Le modèle de coûts récurrents permet une approche alternative de l’analyse des données et de la demande de spectre, en considérant les consommateurs de données et les opérateurs de réseau comme des agents économiques rationnels. En d’autres termes, les consommateurs ajustent leur consommation de données en réponse aux variations de coûts unitaires et de prix (plutôt que de simplement exiger la même quantité de données, indépendamment du coût et du prix). Du point de vue de l’offre, les opérateurs augmentent la capacité du réseau tant que les consommateurs sont disposés à payer pour la capacité supplémentaire.
Une analogie de l’approche itérative est la planification du trafic routier. Les responsables de la planification des transports ont remarqué que l’augmentation de la capacité routière ne résolvait pas le problème de la congestion. Au lieu de cela, elle augmentait le nombre de voyages jusqu’à ce que la congestion soit à nouveau une contrainte. L’augmentation de la capacité routière a réduit le coût (en termes de temps) d’un trajet en voiture, ce qui a entraîné une augmentation du nombre de déplacements en voiture. Le modèle des coûts itératifs applique ce raisonnement à la consommation de données mobiles : selon ce modèle, la demande et l’offre de données réagissent aux évolutions des conditions du marché.
L’approche itérative intègre, d’une part, une hypothèse de demande (les consommateurs achètent des données mobiles tant qu’ils sont disposés à payer) et, d’autre part, une règle de décision d’investissement du côté de l’offre (les consommateurs investissent uniquement s’ils sont disposés à payer au-delà du coût). Le modèle est ainsi résolu de manière itérative pour trouver un équilibre entre l’offre (la capacité) et la demande de données, comme illustré ci-dessous.
Le cœur du modèle de coûts récurrents est similaire au modèle de coûts évités : il contient un module de dimensionnement du réseau qui calcule un coût de réseau à partir des volumes et des stocks de fréquences. Cependant, le modèle de coûts récurrents utilise le résultat de ce module central pour déterminer de quelle manière les coûts unitaires seraient impactés après modification des paramètres du modèle (portefeuille de spectre, utilisation du réseau ou efficacité spectrale) et de quelle manière la demande serait affectée, puis alimente de nouveau le module central à l’aide de ces informations.
Cet exercice est répété un certain nombre de fois (soit un nombre défini, soit jusqu’à ce qu’un équilibre entre l’offre et la demande soit atteint). Une fois l’équilibre trouvé, l’impact du spectre supplémentaire peut être évalué, soit par le biais d’une méthodologie de coûts évités (le spectre supplémentaire réduit le coût d’accès à l’équilibre de la demande), soit par une méthodologie de surplus du consommateur (le spectre supplémentaire permet de consommer davantage de données, au profit des consommateurs et de la société).
L’approche itérative offre plusieurs avantages. Premièrement, elle supprime la nécessité d’une prévision de données en tant qu’intrant (bien qu’une hypothèse sur la dépense par utilisateur soit requise). Deuxièmement, l’approche itérative réduit considérablement la sensibilité des résultats aux modifications des paramètres d’entrée. Enfin, le cadre économique de l’approche itérative permet des résultats différents d’un point de vue qualitatif par rapport à ceux issus des approches de modélisation conventionnelles.