En bref
- L’autorité de la concurrence voit dans les agents IA un basculement structurel : ces interfaces ne répondent plus seulement aux questions, elles orientent l’accès aux services, aux contenus et aux achats.
- Les orientations stratégiques privilégient une régulation rapide, ciblée et compatible avec l’innovation technologique, plutôt qu’un encadrement général trop rigide.
- Le risque principal porte sur la concurrence économique : intégration verticale, préinstallation, accès aux données, contrôle des API et possible autopréférence.
- La transparence algorithmique, la portabilité des données et la protection des consommateurs deviennent des critères centraux pour éviter un verrouillage des usages.
- Le commerce agentique reste embryonnaire en France, mais ses protocoles techniques pourraient déjà structurer les rapports de force entre plateformes, marchands et prestataires de paiement.
Agents IA : le cadrage stratégique de l’autorité de la concurrence
Les agents d’intelligence artificielle ne sont plus de simples extensions conversationnelles. Ils planifient des tâches, comparent des offres, résument des contenus, déclenchent des actions et peuvent devenir, à terme, l’interface principale entre un utilisateur et l’économie numérique.
C’est précisément ce déplacement du point d’accès qui justifie l’attention de l’autorité de la concurrence. Après une autosaisine et une consultation publique ayant réuni une quarantaine de contributions, l’institution a formalisé une grille de lecture centrée sur les risques de concentration, de verrouillage et de dépendance technique.
Dans son avis sur le fonctionnement concurrentiel du secteur, l’Autorité ne cherche pas à freiner l’usage des agents IA. Elle pose plutôt une question structurante : comment préserver l’accès au marché lorsque quelques acteurs contrôlent les modèles, les canaux de distribution, les données et parfois les terminaux ?
Le débat s’inscrit aussi dans le prolongement du Digital Markets Act. La Commission européenne envisage de soumettre AWS et Azure au DMA, une orientation que l’Autorité accueille favorablement, tout en demandant d’élargir la réflexion aux places de marché de modèles d’IA, ou MaaS, Model as a Service.
Le point technique est décisif : si une entreprise ne peut accéder à un modèle performant qu’à travers une plateforme dominante, sa capacité d’innovation dépend alors de conditions tarifaires, contractuelles et opérationnelles fixées par un tiers. L’architecture de marché devient donc aussi importante que la performance du modèle lui-même.
API, modèles ouverts et dépendance technique : une barrière à l’entrée moins simple qu’il n’y paraît
L’accès à des modèles par API peut réduire les coûts initiaux pour une jeune pousse. Une PME fictive comme Maison Lenoir, spécialisée dans les équipements de cuisine, peut intégrer rapidement un assistant d’achat sans entraîner elle-même un modèle génératif.
Mais cette facilité d’entrée masque une dépendance profonde. Le fournisseur de modèle contrôle la qualité de service, les mises à jour, les limites d’usage, la tarification, les règles de sécurité et parfois les cas d’usage autorisés par contrat.
Cette dépendance peut devenir critique lorsque l’agent IA est intégré dans un parcours commercial. Si le coût d’appel API augmente brutalement ou si une clause interdit certains types de comparaison tarifaire, l’entreprise utilisatrice peut perdre sa marge de manœuvre sans disposer d’alternative immédiate.
Les modèles ouverts constituent une réponse partielle. Ils permettent davantage de contrôle, d’audit et d’adaptation, mais l’Autorité souligne un point de vigilance : rester compétitif à long terme suppose des capacités d’entraînement, d’infrastructure, d’évaluation et de maintenance qui ne sont pas accessibles à tous les acteurs.
Le vrai sujet n’est donc pas seulement l’ouverture du code ou du modèle. Il porte sur la capacité effective des entreprises à exploiter ces outils dans des conditions économiques soutenables.
Intégration verticale : pourquoi les agents IA peuvent concentrer le pouvoir de marché
Le cœur de l’analyse concurrentielle tient à la boucle de rétroaction. Plus un agent est utilisé, plus il collecte de signaux d’usage, plus il améliore ses réponses, et plus il devient attractif pour les utilisateurs comme pour les partenaires.
Cette mécanique favorise les entreprises déjà présentes dans les systèmes d’exploitation, navigateurs, messageries, boutiques d’applications, suites bureautiques ou moteurs de recherche. L’agent intégré par défaut n’a pas besoin de convaincre l’utilisateur : il est déjà là, disponible, préconfiguré et souvent gratuit au premier usage.
L’Autorité cite notamment le préchargement de Perplexity sur certains smartphones Samsung comme exemple de distribution privilégiée susceptible de renforcer des positions établies. Le même raisonnement s’applique lorsqu’un assistant est placé au cœur d’un navigateur, d’un smartphone ou d’une suite de productivité.
La question devient alors très concrète : un agent concurrent peut-il réellement atteindre l’utilisateur final s’il n’est pas proposé au même endroit, avec la même fluidité et le même niveau d’intégration ? Dans une économie d’attention, le raccourci technique vaut parfois avantage concurrentiel.
Données, moteurs de recherche et partenariats médias : les actifs stratégiques des agents IA
Les agents performants ne reposent pas uniquement sur un modèle linguistique. Ils ont besoin d’accès à des données fraîches, spécialisées et vérifiables : index de recherche, catalogues marchands, contenus de presse, bases professionnelles, signaux transactionnels.
Les partenariats conclus entre grands éditeurs d’IA et médias illustrent cette bataille des sources. OpenAI a conclu des accords avec Le Monde et Prisma Media, Meta avec Reuters et CNN, Mistral AI avec l’AFP. Ces alliances améliorent la qualité des réponses, mais peuvent aussi différencier fortement les acteurs selon leur capacité à sécuriser des contenus premium.
Dans cet environnement, le DMA peut réduire certaines asymétries. Son article 6 prévoit l’accès des utilisateurs professionnels aux données générées par les contrôleurs d’accès, ainsi que le partage de certaines données de recherche avec des moteurs tiers.
Les instructions adressées à Google par la Commission européenne vont dans ce sens, avec les chatbots et assistants IA parmi les bénéficiaires potentiels. Les analyses sur le rôle des grands contrôleurs d’accès rejoignent d’ailleurs les débats ouverts autour du régulateur britannique face à Google.
La disponibilité des données devient ainsi un facteur de concurrence économique au même titre que le prix, la qualité de service ou l’expérience utilisateur.
Freemium, portabilité et verrouillage : l’usage responsable face aux effets d’écosystème
Chez les particuliers comme dans les entreprises, l’usage simultané de plusieurs agents est devenu courant. Un consultant peut utiliser ChatGPT pour structurer une note, Gemini pour interroger des documents, Claude pour reformuler une analyse juridique, puis un assistant intégré à sa suite bureautique pour préparer une présentation.
Le modèle freemium facilite cette pluralité. Il limite en apparence les effets de verrouillage, car l’utilisateur peut tester plusieurs services sans engagement financier lourd.
Mais substituer un agent à un autre n’est pas toujours simple. Les historiques, préférences, fichiers, instructions personnalisées, connecteurs métiers et connaissances accumulées créent une inertie d’usage très forte.
Des outils de portabilité apparaissent. Anthropic a promu un mécanisme d’import de connaissances depuis un autre assistant, tandis que Google a lancé en France une fonctionnalité similaire dans Gemini. Ces solutions sont utiles, mais elles restent dépendantes du bon vouloir des plateformes.
Pour l’Autorité, la portabilité ne doit pas devenir une faveur commerciale. Elle doit s’inscrire dans une logique d’usage responsable, où l’utilisateur garde la maîtrise de ses données et peut changer d’outil sans perdre l’historique utile à son activité.
Transparence algorithmique : le flou sur les sources et les recommandations
La transparence algorithmique constitue l’un des points les plus sensibles. Contrairement à un moteur de recherche classique, un agent IA ne présente pas toujours une liste de liens hiérarchisés, avec plusieurs pages de résultats et des critères de classement identifiables.
Il produit souvent une réponse synthétique, accompagnée d’un nombre restreint de références. Cette réduction du champ visible peut améliorer l’expérience utilisateur, mais elle diminue aussi la diversité des sources consultées.
L’Autorité estime qu’il n’existe pas encore de critères suffisamment établis pour garantir aux sites une visibilité efficace. Pour les éditeurs, les marchands ou les services spécialisés, cette incertitude devient stratégique : comment optimiser sa présence dans une réponse conversationnelle lorsque les règles de citation, de partenariat ou de priorisation restent opaques ?
La situation rappelle les premières années du référencement web, lorsque les entreprises découvraient progressivement l’impact économique des moteurs de recherche. La différence est que l’agent IA peut désormais répondre directement, sans nécessairement envoyer l’internaute vers la source.
Des observations sectorielles vont déjà dans ce sens. Les sites de presse recevraient moins de 1 % de leur trafic depuis les agents IA, contre environ 20 % depuis Google Search et Google Actualités selon des données professionnelles citées dans le débat public.
Commerce agentique : l’alerte concurrentielle sur les achats assistés par IA
Le commerce agentique désigne un scénario dans lequel un agent ne se contente plus de recommander un produit : il compare, sélectionne, négocie éventuellement, puis déclenche l’achat. Aujourd’hui, en France, ce modèle reste limité, car les assistants redirigent encore largement vers les sites marchands.
Cette redirection réduit pour l’instant le risque de désintermédiation totale. Les sites de vente gardent une partie du parcours client, même si le trafic issu des agents demeure marginal, souvent inférieur à 5 % selon les observations disponibles.
Le risque n’est pourtant pas théorique. Si l’utilisateur demande à son assistant « trouve-moi le meilleur lave-vaisselle silencieux livré cette semaine », l’agent peut filtrer les offres, limiter les sources citées et orienter le choix sans que le consommateur voie l’ensemble du marché.
Maison Lenoir, notre marchand fictif, peut être compétitive en prix et en service, mais rester invisible si son catalogue n’est pas correctement lu, structuré ou accepté par le protocole utilisé par l’assistant. La concurrence se déplace alors du rayon numérique vers la couche d’intermédiation.
Les analyses sectorielles publiées sur le commerce agentique et les agents IA montrent que cette transformation concerne autant les plateformes que les détaillants indépendants, les comparateurs et les prestataires de paiement.
Catalogues e-commerce : quand la diversité des sources devient un enjeu de marché
L’Autorité a testé la visibilité des sources en interrogeant ChatGPT et Gemini avec 500 questions : 300 liées à une intention d’achat et 200 portant sur la poursuite d’un parcours. Les thèmes couvraient les produits électroniques, l’électroménager, les hôtels et hébergements, ainsi que les transports.
Les écarts observés sont significatifs. Sur 100 questions relatives aux transports, OpenAI a cité 42 domaines, contre 112 pour Gemini. Sur 50 questions liées à l’hébergement, OpenAI a cité 152 domaines, Gemini 276.
Les comparateurs occupent une place importante dans certaines réponses. Chez Gemini, Idealo apparaît dans une très forte proportion des réponses, tandis que Le Dénicheur et 123comparer.com sont également fréquemment cités.
Ce phénomène peut s’expliquer par la qualité structurée des pages comparatives. Selon des données citées dans l’écosystème marchand, moins de 1 % des pages permettraient aux agents de recommander des produits de manière pleinement fiable, ce qui favorise les sites déjà optimisés pour la comparaison.
Pour les e-commerçants, la conséquence est opérationnelle : la qualité des flux produits, des métadonnées, des avis, des disponibilités et des API devient un prérequis de visibilité. L’IA ne remplace pas le commerce ; elle en déplace les exigences techniques.
Ventes liées, autopréférence et éviction par les prix : les scénarios anticoncurrentiels surveillés
Les entreprises verticalement intégrées peuvent être tentées de favoriser leur propre agent dans leurs services. Cette autopréférence peut prendre une forme discrète : meilleur emplacement, réponse plus rapide, connecteurs exclusifs, activation par défaut ou accès privilégié aux données.
Un autre risque porte sur les ventes liées et groupées. L’accès à un service pourrait être conditionné à l’usage d’un agent associé, ou rendu nettement plus fluide lorsque l’utilisateur reste dans l’écosystème du fournisseur dominant.
Le verrouillage peut aussi être contractuel ou technique. Une API limitée pour les concurrents, une documentation incomplète ou des conditions d’utilisation restrictives peuvent suffire à réduire l’interopérabilité.
L’exemple d’Amazon est particulièrement parlant. La marketplace a bloqué l’accès à certains agents IA tiers et a engagé une action contre Perplexity devant la justice américaine, obtenant une injonction en première instance.
La commercialisation des assistants constitue un autre point de surveillance. Lorsqu’un agent est inclus gratuitement ou à bas coût dans une suite logicielle dominante, la pratique peut stimuler l’adoption. Mais elle peut aussi devenir une stratégie d’éviction si le prix ne reflète pas une logique soutenable et vise à empêcher des concurrents spécialisés d’atteindre une taille critique.
Publicité conversationnelle et protection des consommateurs : une frontière à clarifier
La protection des consommateurs ne concerne pas seulement les prix. Elle porte aussi sur la compréhension de ce qui relève d’une recommandation organique, d’un partenariat commercial ou d’un message publicitaire.
La publicité conversationnelle, actuellement testée par certains acteurs, illustre cette zone grise. Un clic sur une annonce peut ouvrir un dialogue avec l’annonceur, dans une interface qui ressemble fortement à celle de l’assistant.
Pour l’utilisateur, la distinction peut devenir floue : parle-t-il encore avec son agent ou avec une marque ? Cette confusion potentielle touche directement l’éthique de l’IA, car la confiance accordée à l’interface conversationnelle peut amplifier l’impact commercial d’un contenu sponsorisé.
Un encadrement efficace devrait imposer une séparation visible entre recommandation, publicité et partenariat. Ce n’est pas un détail d’interface : c’est une condition de loyauté informationnelle.
Protocoles du commerce agentique : la bataille de la gouvernance technique
À mesure que les agents IA gagnent en autonomie, les protocoles techniques deviennent un enjeu concurrentiel. Celui qui définit la manière dont un agent découvre un marchand, lit un catalogue, vérifie un prix, initie un paiement ou finalise une commande peut influencer l’ensemble de la chaîne de valeur.
Plusieurs initiatives structurent déjà ce terrain. UCP, ou Universal Commerce Protocol, a émergé dans une logique open source et décentralisée avec une coalition réunissant des acteurs de la tech, du commerce et du paiement, dont Carrefour, Shopify, Stripe, Visa ou Walmart.
ACP, ou Agentic Commerce Protocol, est codéveloppé par OpenAI et Stripe. Les marchands doivent demander à participer, transmettre leurs catalogues via des flux de données et mettre en place des API permettant d’aller jusqu’à la finalisation de commande.
Anthropic expérimente de son côté des transactions entre agents représentant à la fois acheteurs et vendeurs. Les réseaux de paiement avancent également : Visa avec Trusted Agent Protocol, American Express avec Agentic Commerce Experiences, Mastercard avec AP4M, Agent Pay for Machines.
Le risque identifié par l’Autorité n’est pas l’existence de standards. La standardisation peut au contraire sécuriser les échanges. Le risque apparaît si un petit groupe d’acteurs capture la gouvernance, fixe les conditions d’accès et transforme un protocole ouvert en goulot d’étranglement commercial.
Collusion algorithmique : un risque encore théorique, mais techniquement plausible
La collusion algorithmique reste aujourd’hui une hypothèse, mais elle mérite une surveillance. Elle deviendrait plus concrète si des agents côté vendeur ajustaient automatiquement les prix, tandis que des agents côté acheteur négociaient, recommandaient et déclenchaient les achats.
Dans un tel environnement, des comportements parallèles pourraient émerger sans instruction explicite de collusion. Les systèmes apprendraient à stabiliser des marges ou à éviter certaines guerres de prix, en fonction des signaux observés.
Pour l’instant, les agents utilisés par les consommateurs n’ont pas encore une capacité généralisée de négociation ni de représentation complète dans l’acte d’achat. Le risque reste donc limité, mais il doit être intégré dès maintenant aux outils de supervision.
L’expérience passée des algorithmes de tarification dans l’hôtellerie, le transport aérien ou les places de marché montre qu’un système automatisé peut modifier rapidement l’équilibre concurrentiel. L’agent IA ajoute une couche supplémentaire : il intervient non seulement sur le prix, mais aussi sur la recommandation et la décision.
Régulation des agents IA : les orientations stratégiques privilégiées par l’Autorité
L’Autorité privilégie une mobilisation du cadre existant avant toute nouvelle législation sectorielle lourde. Cette approche repose sur le droit de la concurrence, le DMA, les mesures provisoires et les mécanismes de concertation.
Elle cite les procédures engagées contre Meta en Italie puis au niveau européen comme preuve que les autorités peuvent intervenir vite lorsque les conditions concurrentielles l’exigent. Les mesures provisoires jouent ici un rôle technique : empêcher un dommage de marché avant qu’il ne devienne irréversible.
Si des mesures spécifiques deviennent nécessaires, l’Autorité paraît préférer des instruments de droit souple : lignes directrices, recommandations, engagements, procédures de discussion avec les parties prenantes. Cette logique s’inspire des procédures de spécification prévues par le DMA.
Un enjeu central concerne les plateformes MaaS. Certaines places de marché de modèles donnent accès aux briques génératives sous-jacentes dont dépendent de nombreux agents. Les soumettre au DMA, dans certains cas, permettrait de traiter non seulement les interfaces visibles, mais aussi l’infrastructure de dépendance située en amont.
Cette réflexion rejoint les analyses juridiques consacrées à la portée concurrentielle de l’avis sur les agents IA, qui insistent sur l’importance d’un cadre adaptable aux évolutions rapides du marché.
Interopérabilité, choix utilisateur et innovation technologique : l’équilibre recherché
La régulation ne doit pas se transformer en gel technologique. L’objectif est de préserver l’innovation technologique tout en empêchant que l’avantage initial des grands écosystèmes devienne une barrière permanente.
Plusieurs leviers apparaissent prioritaires : garantir la possibilité d’utiliser un agent concurrent de celui installé par défaut, faciliter l’accès équitable aux canaux de distribution, surveiller les prises de participation des grandes plateformes dans les éditeurs d’assistants, et contrôler les partenariats exclusifs.
La même logique s’applique à l’information. Les travaux sur les sources préférées des assistants, comme l’analyse consacrée au Journal des Femmes parmi les références de ChatGPT, montrent que la visibilité dans les réponses IA devient un actif stratégique pour les éditeurs.
Les professionnels du référencement et du contenu suivent déjà cette bascule. La nouvelle édition de Réacteur illustre l’intérêt croissant pour l’optimisation des contenus dans un environnement où moteurs de recherche, agents conversationnels et plateformes de données convergent.
La ligne directrice est claire : laisser les agents IA transformer les usages, mais empêcher qu’ils ne deviennent des portes d’accès opaques, verrouillées et impossibles à contester.
Agents IA et concurrence économique : les points de contrôle à suivre
Pour les entreprises, l’avis de l’Autorité ne doit pas être lu comme un document abstrait. Il fournit une cartographie opérationnelle des dépendances à auditer avant de déployer un agent ou de connecter un catalogue à une interface conversationnelle.
Un distributeur, un éditeur de presse, une banque ou un prestataire SaaS doit désormais se demander où se situe le pouvoir réel : dans le modèle, l’API, le canal de distribution, le système d’identité, la donnée client, le paiement ou la recommandation finale.
- Contrôler les dépendances API : identifier les clauses restrictives, les seuils tarifaires, les limites d’usage et les conditions de résiliation.
- Structurer les données : rendre catalogues, contenus et services lisibles par les agents sans perdre le contrôle de la relation client.
- Documenter les sources : suivre la façon dont les assistants citent, résument ou ignorent les contenus d’une marque.
- Préserver l’interopérabilité : éviter qu’un agent interne ne soit captif d’un seul modèle, d’un seul cloud ou d’un seul canal de distribution.
- Encadrer les recommandations : distinguer clairement information organique, partenariat, publicité et préférence commerciale.
Pour les pouvoirs publics, l’enjeu consiste à agir avant que les standards de fait ne soient irréversibles. Une régulation efficace des agents IA ne se mesure pas seulement à des sanctions : elle se mesure à la capacité de préserver des marchés contestables.
Dans cette perspective, les orientations stratégiques de l’Autorité dessinent une méthode : surveiller les infrastructures, imposer la loyauté des accès, renforcer la transparence et maintenir le choix effectif de l’utilisateur. C’est sur ce terrain technique que se jouera une part décisive de la concurrence numérique.