Cet article étudie les performances d'algorithmes utilisant la prédiction dans un environnement multi-agents. Nous présentons un cadre à deux prédicteurs dans lequel les agents utilisent un prédicteur pour prédire leurs propres actions futures et un autre pour prédire celles des autres joueurs. Le principal problème est de comprendre le meilleur ratio concurrentiel pouvant être obtenu grâce à ces prédicteurs sous différentes hypothèses de qualité des prédicteurs. Nous illustrons ce cadre en introduisant et en analysant une version multi-agents du problème de location de skis. Dans ce problème, les agents peuvent coopérer en mutualisant leurs ressources pour obtenir une licence collective pour un bien. Si le prix de la licence n'est pas atteint, les agents doivent louer le bien individuellement pour un prix unitaire par jour. Sinon, la licence est disponible pour tous, sans frais supplémentaires. Dans le cas particulier des prédictions parfaites par d'autres agents, l'algorithme suivant l'auto-prédicteur est optimal, mais n'est pas robuste aux prédictions erronées des actions futures de l'agent. Nous présentons et comparons des algorithmes présentant de meilleures propriétés de robustesse.
