Calcul de l’espérance d’utilité
Évaluez un choix risqué avec une approche plus réaliste que la simple valeur espérée. Cet outil compare les gains possibles, leurs probabilités et votre fonction d’utilité pour mesurer la satisfaction attendue, l’équivalent certain et la prime de risque.
Si vous êtes neutre au risque, choisissez une utilité linéaire. Si vous voulez modéliser l’aversion au risque, utilisez plutôt racine carrée, logarithmique ou CRRA.
Les montants saisis sont interprétés comme des variations de richesse autour de la richesse initiale.
Calculateur interactif
Renseignez votre richesse initiale, trois scénarios possibles, puis sélectionnez une fonction d’utilité.
Scénarios
Comprendre le calcul de l’espérance d’utilité
Le calcul de l’espérance d’utilité est une méthode centrale en économie, en finance, en assurance et en théorie de la décision. Là où la valeur espérée additionne simplement des montants pondérés par leurs probabilités, l’espérance d’utilité va plus loin : elle tient compte de la manière dont une personne valorise réellement chaque résultat. Deux individus exposés à la même loterie monétaire peuvent faire des choix différents parce qu’ils ne ressentent pas le risque de la même façon.
Cette différence est essentielle. En pratique, un gain de 10 000 € n’a pas la même importance pour une personne qui dispose déjà de 1 000 000 € que pour quelqu’un dont l’épargne est de 5 000 €. De même, une perte peut être psychologiquement plus marquante qu’un gain de même montant n’est agréable. La théorie de l’utilité attendue formalise cette idée avec une fonction d’utilité, c’est-à-dire une fonction mathématique qui transforme la richesse ou le résultat en niveau de satisfaction.
En termes simples, le calcul repose sur la formule suivante : pour chaque scénario possible, on calcule l’utilité du résultat, puis on la pondère par la probabilité de ce scénario, et enfin on additionne le tout. Si les résultats possibles sont notés xi, leurs probabilités pi et la fonction d’utilité u(x), alors l’espérance d’utilité s’écrit :
Cette approche est particulièrement utile lorsque les décisions impliquent des gains incertains, des pertes potentielles, des choix d’investissement, des contrats d’assurance, des décisions médicales, ou encore des arbitrages en intelligence artificielle et en policy design. Plus le décideur est averse au risque, plus sa fonction d’utilité est concave. Cette concavité traduit le fait que l’utilité marginale décroît quand la richesse augmente.
Pourquoi la valeur espérée seule ne suffit pas
La valeur espérée est utile pour décrire un résultat moyen sur un grand nombre de répétitions. Cependant, une décision humaine réelle se prend souvent une seule fois ou un nombre limité de fois. Une loterie qui offre 50 % de chances de gagner 20 000 € et 50 % de chances de perdre 10 000 € a une valeur espérée positive. Pourtant, beaucoup de personnes préféreront un montant certain inférieur à cette moyenne, parce qu’elles veulent éviter le risque de perte.
C’est précisément ce que capture l’espérance d’utilité. Si la fonction d’utilité est concave, alors l’utilité du montant certain peut être supérieure à l’utilité moyenne associée au pari risqué. Cette logique explique des comportements courants comme l’achat d’assurance, la diversification des portefeuilles, le choix d’un emploi stable moins bien payé, ou la préférence pour un revenu prévisible.
Exemple intuitif
Supposons deux options :
- Option A : recevoir 1 000 € avec certitude.
- Option B : 50 % de chances de recevoir 2 200 € et 50 % de chances de recevoir 0 €.
La valeur espérée de l’option B est de 1 100 €, donc elle dépasse l’option A. Pourtant, un individu averse au risque peut préférer l’option A, car le gain sûr a pour lui une utilité plus élevée que l’utilité attendue du pari. Cette divergence entre valeur monétaire et satisfaction attendue est au cœur du calcul de l’espérance d’utilité.
Les principales fonctions d’utilité
Le choix de la fonction d’utilité dépend du contexte. Les plus utilisées sont l’utilité linéaire, l’utilité logarithmique, la racine carrée et la famille CRRA. Chacune représente un rapport différent au risque.
| Fonction | Formule | Interprétation | Usage courant |
|---|---|---|---|
| Linéaire | u(w) = w | Neutralité au risque | Cas pédagogiques, évaluations techniques sans préférence de risque |
| Racine carrée | u(w) = √w | Aversion au risque modérée | Exemples simples en finance personnelle |
| Logarithmique | u(w) = ln(w) | Utilité marginale décroissante | Finance, croissance, allocation de portefeuille |
| CRRA | u(w) = w^(1-γ)/(1-γ) | Aversion au risque paramétrable avec γ | Recherche académique, macroéconomie, optimisation |
Plus le paramètre γ est élevé dans la fonction CRRA, plus l’aversion au risque est forte. Quand γ tend vers 1, la fonction CRRA converge vers la fonction logarithmique. Dans les applications de long terme, cette famille est très utilisée car elle permet de comparer des ménages, des investisseurs ou des politiques publiques selon un même cadre théorique.
Comment utiliser le calculateur ci-dessus
- Saisissez votre richesse initiale. Cette valeur est importante si vous utilisez une fonction logarithmique, racine carrée ou CRRA, car l’utilité dépend alors du niveau de richesse total après chaque scénario.
- Entrez jusqu’à trois résultats possibles en euros. Vous pouvez saisir des pertes avec un signe négatif.
- Renseignez les probabilités correspondantes. Si elles ne totalisent pas exactement 100 %, le calculateur peut les normaliser automatiquement.
- Sélectionnez votre fonction d’utilité. Pour CRRA, ajustez le paramètre γ.
- Cliquez sur « Calculer » pour obtenir la valeur espérée, l’espérance d’utilité, l’équivalent certain et la prime de risque.
L’équivalent certain est un concept clé. Il s’agit du montant certain qui procure exactement la même utilité que la loterie. Si l’équivalent certain est inférieur à la valeur espérée, l’écart est appelé prime de risque. Cette prime mesure ce qu’une personne serait prête à sacrifier pour éliminer l’incertitude.
Interprétation économique des résultats
Le calculateur produit quatre mesures importantes. La première est la valeur espérée, qui donne la moyenne monétaire pondérée des scénarios. La deuxième est l’espérance d’utilité, qui traduit le niveau moyen de satisfaction. La troisième est l’équivalent certain, particulièrement utile pour comparer un risque à une somme garantie. Enfin, la prime de risque indique combien de valeur monétaire est « perdue » en raison de l’incertitude.
Une prime de risque positive signifie que la loterie est jugée moins désirable qu’un montant certain égal à sa valeur espérée. C’est le cas typique d’un agent averse au risque. À l’inverse, une prime de risque nulle correspond à la neutralité au risque. Une prime négative décrirait une recherche active du risque, situation plus rare dans des contextes patrimoniaux standards, mais parfois observée dans les paris, les loteries ou certaines décisions entrepreneuriales.
Données réelles : rendement et risque dans les choix économiques
Le calcul de l’espérance d’utilité n’est pas seulement un outil théorique. Il aide à interpréter des données historiques réelles sur les actifs financiers. Les agents ne choisissent pas uniquement l’actif au rendement moyen le plus élevé ; ils arbitrent entre rendement, volatilité, drawdown potentiel et sécurité perçue. Le tableau ci-dessous synthétise des ordres de grandeur historiques souvent mobilisés en finance empirique.
| Actif américain de long terme | Rendement annuel moyen nominal | Niveau de risque relatif | Lecture en espérance d’utilité |
|---|---|---|---|
| Actions américaines | Environ 9 % à 10 % | Élevé | Peuvent maximiser la valeur espérée, mais pas toujours l’utilité d’un investisseur très prudent |
| Obligations d’État long terme | Environ 4 % à 5 % | Modéré | Compromis fréquent pour les profils à aversion au risque intermédiaire |
| Bons du Trésor à court terme | Environ 3 % à 4 % | Faible | Souvent préférés si la préservation du capital domine l’objectif de rendement |
Source de référence académique pour les ordres de grandeur historiques : base de données de l’école Stern de NYU, utilisée dans de nombreux travaux de finance empirique.
Ces statistiques illustrent une idée simple : si l’on ne regardait que la moyenne, les actions domineraient souvent les actifs sûrs. Mais dès que l’on introduit une utilité concave, la réponse devient dépendante du profil de risque, de l’horizon temporel, de la richesse initiale et de la possibilité d’encaisser des pertes temporaires.
Données réelles : comportements de portefeuille des ménages
Les ménages n’investissent pas tous massivement dans les actifs les plus rémunérateurs en moyenne. Les données de la Survey of Consumer Finances de la Réserve fédérale montrent une participation incomplète aux marchés risqués, ce qui est cohérent avec l’existence de coûts d’entrée, d’incertitude perçue, d’hétérogénéité de richesse et d’aversion au risque.
| Indicateur ménages U.S. | Niveau approximatif observé | Ce que cela suggère |
|---|---|---|
| Ménages détenant une forme d’actions | Près de 58 % | Une part importante des ménages reste en dehors des actifs risqués malgré leur rendement moyen supérieur |
| Ménages avec comptes de retraite | Environ 54 % | L’exposition au risque passe souvent par des enveloppes encadrées et graduelles |
| Ménages détenant directement des actions | Près de 21 % | La prise de risque directe reste beaucoup plus limitée que la détention indirecte |
Ces chiffres rappellent que le comportement réel n’est pas réductible à une maximisation de rendement brut. Le cadre de l’espérance d’utilité offre une explication structurée : un ménage peut très rationnellement préférer une option moins rentable en moyenne si elle améliore son utilité attendue, notamment lorsque sa richesse de précaution est faible.
Applications concrètes du calcul de l’espérance d’utilité
1. Assurance
L’assurance est probablement l’exemple le plus connu. Un individu accepte de payer une prime certaine pour éviter une perte aléatoire potentiellement forte. Même si la prime dépasse la perte moyenne attendue, le contrat peut augmenter son utilité attendue. Autrement dit, payer un peu plus que la valeur actuarielle peut être rationnel si cela réduit une grande dispersion des résultats.
2. Investissement
En finance, l’espérance d’utilité permet de choisir entre des portefeuilles ayant des couples rendement-risque différents. Deux actifs avec la même rentabilité moyenne ne sont pas équivalents si l’un présente des pertes extrêmes plus fréquentes. Les investisseurs institutionnels utilisent des variantes de cette logique pour construire des allocations cohérentes avec leurs contraintes, leur horizon et leur tolérance au risque.
3. Santé et politique publique
Dans l’évaluation des politiques de santé, de prévention ou de sécurité, les décideurs comparent des états incertains : coût immédiat, bénéfice futur, effets secondaires, risque résiduel, gains d’espérance de vie ou de qualité de vie. Même si d’autres cadres existent, la logique de l’utilité attendue reste fondamentale pour modéliser les arbitrages sous incertitude.
4. Entrepreneuriat et gestion d’entreprise
Une entreprise peut choisir entre un projet stable à marge modérée et un projet plus risqué à forte espérance de profit. Selon la structure financière, les coûts de faillite, la capacité d’absorption des chocs et les préférences de ses dirigeants ou actionnaires, le projet à plus forte valeur espérée n’est pas forcément optimal en utilité.
Erreurs fréquentes à éviter
- Confondre gain et richesse totale : pour les fonctions non linéaires, l’utilité doit souvent être calculée sur la richesse finale, pas seulement sur la variation.
- Oublier la contrainte de positivité : une fonction logarithmique ou racine carrée exige une richesse finale strictement positive.
- Mal calibrer les probabilités : si les probabilités ne somment pas à 100 %, il faut les corriger ou les normaliser proprement.
- Comparer des utilités absolues entre personnes : les fonctions d’utilité sont surtout utiles pour classer des choix pour un même décideur.
- Ignorer l’horizon temporel : une stratégie peut être acceptable sur vingt ans mais insupportable sur six mois.
Comment choisir la bonne fonction d’utilité
Si vous utilisez ce calculateur pour un besoin pédagogique, la fonction logarithmique est un bon point de départ : elle capture l’aversion au risque et produit des résultats faciles à interpréter. La fonction linéaire convient si vous voulez seulement vérifier la cohérence avec la valeur espérée. La racine carrée offre une transition intuitive entre les deux. Enfin, la fonction CRRA est la plus flexible si vous souhaitez tester différents degrés d’aversion au risque.
Dans un cadre professionnel, le bon choix de fonction ne relève pas uniquement d’une préférence personnelle. Il dépend aussi des données disponibles, de l’objectif d’analyse et du modèle théorique retenu. En macroéconomie, le CRRA domine souvent. En gestion de patrimoine simplifiée, le logarithme est fréquent. En décision publique, on combine parfois utilité attendue, analyse coût-bénéfice et contraintes distributives.
Ressources de référence
Pour approfondir, voici quelques sources fiables et reconnues :
- Federal Reserve – Survey of Consumer Finances
- NYU Stern School of Business – Historical Returns Data
- U.S. Department of the Treasury
Conclusion
Le calcul de l’espérance d’utilité est l’un des outils les plus puissants pour raisonner sous incertitude. Il permet de dépasser la moyenne monétaire brute et d’intégrer ce qui compte vraiment dans une décision : la façon dont le risque affecte le bien-être du décideur. Cette approche éclaire des comportements aussi divers que l’achat d’assurance, la prudence financière, la diversification, l’épargne de précaution ou le rejet de certains paris pourtant favorables en valeur espérée.
En pratique, le bon raisonnement n’est donc pas « quelle option paie le plus en moyenne ? », mais « quelle option maximise mon utilité attendue compte tenu de mes ressources, de mon horizon et de mon aversion au risque ? ». C’est précisément la question à laquelle répond le calculateur ci-dessus.