Cet article présente une solution novatrice au paradoxe de Saint-Pétersbourg. Contrairement aux solutions précédentes qui introduisent des hypothèses supplémentaires telles que l'utilité marginale décroissante, l'actualisation temporelle et les systèmes de numération étendus, cet article repose sur une opération d'addition modifiée définie sur une partition grossière de l'espace des résultats. Dans ce modèle, les nombres exacts sont regroupés en catégories perceptuelles, et chaque valeur est remplacée par un élément représentatif du groupe, puis additionnée. Cette méthode permet la stabilisation inertielle, un phénomène dans lequel des additions répétées n'affectent finalement pas le résultat. Plutôt que d'être une solution définitive au paradoxe, cet article présente une méthode raisonnable pour montrer comment des agents ayant une précision perceptuelle limitée peuvent gérer des structures de récompense divergentes. Dans cet article, nous montrons que, sous une partition correctement construite, la série de Saint-Pétersbourg peut être stabilisée inertiellement sous une telle addition grossière. De plus, cette méthode a des applications plus larges en modélisation comportementale et en raisonnement automatique sous contraintes perceptuelles.
