UNIVERSITÉ DU QUÉBEC À MONTRÉAL

UNE ÉTUDE THÉORIQUE ET EMPIRIQUE DU COMPORTEMENT DES JOUEURS

DANS LES ENCHÈRES À UN SOU

MÉMOIRE
PRÉSENTÉ
COMME EXIGENCE PARTIELLE
DE LA MAÎTRISE EN ÉCONOMIQUE

PAR

PATRICK AUBRY

JUILLET20I2
 UNIVERSITÉ DU QUÉBEC À MONTRÉAL
Service des bibliothèques ·

Avertissement

La diffusion de ce mémoire se fait dans le' respect des droits de son auteur, qui a signé
le formulaire Autorisation de reproduire. et de diffuser un travail de recherche de cycles
$Upérieurs (SDU-522- Rév.01-2006). Cette autorisation stipule que «conformément ·à
l'article 11 du Règlement no 8 des études de cycles supérieurs, [l'auteur] concède à
l'Université du Québec à Montréal une licence non exclusive d'utilisation et de .
publication pe la totalité ou d'une partie importante de [son] travail de recherche pour
'des fins pédagogiques et non commerciales. Plus précisément, [l'auteur] autorise
l'Université du Québec à Montréal à reproduire, diffuser, prêter, distribuer ou vendre des .·
copies de. [son] travail de recherche à des fins non commerciales sur quelque support
que ce soit, y compris l'Internet. Cette licence et cette autorisation n'entraînent pas une
renonciation de [la] part [de l'auteur] à [ses] droits moraux ni à [ses] droits de propriété
intellectuelle. Sauf ententé contraire, [l'auteur] conserve la liberté de diffuser et de
commercialiser ou non ce travail dont [il] possède un exemplaire ..»
 REMERCIEMENTS

La première personne que je me dois de remercier est mon directeur de mémoire PIERRE-
CARL MICHAUD, qui a toujours été là pour moi en tout temps même lorsqu'il avait des
tonnes d' autres projets à faire. Il est la définition même de ce qu'un directeur de mémoire
devrait être : présent, compétent et exigeant. Merci pour tout.

Ma reconnaissance à MAX BLOUIN et STEVE AMBLER qui ont été pour moi des
professeurs exemplaires au courant de mon cheminement scolaire. Grâce à vous, je sais ce
que je veux faire dans la vie.

Mes remerciements s' adressent aussi à mes parents qw sans vraiment nen faire m'ont
grandement aidé ne serait-ce qu'en me donnant un logis tout au long de mes études et de la
rédaction de ce mémoire.

Je n' oublie pas mon coéquipier de classe et ami DOMINIC PILON. J'ai vraiment apprécié
travailler avec toi et merci pour tes conseils quand j'en avais besoin.
 TABLE DES MATIÈRES

LISTE DES FIGURES ................................... .. .. .......... ..... ....................................... .............. III

LISTE DES TABLEAUX ... ...... .. .......... .......... ........ .. .. ....... ......... ......................... .................... V
RÉSUMÉ ........ ................. .. ... .. ............ ................ ..... .. ....... ...... ............. .......... ..... ...... .. ........... VII
INTRODUCTION .............................. ............ .......................................................................... 1
CHAPITRE I
REVUE DE LA LITTÉRATURE ..................................................... .... ..... ..... .... .... .. ........... .. ... 4
CHAPITRE II
MODÉLISATION ............ ........................ ............ ....................................... .. .. .. ...... ................. 9
2.1 Modèle symétrique de l'enchère à un sou .... ........... .. .. .. ... ........... ............. ...................... 9
2. 1.1 Revenu espéré de l'encanteur ............................................................................ 12
2.2 L'acquisition d'i nformation des joueurs sur les autres joueurs ....... .. .. .. .. ...... ......;........ 14
2.2.1 Fondement ... ................................ ...... ................................................................. 14
2.2.2 Analyse de l'enchère à un sou en considérant l'acquisition d'information ........ 14
CHAPITRE III
DONNÉES ............................... ............................................ ................................................... 20
3.1 Description de bidou.ca .............. ....... ........... ... .. ......... .......... ...... .... .......... .................... 20
3.1.1 Descripti on des données ....... ......... ..................................... ........ ........................ 21
3. 1.1 Statistiques descriptives à pa11ir de la banque de données ................................. 22
CHAPITRE IV
ESTIMATIONS ÉCONOMÉTRIQ UES ....... .............. .......... .... ................................ ...... ....... 49
4.1 Modèle économétrique ................................................................. .............. .................. 49
4.1.1 Méthodologie pour les régressions ..................................................................... 50
4.2 RÉSULTATS ................................................... .... ................................. ......... ............... 52
4.2.1 Esti mations du nombre de mises total par enchère (Je) .................................. .. .. 53
4.2.2 Estimations du rapport entre le nombre de mises par le gagnant et le nombre
total (Jem/Je) ....... .................. ............................................................................. 57
4.2.3 Estimations des profits par enchère de Bidou en% de la valeur du bien ........... 61
4.2.4 Estimation des profits par enchère des joueurs en% de la valeur du bien ......... 67
 iii

CONCLUSION ................ ........ ........ .... ............ ....................................................................... 74

BIBLIOGRAPHI E ......................... .. ............................ ..................... .............................. ........ 77
 LISTE DES FIGURES

Figure Page
Figure 3.1 Profit de Bidou selon la valeur des biens .................................. ... 34
 LISTE DES TABLEAUX

Tableau Page

3.1 Nombre d' enchères par mois .. .. ............ .. .................. .. ........ .. .. ............. .. .. .... .... .. ...... . 22

3.2 Les mises parmi les différentes catégories ........ .. .... .. .. .. .... .. .. .. ............ .... .... ........ .. ... 23

3.3 Description des mises effectuées .. .................. .... .... ............ .... .. .. .. .... .. .... .. .. .... .. .. .... .. 27

3.4 Profit moyen par mois16 mars 2010 au 14 j anvier 2011 ...... .. .. .. .. .............. .. .. .. .. .. .... 30

3.5 Profits de Bidou dépendamment des jours .... ............... ........ .. .... .... ........ .. .... ............ 32

3.6 Profit Bidou selon la catégorie en fraction de la valeur du bien .......................... ..... 33

3.7 Profits de Bidou selon les caractéristiques des joueurs .... .......... .. .......... ...... ........ .. .. 35

3.8 Nombre de mi ses de chacun des joueurs .................... ...... .. .. .......... ...... ............ ........ 38

3.9 Implication de l' agressivité sur le nombre de victoires ...... .. ................ .. .... .. ...... .. .. .. 39

3.10 Implication de l' expérience sur le nombre de victoires .. .......... .. .......... .. .. .. .............. 40

3.11 Implication du niveau de profitabilité sur le nombre de victoires .... ...... .... .... .. .. ...... 41

3.12 Profit des j o ueurs sel on le mois ............ .. ........ .. .... .. .... .. .... .............. .. .. .. .......... .. ........ 42

3.13 Profits des joueurs selon leur expérience en jour .......... .. ............ .. .. .... .................... . 44

3.14 Profits de tous les joueurs selon leur niveau d' agressivité .. ........ .... .. .. .................... . 45

3.15 Profits des joueurs gagnants selon leur niveau d' agressivité ........ .. .................... ...... 46

3.16 Profits des joueurs gagnants selon leur niveau d' expérience .. .... ........................ .... . 47

3.17 Profi ts des j oueurs gagnants selon leur ni veau de s uccès .......... ............................... 47

4. 1 Variables indépendantes utilisées pour les estimations ............ .... .......... .. .... ............ 50

4.2 Estimation sur Je des variab les de temps ............ .. .............. ........ .............................. 53
 VI

4.3 Estimations sur Je des variables d ' offre .. .. ........ .. ...... .... .. .. .... .. .. .. .. .......... .......... .. ..... 55

4.4 Estimations sur Je des variables de stratégie .... .. .. ............................ .......... .. ............ 56

4.5 Estimations sur Jem/Je des variables de temps .. .......... .......... ...... .. .. ............ .......... .. . 58

4.6 Estimations Jem/Je des variables d' offre .... ................ .. .. ..... ...... ............ .. .... .. .. .. ....... 59

4.7 Estimation Jem/Je des variables de stratégie .. .. ....... .... ... ... ... ......... ........ ..... ....... .. ..... 60

4.8 Estimations sur profit bidou des variables de temps ... .... .... ................... ........... ... .. .. 62

4.9 Estimations profit bidou des variables de l' offre .......... ..... ... ... .. .... .. ... ............ ...... .... 64

4.10 Estimation sur profit bidou des variables de comportement... ... .... ..... ........ ...... .. ...... 66

4.11 Estimations sur le profit des joueurs des variables de temps ........ ... ........ ....... .... ...... 68

4.12 Estimations sur le profit des joueurs des variables de l' offre ........ ...... ...... .. .. .. ........ . 70

4. 13 Estimations sur les profits des joueurs des variables de comportement.. .. .... .. .... .. ... 72
 RÉSUMÉ

Ce mémoire correspond à l'étude théorique et empirique du comportement des joueurs

présents sur le site Internet d'enchère à un sou bidou.ca. L'objectif premier est de
caractériser l'effet du comportement des joueurs sur les profits des joueurs et de
l'encanteur en utilisant les concepts de la théorie des jeux. Plus particulièrement, avec
une banque de données sur les enchères s'étant déroulées entre le 16 mars 2010 et le 14
janvier 2011, nous effectuons une analyse théorique et économétrique des effets du
comportement passé des joueurs sur les profits des joueurs et l'encanteur. De cette façon,
nous avons trouvé que le comportement des joueurs avait effectivement un impact
important dans les enchères à un sou. Plus précisément, l'agressivité et la réputation
influent significativement le déroulement du jeu, et par conséquent les profits. Ainsi, les
profits de bidou.ca sont à la baisses plus que les joueurs sont agressifs à miser et ont une
forte réputation. D'autre part, parmi les joueurs gagnants, être agressif est avantageux et
permet d'augmenter leur profit en espérance. Même constat, si le joueur joui d'une forte
réputation avant d'entrer dans une enchère. Plus encore, la présence de trop grand
nombre de joueurs puissants sur un site peut mener à la fermeture de celui-ci si la
situation perdure longtemps.

Mots-clés: enchère à un sou, théorie des jeux, jeu d 'attrition, jeu de hasard, réputation,
comportement, économie comportementale, profit
 ~-- - ----

INTRODUCTION

C'est le I6 février 2010 1 que le site Internet bidou.ca fut mis en ligne. Une nouvelle forme de
jeu apparaissait sur la toile du Québec: l' enchère à un sou . Ce jeu est appelé une enchère
parce que les participants font des mises pour remporter un objet mis à l'enchère par les
propriétaires du site Internet. Or, malgré cette similitude avec les enchères classiques,
l'enchère à un sou est très différente. En effet, dans une enchère classique, le plus offrant
gagne l' objet convoité et les perdants ne sont pas pénalisés. Cependant, dans une enchère à
un sou, chaque mise effectuée coûte un montant fixe au miseur. De plus, il n'est pas garanti
que le plus offrant (celui qui a fait le plus de mises par exemple) soit le gagnant de l'objet. En
fait, le jeu se déroule de manière séquentielle. À chaque mise, le prix du bien augmente d'un
montant fixe de 0.01 (d'où le nom enchère à un sou), et un décompte s'enclenche (30, 40, 50
ou 60 secondes sur bidou.ca). Le gagnant de l'enchère est celui qui est le dernier à avoir misé
au moment où le décompte atteint 0 secondes. Un joueur peut faire une seule mise à la toute
fin et gagner. Ainsi, la difficulté première pour un joueur est de déterminer quand exactement
l' enchère va se terminer puisqu'il y a possibilité qu 'elle dure très longtemps.

Dans une enchère à un sou, il est possible d'obtenir des objets pour moins de 10% de leur
valeur marchande. Cependant, la probabilité d'o btenir un bien à rabais est relativement faible.
Effectivement, chaque mise fait perdurer le jeu et coûte de l'argent au miseur. Ainsi, les
mises effectuées dans une enchère où on n'est pas le gagnant sont immédiatement perdues.
Donc, il devient essentiel de bien comprendre cette subtilité avant de miser aveuglément car
au final il y a de nombreux perdants mais un seul gagnant (gagnant dans le sens qu'il
remporte l'o bjet et non pas qu'il a fait un gain). Malgré tout, il en est pas moins que le site
bidou.ca est très populaire et un grand volume de mises a été observé depuis février 201 O.

1
Information acquise directement du président de bidou.ca
 2

2
Plus précisément du 16 mars 2010 au 14 janvier 2011 près de 27142 enchères ont eu lieu
pour plus de 5 millions de mises. Le profit moyen de bidou.ca par enchère est de 95$ ou
116% de la valeur marchande du bien. Sur la période considérée, plus de 2.5 millions de
dollars en profit ont été réalisée 3. Ces profits sont très élevés en comparaison avec ceux
d'autres secteurs de l'économie puisqu'on suppose que le coût d'opération d' un tel site sont
relativement faibles.

L'envers de la médaille c'est que 80% des gagnants perdent de l'argent en bout de ligne. En
particulier, (22% des gagnants ont perdu plus de 1000$) Paradoxalement, ce type de site
4
Internet est de plus en plus populaire sur la scène québécoise • Ceux qui gagnent sur le site
sont en général des joueurs ayant plus d' expérience et ayant gagné davantage dans le passé.
Donc, il est possible que la réputation joue un rôle important. Malgré la popularité
grandissante des enchères à un sou, le sujet a été très peu abordé dans littérature économique.
Donc, il devient plus qu'apparent que la meilleure compréhension des fondements de ce type
d'enchère est nécessaire et pertinente. Ainsi, dans ce mémoire, nous allons analyser les
déterminants des profits tant de l'encanteur que des joueurs en se servant d'une banque de
données des enchères s'étant déroulées sur bidou.ca. Nous porterons une attention
particulière aux effets de réputation et développerons un cadre théorique qui permet de
rationaliser ces effets.

Pour ce faire, nous avons modélisé le jeu de l'enchère à un sou de façon à comprendre les
déterminants de la probabilité de miser des joueurs et du déroulement du jeu. Suite à quoi ,
nous avons conceptualisé la possibilité des joueurs à acquérir de l' information sur les autres
joueurs. De cette façon , nous mettons en lumi ère l' implication possible d'effets de réputation
et du niveau d'agressivité à miser des joueurs sur le déroulement des enchères. Ensuite, nous

2
Nous avons pris en co nsidération que les enchères dont les mises n'étaient pas gratuites .
3
Nous définissons le profit comme étant le nombre de mises multiplié par le coût d' une mise
additionné du prix final de l'objet moins la valeur de l'objet affichée sur le site Internet. Ce nombre
reste une approximation de la réalité, puisque nous supposons que le coût d'une mise est 1$ en tout
temps et que bidou.ca paît chacun des biens mis en vente à un prix équivalent à la valeur annoncée sur
leur site.
4
En fait 45 sites d'enchères à un sou ont vu le jour sur la toile du Québec dont Il ont fermé
leur porte. Voir www.encheresaunsou.com pour une liste exhaustive.
 3

avons obtenu une banque de données sur l'historique complet de l'ensemble des enchères
ayant eu lieu entre le 16 mars 2010 et le 14 janvier 2011 sur le site bidou.ca afin d'analyser
empiriquement les effets exactes sur les profits de bidou.ca et des joueurs selon le niveau
d' agressivité et de réputation des joueurs gagnants. Cette démarche, nous a permis de montrer
qu'effectivement le comportement des joueurs est un déterminant significatif sur les profits
découlant des enchères à un sou. Plus précisément, les profits pour bidou.ca ont tendance à
être moins élevés lorsque le joueurs qui a remporté l'enchère est du type agressif à miser et a
une forte réputation auprès des autres joueurs. D'autre part, le contraire est observé sur le
profit des joueurs. Ainsi, il y aurait possiblement une stratégie optimale pour les joueurs étant
d'être agressif de façon à se bâtir une forte réputation.

Ce mémoire est divisé en 4 chapitres. Dans le premier chapitre, on y présente la revue de la

littérature. Le deuxième chapitre expose le modèle théorique. Dans le troisième chapitre, les
statistiques descriptives sont présentées. Enfin, dans le dernier chapitre les résultats des
régressions économétriques obtenues à l'aide du modèle théorique et de la banque de données
sont analysés.
 CHAPfTRE 1

REVUE DE LA LITTÉRATURE

L'enchère à un sou est un type d'enchère peu étudiée. Toutefois, le concept de l'enchère avec
mise payante a été introduit par Shubik ( 1971) avec l' enchère à un dollar où l' objet en vente
est de l'argent et est remporté par celui qui a fait la plus grande mise. Les deux joueurs qui
ont fait la plus grande mise doivent payer la mise en question. Par conséquent, l'aspect
stratégique est plus complexe que dans une enchère classique puisque les joueurs doivent se
soucier de ne pas être le deuxième meilleur et ainsi ne pas remporter l'objet, mais devoir
payer leur mise. Shubik précisa que ce type d'enchère pouvait être très profitable pour
l'encanteur, élément que nous constatons en réalité avec l'enchère à un sou et bidou.ca.
Hinnosaar(20 10) fait un parallèle entre 1'enchère à un sou et les travaux de Baye, Kovenock
et de Vries ( 1996), Smith (1974), Hendricks, Weiss et Wilson ( 1988) et Siegel (1988) qui ont
travaillé à la caractérisation des équilibres de stratégies en information complète au niveau
des all-pay auction, ainsi que la guerre d'attrition (war of attrition). Ces contributions très
importantes servent de points de départ pour l'analyse des enchères à un sou puisque ces
dernières demeurent différentes sur deux points importants. On peut le constater dans
l'analyse sur les all-pay auctions et la guerre d'usure (par exemple voir Krishna et Morgan,
1997). La guerre d'usure est en fait un concours qui est remporté par le joueur qui est prêt à
attendre le plus longtemps pour obtenir un objet mis en enchère. Pour pouvoir passer d'une
période (séquence de jeu) à l'autre, les joueurs doivent payer un coût. Les joueurs qui ne
paient pas le coût ne font plus partis du jeu à la période suivante. Le joueur remporte le prix
d'une valeur V, à la période suivante (la derni ère période), lorsque tous les autres joueurs ne
veulent plus payer le coût pour rester dans la partie. On remarque immédiatement les
similitudes avec le jeu d'enchère à un sou. En effet, on a affaire à une guerre d'usure, mais
 l 1

avec deux différences principales. Premièrement, dans les enchères à un sou, ce n'est pas tous
les joueurs qui doivent payer le coût (la mise) pour rester dans la partie. Seulement un joueur
qui décide de miser fait en sorte que le jeu se poursuit et ce pour tous les participants. Par
conséquent, l'aspect stratégique pour les joueurs est beaucoup plus important dans les
enchères à un sou, et on peut penser que le jeu va perdurer beaucoup plus longtemps car
pendant qu' un joueur mise, les autres conservent l'option de miser plus tard sans avoir eu à
débourser. Deuxièmement, le gagnant d'une enchère à un sou devra non seulement payer les
mises qu'il a fait au courant du jeu, mais aussi, le coût final de l'objet. Par conséquent, on a un
aspect dynamique par rapport à la valeur de l'objet qui change dans le temps et après chaque
mise que l'on fait.

En utilisant ces différentes contributions, il est possible de formaliser le jeu de l'enchère à un

sou en information complète. À ce jour, nous comptons quatre travaux non publiés, portant
sur l'enchère à un sou : les travaux de Augenblick (2010), de Platt, Priee et Tappen (2010), de
Hinnosaar (20 10) et de Byers, Mitzenmacher et Zervas (20 10). Dans les quatre articles, on
obtient le même fait très intéressant concernant les profits potentiels qu'une enchère à un sou
devrait rapporter. En effet, la modélisation du comportement rationnel de chaque joueur dans
un environnement avec information complète et stratégies symétriques confirme que le
revenu de vente devrait être égale à la valeur marchande du bien mis à l'enchère. Ainsi,
théoriquement, la rentabilité des sites Internet d' enchères à mise payante ne devrait pas être
élevée. Or, ce n' est pas ce que les résultats empiriques obtenus dans les travaux d' Augenblick
(20 10) et de Platt, Priee et Tappen (20 10) indiquent. Effectivement, selon Augenblick, en
moyenne, la marge de profit peut atteindre 150% en moyenne par enchère, ce que nous
confirmons dans le cas de bidou.ca. Par conséquent, le défi des chercheurs, dans chacun de
leur article respectif, est d'expliquer pourquoi, malgré le résultat théorique en information
parfaite, les sites d'enchères à un sou réussissent tout de même à faire des profits substantiels.
Donc, chacun des chercheurs ajoutent à leur modèle théorique initial une extension pour
améliorer le niveau de captation des données provenant des enchères du site Internet
Swopoo.com. Le niveau de captation est vérifié à l'aide de la simulation de leur modèle
respectif. Ainsi, en guise d' explication, Platt et al (20 10) émettent 1' hypothèse que pour les
enchères appartenant à la classe audio-video et jeux-videos, les gens auraient du goût pour le
 ~--- ~- - - - -----------------,

risque. En modifiant leur modèle de façon à inclure une variable captant le goût pour le
risque, ils obtiennent un niveau de captation beaucoup plus près des données soit de 84%.
Selon Platt et al (201 0), c' est donc dire que 84% des résultats des enchères de la catégorie
audio-video et jeux-videos seraient expliqués par un changement dans l'aversion pour le
risque des usagers. En ce qui concerne Augenblick (20 10), il propose l'explication reliée au
sunk cost où les individus se voient pris dans un cycle vicieux de mises perdues pour rien
s'ils ne continuaient pas à jouer. Dans une autre étude, Byers et al (2010) insistent sur
l'importance de l' asymétrie d'information durant le déroulement d'une enchère. En réalité,
l'enchère à un sou comporte plusieurs possibilités d'asymétrie notamment concernant le
nombre de joueurs jouant sur une enchère précise, la valeur que chacun accorde au bien en
question et le prix de la mise pour chacun des joueurs qui peut s' avérer différent de l'un des
autres. À partir de ces trois différentes explications, les chercheurs tentent d'obtenir un
modèle théorique qui capture ce qui se passe en réalité sur le site d'enchères à un sou
swoopo.com. Ainsi, l'accent des papiers de Platt et al. , d' Augenblick et de Byers et al (20 10)
est sur la simulation de leur modèle théorique respectif découlant de leur différentes
explications de façon à obtenir le meilleur niveau de captation des données perçues sur les
enchères du site Internet d'enchères à un sou swoopo.com. Les modèles théoriques utilisés
pour obtenir les résultats empiriques se ressemblent, mais ont des différences importantes à
savoir que Platt et al. utilisent des fonctions de densité de probabilités avec la méthode de
vraisemblance et tiennent compte du goût pour le risque des agents pour expliquer les profits
de swoopo.com. De son côté, Augenblick construit des fonctions d'hasard et ne fait pas
mention de risque, les agents sont neutres aux risques, mais parle du phénomène de "sunk
cost fallacy". Sunk cost dans le sens où les joueurs se sont déjà trop investis dans l'enchère de
par leurs mises, qu'ils n'ont d'autres choix que de continuer à miser pour pas tout perdre pour
rien. L' article de Hinnosaar (2010) est de nature beaucoup plus théorique et le modèle utilisé
se rapproche beaucoup à celui de Augenblick avec une différence significative dans la
modélisation du coût de chaque mise ce qui rend les équilibres beaucoup plus complexe, mais
les intuitions obtenues restent très proches de celle obtenues dans les autres papiers. Il
démontre que le revenu espéré pour l'encanteur devrait toujours être près de O. Enfin, Byers,
Mitzenmacher et Zervas (20 10) se servent initialement de la même analyse théorique que
Platt et al. et Augenblick, mais incluent l' asymétrie d' information au lieu d' avoir une
 7

information complète et parfaite. Notre travail se base principalement sur ce cadre empirique,
parce que comme Byers, Mitzenmacher et Zervas, il semble réaliste d'inclure la présence
d'asymétrie d'information. Dans l' article de Byers, Mitzenmacher et Zervas (2010), chacune
de ces sources d'asymétrie sont modélisées de manière théorique. Ensuite, ils utilisent les
résultats et font des simulations pour démontrer que si, par exemple, les gens sous-estiment le
nombre de joueurs, alors les profits pour swoopo.com seront plus grand et ce
proportionnellement au niveau de sous-estimation. Pour chaque type d ' asymétrie, ils font des
simulations qui démontrent, qu'effectivement, l' asymétrie d' information peut être une des
raisons principales que swoopo.com réussit à faire des profits. De plus, ils découvrent que à
5
l' intérieur même d'une enchère à un sou, il peut se dérouler un jeu de Chicken entre deux
joueurs et c' est le niveau d' agressivité qui détermine le résultat du jeu. Ainsi , ils apportent
des résultats concernant l' agressivité des joueurs et son impact sur l'espérance de gain des
joueurs.

Pour ce mémoire, nous allons modéliser le jeu de l'enchère à un sou en information parfaite
et en information imparfaite. Cette modélisation permettra de mieux comprendre les
intuitions derrière les résultats des enchères à un sou. Nous allons nous concentrer sur l' effet
de la réputation (succès passés) et de 1'agressivité (rapidité à miser) sur le comportement des
joueurs dans un contexte où il y a information imparfaite.

Dans les enchères à un sou, les joueurs ont un statut anonyme initialement dans le sens où ils
se choisissent un nom d' usager et c' est la seule information qui est divulguées aux autres .
Or, au fil du temps, les joueurs ont accès au déroulement de l' ensemble des enchères
précédents. Ainsi, il y a une possibilité d'obtenir de l'information sur les adversaires et d' en
déduire dans une certaine mesure le comportement de chacun. C'est sur cet aspect du jeu que
nous allons nous concentrer. Plus précisément, l' impact du comportement du joueur sur ses
profits, les profits des autres et de Bidou. Le comportement constitue la façon de miser
(agressivité), le nombre de victoire et le niveau d'expérience (réputation) des joueurs. Donc,

5
Le jeu de « chicken » a son origine dans un jeu où des conducteurs automobiles foncent sur
l'un et l'autre vers une co ll is ion imm inente voir Rapopart, A. et Chammah, A. 1966 .
 8

6
par l'entremise de régressions linéaires de formes réduites , nous allons estimer les
coefficients des variables explicatives du profit notamment l'agressivité, le nombre de
victoires et le niveau d ' expérience des joueurs afin de montrer les effets du comportement
des joueurs sur les profits. Pour ce faire, nous avons besoin au préalable, d' un modèle
théorique permettant de comprendre les intuitions derrière l' enchère à un sou en information
parfaite et imparfaite. La modélisation aura comme objectif d' illustrer que la réputation des
joueurs joue un rôle sur la décision de miser ou non des joueurs, et ainsi , sur les profits.

6
Comme les enchères à un sou n'ont pas beauco up étudiées et que nous n' avons pas une bonne
compréhension de celles-ci , nous n'allons pas faire de grandes hypothèses concernant le modèle à
prendre pour les estimations. Nous allons être prudent et prendre la forme rédu ite.
 CHAPITRE II

MODÉLISATION

Cette section présente les fondements du modèle de base de l'enchère à un sou ainsi que ces
extensions relatives au comportement que les joueurs peuvent adopter. Avec ce chapitre,
nous voulons montrer intuitivement comment le comportement de certains joueurs peut
influer sur la probabilité de miser des autres. Par la suite, nous allons vérifier de manière
empirique si effectivement nos intuitions sur le comportement était fondées. La première
sous-section présente l'intuition du modèle en information parfaite ce qui nous permet
d'obtenir la probabilité de miser de chacun des joueurs. Dans la sous-section suivante, nous
ferons l'hypothèse réaliste que les joueurs, étant donné la nature répétée du jeu, peuvent
acquérir de l' information sur le comportement des joueurs contre qui ils jouent ce qui
viendrait changer leur probabilité de miser. Ainsi, l'information provenant de jeux passés
viendra influencer le comportement des joueurs dans les jeux présents et futurs . En d' autres
mots, un effet de réputation se développera au fil du temps.

2.1 Modèle symétrique de l'enchère à un sou

Nous allons commencer par énoncer les règles des enchères à un sou de manière formelle qui
apparaissent similairement dans Platt, Priee et Tappen (20 10), Byers, Mitzenmacher et
Zervas (20 10) et Augenbl ick (20 10). Un objet est vendu dans une enchère à une valeur
objective v connue des n joueurs pouvant participer. Dénotons les différents joueurs par

i E [ 1, ... , n]. Chaque mise fait par un joueur nous transporte dans une nouvelle période t.

Ainsi, la première mise nous mène à la période 1, la deuxième mise à la période 2 c' est-à-dire
t=2 et ainsi de suite. Nous allons considérer un meneur courant, donc celui qui est le dernier à
avoir misé. Le prix initial du bien est x0=0 et chaque fois qu'une mise est faite, une nouvelle
 10

période débute et il y'a une incrémentation de s dollar. Par conséquent, le prix du bien à la

période test X1 = st. Le coût de la mise est b.

Nous allons considérer le modèle plus réaliste dynamique sur plusieurs périodes t avec n
joueurs. Ce modèle est semblable à celui de Platt, Priee et Tappen (20 10). Alors, un joueur va
miser avec probabilité totale P1 à la période t sachant que les t-1 mises ont été faites et que le
joueur en question n'est pas le meneur courant. Nous sautons directement aux conditions
d' indifférence puisqu'il ne peut y avoir d'équilibre en stratégies pures étant donné qu'il y a
toujours un seul meneur et jamais d'égalité.

On obtient la condition d'indifférence:

(2.1)

C'est-à-dire que le coût de la mise b correspond à l'espérance de gain du bien de valeur v

moins le prix auquel le bien est rendu suite à l'incrémentation de s pour chaque période
jusqu'à t considérant que aucun autre joueur va miser à la période t+ 1.

Avec cette condition d'indifférence, nous isolons la probabilité de miser à la période t+ 1 :

b
P,+l =1--- (2.2)
v-st

v-b
Un individu rationnel ne va pas miser au-delà de la période T =- - puisqu'il obtiendrait
s
une espérance de gain négative

Lorsque t=T le joueur est indifférent entre miser et ne pas miser étant donné que son
espérance de gain est de O. Si t>T alors le prix du bien additionné par le coût de la mise est
plus grand que la valeur du bien en question ce qui mène directement à une espérance de gain
négative (voir une discussion dans Platt, Priee et Tappen (2010)).
 Il

Nous avons déterminé la probabilité agrégée de miser, maintenant nous allons trouver la
probabilité que chaque joueur choisisse de faire la lme mise sachant que t-1 mises ont été
faites et que le joueur n'est pas le meneur courant. Notons par symétrie que chaque joueur
mise avec la même probabilité. Alors, pour t>1, on a:

~ 1- ~ = o- ,a, r-1
1
~ ,8, = 1_ (1- ~) n-1

On obtient en remplaçant la valeur de P" la probabilité individuelle de miser de chacun des

joueurs :

1
b J(n-1)
/3.=1- (2.3)
1 ( v-s(t-1)

Comme dans les travaux de Platt, Priee et Tappen (2010), Byers, Mitzenmacher et Zervas
(2010), la première mise est un cas spécial puisqu' il n'y a toujours pas de meneur donc
l' ensemble des joueurs peuvent miser. Par conséquent, avec la condition d' indifférence, on
obtient:

b)-;;
~ =1- (; (2.4)

Donc au final, on a:

1- (-b)-;; pour t=1

v
1 (2.5)
b J(n-1)
pour t > 1
l - ( v-s(t-1)
 12

Avec cette probabilité, nous pouvons cibler les déterminants qui auront un impact sur le
vouloir des joueurs à miser ou non. En effet, le coût de la mise (b), la valeur du bien (v) et la
taux d'incrémentation (s) sont tous des éléments qui viennent modifier la probabilité de miser
des joueurs. Donc, si b et s sont trop élevés alors les joueurs seront moins tentés de miser et
par conséquent les profits de Bidou seront moins élevés. D'autre part, si la valeur du bien (v)
est très grande la probabilité de miser des joueurs devrait augmentée. Par conséquent,
dépendamment du type d' enchère, le résultat final sera différent notamment à cause du
changement dans la probabilité de miser des joueurs.

Afin de voir plus facilement l' impact de la probabilité de miser des joueurs sur le profit de
Bidou, nous allons montrer comment calculer le revenu espéré de l'encanteur.

2.1.1 Revenu espéré de l'encanteur

Tout d'abord, nous voulons déterminer la probabilité que l'enchère se termine exactement à
la lme mise. Il doit y'avoir mise jusqu' à t et aucune mise à t+l. Par conséquent, par
indépendance, nous avons :

Prob(Enchère se termine à t mises)=[ (~)(Ji)(~) ... (~) )[1- ~+ 1 ]

Ce qui nous donne la densité de probabilités que l' enchère s ' arrête à t mises :

{1-~ si t=O
f(t)=(l-~+1)IT~·
J =1
1

= _b_P.IT
1
'
v-st ; =2
(I- b
v-s(j-1)
)
SI
·o< t < T (2.6)
 13

Avec cette densité, il est possible de calculer le revenu espéré de l'enchanteur tout
simplement en faisant la sommation des mises et du prix du bien suite à l' incrémentation à
chaque période, multiplié par la densité de probabilités. Pour chaque mise, l'encanteur obtient
un revenu égale au coût de faire une mise plus l'incrémentation. Ainsi, l'espérance de revenu
se calcul en utilisant la sommation des gains multiplier par la probabilité que l'enchère finisse
à un certain moment dans le temps c'est-à-dire à une certaine période:

T
E[revenu]=(b+s)+ ~)b+s)(if(t)) (2.7)
1=1

Avec cette espérance de revenu et le modèle d'agent rationnel, Platt, Priee et Tappen (2010)
et Byers, Mitzenmacher et Zervas (20 10) démontrent que le déroulement d' une enchère à un
sou devrait mener à des revenus égale à la valeur du bien vendu v. Or, en pratique, avec les
résultats obtenus à partir des données de bidou.ca (plus de 95$ de profit en moyenne par
enchère) ou à partir du site Internet Swoopo.com (Augenblick (2010), Platt, Priee et Tappen
(20 10), Byers, Mitzenmacher et Zervas (20 10) et Hinnosaar (20 10), le revenu est beaucoup
plus grand que v en moyenne, et par conséquent, les profits sont aussi plus élevés. Les
hypothèses qui sont posées lors de 1' établissement du modèle en information parfaite
précédent sont très fortes. À savoir, le fait que n, v, et b soient perçus comme étant les mêmes
pour chaque joueur n'est pas très réaliste. Dans la prochaine sous-section, nous voulons
montrer que les joueurs n'ont pas tous la même information sur l'un et les autres. Plus que le
jeu évolue dans le temps, plus que les joueurs peuvent définir leurs adversaires et mieux
anticiper leur stratégie.
 14

2.2 L'acquisition d'information des joueurs sur les autres joueurs

2.2.1 Fondement

Sur le site Bidou.ca, pour pouvoir participer aux différents enchères, les gens doivent créer un
compte personnel et se choisir un nom d'utilisateur. Ce nom d' utilisateur apparaîtra à chaque
fois qu'une mise sera effectuée. Ainsi, l'identité des joueurs est conservée et le déroulement
du jeu se fait dans l'anonymat. Cependant, comme après chaque mise, le nom de l' utilisateur
est affiché, il est possible de se bâtir un statut virtuel autour de ce nom d'utilisateur. Plus
précisément, les utilisateurs fréquents peuvent se reconnaître entre eux et avoir une bonne
idée de leur niveau de succès et d'activité. C'est donc dire que les joueurs acquièrent de
l' information sur les joueurs au fur et à mesure qu 'i ls jouent. Une telle information peut
certainement affecter le comportement des joueurs dans certaine circonstance. Supposons,
qu ' un des utilisateurs est reconnu comme un joueur qui mise sans jamais s'arrêter, quelqu'un
qui connaîtrait cette information serait probablement moins tenté de miser dans une enchère
où cet utilisateur est présent. On parlerait ici d'un phénomène de réputation qui viendrait à
l'avantage des joueurs jouissants d'une forte réputation auprès des autres joueurs. Dans cette
sous-section, nous voulons montrer l' intuition derrière l'implication de ces différents
fondements sur la probabilité de miser des joueurs et les profits.

2.2.2 Analyse de l'enchère à un sou en considérant l'acquisition d'information

Il y a plusieurs éléments que les joueurs peuvent apprendre sur les autres en jouant souvent et
en observant les résultats des enchères dans le passée. En effet, un grand bagage
d ' informatio n passée est à la disposition des joueurs sur le site bidou.ca. Les résultats aux
différentes enchères sont compilés et pour chaque enchère les joueurs peuvent voir le
vainqueur ainsi que les 10 joueurs ayant le plus misé avec leur nombre de mise respectif. De
plus, pour chaque enchère, les joueurs connaissent le bien vendu, sa valeur et son prix final.
Par conséquent, un joueur qui voudrait s'investir dans ce type de jeu pourrait acquérir de
l'information importante sur les différents joueurs. Non seulement, il est possible d ' avoir un
historique des enchères passées assez complet, mais le joueur peut aussi observer le
déroulement des enchères dans le présent et le future. De cette façon , il maximise son niveau
 15

d'information sur les différents joueurs. Selon nous, il y a plusieurs caractéristiques qu' un
joueur voudrait connaître sur les autres joueurs au moment de participer à une enchère,
notamment:

• Le nombre de victoires et défaites des joueurs présents dans l'enchère;

• La vitesse à laquelle chacun des joueurs ont 1' habitude de placer des mises;
• Depuis combien de temps approximativement les joueurs jouent sur le site;

Un joueur qui aurait l'information exacte sur ces trois éléments aurait un avantage énorme
sur les autres joueurs dans le sens qu' il saurait quand miser et comment miser. Plus
précisément, un joueur qui saurait qu'il fait face à un joueur qui a beaucoup de victoires et
peu de défaites, qui une tendance à miser de manière agressive et qui a une grande expérience
sur le site, ne miserait pas de la même façon sur l'enchère en question que sur une autre
enchère où les joueurs n' ont pas le même statut que ce dernier. D ' une certaine façon, il se
méfie de la réputation de l'autre joueur.

Il est donc possible pour un joueur de se bâtir une réputation par l'entremise des trois
caractéristiques énoncées ci-haut. La définition d'un joueur jouissant d'une forte réputation
découle directement de ces trois éléments. Premièrement, un joueur fort doit nécessairement
l'avoir démontré au préalable, et donc, avoir remporté plusieurs enchères et perdu peu.
Deuxièmement, nous émettons l' hypothèse que pour arriver à remporter plusieurs enchères,
le joueur devra démontrer un certain niveau d'agressivité à miser. La raison est que pour
remporter une enchère, le joueur doit être le dernier à avoir misé. Par conséquent, il ne peut
se permettre d'attendre à la dernière seconde au risque de ne pas pouvoir miser rendu à ce
moment. Alors, il va miser rapidement chaque fois que le compteur est reparti. De cette
façon, il s'assure d'être le dernier joueur à avoir misé en tout temps et affiche une certaine
volonté à remporter l' enchère qui pourrait faire peur aux autres joueurs. Toutefois, une telle
stratégie d'être agressif a certainement un impact sur les coûts du joueur puisque chaque mise
coût 1$. Dans les chapitres suivants, nous allons nous attarder à l'aspect empirique du
problème et vérifier justement l' implication d' une telle stratégie sur les profits du joueurs et
de Bidou. Enfin, un joueur qui voudrait avoir une forte réputation va devoir passer beaucoup
 16

de temps sur le site Internet et c'est pour cette raison que l'élément expérience du joueur est
clé dans l'acquisition d'information.

De manière formelle, nous utilisons la règle de Bayes pour voir comment un joueur va
calculer sa probabilité de miser. La probabilité va changer dépendamment de l'information
recueillie à propos des différents joueurs. Donc, il y aura une probabilité que les joueurs
accorderont à la puissance des autres joueurs sachant leur nombre de victoires, leur niveau
d' agressivité et leur niveau d'expérience. Cette probabilité influera directement sur la
probabilité de miser du joueur.

Définissons la probabilité que le joueur est un « powerbidder 7» étant la probabilité sachant

qu'il a remporté beaucoup d'enchères, qu'il est agressif et qu'il a beaucoup d'expérience. En
premier lieu, définissons 1 = le joueur a beaucoup de victoires, est agressif et a beaucoup
d'expérience. Nous avons donc la probabilité de réputation du joueur:

Pr = Prob(powerbidder 1 1)
Pr = Prob(powerbidder et 1) 1 Prob(l)
Prob(ll powerbidder) x Prob(l)
pr =
Prob(l 1 powerbidder) x Prob(powerbidder) + Prob(l l débutant) x Prob(débutant)

La probabilité qu'un joueur accorde à un autre joueur le statut d'une réputation forte dépend
des informations collectées dans l. Par simplicité, nous établissons qu' il y a deux types de
joueurs possibles: powerbidders ou débutants. Un joueur débutant est un joueur qui n'a pas
beaucoup de victoires, n'a pas tendance à miser agressivement et n'a pas beaucoup
d'expérience sur le site. Plus que la probabilité Pr(probabilité de réputation) est élevée plus
que le joueur a une croyance forte que le joueur auquel il attribue la probabilité est un
powerbidder.

7
« Powerbidder » est le nom employé pour défi nir les joueurs très puissants avec une grande
réputation.
 17

Cette nouvelle probabilité a un impact direct sur la probabilité de mi ser du joueur. Prenons
l'exemple d' une situation typique de jeu d'enchère à un sou. Un joueur ise prépare à miser
sur une enchère. Avant tout, il analyse les forces en présence et constate que le joueur j qui
est le dernier joueur à avoir misé est un joueur qu'il considère comme étant un powerbidder
selon l' information qu'il a recueillie dans le passé. Par conséquent, la présence du joueur j
dissuadera le joueur i à miser. Ainsi, la probabilité de miser d'un joueur i diminue plus que la
probabilité de réputation des joueurs} présents dans une enchère est élevée.

D'autre part, l'effet de réputation modifie aussi la probabilité de miser du joueur qui est un
powerbidder. La raison intuitive est qu' un powerbidder a en quelque sorte une évaluation
plus forte des biens dans les enchères auxquelles il participe. Plus précisément, nous
considérons que les joueurs débutants ont tous la même évaluation de la valeur du bien, alors
que le powerbidder a une plus grande évaluation du bien. Un joueur devient powerbidder
principalement en perception auprès des autres joueurs. Pour que les autres joueurs le
qualifient de powerbidder, il devra remporter plusieurs enchères en misant beaucoup et sur
une longue période. Par conséquent, il développe un comportement que les autres joueurs
anticipent face à sa présence dans une enchère. Pour cette raison, notre hypothèse est que le
powerbidder a en fait une évaluation plus grande du bien. Donc un v plus élevé par rapport
aux autres joueurs. Les autres joueurs font ce même raisonnement et savent que la probabilité
de miser du powerbidder est plus élevée que la leur. Donc, la réputation a un effet direct sur
le comportement de l' ensemble des joueurs via la probabilité de miser.

De manière formelle, les joueurs ont le choix de devenir un powerbidder ou de quitter le jeu à
jamais. Face à un powerbidder, un joueur débutant a très peu de chance de remporter
l'enchère comparativement au powerbidder. La raison est que le powerbidder dicte en
quelque sorte le jeu par sa façon de miser et son historique de gains. Ainsi, une option qui
s'offre au joueur débutant pour augmenter ses chances de gagner est de devenir lui aussi un
powerbidder. Or, pour devenir un powerbidder, les joueurs doivent se commettre et envisager
perdre beaucoup d'argent puisque pour atteindre ce statut beaucoup de mises sont exigées.
Par conséquent, peu de joueurs choisiront le chemin couteux et beaucoup quitterons le site
 18

d'enchères à un sou. Ceci est la conclusion du combat entre les joueurs débutants et les
joueurs expérimentés, cependant, le résultat est très différent si deux joueurs catégorisés
powerbidder s'affrontent. En effet, avec le cadre que nous avons élaboré, les deux
powerbidder sont supposés miser à tout coup. Nous voyons cette situation comme un tout
nouveau jeu à l' intérieur même du jeu d'enchère à un sou. On parle ici du jeu de« chicken ».
Le jeu de « chicken » a son origine dans un jeu où des conducteurs automobi les foncent sur
l'un et l'autre vers une collision imminente. Pour éviter la collision, l'un des deux chauffeurs
devra dévier sa route sinon les deux chauffeurs risquent la mort. L'incitatif à ne pas dévier est
que celui qui le fait sera déclaré un « chicken ». Ainsi dans les enchères à un sou, nous
croyons que si deux powerbidder s'affrontent, le jeu pourra être caractérisé comme un jeu de
« chicken ». Contrairement au jeu de « chicken », la perte pour le joueur qui dévie sera sur
son niveau de réputation auprès de l'autre joueur et des autres joueurs assistant au combat. Si
un des joueurs dévie, il s'avoue plus faible que l'autre powerbidder. Pour cette raison, les
deux joueurs vont combattre très longtemps jusqu' à ce que l' un abandonne. Or, une telle
situation est très couteuse pour les deux joueurs et le fait de remporter le bien devient
possiblement faible en importance. Le premier objectif étant d'être un powerbidder plus fort
que l' autre. Par conséquent, évaluer la valeur de ces joueurs dans cette situation devient très
complexe puisque la valeur pour l'enchère n'ait plus en li en avec le bien vendu.

La réputation des joueurs aura donc un impact direct sur les profits des joueurs et de
l'encanteur. Face aux powerbidders les joueurs débutants sont toujours perdants. De plus,
avant de connaître qui sont les powerbidders, les joueurs débutants vont miser et perdre
jusqu'au moment où ils comprendront qu' ils ne peuvent remporter une enchère à moins de
devenir un powerbidder eux même ou d'être très chanceux. Ce processus d'apprentissage
peut être long et est selon nous la raison principale des profits très élevés de l' encanteur 8. Les
encanteurs font leurs profits principalement grâce aux nouveaux joueurs. Logiquement, il y a
plus de joueurs débutants que de joueurs expérimentés dans les débuts d' un site d' enchères à

8
Il est possible pour le propriétaire d'un site d'enchères à un sou d'augmenter ses revenus en
utilisant des shills. Il s'agit de faux joueurs contrôlés par les responsables du site internet. Ces joueurs
font des mises ici et là pour que le jeu continu de façon à augmenter les revenus des propriétaires en
poussant les autres joueurs (les vrais) à miser davantage. Bien souvent, pour camoufler la présence de
shills, ceux-ci vont remporter des enchères et ainsi apparaître comme des joueurs légitimes.
 19

un sou. Donc, on peut penser que plus le site Internet d'enchères à un sou est vieux moins il
sera profitable puisque la présence de powerbidders devrait être plus grande que dans les
débuts. Par conséquent, la réputation serait une des raisons de la fermeture de sites
d'enchères à un sou après un certain temps. En effet, un site rempli de powerbidders n'est pas
attirant pour les nouveaux joueurs, mais ne l' est pas non plus pour les powerbidders en
question. Ils ne veulent pas devoir combattre l' un contre l'autre puisque ce processus est très
couteux comme nous l'avons expliqué avec le jeu de « chicken ». Ainsi, l'ensemble des
joueurs finissent par quitter peu à peu vers d'autres sites jusqu'à la fermeture du site. La
durée de vie d'un site d'enchères à un sou est donc limité implicitement par la réputation.

Avec ce cadre théorique, nous avons mis en évidence que la réputation peut avoir une
influence importante sur le comportement des joueurs et le déroulement du jeu d'enchère à
un sou. De plus, le comportement des joueurs jouent un rôle déterminant dans la formation
des profits pour les joueurs et l'encanteur. C'est donc dire que la réputation a un effet sur ces
profits. Plus loin encore, la réputation serait l'une des principales raisons de la fermeture de
sites d'enchères à un sou.

Dans le chapitre suivant, nous allons analyser empiriquement l'effet de la réputation sur les
profits des joueurs et de l' encanteur à l'aide d'une banque de données sur le site d'enchères à
un sou bidou.ca.
 CHAPITRE III

DONNÉES

L'objet de ce chapitre est de faire ressortir les statistiques descriptives qui permettront de
faire un parallèle avec les intuitions obtenues grâce au modèle théorique précédent en les
conciliant avec les données empiriques que nous avons . Donc, nous désirons montrer que les
effets de comportement (notamment l'aspect de la formation de la réputation) ont une
influence sur les profits (indirectement sur la probabilité de miser) et nous l' illustrerons avec
les statistiques descriptives construites à l' aide de la banque données sur bidou. ca. En
premier lieu, nous allons décrire en quoi consiste exactement la banque de données et le site
Internet bidou.ca. Ensuite, nous ferons un survol de l'offre de produits qui sera suivi par
l' analyse exhaustive des profits de bidou et des joueurs.

3.1 Description de bidou.ca

Bidou.ca a été fondé le 16 février 2010 et est rapidement devenu le plus grand site d'enchère
à un sou au Québec. Bidou.ca met à l'enchère des biens communs de tous les jours tels des
ordinateurs, des jeux-video, des télévisions, des appareils ménager, etc. De plus, des cartes
cadeaux sont aussi mis à l' enchère régulièrement. Les cartes cadeaux peuvent provenir de très
grands magasins comme Future Shop et Best Buy. D' autre part, Bidou met en ligne des
enchères où l'objet mis en valeur est un lot de bidous. Ce type de bien est en vente
uniquement sur bidou.ca étant donné que les bidous sont en quelque sorte la monnaie en
circulation sur le site permettant aux joueurs de miser. Donc, un bidou équivaut à la
possibiltité de miser une fois.
 21

En date du 16 juin 2011, bidou.ca a mis à l'enchère près de 27000 objets pour près de 5
millions de mises (seulement les enchères avec mises payantes sont comptabilisées ici). Plus
de 8086 gagnants unique pour près de 2.3 millions de dollars en valeur de biens au total.

Les enchères mises en ligne sur bidou.ca ont généralement toutes le même fonctionnement.
Un bien est mis à l'enchère au prix de 0.01$ et après chaque mise, il est incrémenté de 0.01$
qui constitue le prix courant. Chaque mise déclenche un compte à rebours et le gagnant de
l' enchère est celui dont la mise est la dernière une fois le compte à rebours terminé. Le coût
pour faire une mise est de 1$9, mais pour pouvoir miser, les joueurs doivent acheter des lots
de bidous 10 • Il y a plusieurs types d'enchères'' , or, dans ce mémoire, nous nous concentrons à
travailler sur les enchères à mises payantes et nous faisons abstractions des différentes
catégories d'enchère parce que nous considérons ce fait négligeable dans l'obtention des
résultats voulus.

3.1.1 Description des données

Au départ, nous avons obtenu une banque de données décrivant les enchères sur le site
bidou. ca. Pour ce faire, nous avons fait des démarches auprès de l' entreprise et de son
propriétaire. Ce que nous avons obtenu est l' historique complèt des enchères s'étant
déroulées sur bidou.ca entre le 16 mars 2010 et le 14 janvier 2011. Ainsi, sou forme de
fichier Excel, nous avions comme variables: identification (id) de l' enchère, categorie de
bien, valeur du bien, identification (id) de miseur, prix courant et la date de la mise. À partir
de ce fichier Excel, nous avons construit une grande banque de données Stata correspondant
aux enchères s' étant déroulées durant la période étudiée.

9
Il y a aussi des enchères à mise gratuite, où le gagnant doit seulement payé le prix auquel le
bien a terminé suivant le processus de 1'enchère. Sinon, chaque mise coûte l$ (à un certain moment en
fin 2010, le coût d'une mise a changé à 0.70$, or comme nous ne pouvons avoir le moment exacte de
ce changement et que nous travaillons principalement avec les données de l'an 2010, nous supposerons
que le coût d' une mise a été 1$ en tout temps)
10
Lots de 25, 50, 100 et 200 bidous pour 24.99$, 49.99$, 99.99$ et 199.99$ respectivement. À
noter que le coût des lots ont changé en 2011 et il y a maintenant un rabais de 30% sur chaque lot. Les
bidous ne sont pas remboursables.
11
Il y a des enchères pour débutant, sans limite de gain, avec mise automatique, avec mise
gratuite, avec compte à rebours décroissant et avec possibilité d'acheter l'objet si il n'a pas été gagné à
la fi n de l'enchère.
 22

3.1.1 Statistiques descriptives à partir de la banque de données

3.1.1. 1 L'offre de biens

La banque de données consiste au déroulement de 27142 enchères du 16 mars 2010 au 14

janvier 2011 . L'information que nous avons pour chaque enchère est l' utilisateur qui a fait la
mise, le temps auquel la mise est effectuée, le prix du bien au moment de la mise suite aux
incrémentations, la classe du bien, le nom du bien, le type d ' enchère et la valeur suggérée du
bien. À partir de ces variables, nous avons fait ressortir l'offre d'enchères à travers le temps
illustrée dans le tableau 3.1. Nous remarquons que l'offre de produits a continuellement
augmentée au fil des mois. Cette offre de produit est très diversifiée passant de l'électronique,
aux articles ménagers, aux véhicules, etc .. Or, il est intéressant de constater que l' un des
types de biens le plus présent sur le site est les cartes-cadeaux avec 20% des enchères. Nous
pouvons penser que les cartes-cadeaux sont une forme de commandite par les entreprises et
c'est avantageux pour Bidou d'en mettre beaucoup en ligne. Pour les entreprises, les cartes-
cadeaux représentent en quelque sorte une forme de publicité, par conséquent, cela peut
expliquer le grand nombre de ce type d'enchères sur bidou. ca. Dans la section suivante, il
sera intéressant de vérifier le profit relié à ce type d' enchère.

Tableau 3.1 Nombre d'enchères par mois

Mois Quantité d'enchères

Mars 331
Avril 938
Mai 1040
Juin 1704
Juillet 2041
Août 3130
Septembre 2933
Octobre 4584
Novembre 4317
Décembre 4395
Janvier 1729

Total 27142
Note: Les mois de Mars et Janv ie r sont inco mplets
 23

Selon nos calculs, plus de 5 millions de mises ont été enregistrées au cours de la période
étudiée. Ces mises étant répartient parmi les 27142 enchères, nous pouvons déterminer le
niveau d' activité des joueurs dépendemment de la catégorie de bien. Avec le tableau 3.2,
nous avons mis en évidence la distribution des mises parmi les catégories. Ce que l'on
remarque est que les mises enregistrées dans les catégories où les biens ont une plus grande
valeur marchande sont plus nombreuses en moyenne par enchère. C'est donc dire que plus le
bien mis à l'enchère a une grande valeur économique plus en moyenne les joueurs vont miser
beaucoup. Ceci respecte ce que nous avons calculé à partir de notre modèle théorique. Par
exemple, la catégorie audio-video et électronique a en moyenne 690 mises par enchère ce qui
correspond au coût de 1$ par mise à 690$ par enchère de revenu pour bidou. La valeur de ce
type joue un rôle très important selon nous. D' autre part, dans l' article de Platt, Priee et
Tappen (201 0), on conclue autrement concernant ce type de bien. En effet, avec une toute
autre banque de données, les auteurs concluent que les joueurs sur ce type de site Internet
seraient moins averses au risque lorsqu' il est question de matériels électronique et misent
davantage sans se soucier des conséquences.

Tablea u 3.2 Les mises parmi les différentes catégories

Caté~orie du bien Mise au total # Mises moyenne

Articles ménagers 233 357 182,60
Audio-video & électroniques 1 274 666 690,50
Cartes-cadeaux 709 826 129,20
Jeux videos & divertissement 272 905 238 , 14
Livres, musique & cinéma 4 737 67,67
Lots de bidous 1 844 308 117,46
Mode & beauté 23 612 153,32
Ordinateurs & logiciels 333 096 592,70
Spectacles & événements 15 671 364,44
Sports & plein air 40 459 137,62
Véhicules & accessoires 22 929 2547,67
Rénovation & Décoration 65 700 120,55
Total 4 841 266 178,37
Note: Mi se t ot al est la sommation des mises ayant été faites dépendamment des
catégories. M ise moyenne est le nom bre de mise par en ch ère en moyenn e par cat égories.
 24

Maintenant, nous allons nous concentrer sur le déroulement des enchères sur bidou.ca.
L'objectif est de comprendre ce qui peut influencer les résultats aux enchères par rapport au
nombre de mises ayant été enregistrées.

3.1.1.2 Déroulement du jeu

Nous avons déterminé dans la section théorique que plusieurs facteurs pouvaient jouer dans
la formation de la probabilité de miser d' un joueur. Parmi ces facteurs, il y a le coût de la
mise b, la valeur du bien v, le taux d' incrémentation set le nombre de joueurs n. Cependant,
nous croyons qu'au-delà de ces facteurs, le comportement des joueurs a un rôle encore plus
important sur le résultat du jeu d' enchère à un sou. Ainsi, pour voir comment le
comportement peut modifier le déroulement du jeu, nous allons analyser les caractéristiques
des mises total en moyenne par enchère et des mises effectuées en moyenne par le gagnant
dépendemment de quatre qualificatifs de comportement :

A. Le niveau d'agressivité des joueurs à miser.

Nous définissons agressivité comme le temps moyen de réponse suite au début du compteur
sur toutes les enchères où le joueur a joué. Donc, plus que le joueur mise rapidement plus il
est considéré agressif. Pour calculer le niveau d' agressivité, nous avons calculé la temps
moyen restant au compteur après chaque mise de chaque miseur. Comme les compteurs
parmi les enchères n'ont pas tous la même durée, nous avons uniformisé la durée. Avec ces
nouvelles données uniformisées, nous avons créé la variable agression qui prend les valeurs
de 1 à 4 pour peu agressif, moyen agressif, agressif et très agressif respectivement. Nous
avons défini ces quatres paliers d'agression en utilisant les différents quartiles 12 de la variable
uniformisée des temps moyens de réponse. Nous avons décidé de transformer la variable en
variable dichotomique pour mieux voir l'effet d'agressivité en niveau.

12
1er quartile (1% à 25%) peu agressif, 2eme quartile moyen agressif, 3ème quartile agressif et
dernier quartiles très agressifs.
 25

B. Le niveau d'expérience des joueurs.

Le niveau d'expérience des joueurs correspond au nombre de journée où le joueur a fait au

moins une mise sur une enchère dans le passé. Plus il joue couramment et depuis longtemps,
plus le joueur est considéré expérimenté. La variable expérience créée prend les valeurs de 1
à 5 pour moins de 2 jours, entre 2 et 25 jours, entre 25 et 75 jours, entre 75 et 150 jours et
plus de 150 jours respectivement. Nous pensons que cette variable peut être interprétée
comme un déterminant du niveau de réputation d'un joueur. En effet, un joueur qui joue
pendant une longue période a probablement remporté des enchères ce qui le motive à
continuer à jouer sur une plus longue période qu ' un joueur qui ne gagnerait jamais.
Cependant, la variable expérience n'est pas la seule variable qui sera considérée comme un
déterminant de la réputation, les niveaux de succès et de profitabilité le sont aussi. Ce sont
aussi les deux derniers qualificatifs que nous allons considérer dans l'analyse du déroulement
du jeu.

C. Le niveau de succès des joueurs.

Avec le niveau du succès des joueurs, nous voulons analyser l'effet que pourrait avoir le
status du joueur à son arrivée dans une enchère. Le niveau du succès des joueurs constitue à
la fraction d'enchères remportées par un joueur i avant l'enchère e. Donc, un joueur avec un
haut niveau de succès aura possiblement une présence considérée plus importante dans une
enchère qu'un autre joueur avec un niveau moins élevé. Considérant, que les autres joueurs
connaissent le niveau de succès de chacun. Pour obtenir ce niveau de succès, nous avons créé
une variable qui calcule la fraction des enchères remportées de chaque joueur avant une
enchère e. Avec cette variable, nous avons créé la variable succès qui prend des valeurs de 1
à 4 pour moins de 1%, entre 1% et 10%, entre 10% et 25% et plus de 25% respectivement.
Comme indiqué précedemment, cette variable sera interprétée comme une façon d'analyser le
niveau de réputation des joueurs.
 26

D. Le niveau de profitabilité des joueurs.

Sensiblement comme la variable succès, la variable profitabilité présente une façon d'évaluer
le niveau de réputation d'un joueur. La profitabilité mesure le profit du joueur cumulatif
avant d'entrer dans une enchère e. Contrairement au succès tel que nous l'avons défini, la
profitabilité permet de savoir si le joueur a du succès par l'entremise des profits qu' il aurait
fait dans le passée. La variable profitabilité prend les valeurs de 1 à 4 pour moins de -3000$,
entre -3000$ et -500$, entre -500$ et 0$ et plus de 0$ respectivement. Valeurs choisies à
13
partir des quartiles de la variable profitabilité .

Nous pouvons analyser l'effet des quatre qualificatifs sur le déroulement des enchères en se
concentrant sur le nombre de mises total en moyenne par enchère et le nombre de mise
effectuée par le gagnant en moyenne. De cette façon , nous voulons illustrer que le
comportement des joueurs capté par la façon de miser et le niveau de réputation a un effet sur
le déroulement du jeu puisque ce qui influence le déroulement du jeu influence
nécessairement la formation des profits pour les joueurs et l'encanteurs. Par conséquent,
l'analyse du déroulement du jeu permet indirectement d'analyser le profit des joueurs et de
l'encanteur ce qui constitue à l'un de nos principaux objectif avec ce mémoire.

Avec les quatre variables agression, expérience, succès et profitabilité, nous avons construit
le tableau 3.3 permettant d'analyser leur effet sur le déroulement du jeu par rapport au
nombre de mises enregistrées dans les enchères étudiées où Je est le nombre de mise total par
enchère, Jem est le nombre de mise total que le gagnant a fait dans l' enchère qu'il a
remportée et Jem/Je est le rapport permettant de voir la part de mises que le gagnant a
effectuées comparativement au nombre de mises total.

13
La même méthodologie a été utilisé pour le choix de chacun des thresholds pour les 4
variables de comportement soit l'utilisation des quartiles.
 27

Tableau 3.3 Description des mises effectuées

Caractéristigues Je Jem Jem/Je

Niveau d'agressivité
peu agressif 151 13 0,249
moyen agressif 184 21 0,213
agressif 165 26 0,254
très agressif 218 40 0,272

Niveau d'expérience
Moins de 2 jours 122 15 0,234
Entre 2 et 25 jours 214 28 0,235
Entre 25 et 75 jours 207 30 0,261
Entre 75 et 150 jours 190 31 0,270
Plus de 150 jours 135 24 0,271

Niveau de succès
moins de 1% 135 14 0,231
entre 1 et 10% 159 15 0,220
entre 10 et 25% 184 27 0,256
plus de 25% 288 52 0,275

Niveau de profitabilité
moins de -3000$ 229 43 0,293
entre -3000 et -500$ 230 35 0,262
entre -500 et 0$ 147 18 0,238
plus de 0$ 2 14 33 0,261

Mo~enne 178 25 0,250

Note : ces données sur les mises sont par enchère et en moyenne. Je est le nombre de mises
au total en moyenne dans les enchères et Jem est le nombre de mises que le gagnant a fa it
dans les enchères en moyenne dépendemment de son statut. Jem/J e est le part de mises
effectuées par le joueur gagnant.

En moyenne par enchère plus de 178 mises sont enregistrées au total alors que seulement 25
mises sont nécessaires par le joueur qui gagne une enchère. Il est intéressant de voir que ce
n'est pas nécessairement le joueur qui mise le plus souvent qui remporte J' enchère. Il y a
nécessairement des facteurs influençant le moment où une enchère se terminera. Ainsi, en se
servant de ces moyennes, nous pouvons évaluer de manière approximative l' effet du niveau
 28

d'agressivité, d'expérience, de succès et de profitabilité sur le total des mises et le rapport du

nombre de mises effectuées par le gagnant par rapport au nombre de mises total qui seront
enregistrées sur une enchère.

Dans un premier temps, pour le niveau d'agressivité, nous constatons que plus les joueurs
sont agressifs plus le nombre de mises au total sera grand. La logique derrière ce résultat
consiste à penser que plus les joueurs mises rapidement après le compteur, plus il y a
possibilité d'avoir de mises enregistrées dans un court laps de temps. Aussi, un joueur qui
aura comme stratégie d'être très agressif aura intérêt à conserver cette stratégie assez
longtemps pour dissuader les autres joueurs de miser contre lui . Si le joueur mise
agressivement de manière intermittente, l'effet d'agression envers les autres joueurs sera
moins perceptible pour ceux-ci.

D'autre part, à partir du niveau d'expérience entre 25 et 75 jours, on remarque une tendance à
la baisse du nombre total de mise en moyenne par enchère plus que le niveau d'expérience
augmente. Une explication serait que les joueurs très expérimentés savent quand, comment et
combien miser de façon à minimiser le coût de miser (le nombre de mise). Ceci n'est qu'une
supposition en guise d'explication puisque le part du nombre de mises du gagnant augmente.
Comme on évalue l'impact de chacune des variables séparément nous ne pouvons pas
complètement déterminer l'effet exact de chacune d'elle sur le total des mises. Pour cette
raison, dans la section sur les estimations économétriques, nous allons estimer l' importance
des déterminants de Je et Jem/Je sur Je.

Pour le niveau de succès, on constate une toute autre tendance. Plus les joueurs ont remporté
des enchères dans le passée plus les enchères dans lesquelles ils jouent auront beaucoup de
mises enregistrées. Même constat pour la moyenne de mises du gagnant et le rapport mises
gagnant/mises total. Nous pouvons supposer qu'un joueur qui aurait beaucoup de succès dans
le passée est possiblement tenté à miser davantage afin de conserver ce niveau de succès pour
protéger sa réputation.
 29

Enfin, en ce qui concerne le niveau de profitabilité des joueurs, le résultat est moins évident.
Les joueurs qui sont très perdants monétairement, plus précisément les catégories en dessous
de -500$, misent beaucoup plus que les autres. Augenblick, dans son papier de 2010,
proposait une explication aux grands profits en liant avec le phénomène de « sunk cost ».
Les joueurs seraient pris dans un cercle vicieux les menant à ne pas pouvoir arrêter de miser
par peur de perdre toutes leurs mises faites dans le passée pour rien . Nous savons que les
profits de l'encanteur sont directement liés au nombre de mises enregistrées. Par conséquent,
on peut possiblement croire que les joueurs qui ont perdu énormément d' argent sont victimes
de ce phénomène et du coup misent énormément. D'autre part, pour les catégories de
profitabilité moins négative -500$ à plus de 0$, le nombre de mises enregistrées est moins
grand au total et pour le joueur gagnant. Les joueurs avec un meilleur niveau de profitabilité
ont possiblement trouvé une façon plus optimale de jouer sur ce type de site Internet.

En somme, sans pouvoir donner d' explications exactes sur la raison des différents résultats,
nous pouvons affirmer que le déroulement du jeu est effectivement influencé par le
comportement des joueurs et leur statut respectif. Nous savons que le déroulement du jeu est
directement lié aux profits que peuvent faire les joueurs et l'encanteur. Ainsi , dans la
prochaine sous-section, nous allons analyser les profits de manière exhaustive.

3.1.1.3 Le profit de Bidou

Dans cette sou-section, nous allons faire ressortir les canaux de profit pour le site Bidou.ca.
Comme nous l'avons précisé précedemment, Bidou fait un profit de 95$ en moyenne par
enchère. Cependant, nous voulons déterminer les caractéristiques du profit. Ainsi , à partir de
notre banque de données, il est possible de faire l' analyse descriptive du profit de l' encanteur,
des articles les plus profitables et même de l' effet du comportement des joueurs sur le profit
de bidou. Le calcul du profit par enchère consiste à:

j étant le nombre de mises, v étant la valeur du bien mis à l' enchère, s est l' incrémentation de
0.01 $ et l'i ndice e représente une enchère en particuli er.
 30

Dans un premier temps, nous nous concentrons sur l'aspect temporel des profits. On obtient
le profit moyen par mois de bidou.ca en % de la valeur du bien sur les enchères à mises
payantes dans le tableau 3.4.

Tableau 3.4 Profit moyen par mois 16 mars 2010 au 14 janvier 20 Il

Mois Profit A Profit 8

Mars 1,98 172

Avril 1,91 219
Mai 1,34 173
Juin 1,59 108
Juillet 1,35 124
Août 1,48 114
Septembre 1,01 93
Octobre 0,83 56
Novembre 1,14 85
Décembre 1,02 77
Janvier 0,87 64

Total 1,65 95
Note: Profit A est le profit moyen en %de la valeur du
bien. Profit B est le profit moyen en dollar

Il est intéressant de constater la baisse continuelle du profit moyen par enchère au fur et à
mesure que le temps avance. Ainsi , pendant les 6 premiers mois de l'arrivée de bidou.ca, le
profit moyen a été au-dessus de 100$ alors que durant les cinq mois suivants, il a chuté à
64$. L'explication plausible est que dans les débuts, Bidou n'était pas connu et ainsi les
joueurs s'y présentant étaient tous des nouveaux sans aucun niveau de réputation possible qui
pourrait influer sur le déroulement du jeu. Aussi , on peut croire qu'en début 2010, les gens
attirés vers ce type de site ne connaissaient pas bien le fonctionnement et ont été tentés de
--------------- -- - - - -- - - - - - - - - - - - - - - - - - -- - - - - - - - - - - - -

31

miser davantage comparativement à des joueurs qui ont acquis un niveau d' expérience sur le
site. Ainsi, comme le modèle théorique et les statistiques descriptives 1' indiquent, la
réputation des joueurs peut faire diminuer le nombre de mises ayant lieu lors d'une enchère et
donc le profit moyen de l'encanteur. Voyant qu'un joueur très puissant est présent dans
l'enchère, les autres joueurs n'ont pas intérêt à miser et ceci fait chuter les profits de Bidou.
Alors, lors des premiers mois, aucun joueur n' a pu avoir le temps de bâtir son statut de joueur
fort et donc, le profit moyen est très élevé. Donc, plus que le site Internet prend de l' ampleur
et qu' il devient établi, des joueurs commencent à se faire connaître comme étant des
powerbidders et le profit moyen est moins élevé.

D' autre part, nous ne pouvons pas exclure l' aspect sa1sonmer lorsqu' il est question de
comportement des joueurs car dépendamment du moment dans le temps, les gens n'agiront
pas toujours de la même façon . Plus précisément, il y a moins d' activité sur le site durant la
période estivale ce qui est envisageable considérant que les gens ont moins d' intérêt à rester à
l' intérieur devant leur ordinateur. Comme la seule façon de remporter des enchères est d' être
devant l' ordinateur de longues heures, il y aura des moments qui seront plus appropriés voir
plus populaires auprès des joueurs. À partir du tableau 3.5, nous remarquons que les profits
de Bidou sont à son niveau le plus haut dans la journée de dimanche comparativement à son
plus bas niveau le samedi. Même constat pour les 5 premiers jours du mois versus les jours
en milieu de mois. Par conséquent, il sera important de contrôler pour le jour, moment du
mois et mois quand viendra le temps de faire des régressions.
 32

Tableau 3.5 Profits de Bidou dépendamment des jours

Mois Profit A Profit B

Dimanche 1,26 110

Lundi 1,23 99
Mardi 1,26 105
Mercredi 1,22 104
Jeudi 1,18 88
Vendredi 1,06 85
Samedi 0,95 78
1-5 du mois 1,23 107
6-25 du moi s 1,12 91
26-31 du moi s 1,24 98

Total 1,65 95
Note: Pro fi t A est le profit moyen en %de la va leur du
bien. Profit B est le profit moyen en dollar. 1-5 du mo is
co rrespond au 5 p remiers jours de chaque mois.
 33

Le profit est différent dépendamment des catégories de biens mis à 1'enchère. Pour cette
raison, nous contrôlons par rapport à la catégorie de bien. Avec le tableau 3.6, nous pouvons
déterminer quelles classes de biens sont les plus profitables pour bidou.ca.

Tableau 3.6 Profit Bidou selon la catégorie en fraction de la valeur du bien

Catégorie du bien Pro fits Fréquence Proportion

Articles ménagers 0,45 1278 4,71
Audio-video & électroniques 0,67 1846 6,8
Cartes-cadeaux 1,12 5494 20,24
Jeux videos & di ve rtissement 0,73 1146 4,22
Li vres, musique & cinéma 0,29 70 0,26
Lots de bidous 1,40 15701 57,85
Mode & beauté 0,11 154 0,57
Ordinateurs & logiciels 0,63 562 2,07
Spectacles & événements 0,54 43 0, 16
Sports & plein air 0,73 294 1,08
Véhicules & accesso ires -0,51 9 0,03
Rénovation & Décoration 0,36 545 2,01

Total 1,17 27142 100

Note : Le profit correspond au profit moyen en fraction de la valeur du bien.

Avec un niveau d'activité très élevé, les catégories cartes-cadeaux et lots de bidous sont les
plus profitables pour Bidou. Comme 58% des enchères correspondent à des lots de bidous
presque la moitié des profits de Bidou proviennent de ce type d'enchère. Ce fait est
intéressant puisque les lots de bidous sont dans les fa its qu' un bien virtuel permettant aux
joueurs de jouer davantage. Aussi, un élément particulier: la vente de véhicul es à l'enchère à
un sou est très rare et n'est pas profitabl e. En fait, c' est la seule classe de biens qui n'est pas
profitable pour bidou.ca ce qui explique certainement l'offre très petite pour ce type de biens.
Il faut savoir que le gain provenant des mises doit être supérieur à la valeur du bien pour que
 34

Bidou puisse faire un profit. Par conséquent, en ce qui attrait aux voitures, atteindre un gain
provenant des mises supérieurs à la valeur du véhicule est très long puisque le pri x initial de
la voiture est de 1 sou et est incrémenté de 1 sou après chaque mise. C' est donc dire que pour
une voiture d' une valeur de 15 000$, il faut que le prix atteigne 150$ ce qui correspond à
149 999 mises. Avec un compteur de 60 secondes et une moyenne de 30 secondes de délais
entre chaque mise, une telle enchère peut durer de nombreuses heures. Ce qui explique
probablement pourquoi les profits sont négatifs sur ce type de bien.

Cependant, il est faux de conclure que plus le bien a une grande valeur moins Bidou fera de
profit. En effet, avec la figure 3.1 , nous remarquons que les biens d' une valeur de plus de
300$ restent très rentables comparativement aux biens d'une valeur entre 50 et 75$ . Ainsi, il
y a une différence entre les biens d' une bonne valeur et les biens d' une valeur extrême telle
une voiture.

1,60 14000
1,40 12000
1,20 10000
1,00
8000
0,80
6000
0,60
0,40 4000
0,20 2000
0,00 0
<25 25-50 50-75 75-150 150-300 >300
Valeurs ds biens en catégorie

- Profits - Fréquence

Figure 3.1 Profit en fraction de la valeur de Bidon

Note : Sur J'axe des x, on a la va leur en dollar des biens en catégorie. Sur l'axe des
y(gauche), c'est Je profit moyen en fracti on de la valeur par enchère. La fréquence
est sur l'axe des y(droite).
 35

Jusqu'à maintenant, nous avons mis en évidence l'impact du facteur temporel des enchères,
de l'offre de biens par rapport à la catégorie et la valeur des biens sur le profit de Bidou. Or,
l'un des objectifs principaux de ce mémoire est de démontrer que le comportement des
joueurs a un effet sur les profits. Nous utilisons les mêmes quatre qualificatifs sur les joueurs
soit: le niveau d'agressivité, le niveau d'expérience, le niveau de succès et le niveau de
profitabilité 14 • Nous faisons ressortir les profits moyens en dollar et en% de la valeur du bien
de Bidou dans le tableau 3.7.

Tableau 3.7 Profits de Bidou selon les caractéristiques des joueurs

Caractéristiques Profit en % de la va le ur du bien Profit moyen

Niveau d'agressivité
peu agressif 1,36 98,94
moyen agressif 1,5 8 11 6,40
agressif 1,09 84,05
très agressif 0,77 90,71

Niveau d'expérience
Moins de 2 jours 1,04 67,73
Entre 2 et 25 jours 1,34 123, 11
Entre 25 et 7 5 jours 1,25 112,3 6
Entre 75 et 150 jours 1, 13 89,32
Plus de 150 jours 0,86 57,66

Niveau de succès
moins de 1% 0,98 74,53
entre 1 et 10% 0,96 82,24
entre 10 et 25% 1, 13 93,29
plus de 25% 2,05 180,61

Niveau de profitabilité
moins de -3000$ 1,49 120,96
entre -3000 et -500$ 1,41 124,24
entre -500 et 0$ 1,07 79,70
plus de 0$ 1,09 107,27

Mo enne 1, 17 95,31
Note: La moyenne est la moyenne pour tous les enchères. Le profit en %de la valeur du bien est en moyenne par
enchère. Le profit moyen est par enchère en dollar.

14
Nous utilisons les mêmes variables. Donc, la définition de chacun des niveaux est la même
que dans la section déroulement.
 36

Les profits de Bidou diffèrent dépendant des caractéristiques du gagnant de chaque enchère.
Les niveaux d'agressivité, d' expérience et de profitabilité ont une grande importance pour la
formation du profit. Les joueurs gagnants très agressifs, très expérimentés et avec un niveau
de profitabilité assez positifs ont un impact négatif sur le profit de l'encanteur. Dans la
section théorique, nous avons établi que pour se bâtir une réputation de powerbidder, il devait
développer une façon de miser très agressive tout en accumulant de 1'expérience. Se faisant,
le joueur pouvait espérer à un niveau de profitabilité plus élevé. Nous voyons cet effet avec le
tableau 3. 7. Il sera intéressant de 1' estimer à 1' aide de nos régressions sur le profit de bidou.

D'autre part, les statistiques descriptives par rapport au niveau de succès sont contradictoires
à la théorie dans le sens où un joueur qui a beaucoup de succès devrait nécessairement jouir
d' une forte réputation, et ceci pousserait à la baisse les profits de l'encanteur puisque les
autres joueurs seraient effrayés par le joueur puissant et ne miseraient pas. Or, le résultat
inverse est obtenu pour le niveau de succès de plus de 25%. Nous expliquons ce fait stylisé
par le jeu de chicken mis de l'avant dans la section théorique. Nous croyons qu'étant donné le
peu de joueur avec un succès de plus 25% d'enchères remportées dans le passé, ceux-ci
choisissent de jouer dans les enchères les plus attrayantes (avec un bien très convoité) parce
qu'ils sont les joueurs les plus puissants du site et croient pouvoir remporter facilement le
bien en question. Cependant, comme le bien mis à l'enchère est très attrayant, d'autres
joueurs très puissants seront tentés de participer à cette enchère. Ainsi, une guerre entre ces
joueurs éclatera, ce qui conduira le jeu à un jeu du type chicken et fera perdurer le jeu
beaucoup plus longtemps qu'il ne devrait 15•

15
Nous sommes arrivés à cette conclusion dans la section théorique de ce mémoire.
-----------------------------------------------------------------------------------------

37

Dans les sous-sections suivantes, nous allons, en premier lieu, faire une brève description des
joueurs par rapport à leur comportement et à leur succès. Ensuite, nous allons faire Je pont
entre Je comportement et la profitabilité des joueurs. Nous voulons montrer que l'aspect
stratégique dans ce type d'enchère a des conséquences importantes sur le profit des joueurs
comme sur celui de Bidou.

3.1.1.1 Description des utilisateurs

Au total, entre Je 16 mars 2010 et Je 14 janvier 2011 , 65918 utilisateurs uniques ont participé
à au moins une enchère sur Je site Internet bidou.ca. Parmi ceux-ci, 8086 ont remporté au
moins une enchère. Ce que nous voulons vérifier c'est comment exactement une personne
peut remporter une enchère sans seulement être le coup du hasard. Est-ce qu' il existe une
stratégie optimale menant plus certainement à la victoire? Pour répondre à ce type de
questions, nous croyons intéressant d'observer le nombre de victoires, le nombre de mises,
l'expérience et Je comportement des différents gagnants. De cette façon, nous espérons faire
ressortir des éléments de réponses. Dans la section suivante sur la méthodologie, nous allons
répondre à ces mêmes questions mais à l'aide de régressions économétriques et de nos
données.

Parmi les 65918 différents utili sateurs, seulement 8086 ont pu remporter au moins une
enchère. Par conséquent, il y a énormément de perdant et de mises effectuées pour rien.
Comme on peut le voir dans le tableau 3.8, beaucoup de mises sont faites, mais l'action de
miser n' est pas nécessairement un gage de réussite.
 38

Tableau 3.8 Nombre de mises de chacun des joueurs

Nombre de mises de chacun des joueurs Fréquence Proportion

Moins de 200 mises 62185 94,34
Entre 200 et 1000 mises 2929 4,44
Entre 1000 et 8000 mises 749 1,14
Plus de 8000 mises 55 0,08

Total 65918 100

Note: Fréquence correspond au nombre de joueurs uniques, il y a donc eu 62185 joueurs qui ont fait moins de 200
mises.

Parmi les 55 joueurs qui ont misé plus de 8000 fois, les 55 ont au moins une victoire. Aussi,
les joueurs avec le plus de victoires sont ceux qui ont fait le plus de mises. Plus précisément,
25 utilisateurs qui ont misé plus de 8000 fois ont remporté plus de 30 enchères différentes
comparativement aux joueurs qui ont misé moins de 1000 fois qui eux ont gagné au
maximum 30 enchères. Parmi les 7292 joueurs qui ont misé moins de 1000 fois , seulement
11 ont remporté entre 10 et 30 enchères. Donc, il est évident que le fait de miser beaucoup a
une influence sur le résultat des enchères. Cependant, un joueur ne peut pas miser beaucoup
de n'importe quelle façon puisque l'action de miser a un coût. Ainsi, de la même façon que
dans les sections précédentes, nous analysons comment le comportement du joueur et ses
caractéristiques vis-à-vis les autres joueurs peuvent influencer son espérance de victoires. En
utilisant trois des quatre mêmes qualificatifs 16 de comportement, nous analysons séparément
les victoires de chacun des joueurs. De cette façon, nous voulons déterminer si le fait d' être
très agressif et d' avoir un statut de powerbidder, par exemple, aide à remporter des enchères.

16
Nous éliminons la caractéristique de succès lors de notre analyse du nombre de victoire
puisque les deux statistiques mesurent la même chose et le tableau n' était pas intéressant.
 39

a) Niveau d'agressivité

Premièrement, la stratégie d'être agressif a comme objectif de démontrer aux autres joueurs
que nous sommes prêts à tout pour remporter l'enchère, faire croire que nous sommes fous en
quelque sorte. Une telle stratégie a été observée sur les autres sites populaires d'enchères à un
sou tel swopoo.com, et c'est pour cette raison, que nous voulons vérifier son influence sur le
résultat des enchères sur le site bidou.ca. Voici un tableau illustrant l'effet d'être agressif sur
le nombre de victoires qu' un utilisateur peut avoir :

Tableau 3.9 Implication de l'agressivité sur le nombre de victoires

Niveau d'agressivité
Nombre d'enchères remportés Très a~ressi f Agressif Moyen agress if Peu agress if
Moins de 2 enchères 17,72% 24,39% 21 ,58% 36,32%
Entre 2 et 10 enchères 23% 33% 21% 23%
Entre 10 et 30 enchères 33% 42% 12,97% 12%
Plus de 30 enchères 42% 33% 6,98% 19%

Total 1352 806 2517 3404

Note: Lire comme suit: Parmi les joueurs qui ont remporté plus de 30 enchères 42% de ceux-ci sont très agressif.

En général , le constat est que plus le joueur est agressif plus il a remporté de nombreuses
victoires. L'agressivité semble jouer un rôle dans l'obtention de plusieurs gains, mais pas
dans la possibilité de remporter une seule enchère par exemple. Le fait d'avoir remporté une
enchère peut être due à la chance tout simplement, cependant un joueur qui a plus de 30
victoires à son actif a plus que de la chance pour l'aider, mais plutôt une stratégie. Cette
stratégie a un lien direct avec le fait de miser de façon agressive.

Dans ce type de jeu, nous croyons que pour se bâtir une certaine réputation, les joueurs
doivent remporter beaucoup d'enchères. Pour se faire, ils doivent jouer beaucoup donc
acquérir de l'expérience. En jouant beaucoup, les autres joueurs sont conscients de la
présence constante du joueur et donc un certain statut se développe auprès des autres joueurs.
 40

Ce statut est pris en compte dans les variables succès et profitabilité que nous utilisons depuis
le début. Nous avons déjà montré comment l'agress ivité peut avoir un effet sur le nombre de
victoires des joueurs. Maintenant, nous montrons comment l'expérience, le succès et le
niveau de profitabilité influent sur le nombre de victoires des joueurs. De cette façon, nous
analysons indirectement l'effet de la réputation des joueurs sur le jeu.

b) Niveau d'expérience

Tableau 3.10 Implication de l'expérience sur le nombre de victoires

Expérience cumulative en jours du joueur avant l'enchère i

Nombre d'enchères
remportés moins de 2 jours 2-25 25-75 75 -150 plus de 150 jours
Moins de 2 enchères 60,78% 25,15% 8,50% 3,73% 1,84%
Entre 2 et 10 enchères 10% 40% 30% 13% 6,75%
Entre 10 et 30 enchères 0% 8% 49,73% 29% 12,97%
Plus de 30 enchères 0% 0% 23,26% 30% 46,51%

Total 4258 2144 990 455 239

Note: Lire comme suit: Parmi les joueurs qui ont remporté plus de 30 enchères 46,51% sont ceux avec plus de 150
jours d'expérience

Nous croyons qu'un joueur moindrement rationnel qui a moins de 25 jours d'expérience ne
peut aspirer à remporter plus de 30 enchères sans faire être extrêmement chanceux et
complètement fou. Fou dans le sens, qu ' il miserait de manière infini sans se soucier du coût
et sans contrainte de temps. Il serait constamment devant son ordinateur pour pas risquer de
perdre une enchère par le fruit du hasard. Il est donc normal de voir qu'aucun joueur avec
moins de 25 jours d'expérience n'ait remporté plus de 30 enchères. Plus encore, aucun joueur
avec moins de 2 jours d' expérience n'a remporté plus de 10 enchères. D'autre part, plus le
joueur a passé beaucoup de temps sur le site (donc est expérimenté) plus nous constatons
qu'il remporte beaucoup d'enchères. Par exemple, 46% des joueurs qui ont remporté plus de
 41

30 enchères sont des joueurs avec plus de 150 jours d 'expérience. Aussi, un joueur qui passe
tous ce temps à miser n'a peu de chance de ne pas rempo1ter d'enchère. Seulement 1.84% des
joueurs avec plus de 150 jours d'expérience ont moins de 2 victoires. Donc, la majorité des
joueurs expérimentés aurait établi une certaine stratégie permettant de remporter des enchères
en grand nombre.

c) Niveau de profitabilité

Tableau 3.11 Implication du niveau de profitabilité sur le nombre de victoires

Profit cumulat if du joueur avant l'enchère i

Nombre d'enchères remEortés moins de -3000$ entre -3000 et -500$ entre -500 et 0$ [!lus de 0$
Moins de 2 enchères 0,0 1% 1,27% 94,88% 3,83%
Entre 2 et 10 enchères 0,49% 17,61 % 59,59% 22,3 1%
Entre 10 et 30 enchères 5,95% 49,73% 28,65% 15,68%
Plus de 30 enchères 30,23% 44, 19% 9,30% 16,28%

Total 30 378 7152 526

Note: Lire comme suit: Panni les joueurs qui ont remporté plus de 30 enchères 16,28% de ceux-ci ont une profitabil ité
positive avant de mi ser.

Avec le niveau de profitabilité, nous désirons vérifier si le fait de remporter plusieurs

enchères est profitable ou non et est-ce qu'un joueur avec un certain niveau de profitabilité
cadre plus à une des catégories d'enchères remportées. Parmi les joueurs gagnants, la
majorité ont un niveau de profitabilité de entre -500$ et 0$. Notamment parce que 80% de
tous les joueurs font des profits négatifs, mais aussi parce que peu de joueurs réussi ssent à
remporter une enchère, et donc, les mises qu' il s ont effectuées sont tout simplement perdues.
Le tableau 3.11 illustre bien que remporter beaucoup d'enchères n'est pas nécessairement
profitable. D 'autre part, la majorité des joueurs avec un profit positif semble être ceux qui
n'ont pas rejoué après avoir remporté leurs enchères. Près de 23% avec entre 2 et 10 enchères
ont un niveau de profitabilité de plus de 0$. Les plus grands perdants au niveau monétaire
sont les joueurs qui jouent beaucoup et par le fait même ont de nombreuses victo ires. Donc,
le niveau de profitabilité cumulatif à l'arrivée d'un joueur dans une enchère quelconque
 42

influe sur son espérance à remporter cette enchère. Dans la section économétrique, nous
allons pouvoir préciser exactement l'effet de la profitabilité sur le déroulement du jeu et sur
les profits.

Maintenant que nous avons mis en évidence l'effet du comportement des joueurs sur leur
nombre de victoires, nous allons analyser ce même effet sur les profits des joueurs de façon à
voir s'il y a un comportement optimal qui maximise le nombre de victoire tout en ayant des
profits positifs.

3.1.1.2 Profit de tous les joueurs uniques

Dans la sou-section sur le profit de bidou.ca, nous avons pu constater l'aspect très profitable
de ce type d' enchère avec 95$ de profit en moyenne par enchère et près de 2.5 millions de $
au total. Nous avons aussi vue que le profit vient principalement des mises effectuées par les
joueurs et que ces mises ont un coût pour ceux-ci. Par conséquent, il y a certainement de
grands perdants dans cette relation offreur/demandeur. Nous constatons un profit négatif pour
80% des joueurs. Le profit des joueurs est calculé de façon à tenir compte de l' ensemble des
mises effectuées par le miseur. Ainsi, les mises non gagnantes sont aussi comptabilisées dans
le calcul du profit des joueurs.

La variable b est le coût d'une mise et la variable j est le nombre de mises effectuées par le
joueur auquel on calcule le profit dans l' enchère e en particulier.
 - - - - -- · -- - - -- - -- - - - - - - -- - -

43

Tablea u 3.12 Profit des joueurs selon le mois

Mois Profits moyen

Mars -32,25
Avril -39,74
Mai -56, 04
Juin -47,32
Juillet -29,8
Août -29,61
Septembre -30,49
Octobre -43,56
Novembre -43,51
Décembre -64,99
Janvier -51,66

Total -40, 10
Note: On a ici le profit moyen des joueurs par mois par enchère.

Avec le tableau 3.12, on remarque que le profit moyen est toujours négatif. Les gens sont
totalement perdants, mais reste quand même que plus de 65000 différentes personnes
s' entêtent de participer à ce type de site Internet. Parmi ces joueurs, il y en a avec des profits
positifs et donc la somme des profits de ces joueurs est moins négative. Nous croyons que les
joueurs qui ont des profits moins négatifs sont ceux qui adoptent une meil leure stratégie face
au jeu. Comme dans le modèle théorique et les statistiques descriptives, le fait d' avoir une
réputation aurait un impact sur le déroulement du jeu de l'enchère à un sou. Po ur se bâtir une
réputation, les joueurs doivent se prouver auprès de leurs adversaires. Pour ce faire, l' élément
clé est le nombre de victoires qu' un joueur a remporté dans le passé. Or, pour remporter
beaucoup d'enchères les joueurs doivent miser beaucoup, acquérir de l'expérience en passant
beaucoup de temps sur le site Internet et démontrer qu'i ls sont prêts à combattre la
compétition en misant de manière agressive. Nous analysons le profit de tous les joueurs
selon deux aspects précis: leur expérience en jour et le niveau d'agressivité 17• Pour

17
Les niveaux de succès profitabilité sont exclus puisque due à la façon dont les variables ont
été créées, les résultats obtenus sur tous les joueurs ne sont pas intéressants et pertinents. Nous voulons
nous concentrer davantage sur le profit des joueurs gagnants.
 44

l'ensemble des joueurs uniques, nous avons fait ressortir la relation entre expérience et profit
moyen en % du bien et le profit moyen par enchère.

Tableau 3.13 Profits des joueurs selon leur expérience en jour

Nombre de jours d'expérience Profits A Profits B Fréquence Proportion

Moins de 2 jours -0,060 -4,32 54 114 82,09

Entre 2 et 25 jours -0,068 -7,12 7214 10,94
Entre 25 et 75 jours -0,069 -6,01 2672 4,05
Entre 75 et !50 jours -0,043 -5,03 1226 1,86

Plus de 150 jours -0,054 -4,12 692 1,05

Total -0,061 -4,70 65918 100

Note: Le profit A est le profit moyen en %de la va leur du bien. Le profit B est le profit moyen par
enchère des joueurs appartenant respectivement à chacu ne des catégories. La fréquence est le nombre de
joueurs dans chaque catégorie

Plus les joueurs sont expérimentés, plus les profits sont moins négatifs comme l' indique le
tableau 3.13. En guise d' explication, dans Augenblick (2010), l'auteur analyse l'effet
d'apprentissage par les joueurs et constate que ça leur permettrait d'avoir des meilleurs
résultats. On remarque une telle tendance avec ce tableau. Dans la section économétrique,
nous allons retrouver le facteur expérience dans nos régressions pour vo ir sa réelle influence
sur le profit. Outre l'expérience, la stratégie d'être agressif a un impact sur les profits des
joueurs.
 45

Tableau 3.14 Profits de tous les joueurs selon leur niveau d'agressivité

Niveau d'agressivité Profits A Profits B Fréguence Pro2ortion

peu agressif -0,052 -3,18 18737 28,42

moyen agressif -0,073 -5,86 13973 21,2

agressif -0,072 -6,05 18324 27,8

très agressif -0,044 -3,88 14884 22,58

Total -0,061 -4,70 65918 100

Note: Le profit A est le profit moyen en %de la valeur du bien. Le profit B est le profit moyen par
enchère des joueurs appartenant respectivement à chacune des catégories. La fréquence est le nombre de
joueurs dans chaque catégorie

Les résultats sur l'agressivité des joueurs confirment à nouveau les intuitions obtenus à partir
de notre cadre théorique. Parmi tous les joueurs uniques, ceux qui sont très agressifs font
davantage de profits en % de la valeur des biens que les joueurs moins agressifs. Pour mieux
saisir l'effet exact, nous allons estimer le coefficient de la variable agressivité sur le profit des
joueurs gagnants dans la section économétrique.

3.1.1.3 Profits des joueurs gagnants d'au moins une enchère

Maintenant, nous analysons l'implication des caractéristiques des joueurs gagnants leurs
profits. Lorsqu'on s'attarde à regarder seulement les joueurs gagnants et leur tendance à être
agressif ou non, on remarque que la stratégie a une influence encore plus importante sur les
gains des joueurs. Plus précisément, nous allons comparer le fait d'être très agressif et d'être
peu agressif sur les profits des joueurs gagnants. La stratégie d'être agressif ne correspond
pas seulement à miser aveuglément rapidement, mais est certainement plus complexe que ça.
Donc, nous croyons qu'il y a un certain niveau d'agressivité optimale permettant de
maximiser ses profits en tant que joueur. Le tableau 3.15 illustre le niveau des profits des
 46

joueurs gagnants selon leur niveau d'agressivité et nous donnera une piste en ce qui concerne
le niveau optimal d'agressivité.

Tablea u 3.15 Profits des joueurs gagnants selon leur niveau d'agressivité

Niveau d'agressivité
Peu
Profit total Très agressif Agressif Mo~en agressif agre ssif
[x < -1000$] 27,40% 34% 15% 23%
[ -1 000$ -0$ ] 17,30% 25% 21,67% 36%
[ 0$ - 1000$ ] 22,95% 26,47% 20,77% 30%
[x > 1000$ ] 30,43% 30,43% 13,04% 26%

Total 1527 2096 1713 2750

Note: Gain total est sou forme de catégories. Donc, 27,4% des joueurs qui ont un profit négatif en
desso us de -1000$ sont très agressifs. Quatre catégories: moins de - 1000$, entre - 1000$ et 0$, entre
0$ et 1000$ et plus de 1000$

Avec ces résultats, nous pouvons faire un parallèle avec une contradiction qu' Augenblick
(20 10) avait soulignée, c'est-à-dire que les gens qui sont trop agressifs ne seront pas gagnants
au niveau du profit. Il y a un niveau d'agressivité plus optimal menant à des gains supérieurs.
Les chiffres que nous avons démontrent sensiblement le même constat. D'un côté, nous
avons des joueurs très agressifs qui obtiennent des profits positifs, mais de l'autre côté, les
mêmes types de joueurs obtiennent des profits en dessous de -1000$ (donc très négatif). Ceci
veut donc dire qu'i l y aurait possiblement un niveau d'agressivité optimal. À noter que
seulement 1576 des 8086 joueurs gagnants ont un profit positif. Par conséquent, remporter
une enchère ne garantit aucunement une rentabilité. Les gens qui sont des joueurs réguliers ne
sont donc pas nécessairement dans une situation de profit, ainsi on peut croire que 1'attrait
(le thrill) de continuer à jouer provient d' une autre source qui serait de nature psychologique
du même type que le goût pour le risque ou le trouble avec les jeux de hasard.
 47

Tableau 3.16 Profits des joueurs gagnants selon leur niveau d'expérience

Niveau d'expérience
>150
2 et 25 jours 25 et 75 jours 75 et 150 jours
Profit total <2 jours jours
[x < -1000$] 12,05% 26% 33% 21% 7%
[ -1000$ -0$ ] 51 ,69% 28% 12% 5,26% 3%
[ 0$- 1000$] 66,41 % 19,55% 8,08% 3,46% 3%
[x > IOOO$] 21 ,74% 13,04% 48% 4,35% 13%

Total 4258 2144 990 455 239

Note: Gain total est sou fonn e de catégories. Donc 12,05% des joueurs avec des profits totaux de moins de -1000$ ont moi ns de 2
jours d'expérience.

L'analyse des profits des joueurs gagnants par rapport au niveau d'expérience ne fait que
confirmer ce que nous avions trouvé suite à l'analyse de tous les joueurs. Les joueurs
gagnants qui sont plus susceptibles de faire des profits positifs sont ceux qui quittent très
rapidement le site d'enchère à un sou. 66% des joueurs qui ont un profit total entre 0 et 1000$
sont ceux qui ont seulement moins de 2 jours d' expérience. Il est intéressant de constater que
plus le joueur est expérimenté plus il a des profits totaux positifs.

Tableau 3.17 Profits des joueurs gagnants selon leur niveau de succès

Niveau de succès
Profit total < 1% 1%-10% 10%-25% >25%
[ x< -1000$] 14,25% 8% 72% 5%
[ -1000$-0$] 74,14% 2% 21 ,59% 3%
[ 0$- 1000$] 76,67% 0,58% 16,67% 6%
[x > 1000$ ] 13,04% 0,00% 73 ,91 % 13%

Total 5802 139 1866 279

Note: Gain total est sou forme de catégories. Donc, 72% des joueurs qui ont un profit négatif en
dessou de -1000$ ont un succès entre 10-25%. Quatre catégories: moins de -1 000$, entre -1 000$ et
0$, entre 0$ et 1000$ et plus de 1000$
 ------------------------------- --------------------- - -----------------------

48

Enfin, avec le niveau de succès, nous voulons voir si le fait de remporter beaucoup
d'enchères est payant au final. En fait, l'analyse de ces statistiques descriptives est la même
que celle sur l'expérience puisque les deux tableaux sont très semblables. Il est normal de
constater que les joueurs qui ont seulement quelques victoires soient les mêmes joueurs avec
un profit positif. Par contre, nous constatons que les joueurs avec un succès entre 10 à 25%
d' enchères remportées correspondent à 74% de tous les joueurs qui ont des profits totaux de
plus de 1000$.

Cette analyse descriptive nous a permis de bâtir notre modèle économétrique en ciblant les
variables qui pourraient expliquer le déroulement du jeu, les profits de l'encanteur et les
profits des joueurs. Parmi ces variables, nous comptons les variables de temps, d' offre de
produits et de comportement.
 CHAPITRE IV

ESTIMA TI ONS ÉCONOMÉTRIQUES

Nous allons nous concentrer sur les régressions linéaires du profit de bidou et des joueurs de
façon à voir si les résultats obtenus à l'aide des statistiques descriptives du chapitre
précédent sont expliqués par certaines variables d' intérêts telle l'agressivité, l'expérience et la
profitabilité. De cette façon, nous voulons indirectement caractériser précisément l'impact de
jouir d' une réputation sur les variables de déroulement, de profits de bidou et des joueurs.

4.1 Modèle économétrique

L'enchère à un sou constitue un jeu très particulier et les résultats s'y découlant le sont tout
autant. Dans les sections précédentes, à l'aide de statistiques descriptives, nous avons mis en
évidence certain facteur qui influence le résultat des enchères et ainsi le profit de l'encanteur
et des joueurs. Notamment, nous avons remarqué l' influence de l'agressivité et de la
réputation sur le résultat du jeu. Afin de préciser l'effet exact de ces facteurs entre autre, nous
avons effectué des régressions linéaires multiples de formes réduites permettant d'expliquer
le déroulement du jeu et le profit pour les propriétaires de Bidou et pour les joueurs.
 50

4.1.1 Méthodologie pour les régressions

Avec notre banque de données sur l'ensemble des enchères entre le 16 mars 2010 et le 14
janvier 20 Il , nous avons fait ressortir le résultat final de chacune des enchères. Ainsi, nous
avions seulement le vainqueur, le prix final et le nombre de mises effectuées par le gagnant et
en tout dans l'enchère au lieu d 'avoir chacune des ittérations du jeu. Avec ces données, nous
avons construits les variables nécessaires à notre régression. Ces variables sont illustrées dans
le tableau suivant :

Tableau 4.1 Variables indépendantes utilisées pour les estimations

Variable Description
mjours_e Prend 3 valeurs: 1 pour les 1-5 premiers jours du mois, 2 pour les jours 6-
25 et 3 pour les jours 26-3 1
se maine e Prend les valeurs de 0 à 6 si la j ournée de la semaine est dimanche au
samedi respectivement
mois e Prend les valeurs de 1 à 12 si le moi s est janvier à décembre
respectivement
dheure Prend les valeurs de 1 à 4 si l'heure dans la journée correspond aux 1-5
premières heures, 6-10 heures suivantes, 11-1 7 et 18-24 heures suivantes
respectivement
valeur Prend les valeu rs de 1 à 6 pour les six catégo ries de prix respectives:
moins de 25$, 25-50$, 50-75$, 75- 150$, 150-300$ et plus de 300$

catid Prend les vale urs 1 à 12 pour les différentes catégories de biens

profitabilite Prend les valeurs de 1 à 4 pour les quatre catégories de profitabilité:

moin s de -3000$, -3000 et -500$, -500$ et 0$ et plus de 0$

aggression Niveau d'agressivité du j oueur selon la définition suivante: nombre de

mise au total 1 temps moyen de réponse entre chaque mise. Valeur de 1 à
4, de très peu agressif à très agress if
experience Expérience du joueur en jours. 1 =mois de 2 jours, 2= entre 2 et 25 jours,
3=entre 25 et 75 jours, 4=entre 75-150 jours et 5= plus de 150 jours
 51

Les variables peuvent être regroupées de façon à faire ressortir des effets précis. Ainsi, nous
avons un effet temporel avec les variables : mjours_e, semaine_e, mois_e et dheure. Les
variables valeur et catid permettent d' isoler un effet d' offre de produit. Enfin, l'effet stratégie
18
est capté avec les variables profitabilite, aggression et expérience • L'effet stratégie peut être
vue comme le fait d'être agressif et comme la formation d' une certaine réputation auprès des
autres joueurs.

Notre façon de faire est d'estimer les coefficients de chacune de ces variables à l'aide de
régressions linéaires nous permettant de capter 1'effets des variables exp! icatives sur les
variables dépendantes : nombre de mises total dans une enchère (Je), nombre de mise total
par le gagnant par rapport au nombre total de tous les joueurs dans une enchère (Jem/Je),
profit en fraction de valeur de Bidou (bprofit_val) et profit en fraction de la valeur du joueur
(mprofit_val) respectivement. Avant tout, nous avons censuré les deux variables de profits
puisque dans ce type d'enchère il y a régulièrement des cas extrêmes (un profit trop positif ou
trop négatif). Nous ne voulions pas capter ces cas extrêmes. Plus précisément, nous avons
recodé la variable bprofit_val de façon à enlever le 1th percentile et les 99th percentile. La
même démarche a été effectuée pour la variable mprofit_ val, de cette façon on évite les
valeurs extrèmes qui viendrait biaiser les résultats de nos estimations .

Les fonctions de régressions sont de la forme matricielle suivante :

Y=XfJ+U (4.1)

18
Nous avons intentionnellement éliminé la variable succès de la régression puisque la variable
profitabilité caractérise Je même élément du jeu c'est-à-dire si le joueur a du succès ou non. Nous
avons choisi la variable profitabilité au lieu de la variable succès parce que selon la façon dont elle a
été créée ne permettait pas de voir l'effet véritable provenant du gagnant.
 52

Avec la méthode des MCO, nous pouvons estimer les coefficients de chacune des variables
indépendantes et du même coup capter leur niveau d'explication sur le profit de Bidou et des
joueurs. Nous corrigeons les écarts-type pour l'hétéroscédasticité de forme connue.

4.2 RÉSULTATS

Les estimations des régressions linéaires expliquées précédemment sont effectuées à l' aide de
notre banque de données sur les 27142 enchères qui ont eu lieu entre le 16 mars 2010 et le 14
janvier 2011.

Premièrement, nous analysons la régression sur le nombre de mises total dans une enchère.
Ensuite, nous analysons la régression sur le rapport du nombre de mises total effectuées par
le joueur gagnant dans une enchère suivi de l' analyse sur le profit de Bidou et ensuite des
joueurs. Les résultats seront différents pour le profit de Bidou par rapport à celui des joueurs
parce que toutes les mises sont comptabilisées dans le profit de Bidou alors que pour le profit
des joueurs, seulement leurs propres mises viennent définir les profits. Deuxièmement, les
résultats des régressions seront présentés en séparant chacun des effets que nous désirons
mettre en évidence, soit: l'effet temporel, l'effet d'offre et l'effet de stratégie.

Nous désirons tester que les variables dépendantes sont influencées par trois effets
principaux:

1. Effets temporels selon le moment où l'enchère se déroule

2. Effets d'offre selon la valeur et le type de l' objet mis en enchère
3. Effets de stratégie qui constitue à 1' agressivité et la réputation des joueurs
 53

4.2.1 Estimations sur le nombre de mises total par enchère (Je)

4.2.1.1 Effets temporel

Tableau 4.2 Esti mation sur Je des variables de temps

Écart-type
Coefficients robuste Statistique t
Jours dans le mois
Référence: 6-25 du mois
1-5 du mois 20,90 ** 8,08 2,59
26-31 du mois 5,04 6,32 0,80

Jours de la semaine
Référence: Lundi
Dimanche 12,07 9,62 1,25
Mardi -0,30 8,99 -0,03
Mercredi 3,30 8,83 0,37
Jeudi -3,82 8,59 -0,45
Vendredi -9,73 8,20 -1,19
Samedi -19,16 * 8,72 -2,20

Mois dans l'année

Référence: Juillet
Janvier -67,33 *** 14,11 -4,77
Mars 41,54 29,75 1,40
Avril 11,76 24,77 0,47
Mai -41,57 22,25 -1,87
Juin -41,54 ** 14,06 -2,95
Août -4,74 12,13 -0,39
Septembre -38,19 ** 11,87 -3, 22
Octobre -61,12 *** 10,78 -5,67
Novembre -36,06 ** 12,27 -2,94
Décembre -42,94 *** 11,26 -3,81

Heures dans la journée

Référence: 11-17 heures
1-5 heures -8,95 17,12 -0,52
6-10 heures 48,41 *** 10,93 4,43
18-24 heures 41,12 *** 5,08 8,10
Constante 89,49 *** 17,54 5,1
* p<0,05, **p<0,01, *** p<0,001 N=27142
 54

Le déroulement du jeu de l'enchère à un sou en ligne va changer dépendamment des

variables de temps. Les coefficients des variables explicatives choisies pour évaluer l'aspect
temporel sont significatifs à plusieurs niveaux. Il semble qu' il y ait beaucoup plus d' activité
sur les enchères lors des 5 premiers jours du mois. Le site internet bidou.ca est un site
entièrement québécois qui vise la population du Québec. Sachant cela, nous pensons que les
5 premiers jours du mois sont plus populaires car les gens qui ont accès à l'aide social ont
mis la main sur leur chèque. Dans ce mémoire, nous ne cherchons pas à déterminer quelle
catégorie de personnes est attirée par ce genre de jeu en ligne, cependant, avec l'effet
significatif trouvé sur le nombre de mises total les 5 premiers jours du mois, nous avons une
bonne piste à cet effet.

D'autre part, à partir du mois de Septembre, moins de mises ont été enregistrées sur les
différentes enchères comparativement au début de Bidou en Mars. En Janvier 2011, qui est le
dernier mois auquel nous avons des données donc le plus récent, la tendance est encore plus à
la baisse. Rappelons que nos intuitions théoriques à l'effet de réputation étaient que le jeu
durait moins longtemps et moins de mises avaient lieu due à la présence de powerbidders. Il
est possible que les effets des variables de temps soient expliqués par le phénomène de
réputation.
 55

4.2.1.2 Effets d'offre de produits

Tableau 4.3 Estimations sur Je des variables d'offre

Écart-type
Coefficients robuste Statistique t
Valeur du bien
Référence: Moins de 25$
25-50$ 80,17 *** 3,19 25,15
50-75$ 176,16 *** 13,32 13,22
75-150$ 275,37 *** 10,93 25,20
150-300$ 483,64 *** 14,94 32,38
Plus de 300$ 1386,15 *** 54,05 25,64

Catégorie du bien
Référence: Cartes Cadeaux
Articles ménagers -188,05 *** 12,69 -14,82
Audio-video & Électroniques -53,75 * 23,62 -2,28
Jeux video et diverstissement -102,58 *** 15,37 -6,67
Livres, musiques & cinéma -66,30 *** 14,21 -4,67
Lots de bidous 11,87 ** 4,56 2,61
Mode & beauté -219,92 *** 18,34 -11,99
Ordinateurs et logiciels -53,20 39,51 -1,35
Rénovations & décorations -132,04 *** 11,38 -11,60
Spectacles & événements -239,32 *** 65,46 -3,66
Sports & plein-air -109,03 *** 18,04 -6,04
Véhicules 1802,96 2031,34 0,89
Constante 89,49 *** 17,54 5,1
* p<0,05, ** p<0,01, *** p<0,001 N=27142

Les résultats par rapport à l' offre de produits vont de soit. Plus la valeur du bien est élevée
plus il y a de mises enregistrées sur les enchères en question. Ces résultats sont très
significatifs avec des T statistiques de plus de 32. Pour la catégorie de bien, nous remarquons
que les enchères de cartes cadeaux attirent beaucoup les joueurs à miser. Seulement les lots
de bidous sont plus populaires. Pour améliorer ces chances de remporter une enchère, jouer
dans celle qui n' a généralement pas beaucoup d' activité est une bonne idée. Dans le cas du
 56

site bidou.ca, ce sont les enchères appartenant à la catégorie spectacles et événements qui
devraient être visées.

4.2.1.3 Effets de stratégie

Tableau 4.4 Esti mations sur Je des variables de stratégie

Écart-type
Coefficients robuste Statistique t
Profit cumulatif avant l'enchère
i Référence: Moins de -3000$

entre -3000 et -500$ 8,51 12,87 0,66

entre -500 et 0$ -27,85 * 12,31 -2,26
plus de 0$ -22,70 13,84 -1,64

Niveau d'agressivité
Référence: Peu agressif
moyen agressif -6,05 7,01 -0,86
agressif -49,00 *** 6,21 -7,89
très agressif -79,52 *** 7,57 -10,51

Niveau d'expérience
Référence: Moins de 2 jours
entre 2 et 25 28,53 *** 6,36 4,49
entre 25 et 75 18,45 * 7,25 2,55
entre 75 et 150 -9,93 8,63 -1,15
plus de 150 jours -10,58 8,78 -1,20
Constante 89,49 *** 17,54 5,1
* p<0,05, ** p<0,01, *** p<0,001 N=27142

Les caractéristiques des joueurs sont primordiales dans l'analyse de l' enchère à un sou selon
nous. Avec les trois caractéristiq ues que nous estimons, nous prenons en considération
l'implication d'avoir une stratégie de miser et d'avoir un certain niveau de réputation via le
niveau de profitabilité et d' expérience.
 57

Nous voyons que le nombre de mise total enregistré, lorsque le gagnant de l' enchère a un bon
niveau de profitabilité ( -500 à 0$) et est très agressif, est significativement plus bas que si le
gagnant a moins fait de profit dans le passé et s'il est moins agressif. En ce qui concerne
l'expérience du gagnant, la tendance est aussi à la baisse mai s ce n'est pas assez significatif
pour en attribuer une réelle contribution. Selon notre interprétation, un joueur qui a fait des
profits dans le passé et qui mise de manière agressive a le profil d'un joueur jouissant d' une
forte réputation. Donc, avec cette analyse d' un aspect du déroulement du jeu, nous sommes
déjà en mesure de constater l' importance du comportement des joueurs sur le jeu de l' enchère
à un sou.

4.2.2 Estimations du rapport entre le nombre de mises effectuées par le gagnant et le

nombre total (Jem/Je)

Le nombre de mises total dans une enchère est affecté par les caractéristiques du joueur
gagnant. Au niveau profitabilité, le fait qu' il y ait moins de mises au total signifie que Bidou
fait nécessairement moins de profits mais aussi que les joueurs ont moins payé pour miser.
Cependant, l'effet sur le rapport entre le nombre de mises du gagnant et le nombre de total de
mises n'est pas évident. Il est possible que le joueur qui remporte l'enchère ait misé beaucoup
plus et ait été le majeur contributeur au nombre total de mises. Ainsi, ce que nous voulons
vérifier principalement est si le fait d'être agressif et d'avoir une bonne réputation aide les
joueurs à avoir à moins miser pour remporter une enchère. De cette façon, nous pourrons
conclure qu' un joueur a intérêt à adopter un certain comportement optimal pour minimiser
son coût de mises et maximiser son espérance de victoires.
 58

4.2.2. 1 Effets temporels

Tableau 4.5 Estimations sur Jem/Je des vari ables de temps

Écart-type
Coefficients robuste Statistique t
Jours dans le mois
Référence: 6-25 du mois
1-5 du mois -0,003 0,003 -0,950
26-31 du mois 0,000 0,003 0,050

Jours de la semaine
Référence: Lundi
Dimanche -0,001 0,004 -0,140
Mardi 0,000 0,004 0,070
Mercredi 0,001 0,004 0,200
Jeudi 0,003 0,004 0,770
Vendredi 0,017 *** 0,004 4,010
Samedi 0,024 *** 0,004 5,770

Mois dans l'année

Référence: Juillet
Janvier 0,033 *** 0,007 5,070
Mars -0,087 *** 0,010 -8,570
Avril -0,057 *** 0,007 -8,670
Mai -0,019 ** 0,007 -2,960
Juin 0,002 0,007 0,320
Août 0,006 0,006 1,040
Septembre 0,018 ** 0,006 3,060
Octobre 0,020 *** 0,005 3,780
Novembre -0,003 0,005 -0,630
Décembre 0,008 0,005 1,460

Heures dans la journée

Référence: 11-17 heures
1-5 heures 0,064 *** 0,017 3, 860
6-10 heures -0,019 *** 0,004 -4,890
18-24 heures -0,016 *** 0,002 -6,850
Constante 0,319 *** 0,009 36,44
* p<0,05, **p<0,01, *** p<0,001 N=27142
 59

L'effet temporel est différent sur le rapport des mises que sur les mises total. En fait, l'effet
est opposé. Dans les moments où vraisemblablement il y a plus de mises au total, le ratio de
mises du gagnant est moins grand. Ce qui est logique puisque sur un grand nombre de mises
le ratio sera nécessairement en moyenne plus petit plus le dénominateur devient gros.
Cependant, durant les moments propices à avoir moins de joueurs en ligne, le gagnant doit
contribuer davantage au nombre de mises. Par exemple, dans la nuit entre 1 et 5 heures du
matin, les joueurs qui sont en ligne pour jouer font possiblement d' un type de joueur
davantage gambier que ceux qui joueraient pour le plaisir après le souper en soirée. Ces
joueurs pourraient avoir le profil d' un powerbidder.

4.2.2.2 Effets d'offre de produits

Tableau 4.6 Estimations Jem/Je des variables d'offre

Écart-type
Coefficients robuste Statistique t
Valeur du bien
Référence: Moins de 25$
25-50$ -0,058 *** 0,003 -19,490
50-75$ -0,058 *** 0,007 -8,380
75-150$ -0,090 *** 0,004 -20,570
150-300$ -0,109 *** 0,004 -24,150
Plus de 300$ -0,157 *** 0,006 -24,260

Catégorie du bien
Référence: Cartes Cadeaux
Articles ménagers 0,059 *** 0,006 10,200
Audio-video & Électroniques 0,050 *** 0,005 9,260
Jeux video et diverstissement 0,058 *** 0,006 9,050
Livres, musiques & cinéma 0,111 *** 0,029 3,790
Lots de bidous -0,018 *** 0,003 -5,890
Mode & beauté 0,083 *** 0,014 5,960
Ordinateurs et logiciels 0,056 *** 0,008 7,150
Rénovations & décorations 0,045 *** 0,008 5,730
Spectacles & événements 0,053 ** 0,020 2,660
Sports & plein-air 0,041 *** 0,011 3,850
Véhicules 0,044 0,053 0,830
Constante 0,319 *** 0,009 36,44
* p<0,05, ** p<0,01, *** p<0,001 N=27142
 60

Le constat est le même pour l'effet d' offre de produit c' est-à-dire que l' effet est l' inverse sur
le rapport des mi ses comparativement au nombre de mises total. Nous ne pouvons pas
réellement tirer des conclusions majeures avec ce tableau d'estimations.

4.2.2.3 Effets de stratégie

Tableau 4.7 Esti mation Jem/Je des variables de stratégie

Écart-type
Coefficients robuste Statistique t
Profit cumulatif avant l'enchère i
Référence: Moins de -3000$

entre -3000 et -500$ -0,031 *** 0,005 -6,380

entre -500 et 0$ -0,050 *** 0,005 -10,290
plus de 0$ -0,027 *** 0,005 -5,220

Niveau d'agressivité
Référence: Peu agressif
moyen agressif -0,025 *** 0,004 -6,830
agressif 0,011 ** 0,003 3,180
très agressif 0,022 *** 0,004 6,020

Niveau d'expérience
Référence : Moins de 2 jours
entre 2 et 25 0,009 ** 0,003 {.,780
entre 25 et 75 0,020 *** 0,004 5,540
entre 75 et 150 0,021 *** 0,004 4,950
plus de 150 jours 0,019 *** 0,005 4,120
Constante 0,319 *** 0,009 36,44
* p<0,05, ** p<0,01, *** p<0,001 N=27142
 61

L' effet de stratégie et de caractéristiques du joueur gagnant sont très significatifs sur
l'ensemble des variables étudiées. Les joueurs avec un niveau de profitabilité entre -500 et 0$
sont avantagés par rapport aux autres. Ils doivent miser moins pour remporter une enchère. Si
nous cumulons les effets d'être très agressif et d'avoir beaucoup d'expérience, avoir une
bonne profitabilité compense pour faire en sorte que le joueur gagnant mise moins. Nous
croyons que par ces résultats on assiste directement à un effet de réputation avantageant le
joueur avec la meilleur réputation en lui permettant de moins contribuer au nombre total de
mises total tout en sortant vainqueur.

Cette analyse sur le déroulement du jeu donne un bon aperçu de ce que l' aspect temporel,
l' offre de produit et Je comportement peuvent avoir sur les déterminants de profitabilité des
joueurs et de l' encanteur. Ce qui va suivre permettra d'avoir une meilleure idée de ces mêmes
effets sur les profits directement.

4.2.3 Estimations des profits par enchère de Bidou en %de la valeur du bien

Après avoir estimé la régression sur Je profit Bidou en % de la valeur du bien, on obtient
l' ensemble des résultats par rapport aux coefficients de chacune des variables explicatives.
Afin de voir plus directement l'impact de chacun des trois effets ci-haut, nous avons
construits des tableaux de résultats pour chaque effet.
 62

4.2.3. 1 Effets temporel

Tableau 4.8 Estimations sur profit bidou des variables de temps

Écart-type
Coefficients robuste Statistique t
Jours dans le mois
Référence: 6-25 du mois
1-5 du mois 0,077 * 0,039 2
26-31 du mois 0,051 0,036 1,4

Jours de la semaine
Référence: Lundi
Dimanche 0,099 0,052 1,92
Mardi 0,011 0,051 0,21
Mercredi 0,053 0,051 1,04
Jeudi -0,012 0,049 -0,24
Vendredi -0,111 * 0,049 -2,27
Samedi -0,244 *** 0,047 -5,14

Mois dans l'année

Référence: Juillet
Janvier -0,452 *** 0,076 -5,92
Mars 0,314 * 0,149 2,11
Avril 0,263 * 0,104 2,53
Mai -0,028 0,094 -0,3
Juin 0,165 0,085 1,94
Août 0,088 0,068 1,29
Septembre -0,358 *** 0,066 -5,43
Octobre -0,536 *** 0,061 -8,78
Novembre -0,325 *** 0,064 -5,09
Décembre -0,332 *** 0,064 -5,2

Heures dans la journée

Référence: 11-17 heures
1-5 heures -0,152 0,171 -0,88
6-10 heures 0,299 *** 0,051 5,9
18-24 heures 0,209 *** 0,028 7,35
constante 1,082 *** 0,100 10,83
* p<0,05, ** p<0,01, *** p<0,001 N=26570
 63

L'effet temporel peut s'avérer très important pour les deux agents dans les enchères à un sou.
Premièrement, les propriétaires du site Internet ont intérêt à mettre en ligne leurs enchères à
des moments stratégiques de façon à maximiser la possibilité de faire des profits. Par
exemple, on remarque avec la variable mjours_e que les 5 premiers jours du mois sont très
profitables pour Bidou comparativement aux jours dans le milieu du mois. Par conséquent,
Bidou peut profiter de cette information pour mettre à l'enchère des objets qui généralement
ne se vendent pas biens. De cette façon, étant donné l' aspect particulier des 5 premiers jours
du mois, notamment parce que les gens qui bénéficient de l' aide social viennent juste de
recevoir leur chèque, Bidou maximiserait leur profit.

Le moment dans la vie du site bidou.ca semble être très significatif pour la formation de
profits. À l' arrivée du site Internet, en Mars, les profits étaient significativement mieux que
vers la fin de l'année 2010. Aussi , dans les heures de !ajournée et les journées où il est plus
logique de croire qu'il y a davantage de joueurs, les profits de bidou sont meilleurs. Ce
résultat concorde avec ce que nous avions trouvé jusqu'à maintenant. Plus il y a de joueurs
plus c'est à l'avantage de l' encanteur.

D'autre part, pour les joueurs, s'ils étaient en mesure d'estimer le nombre de joueurs présents
sur le site, ils auraient intérêt à venir jouer sur le site aux moments avec le moins de joueurs.
Puisque le profit de Bidou provient principalement des mises des joueurs, le fait que le site
fasse moins de profit durant ces moments, donne comme information qu' il y a moins de
joueurs présents sur le site. Or, ici on ne peut pas nécessairement affirmer que le mois ou que
le nombre de joueurs jouent un rôle concret dans cette baisse de profit cela reste une
explication plausible. De la même façon, avec les résultats des estimations, on remarque que
le dimanche est une journée où les joueurs se présentent en grand nombre pour jouer ce qui
amène beaucoup de profit à Bidou (le contraire pour vendredi et samedi). Par conséquent, si
les joueurs connaissaient ce fait, ils ne devraient pas jouer le dimanche mais plutôt le
vendredi ou le samedi où les profits sont plus faibles pour Bidou. Si on combine ces
informations avec les résultats obtenues concernant la variable dheure, la logique reste la
même, il est préférable pour les joueurs de jouer très tard dans la nuit afin de maximiser leur
chance de remporter l'enchère pour peu.
 64

En conclusion, les résultats de 1'estimation respectent en général ce que nous avio ns observé
avec les statisti ques descriptives à savoi r que les premiers jours du moi s, le samedi et le soir
sont des moments significativement explicatifs du profit de bidou.

4.2.3.2 Effets de l'offre de produits

Tableau 4.9 Estimations profit bidou des variables de 1'offre

Écart-type
Coefficients robuste Statistique t
Valeur du bien
Référence: Moins de 25$
25-50$ 0,507 *** 0,035 14,53
50-75$ 0,608 *** 0,080 7,56
75-150$ 0,661 *** 0,064 10,33
150-300$ 0,782 *** 0,068 11,46
Plus de 300$ 1,197 *** 0,091 13,13

Catégorie du bien
Référence: Cartes Cadeaux
Articles ménagers -0,912 *** 0,065 -14,03
Audio-vi deo & Électroniques -0,943 *** 0,071 -13,3 7
Jeux video et diverstissement -0,702 *** 0,077 -9,17
Livres, musiques & cinéma -0,655 *** 0,180 -3,63
Lots de bidous 0,113 ** 0,036 3,13
Mode & beauté -1,361 *** 0,108 -12,62
Ordinateurs et logiciels -0,940 *** 0,088 -10,7
Rénovations & décorations -0,872 *** 0,087 -10,08
Spectacles & événements -1,098 *** 0,214 -5,13
Sports & plein-air -0,484 *** 0,119 -4, 05
Véhicules -2,033 *** 0,226 -8,98
constante 1,082 *** 0,100 10,83
* p<O,OS, ** p<0,01, *** p<0,001 N=26570
 65

Il est assez évident avec ces résultats que plus la valeur du bien mis à l'enchère est élevée
plus les profits pour Bidou sont élevés. Comme nous avons fait l'hypothèse que Bidou se
procurait les biens à un prix équivalent à la valeur, par conséquent, les profits proviennent
principalement des mises des joueurs. Ainsi, sachant que les mises sont le moteur principal
de profit, on peut en conclure que les objets ayant une grande valeur attirent davantage les
gens et les incitent à miser beaucoup. Nous avons obtenu ce résultat lors de l'estimation du
déroulement du jeu.

D'autre part, la catégorie lots de bidou s'avère être définitivement la plus profitable pour les
propriétaires de Bidou.ca. En effet, comme nous avons fait l'estimation en comparant avec la
catégorie cartes cadeaux, on remarque que seuls les lots de bidous sont plus profitables que
les cartes cadeaux. Il est assez surprenant de voir que les enchères de biens provenant des
catégories audio-électronique et jeux-videos rapportent moins que les cartes cadeaux. En
effet, dans Platt, Priee et Tappen (20 10), ces types d'enchères correspondent au plus
profitables pour le swoopo.com. La catégorie véhicules correspond à nouveau à la catégorie
la moins profitable pour Bidou.
 66

4.2.3 .1 Effets du comportement des joueurs sur les profits de bidou

Tableau 4.10 Estimation sur profit bidou des vari ables de comportement

Écart-type
Coefficients robuste Statistique t
Profit cumulatif avant l'enchère
i Référence: Moins de -3000$
entre -3000 et -500$ 0,068 0,067 1,02
entre -500 et 0$ -0,238 *** 0,066 -3,62
plus de 0$ -0,132 0,069 -1,9

Niveau d'agressivité
Référence : Peu agressif
moyen agressif 0,193 *** 0,047 4,08
agressif -0,216 *** 0,041 -5,32
très agressif -0,455 *** 0,040 -11,35

Niveau d'expérience
Référence: Moins de 2 jours
entre 2 et 25 0,191 *** 0,039 4,89
entre 25 et 75 0,121 ** 0,044 2,74
entre 75 et 150 0,003 0,050 0,05
plus de 150 jours -0,040 0,055 -0,73
constante 1,082 *** 0,100 10,83
* p<0,05, **p<0,01, *** p<0,001 N=26570

Avec les variables indépendantes reliées à l'effet stratégie, nous avions la possibilité de voir
l' impact direct du comportement des joueurs sur le résultat de chacune des enchères sur
Bidou. Ainsi, nous avons deux types de stratégies qui découlent de ces variables.
Premièrement, la stratégie d'être agressif. Lorsque les joueurs sont très agressifs, Bidou
souffre grandement contrairement à si les joueurs étaient peu agressif. De plus, si les joueurs
acquièrent de l'expérience en jouant souvent et en remportant beaucoup d'enchères alors les
profits de Bidou sont moins élevés aussi. Cependant, l' effet est moins significatif que l'effet
d'agressivité. Plus le niveau de profitabilité du gagnant au moment où il remporte l'enchère,
moins que bidou fera de profit. Nous sommes d' avis que le fait d' acquérir de l'expérience et
 67

de remporter beaucoup d'enchères tout en étant profitable jusqu'à un certain point correspond
en quelque sorte à la formation de la réputation du joueur. Ainsi , nous pouvons affirmer que
plus les joueurs jouissent d'une forte réputation moins Bidou fera de profit sur les enchères
auxquelles ils participent.

En bref, nous arrivons à une conclusion semblable à Augenblick (2010), qui dit que les
joueurs ont une courbe d'apprentissage très lente. C'est-à-dire que pour acquérir le statut de
« powerbidder », le joueur va subir beaucoup de perte jusqu' au moment où il obtient le dit
statut. Par la suite, il pourra être avantagé et faire peur aux autres usagers faisant en sorte que
l'enchère se termine plus rapidement qu'elle ne le devrait (et donc moins de profit pour
Bidou). Il y a donc un comportement à avoir qui améliore les possibilités de gains des
joueurs. Au départ, les joueurs, qui désirent atteindre un niveau de réputation assez grand
pour finalement faire des gains réguliers, font des pertes que l'on peut caractériser par un
apprentissage lent et le fait qu' ils doivent miser beaucoup de manière agressive. En jouant de
manière agressive pendant une longue période, le joueur va remporter des enchères et petit à
petit va se bâtir une réputation auprès des autres utilisateurs. Cependant, pour arriver au point
de profitabilité, les joueurs font des pertes énormes comme nous l' avons vue avec les
statistiques descriptives.

Maintenant, nous nous intéressons à 1' estimation du profit des joueurs. De la même façon ,
nous allons présenter les résultats de façon à séparer les trois effets sélectionnés.

4.2.4 Estimation des profits par enchère des joueurs en % de la valeur du bien

Selon nos définitions des profits de l' encanteur et des joueurs, nous devrions obtenir
logiquement les estimations inverses des effets pour le profit des joueurs comparativement à
celles sur le profit de Bidou. Notre intérêt dans cette sou-section est de vraiment déterminer si
Je comportement du joueur a un effet significatif directement sur ses profits.
 68

4.2.4.1 Effet temporel

Tableau 4.11 Estimations sur Je profit des joueurs des variables de temps

Écart-type
Coefficients robuste Statistique t
Jours dans le mois
Référence: 6-25 du mois
1-5 du mois 0,002 0,006 0,28
26-31 du mois -0,016 ** . 0,006 -2,60

Jours de la semaine
Référence: Lundi
Dimanche -0,001 0,009 -0,11
Mardi 0,006 0,009 0,67
Mercredi 0,012 0,008 1A2
Jeudi 0,003 0,008 0,39
Vendredi 0,009 0,008 1,12
Samedi 0,024 ** 0,008 2,86

Mois dans l'année

Référence: Juillet
Janvier -0,015 0,014 -1,11
Mars 0,074 *** 0,020 3,64
Avril 0,041 ** 0,013 3,10
Mai 0,032 * 0,013 2,37
Juin -0,027 * 0,013 -2,08
Août -0,016 0,011 -1,50
Septembre 0,024 * 0,011 2,30
Octobre 0,041 *** 0,010 4,03
Novembre 0,032 ** 0,010 3,12
Décembre 0,004 0,011 OAO

Heures dans la journée

Référence: 11-17 heures
1-5 heures -0, 048 0,033 -1A6
6-10 heures -0,032 *** 0,008 -3,95
18-24 heures -0,026 *** 0,005 -5,39
Constante 0,640 *** 0,018 36,30
* p<0,05, **p<0,01, *** p<0,001 N=26408
 69

D'après les résultats de l'estimation des différents coefficients, il est difficile de faire des
conclusions concrètes concernant le moment de l'enchère et les gains actuels des joueurs.
Initialement, nous avions eu le même constat avec les statistiques descriptives. Cependant,
selon nos intuitions, nous avions tendance à croire que les joueurs avaient intérêt à cibler les
moments où l'achalandage sur le site est à son plus bas, de cette façon, ils auraient davantage
de chance de remporter l'enchère avec moins de mises. Or, avec les résultats du tableau 4.11,
on remarque la tendance inverse c'est-à-dire que ça revient plus profitable lorsque le jeu a
lieu dans les moments où il y a beaucoup de joueurs. L' explication réside possiblement dans
le fait que, par exemple, dans la nuit il y a beaucoup moins d'enchères en ligne et ainsi, les
joueurs qui sont présents pour miser misent tous sur la même enchère comparativement à
dans la soirée où il peut y' avoir jusqu' à 10 enchères en simultanées, le nombre de joueurs est
dilué parmi les différentes enchères.

Aussi, si on suppose que dans les moments les moins propices à avoir beaucoup
d'achalandage sur le site Internet ce sont les « powerbidders » qui se présentent, on assiste à
des combats de joueurs puissants qui peuvent se rapprocher au jeu de « chicken » comme
Augenblick (201 0) en a démontré la présence dans les enchères à un sou de swoopo.com.
Dans un jeu de « chicken » à l'intérieur d'une enchère à un sou, deux joueurs puissants
combattent afin de prouver qu'ils sont supérieurs ce qui fait en sorte que ces deux joueurs
misent énormément et font des pertes. La raison d'adopter une telle attitude revient à vouloir
forger sa réputation auprès des autres joueurs forts. Par conséquent, l'effet temporel capterait
en réalité un aspect comportemental particulier de certains joueurs sur le site Internet
bidou.ca.
 70

4.2.4.2 Effets de l'offre de produits

Tableau 4.12 Estimations sur le profit des joueurs des variables de l'offre

Écart-type
Coefficients robuste Statistique t
Valeur du bien
Référence: Moins de 25$
25-50$ -0,016 ** 0,006 -2, 66
50-75$ -0,004 0,014 -0,32
75-150$ 0,022 * 0,010 2,21
150-300$ 0,044 *** 0,010 4,31
Plus de 300$ 0,056 *** 0,014 4,05

Catégorie du bien
Référence: Cartes Cadeaux
Articles ménagers 0,041 *** 0,012 3,58
Audio-video & Électroniques 0,066 *** 0,011 6,10
Jeux video et dive rstissement 0,024 0,013 1,82
Livres, musiques & cinéma 0,000 0,043 0,01
Lots de bidous 0,011 0,006 1,76
Mode & beauté 0,082 ** 0,025 3,21
Ordinateurs et logiciels 0,073 *** 0,015 4,99
Rénovations & décorations 0,080 *** 0,016 5,12
Spectacles & événements 0,028 0,057 0,50
Sports & plein-air 0,018 0,021 0,84
Véhicules 0,224 *** 0,051 4,41
Constante 0,640 *** 0,018 36,30
* p<0,05, ** p<0,01, *** p<0,001 N=26408

Sur bidou.ca, il y a beaucoup de biens appartenant à des catégories différentes. Par

conséquent, le résultat d' une enchère va être différent dépendamment du type de biens mis à
l' enchère. Platt, Priee et Tappen (2010) ont montré que dans les enchères de biens
appartenant à la catégorie jeux-video 1 audio-video & électroniques, les gens avaient un goût
 71

pour le risque beaucoup plus grand ce qui faisait en sorte que le modèle théorique de
rationalité ne reproduisait pas bien le jeu. Avec l'aj out de l'aspect goût pour le risque dans le
modèle, la captation des données était de beaucoup supérieur. Dans notre étude, nous voulons
voir si l' impact de l'offre de produit se fait sentir sur les profits des joueurs. Premièrement, il
est logique de voir que plus la valeur du bien est élevée plus les profits des joueurs qui
remportent l'enchère est élevé parce que le profit a été défini comme : la valeur- (le coût des
mises + le coût du bien). Les catégories de biens non profitables pour Bidou le sont en
général pour les joueurs (voir véhicule, rénovation, mode, etc.). Il est donc dire que le profit
des joueurs aurait une corrélation négative avec le profit de Bidou. Les coefficients estimés
pour l'effet d'offre sont en général plus élevés que ceux obtenus par rapport à l'aspect
temporel. Pour le profit des joueurs gagnants, le moment où une enchère est mise en ligne a
une moins grande implication que la catégorie et la valeur du bien en question.
 72

4.2.4.3 Effets du comportement des joueurs sur les profits des joueurs

Tableau 4.13 Estimation sur les profits des joueurs des variables de comportement

Écart-type
Coefficients robuste Statistique t
Profit cumulatif avant l'enchère
i Référence: Moins de -3000$
entre -3000 et -500$ 0,036 ** 0,013 2,75
entre -500 et 0$ 0,112 *** 0,013 8,77
plus de 0$ 0,058 *** 0,014 4,29

Niveau d'agressivité
Référence: Peu agressif
moyen agressif -0,062 *** 0,007 -9,51
agressif -0,096 *** 0,006 -15,89
très agressif -0,089 *** 0,007 -13,51

Niveau d'expérience
Référence: Moins de 2 jours
entre 2 et 25 -0,050 *** 0,006 -7,85
entre 25 et 75 -0,033 *** 0,007 -4,58
entre 75 et 150 -0,008 0,008 -0,98
plus de 150 jours -0,006 0,010 -0,61
Constante 0,640 *** 0,018 36,30
* p<0,05, ** p<0,01, *** p<0,001 N=26408

L'aspect stratégique est l'effet qui est entièrement contrôlé par les joueurs eux-mêmes. En
effet, ce sont les joueurs qui décident de la façon dont ils vont miser afin de remporter des
enchères. Par stratégie, on entend surtout la vitesse et la quantité à laquelle ils vont miser. En
premier lieu, il faut se mettre dans l'esprit du jeu et bien comprendre son déroulement. Après
chaque mise, il y a un coût et le jeu continu. Un joueur qui désire remporter une enchère a
deux objectifs. Le premier: payer le moins cher pour gagner le bien. Le deuxième: s'assurer
que le jeu se poursuivre sinon il va perdre l'enchère et pas être en mesure de mettre la main
sur l' objet convoité. Comment faire dans un contexte comme celui-ci de s' assurer que le jeu
continu mais en payant le moins cher possible? li faut miser stratégiquement et surtout, le
 73

moins possible. Donc, un joueur rationnel va miser à la dernière seconde. De cette façon, il
maximise ses deux objectifs à savoir payer le moins cher et s'assurer que l'enchère continue.
Cependant, en aucun temps, une telle stratégie garantie une victoire ou des profits. Comme
on l'a analysé dans la section statistique descriptive, les joueurs agressifs remportent la
majorité des enchères.

Tout d'abord, analysons l'aspect agressivité. Les estimations du tableau 4.13 illustrent
qu'être très agressif comparativement à être peu agressif est moins profitable et c'est très
significatif. Cependant, il faut se rappeler que pour se bâtir une forte réputation, un joueur
doit remporter beaucoup d'enchères et acquérir un meilleur niveau de profitabilité. Comme
avons trouvé qu'être agressif permettait plus de gains, nous pouvons constater que l'effet qui
s'en découle est un meilleur niveau de profitabilité. L' effet du niveau de profitabilité est
significativement positif sur le profit des joueurs avec 11 .2% de la valeur du bien.

Ainsi, si on combine ces résultats concernant l'agress ivité avec ceux par rapport à la
réputation (niveau de profitabilité et expérience), nous soulevons la possibilité que pour
réconcilier la profitabilité et victoires les joueurs doivent jouer de manière agressive durant
une longue période. C'est donc dire que la progression vers le statut de joueur expérimenté
est très couteuse pour le joueur, mais que par la suite, il verra ses profits devenir de moins en
moins négatifs puisqu ' il remportera de plus en plus d 'enchères tout en misant moins qu'à son
arrivée sur le site.

Ainsi , pour atteindre le niveau d ' expérience et le statut de joueur puissant, les joueurs ont
beaucoup perdu au préalable du principalement au fait qu'il s ont été très agressifs et ont misé
beaucoup pour bâtir leur réputation . Conclusion qu' Augenblick (20 10) avait eu aussi dans
son article.
 CONCLUSION

Avec cette étude, nous avons établi plusieurs faits concernant les enchères à un sou se
déroulant sur le site Internet bidou.ca. Notamment, l'implication de trois effets influençant le
déroulement du jeu, les profits de Bidou et des joueurs. L'effet temporel , de l'offre de produit
et stratégique. L'importance de bien caractériser le profit des deux agents dans cette activité
économique vient du fait que le mécanisme derrière les enchères à un sou amène à des
résultats qui ne sont pas expliqués par la théorie économique classique. Effectivement, il est
très particulier de faire 116% de profit sur un bien et ce de manière régulière. Pour cette
raison, nous voulions caractériser les fondements même du profit. Avec les trois effets
analysés, nous avons démontré que le comportement des joueurs sur bidou.ca avait une
grande influence sur les profits de manière conceptuelle et économétrique. Plus précisément,
le fait d'être très agressif améliore la probabilité de faire des profits via le plus grand nombre
de victoires mais aussi augmente la possibilité de faire beaucoup de perte avant d'atteindre le
statut de powerbidder. Ainsi, un cycle vicieux est créé. Pour maximiser ces chances de
remporter une enchère, les joueurs ont intérêt à être très agressif afin de s'établir une forte
réputation. Cependant, tout au long du processus, avant d'arriver au statut convoité, les
joueurs font énormément de perte et c'est dans cette situation que Bidou en profite. Au final,
peu de joueurs s'avèrent gagnants. Ils remportent des biens, mais perdent beaucoup plus
d'argent qu 'i ls ne semblent le croire. De manière mathématique, l'analyse de l'enchère à un
sou prédit une espérance de profit nul pour l'encanteur. On a vu que dans la réalité, le résultat
est tout autre.

Avec ce mémoire, nous avons mis en valeur l' importance que peut avoir la réputation des
joueurs dans le jeu de l'enchère à un sou. À ce jour, la réputation n'avait pas été estimée de
manière empirique et nos résultats démontrent que celle-ci joue un rôle majeur dans la
formation des profits des joueurs, mais aussi de Bidou. En effet, pour Bidou, la présence de
joueurs puissants est très néfaste pour ses profits. Nous pouvons penser que les joueurs
 75

puissants font fuir les nouveaux joueurs et donc font baisser le nombre de joueurs qui joue
sur le site. Au final, la réputation peut faire en sorte qu'un site d'enchères à un sou doit
fermer après quelque temps par manque de profitabilité. Il est intéressant de constater que
rendu en 2012, le site d' enchères Bidou.ca qui fait l' objet de notre étude a complètement
enlevé la possibilité de suivre chacun des joueurs grâce à leur nom d' utilisateur.
Effectivement, maintenant, les joueurs de chaque enchère ont un id affecté automatiquement
qui dépend du moment où le joueur a misé. Donc, il est maintenant impossible pour les
joueurs de savoir qui est qui dans les enchères. Il n' est plus possible de se forger une
réputation à long terme mais seulement durant le courant d'une enchère. Ainsi , un joueur
pourrait avoir misé très agressivement et avoir fait peur aux autres pour remporter l'enchère
cependant, si ce même joueur jouait dans une enchère après personne ne saurait qu' il était
celui qui avait été agressif et qui avait remporté l' enchère dans le passé. Donc, en enlevant les
noms d'utilisateurs, Bidou élimine tout aspect stratégique concernant l' information qu' un
joueur peut acquérir sur un autre d' après son historique respectif. Nous sommes convaincus
que la raison principale de ce changement par Bidou était l' impact très négatif sur leur profit
d'avoir des joueurs puissants. C'est donc dire que nos résultats concernant la réputation
seraient significatifs sur les profits et sur le résultat du jeu.

D'autre part, il y a certaines limitations et des avenues différentes à considérer par rapport à
ce mémoire. Notre cadre théorique ne fait que conceptualiser le jeu et l' acquisition de
l' information. Pour montrer théoriquement qu'il existe un équilibre menant à une stratégie
optimale utilisant la réputation, il faudrait faire une analyse du même type que celle effectuée
par Kreps, D. et Wilson, R. (1982) dans leur papier sur l' impact de la réputation d' un
monopoleur sur l'entrée des autres firmes. Ensuite, lorsque nous avons calculé les profits de
bidou.ca et des joueurs, nous n' avons pas pu prendre en compte des bidous 19 remportés dans
les enchères de lots de bidous. Par conséquent, les profits calculés sont possiblement un peu
surestimés par rapport aux profits réels. Ainsi , les joueurs que nous avons qualifiés de
powerbidder auraient, selon nous, des profits beaucoup plus élevés que ce que nous avons

19
Nous avons contacté les propriétaires sur cette question, et même eux n'ont pas l' information
afin de départager les bidous achetés versus les bidous gagnés que les joueurs possèdent.
 76

trouvé. Ceci pourrait expliquer leur comportement, dont la rationalitë 0 n'a pas été montrée,
leur comportement lorsqu'ils misent sans jamais s'arrêter. Il s mi seraient des bidous qu ' ils ont
obtenus via les enchères de lots de bidous, et donc, sans véritable valeur à leurs yeux.

Notre objectif avec ce mémoire était d'expliquer les profits d'une enchère sur bidou.ca en
regardant l' impact du comportement des joueurs, cependant, il serait intéressant d'aller plus
profondément dans le sujet. C' est-à-dire de s'attarder au niveau psychologique des joueurs
par rapport aux comportements qu'ils ont dans ce type de jeu. Nous croyons que la
problématique relié aux enchères à un sou va au-delà de l'aspect économique. Les enchères à
un sou ont comme incitatif d 'obtenir un bien d'une grande valeur pour quelques dollars de la
même façon que la loterie donne l'espoir aux gens de voir leur vie complètement changée en
devenant riche. Il y a des similitudes entre le comportement des gens sur les sites d'enchères
à un sou et à ceux qui jouent à des jeux de hasard tel au casino. Selon nous, le jeu qui se
rapproche le plus de l'enchère à un sou est le poker puisqu'il exige des joueurs de la stratégie
tout en restant un jeu de hasard. Toutefois, il est intéressant de mentionner que le poker est
légiféré par le gouvernement du Québec mais pas les sites d'enchères à un sou tel bidou.ca.

20
Nous n'avons pas touché à cette question de rationalité dans le jeu de l' enchère à un sou,
mais ceci pourrait être un sujet qui serait pertinent à étudier.
 Bibliographie

Akerlof, G.A. 1970.«The market for lemons: Quality, uncertainty and the market
mechanism»The Quarter/y Journal of Economies, 84(3):488-500.

Ariely, O. et Simonson, 1. 2003.«Buying, bidding, playing, or competing? Value assessement

and decision dynamics in Online auctions » Journal of consumer psycho/ogy, 13 :113-
123 .

Augenblick, N. 201 O.«Consumer and producer behavior in the market for penny auctions: A
theoretical and empirical analysis», Working Paper.

Baye, M.R., Kovenock, O. et de Vries, C.G. 1996.«The all-pay auction with complete
information», Economie Theory, 8, 291-305.

Bulow, J et Klemperer, P. 1999.«The generalized war of attrition», Americain Economie

Review, 89, 175-189.

Byers, J., Mitzenmacher, M. et Zervas,G. 2010.«1nformation Asymmetries in pay-per-bid

auctions : How Swoopo makes bank», Working Paper.

Henricks, K, Weiss, A. et Wilson, C. 1988.«The war of attrition in continious time with

complete information», International Economie Review, 29(4), 663-680.

Hinnosaar, T. 201 O.«Penny Auctions», Working Paper Northwestern University.

Hoerisch, H. et Horisch, O. 2008.«Less fighting than expected- Experiments with wars of

attrition and all-pay auctions», Working Paper.

Kreps, O. et Wilson, R. 1982. «Reputation and imperfect information», Journal Economie

Theory, 27, 253-279.

Krishna, V. et Morgan, J. 1997. «An analysis of the war of attrition and the all-pay auction»,
Journal Economie Th eory, 72, 343-362.

Milgrom, P. et Roberts, J. 1982. «Predation, reputation and entry deterrence», Journal

Economie Theory, 27, 280-312.

Milgrom, P. et Weber, R. J. 1985. «Oistributional strategies for games with incomplete

information», Mathematies of Operations Research, 10, 619-632.

Platt, B. , Priee, J. et Tappen, H. 20 10.«Pay-to-bid Auctions», Working Paper Brigham Young

University.
 78

Rothschild, M. et Stiglitz, J. 1976.«Equilibrium in competitive insurance markets: An essay

on the economies of imperfect information », The Quarter/y Journal of Economies,
90(4), 629-649.

Shubik, M. 197l .«The Dollar Auction Game: A paradox in noncooperative behavior and
escalation», Journal of Conjlict Resolution, 15, 109-111.

Siegel, R. 2009.«All-Pay Contests», Econometrica, 77(1 ), 71-92.

Spence, M. 1973 . «Job market signaling», The quater/y journal of economies, 87(3), 355-
374.