Calibration d’un système multi-agent pour l’optimisation des prix de produits concurrentiels

Dans cet article, nous nous intéressons à l’optimisation des mécanismes de fixation des prix dans un contexte de concurrence directe entre produits d’une même catégorie, en vue de maximiser les bénéfices. Nous nous appuyons sur le modèle présenté dans [12], qui utilise l’aversion à la perte des agents pour reproduire des effets de contexte tels que les effets de leurre, de similarité et de compromis. Nous proposons ici une généralisation de ce modèle en intégrant de nouveaux paramètres liés à la fois aux caractéristiques des agents (telles que leur sensibilité au prix ou à la qualité) et aux propriétés des produits (nombre d’unités, type d’emballage, etc.). Ces paramètres sont calibrés à l’aide de données empiriques issues de différentes sources : deux ans de tickets de caisse d’une grande enseigne de distribution (correspondant à 5 millions de produits vendus) et les données sur les revenus de la population française fournies par l’INSEE. Après validation du modèle, qui reproduit fidèlement les distributions observées dans les données réelles, nous montrons qu’il est capable de fournir des recommandations pertinentes sur les stratégies de tarification. Ce système offre ainsi la possibilité d’optimiser les prix des produits existants et de prédire les prix à appliquer lors de l’introduction de nouvelles offres, en se  basant uniquement sur l’historique des ventes et une description synthétique des clients.