Décisions uniques et répétées : assurance, diversification et risque de ruine
Une même probabilité ne signifie pas la même chose selon que l’on peut recommencer
La valeur espérée est particulièrement utile lorsque des décisions comparables sont répétées un grand nombre de fois. Mais beaucoup de décisions importantes ne ressemblent pas à une longue série de paris indépendants. Nous pouvons acheter une maison une seule fois, subir une faillite une seule fois, perdre un organe une seule fois ou être confrontés à un accident qui met définitivement fin à notre activité. Cette différence change profondément la manière de raisonner.
Une stratégie peut être favorable en moyenne sur un grand nombre de répétitions tout en étant très dangereuse pour une personne qui ne dispose que d’une seule trajectoire. Il faut donc distinguer deux questions : « que se passerait-il en moyenne si cette décision était répétée un très grand nombre de fois ? » et « que peut-il arriver à celui qui doit réellement vivre la séquence de résultats ? » Ces deux questions coïncident parfois. Pas toujours.
Une décision unique ne bénéficie pas de la moyenne. Imaginons un jeu proposant 90 % de chances de gagner 20 euros et 10 % de chances de perdre 100 euros. Sa valeur monétaire espérée est positive : 0,9 × 20 + 0,1 × (−100) = 8 euros. Pour un joueur disposant d’un patrimoine confortable, répéter ce jeu un grand nombre de fois peut être raisonnable. Les gains fréquents peuvent compenser les pertes occasionnelles. Supposons maintenant que la perte possible ne soit plus de 100 euros, mais de l’intégralité des ressources nécessaires à la personne pour se loger ou continuer son activité. La valeur espérée peut rester positive. Pourtant, la décision n’a plus du tout la même signification. Une moyenne favorable ne protège pas contre une issue qui empêche de continuer. C’est pourquoi la capacité à absorber une mauvaise issue est une propriété essentielle de nombreuses décisions risquées.
Le risque de ruine
On parle de risque de ruine lorsqu’une mauvaise issue peut réduire les ressources du décideur au point de l’éliminer pratiquement du jeu : faillite, perte totale d’un capital indispensable, destruction irréversible d’un système, décès ou incapacité à poursuivre l’activité. La ruine possède une propriété particulière : elle ne peut généralement pas être compensée par les gains futurs, puisque ces gains ne pourront plus être réalisés. Un entrepreneur qui perd 10 % de son capital peut continuer et éventuellement récupérer cette perte. S’il perd 100 % de ses ressources et devient insolvable, la situation est structurellement différente. De même, une installation industrielle capable de supporter de nombreuses petites défaillances ne peut pas raisonner de la même manière lorsqu’un scénario rare entraîne une destruction totale. Cela conduit à une règle prudente : lorsqu’une mauvaise issue menace la possibilité même de continuer, sa probabilité mérite une attention particulière, même si la stratégie paraît avantageuse en moyenne.
Cette règle ne signifie pas qu’il faille éliminer tout risque. Elle signifie que certains risques doivent être traités comme des contraintes de survie, et non seulement comme des termes négatifs dans une moyenne.
Le paradoxe apparent d’une stratégie rentable qui détruit le joueur. Considérons une personne disposant de 100 euros. On lui propose régulièrement un pari : elle a 60 % de chances de gagner l’équivalent de 50 % de son capital et 40 % de chances d’en perdre 50 %. Le pari semble favorable. Pour chaque euro engagé, le multiplicateur moyen est supérieur à 1. Mais le patrimoine n’évolue pas en additionnant simplement les rendements moyens. Les gains et les pertes successifs se multiplient. Partir de 100 euros, gagner 50 %, puis perdre 50 % donne : 100 → 150 → 75. Une hausse de 50 % suivie d’une baisse de 50 % ne ramène donc pas au point de départ.
Ce phénomène paraît trivial lorsqu’il est montré une fois, mais il devient très important lorsqu’une stratégie est répétée. Plus les pertes relatives sont fortes, plus il devient difficile de les récupérer. Après une perte de 50 %, il faut gagner 100 % pour retrouver le capital initial. Après une perte de 90 %, il faut gagner 900 %. C’est l’une des raisons pour lesquelles maximiser un rendement moyen arithmétique ne suffit pas toujours à maximiser la croissance d’un patrimoine au cours du temps.
Moyenne de population et trajectoire individuelle
Imaginons maintenant mille personnes possédant chacune 100 euros et jouant une seule fois. La richesse moyenne du groupe peut augmenter même si une fraction des participants perd beaucoup d’argent. À l’échelle de la population, l’analyse peut donc conclure à un résultat favorable. Mais une personne réelle ne vit pas la moyenne de mille trajectoires parallèles. Elle en vit une seule. Cette distinction est particulièrement importante lorsque les résultats sont fortement asymétriques.
Un traitement qui sauve 99 personnes sur 100 mais provoque un événement grave chez une personne peut être très favorable collectivement. Cela n’efface pas la situation de la centième personne. Inversement, l’existence d’une mauvaise issue individuelle ne suffit pas non plus à condamner le traitement. Il faut simplement éviter de confondre : ce qui est vrai en moyenne pour une population et ce qui arrivera nécessairement à chaque individu. Cette question reviendra lorsque nous étudierons la différence entre risque individuel et risque collectif.
Le rôle du temps : survivre assez longtemps pour bénéficier de la moyenne. De nombreuses stratégies intéressantes supposent implicitement que le décideur pourra continuer à les appliquer pendant longtemps. Un assureur peut supporter qu’un client particulier provoque une perte importante parce qu’il répartit les risques sur des milliers de contrats. Un casino peut perdre plusieurs gros paris au cours d’une soirée parce qu’il dispose d’un capital suffisant et organise des millions de transactions présentant un petit avantage statistique. Mais si le casino engageait la totalité de son patrimoine sur un seul pari légèrement favorable, il pourrait disparaître avant que son avantage statistique n’ait le temps de se manifester. La capacité à rester dans le jeu fait donc partie de la stratégie.
Cette intuition dépasse largement les jeux d’argent. Une entreprise doit conserver suffisamment de trésorerie pour traverser une période défavorable. Un système électrique doit posséder suffisamment de réserves pour résister à certains événements exceptionnels. Une politique de sécurité doit tenir compte des défaillances capables de rendre tout apprentissage ultérieur impossible.
Assurance : transformer un gros risque en petit coût prévisible
L’assurance répond précisément à ce problème. Une personne peut être confrontée à une faible probabilité de perte très importante : incendie d’une habitation, accident grave, responsabilité civile considérable. Même si la perte moyenne statistique est relativement faible, la perte réelle pourrait être insupportable. L’assurance permet de transformer ce risque rare et lourd en coût régulier et prévisible.
Supposons qu’une maison de 300 000 euros possède une très faible probabilité annuelle d’être détruite. Pour le propriétaire, la perte totale peut être catastrophique. Pour une compagnie assurant des centaines de milliers de logements, ces sinistres deviennent beaucoup plus prévisibles à l’échelle du portefeuille. L’assureur mutualise donc des risques que les individus auraient du mal à supporter seuls. Le propriétaire accepte généralement de payer une prime légèrement supérieure à sa perte statistique moyenne parce qu’il achète quelque chose de précieux : la protection contre une catastrophe financière personnelle.
Mutualisation : beaucoup de risques peuvent devenir plus prévisibles
La mutualisation fonctionne parce que certains événements individuels sont imparfaitement corrélés. Si mille maisons sont assurées et que les incendies sont relativement indépendants, il est très improbable que toutes brûlent simultanément. Le nombre annuel de sinistres devient alors beaucoup plus prévisible que le destin de chaque maison particulière. Cette idée est l’un des fondements de l’assurance : l’incertitude individuelle peut devenir plus régulière lorsqu’elle est répartie sur un grand nombre de cas. Mais cette logique possède une condition importante. Les risques ne doivent pas être trop fortement corrélés. Un assureur peut facilement mutualiser des accidents automobiles dispersés dans tout un pays. Il est beaucoup plus difficile de mutualiser des maisons situées dans la même zone si une seule inondation peut les détruire simultanément. La corrélation change donc profondément le risque global.
Des risques faibles peuvent devenir dangereux lorsqu’ils sont corrélés
Imaginons dix investissements que l’on considère séparément comme relativement sûrs. S’ils dépendent tous du même facteur — prix du pétrole, taux d’intérêt, marché immobilier ou fournisseur unique — ils peuvent s’effondrer simultanément. Posséder dix actifs ne constitue donc pas nécessairement une diversification. La question importante n’est pas seulement : « Combien de risques avons-nous ? » mais : « Dans quelles circonstances se réalisent-ils ensemble ? »
La crise financière de 2007-2008 fournit une illustration historique spectaculaire de ce problème. Des risques présentés comme largement diversifiés se sont révélés beaucoup plus corrélés lorsque le marché immobilier américain a subi un choc commun. Des modèles reposant sur des relations observées pendant des périodes ordinaires ont sous-estimé l’ampleur des dépendances susceptibles d’apparaître dans une crise. La diversification ne consiste donc pas simplement à multiplier les positions. Elle consiste à éviter qu’un même événement puisse les faire échouer toutes en même temps.
Diversifier : ne pas dépendre d’un seul scénario
La diversification vise à répartir l’exposition entre plusieurs sources de résultat qui ne réagissent pas exactement de la même façon aux mêmes événements. Un investisseur peut répartir son capital entre différentes classes d’actifs. Une entreprise peut éviter de dépendre d’un fournisseur unique. Un pays peut diversifier certaines sources d’approvisionnement énergétique. Un service hospitalier peut conserver plusieurs solutions permettant d’assurer une fonction critique en cas de panne. L’intérêt est général : une mauvaise issue locale ne doit pas nécessairement entraîner l’échec de l’ensemble du système.
La diversification possède néanmoins un coût. Multiplier les fournisseurs peut être moins efficace que concentrer tous les achats chez celui qui offre les meilleurs tarifs. Maintenir plusieurs technologies peut compliquer la maintenance. Détenir des actifs peu corrélés peut réduire le rendement attendu. La diversification est donc elle-même un arbitrage entre efficacité moyenne et résilience.
Un portefeuille ne se juge pas risque par risque. Cette logique conduit à une idée importante : un risque ne doit pas toujours être évalué isolément. Supposons qu’une personne accepte cinq engagements dont chacun possède une probabilité faible de produire une perte importante. Si ces événements sont indépendants, le risque global peut rester raisonnablement maîtrisable. Mais s’ils ont tous tendance à se produire pendant une récession, la situation est très différente. De même, un hôpital peut disposer de plusieurs systèmes de secours qui paraissent indépendants jusqu’au jour où l’on découvre qu’ils dépendent tous de la même alimentation électrique ou du même réseau informatique. Une analyse correcte doit donc parfois examiner le portefeuille de risques plutôt que chacun séparément. Cela implique de rechercher les dépendances cachées, les causes communes et les scénarios capables de provoquer plusieurs défaillances simultanément.
La redondance paraît parfois inefficace… jusqu’au jour où elle devient indispensable. Les organisations orientées vers l’efficacité cherchent naturellement à supprimer les capacités inutilisées. Une machine de secours qui fonctionne rarement, un stock supplémentaire ou une équipe de réserve peuvent sembler coûteux. Mais cette « inefficacité » apparente peut constituer une forme d’assurance. Les systèmes critiques utilisent souvent la redondance précisément parce qu’une optimisation parfaite en fonctionnement normal peut rendre le système extrêmement fragile lors d’une panne. Deux générateurs indépendants, plusieurs moyens de communication ou des stocks de sécurité peuvent coûter davantage que la solution minimalement nécessaire lorsque tout fonctionne correctement. Ils achètent quelque chose d’autre : la possibilité de continuer lorsque le scénario ordinaire échoue. Cette logique se retrouvera plus loin lorsque nous parlerons de robustesse.
Une petite probabilité répétée finit-elle forcément par se réaliser ?
Il faut ici éviter une autre simplification. On entend parfois :
« Si un événement a 1 % de chances de se produire chaque année, il arrivera forcément au bout de cent ans. »
C’est faux. Si les événements annuels sont indépendants et que la probabilité reste constamment de 1 %, la probabilité qu’ils ne se produisent jamais pendant cent ans est : 0,99¹⁰⁰ ≈ 36,6 %. La probabilité qu’ils surviennent au moins une fois pendant ces cent ans est donc environ : 63,4 %. Le risque cumulé augmente fortement avec les répétitions, mais il n’atteint pas automatiquement 100 %. Cette distinction devient importante pour les expositions répétées. Une probabilité très faible par opération peut devenir non négligeable lorsque des millions d’opérations sont réalisées.
Probabilité par événement et risque cumulé. Supposons qu’une procédure possède un risque de défaillance de 1 sur 10 000 par utilisation. Pour une personne qui l’utilise une seule fois, ce risque est très faible. Pour un système réalisant dix millions d’opérations, le nombre attendu de défaillances n’est plus négligeable. Cela explique pourquoi des risques minuscules au niveau individuel peuvent devenir importants dans l’aviation, la médecine, l’industrie, les réseaux informatiques ou la sécurité des infrastructures. Inversement, une politique qui réduit très légèrement un risque individuel peut produire un bénéfice collectif considérable lorsqu’elle concerne des millions de personnes. La fréquence de répétition constitue donc une dimension essentielle de la décision.
Le risque de ruine ne justifie pas n’importe quelle prudence. Il serait cependant dangereux de transformer la notion de ruine en argument universel :
« Puisque la catastrophe serait terrible, nous devons éliminer le moindre risque. »
Cette conclusion ne suit pas. Premièrement, toutes les activités comportent des risques. Deuxièmement, les mesures visant à supprimer un risque peuvent en créer d’autres. Troisièmement, les ressources consacrées à réduire un risque extrêmement faible ne peuvent plus être utilisées pour prévenir des dangers plus importants. Il faut donc toujours comparer les risques des différentes options. La notion de ruine signifie seulement que certaines conséquences justifient une attention particulière et peuvent imposer des contraintes plus strictes que ne le suggère une simple comparaison de moyennes. Elle ne permet pas d’ignorer la probabilité, la plausibilité ou les coûts de la prévention.
Le risque vital : un exemple évident, mais instructif. Imaginons deux activités. L’activité A comporte une chance sur dix de perdre 10 euros. L’activité B comporte une chance sur un million de mourir. La perte financière attendue de A peut être beaucoup plus élevée que celle de B si nous essayons d’attribuer une valeur monétaire au décès. Pourtant, la plupart des personnes ne traiteront pas mécaniquement les deux risques de la même manière. Il existe de bonnes raisons à cela : le décès est irréversible, met fin à toutes les possibilités futures et ne peut pas être compensé par un gain ultérieur pour la personne concernée. Cela ne signifie toujours pas que toute activité présentant un risque vital infinitésimal doive être interdite. Conduire une voiture, travailler, se déplacer ou subir une intervention médicale comportent tous certains risques. Cela montre seulement pourquoi l’irréversibilité et la capacité de continuer doivent entrer dans l’analyse, en plus de la valeur moyenne.
Cas pratique — Jusqu’où endetter une entreprise rentable ?
Une entreprise possède une activité rentable et relativement stable. Son dirigeant envisage d’emprunter massivement pour accélérer son développement. Le scénario central est très favorable : si les ventes progressent comme prévu, l’endettement permettra d’augmenter rapidement les profits. Une analyse fondée uniquement sur le rendement attendu pourrait donc recommander un fort levier financier.
Mais supposons qu’une récession puisse réduire brutalement les ventes pendant deux ans. Une entreprise peu endettée subirait alors une baisse de bénéfice mais survivrait. Une entreprise très endettée pourrait ne plus pouvoir rembourser ses échéances et faire faillite. Le calcul ne doit donc pas seulement comparer les profits moyens. Il faut demander : « Quelle dette maximale permet encore à l’entreprise de survivre à un scénario défavorable plausible ? » La réponse peut conduire à accepter un rendement moyen un peu plus faible en échange d’une probabilité beaucoup plus faible de disparition. Ce n’est pas nécessairement une aversion irrationnelle au risque. C’est reconnaître que la capacité à jouer demain possède elle-même une valeur.
Cas pratique — Les réserves d’un hôpital
Un hôpital cherche à réduire ses coûts de stockage. Il peut fonctionner normalement avec un stock très faible de certains consommables et commander fréquemment de petites quantités. Cette stratégie est efficace tant que la chaîne d’approvisionnement fonctionne parfaitement. Maintenir plusieurs semaines de réserve immobilise de l’argent, nécessite de l’espace et entraîne parfois des pertes lorsque des produits expirent. La réserve paraît donc « inefficace ». Mais supposons qu’une crise internationale, une catastrophe naturelle ou une panne logistique interrompe brutalement les livraisons. Le coût pertinent du stock n’est alors plus seulement celui de produits qui dorment sur une étagère. Il doit être comparé à la valeur de pouvoir continuer certains soins lorsque le scénario habituel échoue. La quantité raisonnable de réserve dépendra de nombreux paramètres : criticité du produit, durée plausible d’une rupture, disponibilité de substituts, coûts, péremption et possibilité d’obtenir des ressources ailleurs.
Le raisonnement correct n’est donc ni : « Il faut toujours maximiser les stocks par précaution » ni : « Toute capacité inutilisée est du gaspillage. » Il faut comparer le coût de la redondance au coût des scénarios contre lesquels elle protège.
Survie, croissance et prudence. Plus généralement, une stratégie rationnelle peut poursuivre plusieurs objectifs simultanément. Maximiser la croissance. Réduire la volatilité. Préserver la possibilité de continuer. Ces objectifs ne conduisent pas toujours à la même décision. Une stratégie très agressive peut maximiser l’espérance de gain mais augmenter fortement la probabilité d’élimination. Une stratégie excessivement prudente peut supprimer presque tous les risques mais aussi empêcher tout progrès. Le problème n’est donc pas de choisir entre audace et prudence en général. Il est de déterminer quel niveau de risque permet de poursuivre les objectifs sans rendre la trajectoire excessivement fragile.
La diversification ne supprime pas le risque systémique. Même un portefeuille extrêmement diversifié peut rester exposé à certains événements communs. Une crise financière majeure peut affecter simultanément de nombreux marchés. Une pandémie peut perturber plusieurs secteurs économiques. Une guerre peut provoquer à la fois des pénuries énergétiques, des perturbations commerciales et une hausse des prix. Ces risques sont parfois qualifiés de systémiques parce qu’ils concernent une grande partie du système en même temps. Ils limitent la puissance de la diversification. Une organisation résiliente doit donc rechercher non seulement une variété d’actifs ou de fournisseurs, mais aussi des modes de défaillance réellement différents. Posséder dix sauvegardes informatiques sur dix serveurs connectés au même réseau ne protège pas nécessairement contre une attaque qui compromet l’ensemble du réseau. La diversité apparente n’est pas toujours une indépendance réelle.
À quel moment faut-il imposer une contrainte plutôt que calculer une moyenne ? Dans certaines décisions, nous pouvons accepter que tous les risques soient intégrés dans une fonction d’utilité ou une valeur attendue. Dans d’autres, nous préférons imposer un seuil : « Cette option n’est acceptable que si le risque de telle catastrophe reste inférieur à un certain niveau. » C’est notamment fréquent en ingénierie, en médecine ou dans les systèmes de sécurité. Cette approche reflète l’idée que certaines conséquences ne doivent pas être compensées trop facilement par des bénéfices moyens ailleurs. Mais elle ouvre immédiatement une nouvelle question : Quel seuil choisir ? Une probabilité de 1 % est-elle acceptable ? 0,1 % ? 1 sur un million ? La réponse ne peut pas être déterminée à partir de la probabilité seule. Elle dépend de la gravité, du nombre de personnes exposées, des alternatives disponibles, du coût de la réduction du risque et des valeurs collectives. Nous retrouverons précisément ce problème dans la fiche consacrée aux seuils de décision.
Quelques règles pratiques. Face à une décision risquée et éventuellement répétée, quelques questions permettent d’éviter les erreurs les plus importantes :
| Question | Ce qu’elle permet d’examiner |
|---|---|
| Cette décision sera-t-elle répétée ? | Importance de la moyenne à long terme |
| Quelle est la pire perte plausible ? | Exposition aux scénarios extrêmes |
| Puis-je supporter cette perte ? | Risque de ruine |
| Les risques sont-ils indépendants ? | Possibilité réelle de mutualisation |
| Plusieurs risques peuvent-ils se produire ensemble ? | Corrélation et risque systémique |
| Puis-je diversifier l’exposition ? | Réduction de la dépendance à un scénario |
| Existe-t-il une redondance ou une solution de secours ? | Capacité à continuer après une défaillance |
| Une perte empêche-t-elle les gains futurs ? | Irréversibilité de la trajectoire |
Ces questions complètent utilement la valeur espérée.
À retenir
Une décision répétée des milliers de fois n’est pas nécessairement équivalente à une décision unique aux conséquences potentiellement irréversibles. La valeur espérée décrit une moyenne, mais le décideur réel doit aussi survivre aux mauvaises issues pour pouvoir bénéficier des gains futurs. Lorsqu’une perte peut provoquer une faillite, une destruction irréversible ou la fin de la trajectoire, le risque de ruine mérite donc un traitement particulier.
L’assurance permet de transformer une perte rare et potentiellement catastrophique en coût plus prévisible. La mutualisation réduit certains risques en les répartissant sur de nombreuses unités. La diversification évite de dépendre d’une seule source de résultat, à condition que les risques ne soient pas trop corrélés. La redondance peut enfin paraître inefficace dans les périodes normales tout en constituant une protection précieuse lorsque le système est soumis à un choc. La leçon générale n’est pas d’éviter tout risque : une bonne stratégie doit rechercher les bénéfices sans exposer inutilement le décideur à une issue qui supprimerait sa capacité à continuer. Nous pouvons maintenant aborder une question étroitement liée : si les conséquences possibles n’ont pas toutes la même gravité, de quel niveau de preuve ou de confiance avons-nous besoin avant d’agir ?
Sources et approfondissements
John von Neumann et Oskar Morgenstern, *Theory of Games and Economic Behavior*, Princeton University Press, 1944. Référence classique pour la théorie de l’utilité espérée et l’analyse formelle des choix sous risque. John L. Kelly Jr., « A New Interpretation of Information Rate », *Bell System Technical Journal*, 1956. Article à l’origine du critère de Kelly, qui met notamment en évidence la relation entre croissance à long terme, taille des engagements et risque de perte excessive. Ce résultat concerne un cadre mathématique précis et ne constitue pas une règle universelle pour toutes les décisions.
Harry Markowitz, « Portfolio Selection », *The Journal of Finance*, 1952. Article fondateur de la théorie moderne du portefeuille, montrant notamment que le risque d’un portefeuille dépend non seulement des risques individuels mais aussi de leurs relations entre eux. Nassim Nicholas Taleb, *The Black Swan*, Random House, 2007, et *Antifragile*, Random House, 2012. Taleb a popularisé auprès du grand public l’importance des événements extrêmes, de la fragilité et du risque de ruine. Ses formulations générales et certaines extrapolations sont discutées ; elles doivent donc être distinguées des résultats formels de la théorie des probabilités et de la gestion du risque. Paul Embrechts, Claudia Klüppelberg et Thomas Mikosch, *Modelling Extremal Events for Insurance and Finance*, Springer-Verlag, 1997. Référence technique sur les risques extrêmes et leurs conséquences pour l’assurance et la finance.