Prise de décision humaine: rationalité limitée, biais cognitifs et acquisition de l'information // human decision-making: bounded rationality, cognitive biases, and information acquisition

Topic description

Ce projet de thèse interdisciplinaire (microéconomie, sciences cognitives, informatique) remet en question le postulat de l'agent parfaitement rationnel. Dans un monde caractérisé par la surabondance informationnelle et la désinformation, la ressource rare n'est plus l'information, mais l'attention. S'appuyant sur la rationalité limitée et l'inattention rationnelle, la thèse étudie comment les individus filtrent l'information pour réduire leur charge cognitive, générant des biais comportementaux et un recours aux heuristiques de jugement.

L'objectif est d'appliquer ces mécanismes décisionnels pour éclairer la décision publique face à des défis contemporains majeurs, comme : l'inaction climatique liée à la surcharge cognitive, l'immobilité sociale due à l'opacité informationnelle (orientation, finance), et la vulnérabilité à la désinformation via les biais de confirmation. La méthodologie combinera expériences en laboratoire, modélisation axiomatique des préférences, et simulation via le Machine Learning.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This interdisciplinary thesis (microeconomics, cognitive sciences, computer science) challenges the postulate of the perfectly rational agent. In a world characterized by information overload and misinformation, the scarce resource is no longer information, but human attention. Drawing on bounded rationality and rational inattention, the research explores how individuals filter information to reduce cognitive load, leading to behavioral biases and the use of judgment heuristics.

The objective is to apply these decision mechanisms to inform public policy regarding important challenges, such as: climate inaction driven by cognitive overload, social immobility due to informational opacity (education, finance), and vulnerability to misinformation fueled by confirmation bias. The methodology will combine laboratory experiments, axiomatic preference modeling, and algorithmic simulation using Machine Learning to predict human behaviors.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/

Funding category

Public funding alone (i.e. government, region, European, international organization research grant)

Funding further details

Concours pour un contrat doctoral