Vitalik Buterin via le Blog de Vitalik Buterin

Mis à jour le 2018/07/28. Voir note de fin.

Ce qui suit est une idée intéressante que j'ai eue il y a deux ans et que je crois personnellement prometteuse et qui pourrait être facilement mise en œuvre dans le contexte d'un écosystème blockchain, même si si vous le souhaitez, elle pourrait certainement également être mise en œuvre avec des technologies plus traditionnelles (les blockchains aideraient à obtenir le schématiser les effets de réseau en plaçant la logique de base sur une plate-forme plus neutre).

Supposons que vous soyez un restaurant vendant des sandwichs et que vous vendiez habituellement des sandwichs à 7.50 $. Pourquoi avez-vous choisi de les vendre à 7.50 $, et non à 7.75 $ ou 7.25 $ ? Il est clairement impossible que le coût de production soit exactement de 7.49999 $, car dans ce cas, vous ne réaliseriez aucun profit et ne seriez pas en mesure de couvrir les coûts fixes ; par conséquent, dans la plupart des situations normales, vous seriez toujours en mesure de faire quelques profitez si vous vendez à 7.25 $ ou 7.75 $, mais moins. Pourquoi moins à 7.25 $ ? Parce que le prix est inférieur. Pourquoi moins à 7.75 $ ? Parce que vous avez moins de clients. Il se trouve que 7.50 $ est le point auquel l’équilibre entre ces deux facteurs est optimal pour vous.

Notez une conséquence de ceci : si vous faites un légère distorsion au prix optimal, alors même par rapport à l'ampleur de la distorsion, les pertes auxquelles vous êtes confronté sont minimes. Si vous augmentez les prix de 1 %, de 7.50 $ à 7.575 $, votre bénéfice diminue de 6750 6733.12 $ à 0.25 XNUMX $, soit une infime réduction de XNUMX %. Et c'est profitez  - si vous aviez reversé 1% du prix de chaque sandwich, cela aurait réduit votre bénéfice de 5%. Plus la distorsion est faible, plus le ratio est favorable : augmenter les prix de 0.2 % ne réduit vos bénéfices que de 0.01 %.

Maintenant, on pourrait affirmer que les magasins ne sont pas parfaitement rationnels, ni parfaitement informés, et qu'ils ne peuvent donc pas actually facturer à des prix optimaux, tous facteurs pris en compte. Cependant, si vous ne savez pas dans quelle direction se situe l'écart pour un magasin donné, même quand même, dans l'attente, le système fonctionne de la même manière - sauf qu'au lieu de perdre 17 $, c'est plus comme lancer une pièce de monnaie où la moitié du temps vous gagnez 50 $ et la moitié du temps vous perdez 84 $. De plus, dans le système plus complexe que nous décrirons plus tard, nous ajusterons les prix dans les deux sens simultanément, et il n'y aura donc même pas de risque supplémentaire – peu importe à quel point le prix initial était correct ou incorrect, le système donnera vous une petite perte nette prévisible.

En outre, l'exemple ci-dessus est celui où les coûts marginaux sont élevés et les clients sont pointilleux sur les prix - dans le modèle ci-dessus, facturer 9 $ ne vous aurait rapporté aucun client. Dans une situation où les coûts marginaux sont bien inférieurs, et que les clients sont moins sensibles aux prix, les pertes résultant d'une augmentation ou d'une baisse des prix seraient encore plus faibles.

Alors à quoi ça sert tout ça ? Eh bien, supposons que notre sandwicherie change de politique : elle vend des sandwichs à 7.55 $ au grand public, mais baisse les prix à 7.35 $ pour les personnes qui ont fait du bénévolat dans une association caritative qui entretient un parc local (disons, cela représente 25 % de la population). . Le nouveau bénéfice du magasin est de 6682.5 0.25 $ ⋅ 6742.5 + 0.75 6727.5 $ ⋅ 22.5 = 4500 20 $ (soit une perte de 900 $), mais le résultat est que vous payez maintenant à chacun de vos 225 225 clients 22.5 cents chacun pour faire du bénévolat auprès de cet organisme de bienfaisance - une incitation de XNUMX $ ( si vous comptez uniquement les clients qui font réellement du bénévolat, XNUMX $). Ainsi, le magasin perd un peu, mais obtient un énorme effet de levier, contribuant de facto au moins XNUMX $ selon la façon dont vous le mesurez pour un coût de seulement XNUMX $.

Aujourd’hui, nous pouvons commencer à créer un écosystème d’« autocollants », qui sont des « jetons » numériques non transférables que les organisations distribuent aux personnes qui, selon elles, contribuent à de bonnes causes. Les jetons pourraient être organisés par catégorie (par exemple, lutte contre la pauvreté, recherche scientifique, environnement, projets communautaires locaux, développement de logiciels open source, rédaction de bons blogs), et les commerçants seraient libres de facturer des prix légèrement inférieurs aux détenteurs de jetons qui représentent quelque cause que ce soit. ils approuvent personnellement.

L’étape suivante consiste à rendre le système récursif : être ou travailler pour un commerçant qui propose des prix plus bas aux détenteurs d’autocollants verts est en soi suffisant pour vous mériter un autocollant vert, même s’il est de moindre puissance et vous offre une remise inférieure. De cette façon, si une communauté entière approuve une cause particulière, il peut en fait être rentable de commencer à offrir des réductions sur l'autocollant associé, et ainsi la pression économique et sociale maintiendra un certain niveau de dépenses et de participation à la cause de manière stable. équilibre.

En ce qui concerne la mise en œuvre, cela nécessite :

• Une norme pour les autocollants, y compris les portefeuilles dans lesquels les gens peuvent conserver des autocollants
• Systèmes de paiement prenant en charge la facturation de prix inférieurs aux détenteurs d'autocollants inclus
• Au moins quelques organisations émettrices d'autocollants (les frais généraux les plus faibles seront probablement l'émission d'autocollants pour les dons caritatifs et pour le contenu en ligne facilement vérifiable, par exemple les logiciels open source et les blogs)

C'est donc quelque chose qui peut certainement être démarré au sein d'une petite communauté et d'une petite base d'utilisateurs, puis laissé croître au fil du temps.

Mise à jour 2017.03.14: ici est un modèle/simulation économique montrant ce qui précède implémenté sous forme de script Python.

Mise à jour du 2018.07.28/XNUMX/XNUMX : après des discussions avec d'autres personnes (Glen Weyl et plusieurs commentateurs de Reddit), j'ai réalisé quelques éléments supplémentaires sur ce mécanisme, certains encourageants et d'autres inquiétants :

• Le mécanisme ci-dessus pourrait être utilisé non seulement par les organisations caritatives, mais également par les entreprises centralisées. Par exemple, une grande entreprise pourrait offrir un pot-de-vin de 40 dollars à tout magasin offrant une réduction de 20 cents aux clients sur ses produits, gagnant ainsi un revenu supplémentaire bien supérieur à 40 dollars. C'est donc stimulant mais potentiellement dangereux entre de mauvaises mains… (Je n'ai pas fait de recherches mais je suis sûr que ce type de technique est déjà utilisé dans divers types de programmes de fidélité)
• Le mécanisme ci-dessus a la propriété qu'un commerçant peut « donner » $� à un organisme de bienfaisance pour un coût de £2 (remarque : �2<� aux échelles dont nous parlons ici). Cela lui confère une structure économiquement optimale à certains égards (voir vote quadratique), car un commerçant qui est deux fois plus attaché à un bien public sera enclin à offrir une subvention deux fois plus importante, alors que la plupart des autres mécanismes de choix social ont tendance à sous-évaluer (comme dans le vote traditionnel) ou à surévaluer (comme dans l'achat de politiques via le lobbying). ) préférences plus fortes ou plus faibles.

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
• Décalages de bloc. Modernisation de la propriété des compensations environnementales. Accéder ici.
• La source: Intelligence de données Platon.