stratégies dominantes.
L'échappatoire : restreindre le domaine. Avec des préférences quasi linéaires ($U_i = v_i(a) + t_i$, où $t_i$ est un transfert monétaire), la barrière de Gibbard-Satterthwaite tombe. Le mécanisme VCG atteint l'efficience et DSIC avec des transferts.
Le mécanisme de Vickrey-Clarke-Groves (VCG) atteint l'allocation efficiente avec la déclaration véridique comme stratégie dominante, en utilisant des transferts monétaires.
Allocation efficiente : $a^*(\theta) = \arg\max_a \sum_i v_i(a, \theta_i)$ — maximiser la valeur totale.
L'agent $i$ paie l'externalité qu'elle impose aux autres — la différence entre le bien-être des autres avec et sans $i$.
Pourquoi la déclaration véridique est-elle dominante ? Sous déclaration véridique, le gain de l'agent $i$ est :
$$v_i(a^*(\theta)) + t_i = v_i(a^*(\theta)) + \sum_{j \neq i} v_j(a^*(\theta_{-i})) - \sum_{j \neq i} v_j(a^*(\theta))$$
Cela se simplifie en $\sum_j v_j(a^*(\theta)) - \sum_{j \neq i} v_j(a^*(\theta_{-i}))$. Le second terme ne dépend pas de la déclaration de $i$. Donc $i$ maximise son gain en choisissant sa déclaration pour maximiser $\sum_j v_j(a^*(\theta))$ — ce qui se produit lorsqu'elle déclare véridiquement, puisque $a^*$ maximise déjà la valeur totale.
Entrez les valeurs des agents pour un objet unique indivisible. Le calculateur calcule les paiements VCG (équivalent à une enchère au second prix pour un objet unique).
Figure 12.2. Valeurs des agents et paiements VCG. Chaque agent paie l'externalité qu'il impose aux autres. Le gagnant paie la deuxième valeur la plus élevée (dans une enchère à objet unique, le VCG se réduit à l'enchère de Vickrey).
Trois citoyens évaluent un pont à $v_1 = 30$, $v_2 = 25$, $v_3 = 15$. Le coût est $C = 60$.
Construire si $\sum v_i > C$ : \$10 > 60$ → oui.
Paiements de la taxe de Clarke :
Total collecté : \$10 + 15 + 5 = 40 < 60$. Il y a un déficit budgétaire de 20 — le VCG n'atteint généralement pas l'équilibre budgétaire. Chaque agent paie sa contribution « pivot ».
| Format | Règles | Le gagnant paie |
|---|---|---|
| Anglaise (ascendante) | Les enchérisseurs augmentent les enchères ; le dernier gagne | Deuxième valeur la plus élevée (approx.) |
| Hollandaise (descendante) | Le prix baisse jusqu'à ce que quelqu'un réclame | Son enchère |
| Enchère scellée au premier prix | L'enchère la plus élevée gagne | Son enchère |
| Enchère scellée au second prix (Vickrey) | L'enchère la plus élevée gagne | Deuxième enchère la plus élevée |
L'enchère de Vickrey (enchère scellée au second prix) est DSIC : la stratégie dominante de chaque enchérisseur est d'enchérir sa vraie valeur $v_i$. Enchérir au-dessus de $v_i$ risque de gagner à un prix supérieur à la valeur ; enchérir en dessous risque de perdre quand la deuxième enchère la plus élevée est inférieure à $v_i$.
C'est un résultat stupéfiant. Il dit que les différences apparemment vastes entre les formats d'enchères — ouvertes vs scellées, ascendantes vs descendantes, premier prix vs second prix — sont sans importance pour le revenu espéré dans ces conditions.
Quand l'équivalence des revenus se brise :
Définissez le nombre d'enchérisseurs et leur distribution de valeurs. Lancez des enchères uniques pour voir les résultats individuels, ou lancez 100 tours pour observer l'équivalence des revenus (les revenus moyens convergent entre les formats). Ajustez le curseur d'aversion au risque pour briser l'équivalence.
Figure 12.3. Résultats des enchères. En exécution unique, les revenus diffèrent selon les formats en raison du hasard. Sur 100 exécutions, les revenus moyens convergent — démontrant l'équivalence des revenus. Augmentez l'aversion au risque ($\rho > 0$) pour briser l'équivalence : le revenu du premier prix dépasse celui du second prix.
Quand le vendeur veut maximiser le revenu (pas l'efficience), Myerson a montré que le mécanisme optimal utilise la valeur virtuelle :
où $F$ est la CDF et $f$ est la PDF de la distribution des valeurs de l'enchérisseur.
L'enchère optimale alloue à l'enchérisseur ayant la valeur virtuelle la plus élevée, à condition qu'elle soit positive. Si toutes les valeurs virtuelles sont négatives, le vendeur conserve l'objet. Cela implique un prix de réserve — le vendeur fixe une enchère minimale égale à $\psi^{-1}(0)$.
Valeurs uniformément distribuées sur $[0, 1]$ : $F(\theta) = \theta$, $f(\theta) = 1$.
$\psi(\theta) = \theta - (1-\theta)/1 = 2\theta - 1$
$\psi(\theta) = 0 \implies \theta = 1/2$. Prix de réserve optimal = \$1/2$.
Une enchère au second prix avec réserve \$1/2$ est optimale : l'objet n'est vendu que si au moins un enchérisseur le valorise au-dessus de \$1/2$.
Pour des valeurs tirées de Uniform$[0, V_{\max}]$, la valeur virtuelle est $\psi(\theta) = 2\theta - V_{\max}$. Faites glisser le curseur du prix de réserve. La courbe de revenu montre le revenu espéré en fonction de la réserve. La réserve optimale (maximisant le revenu espéré) est mise en évidence.
Figure 12.4a. Fonction de valeur virtuelle $\psi(\theta) = 2\theta - 1$ (pour $U[0,1]$). Le prix de réserve est fixé là où $\psi(r) = 0$. Les enchérisseurs avec $\theta < r$ sont exclus (zone rouge).
Figure 12.4b. Revenu espéré en fonction du prix de réserve. Le point vert marque la réserve optimale maximisant le revenu espéré. Votre réserve choisie est indiquée par un point bleu.
Un gouvernement attribue une licence à l'une de deux entreprises. L'entreprise $i$ a une valeur privée $\theta_i \in \{L, H\} = \{10, 50\}$, chacune également probable.
Mécanisme proposé : Attribuer à l'entreprise déclarant la valeur la plus élevée ; en cas d'égalité, attribuer à l'entreprise 1. Paiement : le gagnant paie 30.
Vérification IC pour une entreprise à haute valeur ($\theta = 50$) :
La déclaration véridique est meilleure. IC est satisfaite pour le type $H$.
Vérification IC pour une entreprise à faible valeur ($\theta = 10$) :
La déclaration véridique est meilleure. IC est satisfaite pour le type $L$. Le mécanisme est compatible avec les incitations.
Deux enchérisseurs avec des valeurs tirées indépendamment de $U[0, 100]$.
Enchère au second prix : Revenu espéré = $E[\text{2nd highest value}] = 100/3 \approx 33.33$.
Enchère au premier prix : Enchère optimale avec 2 enchérisseurs : $b(\theta) = \theta/2$. Revenu espéré = $E[\max(b_1, b_2)] = E[\max(\theta_1/2, \theta_2/2)] = E[\max(\theta_1, \theta_2)]/2 = (200/3)/2 = 100/3 \approx 33.33$.
Les deux formats produisent un revenu espéré de \$100/3$, confirmant l'équivalence des revenus. L'enchère au premier prix génère un revenu moins variable (chaque gagnant paie exactement la moitié de sa valeur) tandis que l'enchère au second prix a une variance plus élevée (le paiement dépend de la deuxième valeur la plus élevée, qui peut varier considérablement).
Intuition : Le vendeur veut surestimer son coût (pour obtenir un prix plus élevé). L'acheteur veut sous-estimer sa valeur (pour payer moins). La compatibilité incitative exige de laisser des « rentes informationnelles » aux deux parties. Ces rentes sont coûteuses, et avec l'équilibre budgétaire, il n'y a pas assez de surplus pour payer les deux rentes et garantir que tous les échanges efficients aient lieu.
La négociation réelle sous information privée — négociations salariales, achats de voitures d'occasion, fusions-acquisitions — implique toujours une certaine inefficience. Les institutions comme les prix affichés, les systèmes de réputation et les contrats standardisés atténuent le problème mais ne peuvent l'éliminer complètement.
Certains biens ne peuvent être alloués par les prix — on ne vend pas (ou ne devrait pas vendre) les admissions scolaires, les transplantations d'organes ou les postes de résidence. Les marchés d'appariement utilisent des algorithmes à la place.
Théorème (Gale & Shapley, 1962). L'algorithme termine en au plus $n^2$ tours et produit un appariement stable — aucune paire non appariée ne préfère mutuellement l'autre à son partenaire actuel.
Propriétés :
Entrez les listes de préférences des étudiants et des écoles. L'algorithme anime chaque tour : propositions, acceptations provisoires et rejets. Entrez les préférences sous forme de noms séparés par des virgules (par ex. « W,X,Y,Z »).
Quatre étudiants (A, B, C, D) et quatre écoles (W, X, Y, Z). Les étudiants proposent.
| Étudiant | Préférences | École | Préférences |
|---|---|---|---|
| A | W > X > Y > Z | W | B > A > D > C |
| B | X > W > Y > Z | X | A > B > C > D |
| C | W > Y > X > Z | Y | C > D > A > B |
| D | Y > W > X > Z | Z | D > C > B > A |
Appariement final : A-W, B-X, C-Y, D-Z. C'est stable : aucune paire ne veut dévier. Utilisez l'interactif ci-dessus pour vérifier étape par étape.
Exécutez Gale-Shapley avec les étudiants proposant vs les écoles proposant. Comparez les deux appariements stables. Le côté proposant obtient toujours son meilleur appariement stable ; le côté répondant obtient son pire.
Alvin Roth (Nobel 2012, partagé avec Lloyd Shapley) décrit cela comme « l'économiste ingénieur » — utiliser la théorie économique non seulement pour expliquer le monde mais pour concevoir des institutions réelles qui améliorent la vie des gens.
La leçon plus large : Les marchés ne sont pas des objets naturels qui surgissent spontanément. Ce sont des institutions conçues — des règles, algorithmes et mécanismes d'application qui déterminent qui obtient quoi, à quel prix et par quel processus. La conception compte énormément.
La ville décide de mettre aux enchères le droit exclusif d'exploiter un stand de limonade au coin le plus prisé du centre-ville. Trois vendeurs potentiels : Maya ($v_M = 50$/jour), Nate ($v_N = 35$/jour), Olivia ($v_O = 20$/jour). Valeurs tirées de $U[0, 60]$.
Enchère au second prix (Vickrey) : La stratégie dominante est d'enchérir véridiquement. Maya enchérit 50, Nate enchérit 35, Olivia enchérit 20. Maya gagne, paie 35.
Enchère optimale (Myerson) : Valeurs virtuelles avec $F(\theta) = \theta/60$, $f(\theta) = 1/60$ :
$\psi(\theta) = \theta - (60 - \theta) = 2\theta - 60$
Prix de réserve : $\psi(\theta) = 0 \implies \theta = 30$.
Valeur virtuelle de Maya : \$1(50) - 60 = 40$. Nate : \$10$. Olivia : $-20$ (exclue par l'enchère optimale).
Dans une enchère au second prix avec réserve 30 : Maya gagne, paie $\max(35, 30) = 35$.
Roth, « l'économiste ingénieur ». Alvin Roth (prix Nobel 2012) a transformé la conception de mécanismes d'une théorie pure en une discipline pratique qui redessine les marchés réels. Son travail démontre que les marchés sont des institutions conçues, non des phénomènes naturels.
Le National Residency Matching Program (NRMP) : Roth a diagnostiqué pourquoi l'ancien système d'appariement des résidents médicaux échouait (instabilité, manipulation stratégique) et l'a redessiné en utilisant l'acceptation différée. Le nouveau système apparie environ 40 000 résidents médicaux par an.
Échange de reins : Roth, Sonmez et Unver ont conçu des protocoles d'échange permettant aux paires donneur-patient incompatibles d'échanger des donneurs à travers des chaînes de transplantations, sauvant des milliers de vies. C'était du pur design de marché — créer un marché là où il n'en existait pas, sans utiliser de prix.
Choix scolaire : Roth et ses collègues ont remplacé le mécanisme manipulable d'affectation scolaire de Boston par un système stratégiquement sûr. Sous l'ancien système, les parents qui déclaraient leurs vraies préférences étaient pénalisés ; sous le nouveau système, l'honnêteté est toujours optimale.
Enchères de spectre : Milgrom et Wilson (prix Nobel 2020) ont conçu des enchères combinatoires pour la FCC, levant des milliards de dollars tout en allouant efficacement les licences de spectre. L'enchère incitative de 2017 a levé à elle seule 19,8 milliards de dollars.
Le fil conducteur : la théorie économique fournit le plan, mais la mise en œuvre nécessite de comprendre le contexte institutionnel spécifique — les « détails » que la théorie pure abstrait.
You now have the complete toolkit: the welfare theorems told you when markets work (Chapter 11); mechanism design and market design show you what to do when they don't. This is the final stop.
When traditional markets fail — when the welfare theorem conditions don't hold — you can engineer better institutions. The revelation principle says the design space is tractable: focus on direct truthful mechanisms. VCG implements efficient outcomes with dominant-strategy incentives when preferences are quasi-linear. And where prices can't work at all — kidneys can't be bought, school seats can't be auctioned — Gale-Shapley's deferred acceptance produces stable matchings without any monetary transfers. These aren't hypotheticals. Kidney exchange has saved thousands of lives by creating a market where none could exist. School choice redesigns replaced manipulable systems with strategy-proof ones, making honesty the optimal strategy for every parent. Spectrum auctions (Milgrom, Wilson — Nobel 2020) raised billions while allocating licenses efficiently. Roth's "economist as engineer" program demonstrates that economic theory can design real institutions that outperform both unregulated markets and blunt government intervention.
The Myerson-Satterthwaite impossibility is a cold shower for mechanism design optimism: in bilateral trade with private information, no mechanism can simultaneously achieve efficiency, incentive compatibility, individual rationality, and budget balance. This isn't a technical limitation — it's a fundamental impossibility. The success stories of market design (matching, auctions, kidney exchange) share a crucial feature: they operate in structured, well-defined environments where the "rules of the game" are clear and the designer has substantial control. In messier environments — healthcare systems, financial markets, labor markets, macroeconomic policy — the institutional design problem is orders of magnitude harder. The mechanism designer needs to know the distribution of types, the set of feasible allocations, and agents' utility functions. In complex real-world settings, this knowledge is precisely what the designer lacks. The mechanism design revolution may have succeeded in the easy cases while leaving the hard ones untouched.
Market design matured into a pragmatic discipline that takes the limitations seriously. Roth's methodology is explicitly "design, implement, observe, redesign" — not "prove optimality and deploy." The NRMP matching algorithm has been revised multiple times as new problems emerged (couples matching, rural hospital shortages). Spectrum auction formats evolved from simple simultaneous ascending auctions to complex combinatorial designs as the FCC learned from earlier rounds. The profession moved from proving impossibility results to asking: given the impossibilities, what's the best achievable mechanism? Computational mechanism design — integrating algorithmic constraints with incentive constraints — is the active frontier, particularly relevant as digital platforms become the dominant market institutions.
Markets allocate resources efficiently when the welfare theorem conditions hold — and they hold approximately enough to make markets the default for most goods. When they fail, mechanism design offers a genuine alternative: not "let the government decide" but "design an institution whose incentives produce the outcome you want." The success stories are real and important. But mechanism design is not a universal solvent. It works best in structured, well-defined settings. The frontier — digital markets, algorithmic pricing, AI-mediated transactions, platform monopolies — raises questions that existing theory doesn't fully address. The answer to "do markets allocate resources efficiently?" is: yes, when conditions hold; and when they don't, we can sometimes engineer something better — but "sometimes" is doing heavy lifting in that sentence, and the engineering is harder than the theory suggests.
This is the final stop on BQ #7. The arc ran from surplus as benchmark (Ch 3) through market failures (Ch 4), the formal welfare theorems (Ch 11), and now mechanism design. The question "do markets allocate resources efficiently?" turns out to be the wrong question — the right one is "under what conditions, and what can we build when conditions fail?" The answer involves welfare theorems and mechanism design and the practical wisdom that design is constrained by politics, information, and computation. The next frontier is where mechanism design meets behavioral economics (Chapter 19) — agents who aren't fully rational may not respond to incentive-compatible mechanisms the way theory predicts. Bounded rationality may be the binding constraint that mechanism design hasn't yet solved.
Bernie Sanders' rallying cry meets mechanism design: healthcare fails every welfare theorem condition. Can mechanism design do better? Kidney exchange says yes for organs. For the rest of healthcare, the design problem remains unsolved.
IntermédiaireKhan's antitrust paradox: platform markets are designed institutions — but designed by the platforms, for the platforms. The consumer welfare standard is blind to it.
Avancé| Libellé | Équation | Description |
|---|---|---|
| Éq. 12.1 | $U_i(\theta_i, \theta_i) \geq U_i(\hat{\theta}_i, \theta_i)$ for all $\hat{\theta}_i, \theta_{-i}$ | DSIC |
| Éq. 12.2 | $E[U_i(\theta_i, \theta_i)] \geq E[U_i(\hat{\theta}_i, \theta_i)]$ | BIC |
| Éq. 12.3 | $t_i = \sum_{j \neq i} v_j(a^*(\theta_{-i})) - \sum_{j \neq i} v_j(a^*(\theta))$ | Paiement VCG |
| Éq. 12.4 | $\psi(\theta) = \theta - (1-F(\theta))/f(\theta)$ | Valeur virtuelle de Myerson |
Coming in Part V: graduate macro. The models get serious — and so do the policy debates.