Une équipe d’ingénieurs de Salesforce a mis au point un système d’intelligence artificielle capable d’identifier les conséquences de différents modèles de fiscalité dans une économie simulée afin d’établir une politique fiscale plus juste. Baptisée AI Economist, cette technologie proccède par essais et erreurs, de la même manière que les IA de DeepMind apprennent, sans intervention humaine, à jouer à Go et StarCraft à des niveaux surhumains.
La politique fiscale, un exercice difficile
L’inégalité des revenus constitue l’un des problèmes majeurs de l’économie actuelle. Les décideurs politiques disposent de la fiscalité pour y faire face. Ainsi, ils collectent l’argent des contribuables en fonction de leurs revenus et le redistribuent dans le financement de projets publics ou par le biais d’aides sociales. Sur le papier le modèle semble bon, mais dans la pratique il se heurte à des difficultés. Certains contribuables, qui s’estiment trop taxés peuvent par exemple mettre en place des moyens d’éviter de payer, ce qui réduit le pot global.
« rendre la politique fiscale moins politique »
De nombreux chercheurs ont déjà longuement étudié la question pour tenter de trouver un modèle plus juste, mais sans jamais utiliser l’intelligence artificielle. Une équipe de scientifiques de Salesforce pense que l’IA pourrait permettre de définir un modèle plus juste. Les chercheurs américains ont mis au point un modèle baptisé AI Economist, le même genre de système que ceux développés par DeepMind, AlphaGo et AlpahZero. L’outil s’avère encore relativement simple (il n’y a aucun moyen qu’il puisse inclure toutes les complexités du monde réel ou du comportement humain), mais il représente une première étape prometteuse vers l’évaluation des politiques d’une manière entièrement nouvelle. « Il serait intéressant de rendre la politique fiscale moins politique et davantage axée sur les données », explique Alex Trott, membre de l’équipe.
Dans l’un des premiers résultats, l’IA a trouvé une politique 16% plus équitable qu’un cadre fiscal progressif de pointe étudié par les économistes universitaires, en termes de maximisation de la productivité et de l’égalité des revenus.
Des travailleurs avec différents niveaux de compétence
La simulation du modèle fait interagir des travailleurs de bois et de pierre avec différents niveaux de compétence, ce qui les conduit à se spécialiser. Il y a d’une part les travailleurs peu qualifiés qui apprennent qu’ils font mieux s’ils rassemblent des ressources, et d’autre part les travailleurs plus qualifiés qui apprennent qu’ils font mieux s’ils achètent des ressources pour construire des maisons. À la fin de chaque année simulée, tous les travailleurs sont taxés à un taux conçu par un décideur contrôlé par l’IA, qui exécute son propre algorithme d’apprentissage par renforcement. Objectif du décideur : augmenter à la fois la productivité et les revenus de tous les travailleurs. Les IA convergent vers un comportement optimal en répétant la simulation des millions de fois.
Au fil des simulations, chacun des deux modèles s’adapte
Les scientifiques américains ont la convcition que la double dose d’intelligence artificielle représente la clé. Les réseaux neuronaux contrôlent les gens d’IA présents dans la simulation, mais les décideurs politiques s’appuyent également sur une autre IA. Au fil des simulations, chacun des deux modèles s’adapte. Grâce à AI Economist, certains travailleurs ont par exemple appris à réduire leur impôt en réduisant leur productivité pour pouvoir bénéficier d’une tranche d’imposition inférieure. Des concessions entre les travailleurs et les décideurs politiques qui conduisent à une simulation plus réaliste que jamais.