Les choix des agents IA varient selon la source et la présentation

Des expériences menées par des chercheurs de Wharton révèlent que les choix de produits faits par des agents d'achat IA fluctuent fortement. Une seule source externe, son ordre d'apparition, le mode de présentation ou des mémoires utilisateur peuvent déplacer massivement les sélections, y compris chez des modèles récents. Les acheteurs ne peuvent pas attendre une constance des décisions, et les vendeurs ne disposent pas des repères du SEO traditionnel.

Acheteurs et vendeurs font face à des choix volatils

L'utilisation d'un agent IA pour effectuer des achats ne garantit ni cohérence ni optimalité des décisions, selon les chercheurs de la Wharton School. Deux personnes formulant la même demande, ou la même personne à un autre moment, peuvent recevoir des recommandations différentes sans raison apparente. Les mémoires configurées dans des outils comme ChatGPT peuvent aussi influer sur les propositions de manière imprévisible. Pour les vendeurs, optimiser pour l'achat automatisé s'avère plus complexe que le référencement classique, car ils ignorent quel modèle effectue l'achat, ce qu'il a déjà consulté, et comment sa configuration technique traite l'information. Les chercheurs ont également observé que l'ajout de mémoires utilisateur pouvait déplacer les sélections vers des produits plus chers, même en présence d'une option objectivement supérieure.

L’ajout d’une source externe modifie fortement les décisions

Même sans apport externe, les modèles testés expriment des préférences de base différentes. L'ajout d'une unique source externe avant l'exposition à la page produit peut toutefois modifier nettement l'issue. Trois sources ont été testées : un fil Reddit recommandant la Garmin Forerunner 55, une critique de Wirecutter pour le Fitbit Inspire 3, et un article de Strategist sur le WHOOP 5.0. Wirecutter a exercé l'effet le plus marqué : la probabilité de choisir le Fitbit Inspire 3 a augmenté de 90 points de pourcentage pour Claude Opus 4.8 et de 99 points pour Gemini 3.5 Flash par rapport à la condition de contrôle.

Multiplier et ordonner les sources accroît la variabilité

La combinaison de deux ou trois sources n'a pas équilibré les recommandations. Chaque fois qu'il était présent, le contenu de Wirecutter tendait à dominer, avec une intensité variable selon les modèles, et l'ajout de sources a même accru la variabilité. L'ordre d'apparition des mêmes contenus a également eu un impact : malgré un corpus identique, les résultats ont changé selon la séquence. Pour Gemini 3.1 Flash Lite, la probabilité de retenir le Fitbit Inspire 3 s'est située entre 2 et 56 points au-dessus du contrôle selon l'ordre, tandis que Claude Haiku 4.5 est resté entre 41 et 42 points. Les chercheurs concluent que l'ordre de présentation influence directement la sélection.

Le mode de présentation modifie l'effet des sources

La manière dont les sources sont présentées, séquentiellement ou groupées, influe aussi sur les choix. Pour GPT-5.5, la sélection du Fitbit Inspire 3 a augmenté de 53 points de pourcentage lorsque les sources étaient regroupées, contre 6 points supplémentaires seulement en présentation séquentielle.

Des mémoires orientent vers des options plus chères malgré une offre supérieure

Les chercheurs ont construit une grille où un produit était supérieur sur tous les critères mesurables : une montre connectée avec Alexa à 29,99 dollars, notée 5,0 sur 5,0 avec 430 avis, alors que tous les autres modèles coûtaient au moins 359 dollars et affichaient moins d'avis. De courtes mémoires utilisateur, du type « J'adore la randonnée ! », ont ensuite été introduites. Pour plusieurs modèles, ces signaux ont déplacé les choix vers des références plus coûteuses. La Garmin Vivoactive 5 a ainsi vu son taux de sélection croître de 75 points pour Claude Opus 4.8, de 37 points pour GPT-5.5 et de 36 pour Gemini 3.1 Flash Lite.

Cadre expérimental et modèles évalués

Les chercheurs de la Wharton School ont évalué la stabilité des recommandations lorsque le cheminement d'information varie. Six modèles actuels, incluant des versions miniatures et des modèles de pointe, ont été sollicités pour agir en assistants personnels et sélectionner une montre de fitness dans une grille fixe. Les expériences se sont appuyées sur le simulateur ACES, qui fournit une capture d'écran de page produit. Les agents analysent l'image, peuvent intégrer des sources de recommandation, puis arrêtent un choix.