Les jeux prennent une place importante dans le monde actuel, bien que parfois de façon discrète et/ou imperceptible. Des milliards de micro-enchères sont jouées chaque jour (pour afficher des publicités en ligne), des enchères macro défraient la chronique (allocation des droits TV, de spectre GSM, etc.),  les techniques récentes de Deep Learning font « jouer » des réseaux génératifs/discriminants entre eux, la congestion des réseaux de communication/transport est de plus en plus problématique, etc.

 L'étude de ces interactions fait intervenir des outils et techniques récents de mathématiques (analyse convexe, proba/stat), informatiques (complexité, apprentissage), économiques (théorie de la décision).      

Les objectifs de ce cours relativement long (10 séances de 3h, car mutualisé avec le M2 Optimisation) sont d'introduires les différents concepts de jeux (somme nulle, équilibres, jeux potentiel, congestion, Wardrop, etc), leur complexité (LP, PPAD...) et les possibles approximations (petits supports, eps-equilibre, etc).

Nous étudierons ensuite différents concepts d'algorithmic game theory (price of anarchy par ex.) ainsi que l'utilisation de techniques de ML pour les apprendre (ERM, bandits, VC-dim, etc), et les systèmes dynamiques y convergeant.

Algorithmic Game Theory (Nisan, Roughgarden, Tardos, Vazirani) 2007

Twenty Lectures on Algorithmic Game Theory (Roughgarden) 2018

Auctions Theory (Krishna) 2002

Potential Games (Monderer,   Shapley), 1994

 + papiers nips/stoc/focs/colt Learning in mechanism designs/auctions,