Cet article analyse les entreprises en concurrence pour fournir des prédictions de modèles précises sur le marché des modèles d'IA et les consommateurs qui affichent des préférences hétérogènes en matière de précision des modèles. Nous développons un modèle de duopole consommateur-entreprise pour analyser l'impact de la concurrence sur les incitations des entreprises à améliorer la précision des modèles. Bien que chaque entreprise cherche à minimiser l'erreur de modèle, ce choix peut ne pas être optimal. Contre toute attente, nous constatons que sur un marché concurrentiel, l'amélioration de la précision globale n'améliore pas nécessairement les profits. Au contraire, la décision optimale pour chaque entreprise est d'investir davantage dans la dimension d'erreur où elle possède un avantage concurrentiel. En décomposant l'erreur de modèle en taux de faux positifs et de faux négatifs, les entreprises peuvent réduire les erreurs dans chaque dimension grâce à l'investissement. Investir dans la dimension avantage est strictement meilleur pour les entreprises, tandis qu'investir dans la dimension désavantage est strictement pire. Si les investissements rentables ont un impact négatif sur les consommateurs, ils augmentent le bien-être global.
