La guerre des agents IA est arrivée. Qui va gagner ?

Une ruée vers l'or numérique est en cours au moment du paiement. Amazon a bloqué Muse de Meta pour les achats sur son site, Delta Air Lines interdit les agents IA de réservation tiers, et Yelp lie l'accès des agents à des licences de données payantes. Il ne s'agit pas seulement d'une répression contre les bots ; les plateformes décident qui sert d'intermédiaire pour les achats et qui contrôle la relation client.

Le conflit central porte sur la valeur : qui capte les revenus et les données générés lorsqu'un agent IA agit pour le compte d'un utilisateur ? Cette « guerre des agents » déterminera comment vous et moi achèterons des choses au cours de la prochaine décennie.

Les entreprises réagissent de trois manières distinctes :

• Le blocage pur et simple des agents IA, comme le font Amazon et Delta Air Lines.
• L'autorisation sous conditions commerciales, comme le fait Yelp avec son programme de licence de données.
• L'accueil sous conditions, bien que les systèmes anti-bots puissent encore bloquer accidentellement des assistants IA légitimes, comme Zillow en a fait l'expérience.

Ce problème architectural met en lumière un défi plus large. Les modèles d'authentification et de revenus actuels de l'internet ont été conçus pour des yeux humains, et non pour des logiciels autonomes. À mesure que les agents IA deviennent plus sophistiqués, la bataille pour le contrôle au point de transaction ne fera que s'intensifier.

Un agent IA opère comme un acheteur sans yeux. Bien qu'il puisse analyser les détails des produits, les prix, les frais d'expédition et les politiques de retour, il ignore largement le merchandising visuel, les bannières promotionnelles et les éléments de design conçus pour la perception humaine. Cela signifie qu'une vidéo de page d'accueil à 100 000 $ ou un compte à rebours sur une vente passent largement inaperçus.

Prenons l'exemple d'un filtre de remplacement pour un purificateur d'air. Un utilisateur peut donner des instructions à un agent avec un numéro de modèle, lui demandant de trouver le meilleur prix livré et exigeant une approbation pour les achats supérieurs à 50 $. L'agent exécute ensuite ces instructions précises, comparant cinq fournisseurs dans le temps qu'il faudrait à un humain pour ouvrir un seul onglet de navigateur.

Cette interaction révèle une échelle de confiance pour les agents IA : rechercher, préparer et payer. Le premier échelon consiste à trouver et comparer les options. Le second, à préparer une transaction, comme ajouter des articles à un panier ou réserver des sièges. Le troisième, et le plus controversé, est l'engagement financier.

Le véritable champ de bataille émerge lorsqu'un agent peut autoriser le paiement. Bien que les plateformes tolèrent généralement les agents IA pour la recherche (similaire à une recherche avancée), leur permettre de dépenser de l'argent soulève des questions complexes de responsabilité, de contrôle de la plateforme et de protection des revenus publicitaires. Un agent est l'acheteur le plus discipliné, fidèle non pas à la nostalgie de la marque, mais à ce qui a fonctionné la dernière fois.

La résistance des plateformes aux agents IA va au-delà de simples blocages techniques ; c'est une défense calculée de leurs modèles économiques et de leurs relations clients. Les préoccupations légitimes incluent les erreurs de commande, l'exposition des identifiants et l'augmentation des coûts du service client dus aux erreurs des agents. De plus, les faux pas d'un agent créent une incertitude en matière de responsabilité : qui est responsable lorsqu'un système automatisé réserve le mauvais vol ou achète le mauvais article ?

La friction commerciale joue également un rôle important. Les agents IA, par conception, privilégient l'efficacité et le coût, contournant souvent les placements de produits sponsorisés, les ventes incitatives et d'autres éléments à forte marge intégrés dans une interface utilisateur centrée sur l'humain. Même si la vente sous-jacente a lieu, le marchand perd de précieux revenus publicitaires et des achats annexes.

Les entreprises sont également confrontées à un dilemme fondamental concernant le contrôle du client. Des plateformes comme Delta Air Lines préfèrent leurs propres assistants virtuels car ils préservent leur entonnoir de vente soigneusement élaboré. Un agent IA externe risque de devenir l'intermédiaire principal entre une entreprise et son acheteur, s'appropriant potentiellement la relation client et les données, désintermédiant ainsi la plateforme d'origine.

Il ne s'agit pas seulement de bloquer les bots ; il s'agit du contrôle de l'expérience commerciale. Amazon, par exemple, a bloqué l'agent IA Muse de Meta, invoquant des problèmes de scraping non autorisé et de stockage des identifiants, une décision qui fait écho à des actions précédentes contre d'autres agents IA de shopping. Pour en savoir plus, découvrez comment Amazon bloque l'assistant IA Muse de Meta dans un nouveau bras de fer sur le shopping par agents. Yelp, en revanche, adopte un modèle de péage, n'autorisant l'accès aux agents IA que s'ils paient via son programme de licence de données d'entreprise. Ces actions révèlent une bataille féroce pour l'avenir du commerce numérique.

Les paris stratégiques divergent nettement. Amazon privilégie son environnement de shopping propriétaire, tirant parti de ses vastes relations directes avec les consommateurs. Meta recherche un accès large et ouvert aux agents, visant à intégrer ses agents IA à travers tout Internet. Pendant ce temps, Walmart et Shopify adoptent de nouveaux canaux, s'associant avec Meta et développant des outils permettant aux marchands de vendre via l'IA. Les réseaux de paiement comme Visa et Mastercard développent des systèmes pour reconnaître et vérifier les agents IA de confiance.

Cette opportunité est directement liée au problème non résolu de la confiance. Les entreprises ont besoin de méthodes fiables pour établir l'identité des agents, définir les actions autorisées et gérer les paiements et les litiges. La friction actuelle découle d'un manque de protocoles standardisés pour les interactions agent-marchand, ce qui soulève des préoccupations légitimes concernant la fraude et la responsabilité.

Les développeurs devraient éviter les solutions de contournement fragiles basées sur le scraping. Concentrez-vous plutôt sur des intégrations autorisées, des protocoles robustes d'identité d'agent et des garanties de paiement. Le middleware marchand qui facilite un commerce par agent sécurisé et auditable construira les ponts critiques entre les agents IA et les plateformes avec lesquelles ils interagissent, garantissant des transactions plus sûres et plus efficaces pour tous.

Pourquoi Amazon et Delta bloquent-ils les agents IA externes ?

Ils invoquent des préoccupations liées à la sécurité, à la fraude et à la protection des clients, tandis que les agents peuvent également contourner les publicités, les ventes incitatives et certaines parties de leurs entonnoirs de vente.

Quelle est la différence entre un agent IA et un web scraper ?

Un scraper extrait des données à grande échelle ; un agent IA est destiné à agir pour le compte d'un utilisateur, avec des instructions et des autorisations. Les défenses actuelles peuvent avoir du mal à les distinguer.

Quels sont les trois niveaux de confiance des agents IA ?

La recherche signifie trouver et comparer des options ; la préparation signifie configurer un panier ou un devis ; l'exécution signifie effectuer un achat ou une réservation.

Quelles opportunités commerciales pourraient émerger du conflit lié aux agents IA ?

Les opportunités potentielles incluent l'identité et l'autorisation des agents, des rails de paiement sécurisés et des middlewares qui connectent les agents aux marchands via des canaux approuvés.