L'apprentissage automatique et l'intelligence artificielle (IA) sont parfaitement adaptés pour aider les entreprises et les spécialistes du marketing à surveiller et à fixer les prix sur la base d'une tarification dynamique en temps réel. Mais de nouvelles recherches ont identifié certaines conséquences involontaires possibles de l'IA dans ce domaine.

Les algorithmes d'apprentissage automatique ne tiennent pas toujours compte de facteurs indépendants de la volonté du vendeur, tels que les prix des concurrents. Les chercheurs ont découvert que si les algorithmes d'IA fixaient les prix sur le long terme, un effet prix monopolistique est possible, créant essentiellement un environnement de tarification collusoire sur le marché. Cela représente un défi pour les décideurs politiques, car les chercheurs montrent que des algorithmes de tarification d'IA indépendants peuvent entraîner des résultats de marché supraconcurrentiels.

L'étude de recherche sera publiée dans le numéro de janvier de la revue INFORMS Sciences du marketing , « Collusion algorithmique :des prix supraconcurrentiels via des algorithmes indépendants, " est écrit par Karsten Hansen et Kanishka Misra de l'Université de Californie, San Diego, et Mallesh Pai de l'Université Rice.

Les chercheurs étudient un environnement dans lequel des détaillants en ligne concurrents utilisent des algorithmes d'apprentissage automatique pour fixer des prix en temps réel. Les chercheurs ajoutent à un corpus croissant de littérature qui a fait craindre que de tels algorithmes puissent induire un comportement de tarification collusoire. Les auteurs ont ensuite contribué à cette littérature et constatent que des algorithmes indépendants, sans respecter des prix compétitifs, peut entraîner des prix supraconcurrentiels.

Les algorithmes d'apprentissage automatique automatisent une expérimentation de tarification pour connaître le prix de maximisation des bénéfices. Les chercheurs montrent que les résultats sur le marché des entreprises indépendantes utilisant ces algorithmes dépendent de la qualité de courtes expériences de tarification. "Nous avons pu montrer que là où nos expériences de prix avaient une valeur informative élevée (faible bruit), les prix des concurrents issus d'algorithmes indépendants sont devenus corrélés par inadvertance, et au fil du temps, les prix sont devenus supraconcurrentiels, " a déclaré Misra. " Cela signifie qu'une conséquence de l'utilisation de l'IA pour la tarification pourrait créer une atmosphère de collusion sur les prix sur un marché donné, conduisant à un effet de prix monopolistique.

"Les impacts dans le monde réel sont assez larges, " a déclaré Hansen. " Les algorithmes d'apprentissage automatique reposent sur la valeur informationnelle des données d'expérience de tarification sous-jacentes, et pas toutes les variables qui alimentent les résultats du marché, tels que les prix des concurrents, peuvent être accessibles à ces systèmes. Nos résultats fournissent des indications sur les cas où les algorithmes d'apprentissage automatique sont moins fiables pour fixer les prix."

"Nous pensons que l'identification de ce modèle soulève de nouvelles préoccupations pratiques pour les gestionnaires et les décideurs, " a déclaré Pai. " Le défi pour les régulateurs à l'avenir sera de trouver un équilibre. Il existe des problèmes antitrust concernant les algorithmes qui fixent des prix collusoires lors du suivi des prix des concurrents (par exemple, par des menaces implicites de représailles). " Pai a poursuivi, « Ici, nous montrons que des effets similaires peuvent se produire même lorsque les algorithmes ne tiennent pas explicitement compte des prix des concurrents. Ils devront prendre en compte des facteurs dépassant la portée de ce que les algorithmes peuvent identifier et suivre, tout en veillant à ce que des prix compétitifs ne signifient pas toujours la même chose, structures de prix monopolistiques.