Soutenance de thèse de Giovanni RIZZI, 09 Octobre 2026

 Essays on Econometric Methods for Functional Data

Directeurs de thèse

Professeur Patrick REY

Pour participer à la soutenance, merci de contacter l'école doctorale

Membres du jury

• Patrick REY : Professeur d'Économie, Université Toulouse Capitole Directeur de thèse
• Ozlem BEDRE-DEFOLIE : Professeure Économie, European University Institute Rapporteur
• Andrei HAGIU : Professeur d’Économie, Questrom School of Business, Boston University Rapporteur
• Alexandre DE CORNIERE : Professeur Économie, Université Toulouse Capitole Examinateur
• Emilio CALVANO : Professeur d’Économie, LUISS University Examinateur
   

Résumé

Cette thèse étudie comment la structure microéconomique des technologies et des décisions stratégiques détermine la concurrence. Le premier chapitre montre comment l’apprentissage bayésien engendre des effets de réseau fondés sur les données ; le deuxième établit que ces effets peuvent provoquer une défaillance généralisée sur le marché des applications numériques. Le troisième relie les incitations à la collusion à la relation entre stabilité macroéconomique et pouvoir de marché. 
Le chapitre 1, Une théorie de la valeur des données, développe une théorie de la valeur des données pour la prédiction. Une entreprise choisit le nombre d’observations d’apprentissage, les covariables enregistrées dans l’échantillon et celles observées pour l’individu cible. Un modèle bayésien, étudié dans une limite de matrices aléatoires de Marchenko–Pastur, fournit une expression fermée de la valeur des données : la baisse espérée de l’erreur hors échantillon. Elle dépend de l’apprentissage de la relation entre covariables et résultat, ainsi que du nombre de covariables cibles auxquelles cet apprentissage s’applique. Les covariables présentent des économies de gamme : chacune devient plus précieuse lorsque l’entreprise en observe d’autres, car un champ plus large améliore l’estimation des coefficients. Observations et covariables sont complémentaires dans les petits jeux de données, mais substituables dans les grands ; les entreprises les plus grandes bénéficient donc le moins de l’ajout 
d’utilisateurs. Ces résultats éclairent le contrôle des concentrations : regrouper les covariables des mêmes utilisateurs crée des synergies, tandis que regrouper des utilisateurs décrits par les mêmes covariables rencontre des rendements décroissants.
Le chapitre 2, Concurrence entre business models et privacy-preserving apps, coécrit avec Doh-Shin Jeon et Shota Ichihashi, explique pourquoi les applications payantes et respectueuses de la privacy ne représentent que 3 à 5 % de l’offre des principales boutiques d’applications. Une ad-tech combine les données de toutes les applications financées par la publicité : davantage d’utilisateurs dans une catégorie améliore le targeting, et donc le revenu publicitaire par utilisateur, dans toutes les autres. Un continuum de catégories, une entrée endogène et un stock de données déterminé par un point fixe produisent un multiplicateur qui amplifie toute hausse exogène des données. Un meilleur targeting intensifie la concurrence entre les applications présentes, mais décourage l’entrée de privacy-preserving apps. Avec un coût d’entrée positif, le surplus des 
consommateurs atteint un maximum unique en fonction de la précision du ciblage. Lorsque les applications publicitaires dominent, les consommateurs bénéficient de restrictions sur la combinaison des données et de taxes sur la publicité numérique. Le chapitre caractérise aussi les conditions dans lesquelles des obligations de consentement et une taxe ad valorem mettent en œuvre leur structure de marché préférée. 
Le chapitre 3, La Grande Modération et la hausse des taux de marge, coécrit avec Friedrich Lucke et Giovanni Morzenti, met en évidence un coût de la stabilité du cycle économique : une demande plus stable facilite la collusion tacite. Dans un oligopole répété, la tentation de réduire son prix est maximale au sommet de la demande. Une moindre volatilité augmente donc le taux de marge collusif maximal soutenable, surtout sur les marchés concentrés. Le mécanisme est testé sur un panel État–secteur couvrant les États-Unis pendant la Grande Modération, en instrumentant la volatilité par la déréglementation progressive des activités bancaires interétatiques. Une baisse de 1 % de la volatilité augmente les taux de marge d’environ 0,2 %. L’effet se concentre dans le quartile le plus fortement concentré et disparaît dans le moins concentré. Sous une demande CES, les estimations impliquent un taux de marge monopolistique de 1,317, proche de celui observé, et attribuent à la baisse de la volatilité jusqu’aux deux tiers de la hausse des taux de marge entre 1980 et 1997. Ce résultat révèle un arbitrage entre stabilisation macroéconomique et concurrence : le contrôle des concentrations devrait se durcir lorsque la demande devient plus stable.