Séminaire Axe 1/CoCoLab : The economics of language

Résumé de l'intervention 

Many economic interactions are mediated by language: instructions, frames, and narratives that shape how agents interpret situations and choose strategies. In this talk, I argue that language should be treated as a quantifiable component of utility. I introduce the LENS model, in which linguistic content triggers emotions and suggests norms, which interact to shape strategic choices. Building on this framework, I propose a language-based utility function that formalizes how linguistic framing influences behavior. I derive testable predictions in the dictator game and evaluate them using a corpus of 107 experimental instructions. Linguistic features are quantified using both human ratings and deep-learning models, including BERT, MoralBERT, GPT. Across methods, GPT-based evaluations predict human giving behavior substantially better than traditional outcome-based social preferences. I further demonstrate the robustness of these results by extending the analysis to equity–efficiency trade-offs, ultimatum games, and corruption games. Overall, the findings suggest that language is a measurable driver of economic behavior, with implications for behavioral economics and the use of AI as a scientific measurement tool.

De nombreuses interactions économiques s’effectuent par le biais du langage : instructions, cadres de référence et récits qui façonnent la manière dont les agents interprètent les situations et choisissent leurs stratégies. Dans cette présentation, je soutiens que le langage devrait être considéré comme une composante quantifiable de l’utilité. Je présente le modèle LENS, dans lequel le contenu linguistique suscite des émotions et suggère des normes, qui interagissent pour façonner les choix stratégiques. En m’appuyant sur ce cadre, je propose une fonction d’utilité fondée sur le langage qui formalise la manière dont le cadrage linguistique influence le comportement. Je déduis des prédictions vérifiables dans le jeu du dictateur et je les évalue à l’aide d’un corpus de 107 instructions expérimentales. Les caractéristiques linguistiques sont quantifiées à la fois par des évaluations humaines et par des modèles d’apprentissage profond, notamment BERT, MoralBERT et GPT. Quelle que soit la méthode utilisée, les évaluations basées sur GPT prédisent nettement mieux le comportement de générosité des individus que les préférences sociales traditionnelles fondées sur les résultats. Je démontre en outre la robustesse de ces résultats en étendant l’analyse aux compromis entre équité et efficacité, aux jeux d’ultimatum et aux jeux de corruption. Dans l’ensemble, ces résultats suggèrent que le langage est un facteur mesurable du comportement économique, ce qui a des implications pour l’économie comportementale et l’utilisation de l’IA en tant qu’outil de mesure scientifique.

Intervenant

Valerio Capraro is an Associate Professor and the at the University of Milan-Bicocca, Italy.

He uses human experiments, mathematical modelling and numerical simulations to understand human behaviour. He has published over 80 research papers in leading peer-reviewed journals, including Nature, Nature Human Behaviour, and PNAS. His research has been featured by several news outlets, including the New York Times, the Economist, the Washington Post, and the Guardian. He is the author of The Economics of Language: How Large Language Models Can Reshape Behavioural Economics (Cambridge University Press, 2026).

His book