L’économiste de l’IA

Source details

Sendhil Mullainathan, spécialiste de l’économie comportementale au Massachusetts Institute of Technology (MIT), a 52 ans.
Origines : né dans un village du Tamil Nadu (sud de Chennai) ; famille propriétaire de terres ; père Mark admis en doctorat à Caltech, quitte l’Inde lorsque Sendhil a 3 ans.
Immigration et parcours familial : regroupement aux États‑Unis 4 ans après le départ du père ; père travaille chez McDonnell Douglas et Boeing, puis devient entrepreneur avec la mère Sheila.
Éducation : admission à la Clarkson School à 16 ans ; études à l’Université Cornell (mathématiques, informatique, économie) ; doctorat en sciences économiques à Harvard obtenu en 1998.
Parcours universitaire : postes à Harvard, Université de Chicago, retour au MIT en 2024 ; enseigne dans les départements d’économie, de génie électrique et d’informatique.

Domaines de recherche : psychologie de la mémoire, prise de décisions par les juges, économie de la rareté, apprentissage automatique appliqué à l’économie.
Production scientifique :
- Profil Google Scholar recensant "plus d’une dizaine de publications dont chacune a été citée plusieurs milliers de fois".
- Ensemble des travaux cités au moins 100 000 fois.
- Bourse MacArthur de 500 000 dollars reçue en 2002 ; siège au conseil d’administration de la fondation MacArthur pendant 12 ans, jusqu’en juin dernier.
Recherche sur la rémunération des PDG : avec Marianne Bertrand (2001), montrent que « le montant du salaire des PDG s’explique pour une bonne part par le facteur chance ».
Études sur la discrimination à l’embauche : avec Marianne Bertrand, envoi de CV fictifs ; constat : les noms à consonance européenne suscitent 50 % de rappels de plus de la part des employeurs.
Économie de la rareté : collaboration avec Eldar Shafir aboutissant au livre Scarcity: The New Science of Having Less and How It Defines Our Lives (2013) ; conclusion centrale : la rareté monopolise les capacités cognitives et piège les individus dans un cycle de rareté.
Transition vers l’IA : commence à appliquer l’apprentissage automatique à l’économie à partir de 2012 ; publication collective en 2017 portant sur l’amélioration des décisions judiciaires via algorithmes.

Étude judiciaire (base de données de plus de 700 000 personnes arrêtées entre 2008 et 2013 à New York) :
- Conclusion : les juges prennent régulièrement de mauvaises décisions et libèrent souvent des suspects que l’algorithme classe comme à haut risque.
- Effets potentiels de l’utilisation d’un algorithme d’évaluation des risques :
- réduire la criminalité de 25 % sans modifier le nombre de détenus, ou
- réduire le nombre de détenus de 42 % sans faire augmenter la criminalité.
- Outil d’IA développé utilisé actuellement par des juges de New York pour faciliter leur prise de décisions.
Étude de 2024 (Jens Ludwig et Sendhil Mullainathan) : utilisation de l’IA montrant que les photographies d’identité judiciaire prédisent de manière fiable les décisions des juges de libérer ou non un suspect sous caution ; observation : suspects à l’apparence soignée ou aux visages ronds et larges avaient plus de chance d’être libérés.
Exemples médicaux et techniques : algorithme comparant électrocardiogrammes détecte d’infimes différences permettant de repérer des personnes à risque élevé de mort brutale par arrêt cardiaque, identification possible des candidats à la pose d’un pacemaker.
Philosophie méthodologique : Mullainathan décrit les algorithmes comme « des vélos pour l’esprit » — outils pour amplifier la capacité de raisonnement humain et relier différents modèles économiques, comportementaux et décisionnels.

Programme « The Bike Shop @ MIT » : projet visant à utiliser des algorithmes pour créer des outils pédagogiques.
Expérience en Inde (avec Ashesh Rambachan et collaborateurs) :
- Compilation de milliers d’exemplaires de devoirs de mathématiques.
- Objectif : utiliser l’IA pour cartographier précisément les erreurs et déterminer à quel point du raisonnement les élèves se trompent, afin d’aider les enseignants à mieux cibler leur intervention.

Réputation dans la profession :
- Lawrence Katz : « peu d’économistes ont vu leurs travaux cités aussi fréquemment » à un stade comparable de leur carrière.
- David Laibson : Mullainathan est « le passeur qui permet aux sciences économiques d’évoluer des pratiques du siècle dernier vers celles qui auront cours au siècle prochain ».
- Jens Ludwig : qualifie son travail de « révolution dans l’économie comportementale ».
Traits personnels et méthodologie :
- Insatiable curiosité : recherches sur la crème glacée, le café espresso, sport et nutrition.
- Stratégie de recherche : choisir des sujets éloignés des préoccupations dominantes pour être efficace et original.
- Conviction : « L’IA est un enjeu bien trop important pour être abandonné aux informaticiens » et les sciences économiques doivent intégrer la nature composite des modèles d’activité économique, de comportement et de prise de décisions.

Contenu repris intégralement de la page « L’économiste de l’IA » publiée dans FINANCES & DÉVELOPPEMENT par Bob Simison, Décembre 2025.