Thèse Année : 2025

Human-algorithm connection : an experimental approach

Interaction homme-machine : une approche expérimentale

Résumé

This thesis aims to understand how algorithms, embedded in societal processes, interact with human decision-making and influence outcomes. By exploring how algorithms provide information, influence negotiations, and assume decision-making roles traditionally held by humans, the thesis delve into the human-algorithm connection.Chapter 1 focuses on how predictive justice algorithms influence decision-making under ambiguity, specifically examining how individuals process and value different types of information provided by algorithms within a trial framework. The findings show that while individuals appreciate algorithmic information for its ability to reduce uncertainty, they do not fully account for the nuances of how this information impacts their decisions in their valuation of the information.In Chapter 2, the thesis builds on these insights by exploring whether predictive justice tools can expedite divorce settlements by providing relevant information. Although these tools do not significantly reduce court backlogs, they lead to fairer settlements by aligning agreed-upon amounts with what a judge might have decided. Thus, while the tools may not speed up the process, they help achieve more equitable outcomes.Chapter 3 examines whether algorithms are used as shields to avoid personal responsibility in morally questionable decisions. Through a modified dictator game experiment, the results show that delegating decisions to AI does not reduce the perceived responsibility of human decision-makers compared to delegating decisions to rule-based algorithms or human intermediaries. The findings also suggest that humans may hide behind algorithms to act selfishly.Finally, Chapter 4 critiques a widely used Multiple Price Lis method for eliciting risk preferences and proposes a new methodology. This new method addresses biases in the existing approach and proves to be more consistent, offering a more reliable measure of risk preferences.Overall, this thesis provides a comprehensive exploration of the interaction between humans and algorithms, highlighting both the benefits and potential pitfalls of it. It emphasizes the need for careful consideration of how algorithms are integrated into societal processes and paves the way for further research on the human-algorithm connection.

Cette thèse vise à comprendre comment les algorithmes, intégrés dans les processus sociétaux, interagissent avec la prise de décision humaine et les influencent. En explorant la manière dont les algorithmes fournissent des informations, influencent les négociations et assument des rôles décisionnels traditionnellement détenus par les humains, la thèse s'intéresse à la relation entre les humains et les algorithmes.Le chapitre 1 se concentre sur l'influence des algorithmes de justice prédictive dans la prise de décision en situation d'incertitude, en examinant spécifiquement la manière dont les individus traitent et évaluent différents types d'informations fournies par ces algorithmes dans le cadre d'un procès. Les résultats montrent que, bien que les individus apprécient les informations algorithmiques pour leur capacité à réduire l'incertitude, ils ne tiennent pas pleinement compte des nuances de l'impact de ces informations sur leurs décisions lors de leur évaluation.Dans le chapitre 2, la thèse s'appuie sur ces observations en explorant si les outils de justice prédictive peuvent accélérer les procédures de divorce en fournissant des informations pertinentes. Bien que ces outils ne réduisent pas de manière significative l'encombrement des tribunaux, ils conduisent à des règlements plus équitables en alignant les montants convenus à l'amiable avec ce qu'un juge aurait pu décider. Ainsi, bien que ces outils ne permettent pas d'accélérer le processus d'accord, ils contribuent à des résultats plus justes.Le chapitre 3 examine si les algorithmes sont utilisés comme boucliers pour éviter la responsabilité personnelle dans des décisions moralement discutables. Grâce à une expérience de jeu du dictateur modifiée, les résultats montrent que déléguer des décisions à une IA ne réduit pas la perception de la responsabilité des décideurs humains par rapport à la délégation à des algorithmes basés sur des règles ou à des intermédiaires humains. Les résultats suggèrent également que les humains peuvent se cacher derrière les algorithmes pour agir de manière égoïste.Enfin, le chapitre 4 critique une méthode largement utilisée en économie expérimentale pour l'élicitation des préférences de risque, et propose une nouvelle méthodologie. Cette nouvelle méthode corrige les biais de l'approche existante et s'avère plus cohérente, offrant une mesure plus fiable des préférences en matière de risque.Dans l'ensemble, cette thèse offre une exploration de l'interaction entre les humains et les algorithmes, en mettant en évidence à la fois les avantages et les risques potentiels. Elle souligne la nécessité de prendre en compte avec soin la manière dont les algorithmes sont intégrés dans les processus sociétaux, et ouvre la voie à de futures recherches sur la relation humain-algorithme.

Fichier principal
Vignette du fichier
DDOC_T_2025_0123_TEIXEIRA.pdf (5.67 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

tel-05425354 , version 1 (19-12-2025)

Licence

Identifiants

  • HAL Id : tel-05425354 , version 1

Citer

Vincent Teixeira. Human-algorithm connection : an experimental approach. Economics and Finance. Université de Lorraine, 2025. English. ⟨NNT : 2025LORR0123⟩. ⟨tel-05425354⟩
344 Consultations
132 Téléchargements

Partager

  • More