Les agents d’achat IA ne sont pas encore prêts à faire vos courses à votre place. Une étude de la Wharton School (université de Pennsylvanie), relayée le 27 août 2026, montre que ces assistants changent radicalement de recommandation en fonction de détails de présentation minimes : l’ordre d’affichage des informations, ou la simple présence d’une source extérieure, suffisent à faire basculer leur choix.
Un banc d’essai qui simule le e-commerce
Les chercheurs ont soumis six modèles récents — en versions allégées et « frontier » — à une tâche simple : jouer les assistants personnels et choisir une montre connectée dans une grille de produits fixe. Pour cela, ils ont utilisé l’ACES-Simulator (Agentic e-Commerce Simulator), qui présente à l’agent une capture d’écran d’une page produit, comme le ferait un vrai site marchand. L’objectif : mesurer la constance des recommandations quand on modifie légèrement le contexte présenté.
Des choix qui basculent sur un détail
Le résultat interpelle. L’ajout d’une seule source externe, comme le site de recommandations Wirecutter, a déplacé le choix du produit jusqu’à 99 points de pourcentage. Même l’ordre dans lequel des informations pourtant identiques étaient présentées suffisait à changer la décision finale. Autrement dit, un agent censé comparer de façon objective se laisse guider par la mise en scène des données plutôt que par leur contenu réel.
Un enjeu de confiance pour le commerce agentique
Ces travaux arrivent alors que les grandes plateformes poussent le « commerce agentique » — des assistants qui achètent à votre place. Si un marchand peut orienter la décision d’un agent en changeant l’ordre d’un tableau ou en glissant une citation bien choisie, la promesse d’un conseil neutre s’effondre, et la porte s’ouvre à des formes de manipulation. Pour les auteurs, ces agents ne peuvent pas encore être considérés comme des conseillers d’achat fiables. L’étude complète est disponible en accès libre sur arXiv, et a été détaillée par The Decoder.
Ce que cela change pour les utilisateurs
Concrètement, un internaute qui déléguerait aujourd’hui son achat à un assistant IA n’obtiendrait pas forcément le meilleur produit, mais celui que la présentation de la page a mis en avant. Le conseil des chercheurs reste prudent : garder un œil humain sur la sélection, comparer soi-même les critères clés (prix, avis, caractéristiques) et ne pas traiter la suggestion d’un agent comme une vérité neutre. La fiabilité de ces outils dépendra de leur capacité à résister à ces biais de contexte, un chantier encore ouvert.
Quels modèles l’étude de Wharton a-t-elle testés ?
Six modèles récents, dans leurs versions allégées et de pointe, placés en situation d’assistant d’achat via l’ACES-Simulator, un simulateur de commerce en ligne.
Pourquoi les agents d’achat IA sont-ils jugés peu fiables ?
Parce que leur choix change selon des détails de présentation : une seule source externe a modifié la recommandation jusqu’à 99 points de pourcentage, et l’ordre d’informations identiques suffisait à inverser la décision.
Qu’est-ce que le commerce agentique ?
Un modèle où des agents IA effectuent les achats à la place de l’utilisateur. L’étude montre qu’il pose un problème de confiance tant que ces agents restent sensibles à la manipulation du contexte.