Votre prochain achat sera-t-il négocié par deux IA ? Le commerce agentique sort du laboratoire
Les agents IA ne se contentent plus de recommander : ils commencent à négocier, sélectionner et payer. Entre Project Swap, Agentic Commerce Protocol et inquiétudes des banques, le commerce agentique devient une bataille de pouvoir.
1. Le moteur de recherche devient peut-être un acheteur
Le commerce en ligne s’est construit autour d’un humain qui compare, clique et paie. Le commerce agentique ajoute un intermédiaire logiciel capable d’interpréter un besoin, de chercher des offres, de négocier et potentiellement d’exécuter la transaction. Le changement est profond : le marchand ne convainc plus seulement une personne, il doit aussi être compris et sélectionné par un agent.
Reuters rapporte que John Lewis a vu les recherches provenant d’agents IA passer de 0,3 % à 2,5 % en un an. Le chiffre reste minoritaire, mais la pente est plus importante que le niveau. Si cette part continue à croître, le référencement produit devra être lisible non seulement par Google, mais par des systèmes qui extraient prix, disponibilité, garanties, retours et réputation.
2. Project Swap montre que des agents savent déjà négocier entre eux
Anthropic a organisé un petit marché où des agents Claude représentaient des employés souhaitant échanger des livres. Après une courte conversation d’intake, les agents entraient sur un “trading floor”, présentaient leurs intérêts, négociaient et concluaient des échanges avec d’autres agents.
Le résultat le plus intéressant n’est pas que les agents aient réussi à échanger des livres. C’est que la qualité du modèle comptait davantage que les instructions de personnalité pour les résultats de négociation. Les agents plus puissants obtenaient en moyenne de meilleurs résultats, tandis que des instructions “ruthless” ou “prosocial” modifiaient plus modestement l’issue. Dans un marché réel, la puissance du modèle pourrait donc devenir un avantage économique.
3. Représenter vos préférences est plus difficile que marchander
Dans l’expérience d’Anthropic, le principal facteur limitant n’était pas la mécanique de négociation mais la compréhension imparfaite des préférences humaines. À partir d’une conversation courte, l’agent retrouvait 61 % des relations de préférence entre paires de livres. C’est étonnamment bon — et insuffisant pour des décisions coûteuses.
Un achat complexe contient des critères tacites : tolérance au risque, marque que l’on refuse, préférence pour un service après-vente local, délai réel, esthétique, envie de revendre plus tard. Un agent peut optimiser exactement ce qu’on lui a dit et manquer ce qu’on n’a pas su formuler.
4. Qui est responsable si l’agent dépense trop ?
Plusieurs banques ont averti que les achats par agents pourraient augmenter les risques de fraude, d’arnaques et de fuite de données. Leur inquiétude porte notamment sur la saisie de données de carte, le choix de moyens de paiement offrant moins de protection et l’incertitude du consommateur sur les recours si quelque chose se passe mal.
Cette question paraît juridique mais elle est aussi commerciale. Un marchand voudra savoir si l’ordre donné par l’agent équivaut à un consentement ferme. Une banque voudra distinguer un achat autorisé d’un agent compromis. Un utilisateur voudra pouvoir définir des limites : budget maximum, catégories interdites, validation obligatoire au-dessus d’un seuil.
5. Le protocole devient un terrain de pouvoir
OpenAI développe l’Agentic Commerce Protocol pour permettre aux agents et aux marchands de collaborer pendant la découverte et le paiement, tout en laissant le marchand officiel conserver la relation commerciale. Un protocole ouvert peut accélérer l’adoption, car les commerçants n’ont pas à construire une intégration différente pour chaque agent.
Mais une couche de protocole peut aussi devenir la nouvelle porte d’entrée du commerce. Celui qui contrôle l’agent peut influencer quelles offres sont visibles, comment elles sont comparées, quels attributs sont considérés comme importants et à quel moment le paiement est proposé. L’enjeu n’est plus seulement “être premier sur Google” : c’est “être lisible et choisi par l’intermédiaire algorithmique”.
6. Le SEO pourrait se transformer en “Agent Recommendation Optimization”
Un agent qui achète n’a pas besoin d’un article bavard ; il a besoin de données vérifiables : spécifications, prix, stock, frais, politique de retour, durée de garantie, provenance, preuves de qualité. Les marchands qui structurent ces données peuvent devenir plus faciles à comparer.
Pour les médias et comparateurs, la valeur se déplace vers la preuve originale, les tests, les bases de données et l’analyse que les agents ne peuvent pas simplement reconstruire à partir de fiches marchands. Le contenu générique risque d’être comprimé ; l’information propriétaire prend de la valeur.
7. Une nouvelle forme de discrimination pourrait apparaître
Si les agents apprennent à négocier, les vendeurs apprendront à identifier les agents. Un prix ou une offre pourrait varier selon la réputation du modèle, le canal ou la probabilité estimée d’achat. À l’inverse, un agent pourrait répartir automatiquement la demande entre plusieurs vendeurs et mettre en concurrence des centaines d’offres.
Le marché peut devenir plus efficace, mais aussi plus opaque. Deux consommateurs donnant le même objectif à deux agents différents pourraient recevoir des résultats différents parce que les modèles, les partenariats ou les règles de classement divergent. La transparence du mandat devient alors centrale.
8. Le signal à suivre : le moment où l’agent peut conclure sans confirmation
Tant que l’IA conseille, le risque reste proche d’un comparateur. Le basculement arrive quand l’agent peut engager de l’argent sans validation transaction par transaction. À ce stade, les plafonds, les journaux d’audit, l’authentification et les règles de remboursement deviennent l’infrastructure du commerce agentique.
La question économique est simple : l’agent sera-t-il votre représentant, ou le nouveau distributeur qui décide ce que vous voyez ? La réponse dépendra moins de la qualité du modèle que de la structure d’incitations autour de lui.
Le tableau à garder
| Étape | Aujourd’hui | Commerce agentique | Nouvelle question |
|---|---|---|---|
| Découverte | Recherche + filtres | Agent interprète le besoin | Quelles sources consulte-t-il ? |
| Comparaison | L’utilisateur lit | Agent classe automatiquement | Quels critères dominent ? |
| Négociation | Rare en e-commerce | Agents peuvent marchander | Le modèle le plus fort gagne-t-il ? |
| Paiement | Humain confirme | Agent peut exécuter | Quel plafond / recours ? |
| Après-vente | Client contacte le marchand | Agent peut gérer le dossier | Qui reste propriétaire de la relation ? |
La chronologie utile
Questions fréquentes
Qu’est-ce que le commerce agentique ?
Un parcours dans lequel un agent IA peut rechercher, comparer, négocier ou exécuter une transaction pour le compte d’un utilisateur.
Les agents savent-ils déjà négocier ?
Des expériences comme Project Swap montrent qu’ils peuvent conclure des échanges dans un marché contrôlé. Cela ne prouve pas qu’ils soient fiables pour tous les achats réels.
Quel est le risque principal pour le consommateur ?
Une mauvaise représentation de ses préférences, des permissions de paiement trop larges ou des protections insuffisantes en cas de fraude ou d’erreur.
agent IA achat automatique responsabilité · commerce agentique banque fraude 2026 · agents IA négocient entre eux · Agentic Commerce Protocol France · IA achat en ligne agent autonomeConcurrence estimée plus accessible grâce à la précision et à la fraîcheur de ces formulations. À prioriser ensuite avec les impressions et positions réelles de Search Console.