Cet article souligne les lacunes du modèle GameNet, qui prédit la prise de décision stratégique humaine, et présente un modèle amélioré, ElementaryNet. GameNet combine un modèle de niveau k avec un modèle complexe de niveau 0 basé sur un réseau neuronal pour prédire le comportement humain. Cependant, la flexibilité excessive du modèle de niveau 0 laisse la place à l'imitation du raisonnement stratégique. Dans cet article, nous démontrons que le modèle de niveau 0 de GameNet est en réalité trop général et s'avère incapable de représenter le comportement stratégique, proposant ainsi ElementaryNet, un nouveau modèle de réseau neuronal. Les résultats expérimentaux montrent qu'ElementaryNet atteint des performances de prédiction similaires à celles de GameNet, et qu'en faisant varier ses caractéristiques et en interprétant ses paramètres, nous pouvons mieux comprendre le comportement humain. Cela démontre l'intérêt du raisonnement itératif, la profondeur du processus d'inférence et la richesse de la spécification de niveau 0.
