Avez-vous déjà recherché un produit en ligne le matin et y être retourné le soir pour constater que le prix avait changé ? Dans ce cas, vous avez peut-être été soumis à l'algorithme de tarification du détaillant.

Traditionnellement, pour décider du prix d'un produit, les spécialistes du marketing tiennent compte de sa valeur pour l'acheteur et du coût de produits similaires, et établir si les acheteurs potentiels sont sensibles aux changements de prix. Mais dans le marché d'aujourd'hui axé sur la technologie, les choses ont changé. Les algorithmes de tarification mènent le plus souvent ces activités et fixent le prix des produits dans l'environnement numérique. Quoi de plus, ces algorithmes peuvent effectivement être de connivence d'une manière qui est mauvaise pour les consommateurs.

Initialement, les achats en ligne ont été salués comme un avantage pour les consommateurs car ils leur permettaient de comparer facilement les prix. L'augmentation de la concurrence que cela entraînerait (ainsi que le nombre croissant de détaillants) ferait également baisser les prix. Mais ce que l'on appelle les systèmes de tarification de la gestion des revenus ont permis aux détaillants en ligne d'utiliser les données du marché pour prédire la demande et fixer les prix en conséquence afin de maximiser les profits.

Ces systèmes ont été exceptionnellement populaires dans l'industrie de l'hôtellerie et du tourisme, notamment parce que les hôtels ont des coûts fixes, stocks périssables (aliments qui doivent être consommés avant de s'éteindre) et les niveaux fluctuants de la demande. Dans la plupart des cas, les systèmes de gestion des revenus permettent aux hôtels de calculer rapidement et avec précision les tarifs idéaux des chambres à l'aide d'algorithmes sophistiqués, les données de performance passées et les données de marché actuelles. Les tarifs des chambres peuvent alors être facilement ajustés partout où ils sont annoncés.

Ces systèmes de gestion des revenus ont conduit à l'expression « tarification dynamique ». Il s'agit de la capacité des fournisseurs en ligne à modifier instantanément le prix des biens ou des services en réponse aux moindres changements de l'offre et de la demande, qu'il s'agisse d'un produit impopulaire dans un entrepôt plein ou d'un trajet Uber lors d'une affluence nocturne. Par conséquent, les consommateurs d'aujourd'hui sont de plus en plus à l'aise avec l'idée que les prix en ligne peuvent fluctuer et fluctuent, pas seulement au moment de la vente, mais plusieurs fois au cours d'une même journée.

Cependant, les nouveaux programmes de tarification algorithmique deviennent beaucoup plus sophistiqués que les systèmes originaux de gestion des revenus en raison des développements de l'intelligence artificielle. Les humains jouaient toujours un rôle important dans les systèmes de gestion des revenus en analysant les données collectées et en prenant la décision finale concernant les prix. Mais les systèmes de tarification algorithmiques fonctionnent en grande partie par eux-mêmes.

De la même manière que les assistants vocaux à domicile comme Amazon Echo se renseignent sur leurs utilisateurs au fil du temps et modifient leur mode de fonctionnement en conséquence, les programmes de tarification algorithmique apprennent par l'expérience du marché.

Les algorithmes étudient l'activité des boutiques en ligne pour connaître la dynamique économique du marché (comment sont tarifés les produits, habitudes de consommation normales, niveaux de l'offre et de la demande). Mais ils peuvent aussi involontairement « parler » à d'autres programmes de tarification en surveillant constamment les prix des autres vendeurs afin d'apprendre ce qui fonctionne sur le marché.

Ces algorithmes ne sont pas nécessairement programmés pour surveiller d'autres algorithmes de cette manière. Mais ils apprennent que c'est la meilleure chose à faire pour atteindre leur objectif de maximiser le profit. Il en résulte une collusion involontaire sur les prix, où les prix sont fixés dans une limite très étroite les uns des autres. Si une entreprise augmente ses prix, les systèmes concurrents réagiront immédiatement en élevant le leur, créer un marché de connivence non concurrentiel.

Surveiller les prix des concurrents et réagir aux changements de prix est une activité normale et légale pour les entreprises. Mais les systèmes de tarification algorithmiques peuvent aller encore plus loin en fixant des prix au-dessus de ce qu'ils seraient autrement sur un marché concurrentiel, car ils fonctionnent tous de la même manière pour maximiser les profits.

C'est peut-être bien du point de vue des entreprises, mais c'est un problème pour les consommateurs qui doivent payer le même partout où ils vont, même si les prix pourraient être inférieurs. Les marchés non concurrentiels entraînent également moins d'innovation, une productivité plus faible et, en fin de compte, une croissance économique moindre.

Que pouvons-nous faire?

Cela pose une question intrigante. Si les programmeurs n'ont (involontairement) pas réussi à empêcher cette collusion de se produire, que doit-il se passer ? Dans la plupart des pays, la collusion tacite (où les entreprises ne communiquent pas directement entre elles) n'est actuellement pas considérée comme une activité illégale.

Cependant, les entreprises et leurs développeurs pourraient toujours être tenus pour responsables car ces algorithmes sont programmés par des humains et ont la capacité d'apprendre à communiquer et à échanger des informations avec des algorithmes concurrents. La Commission européenne a averti que l'utilisation généralisée d'algorithmes de tarification dans le commerce électronique pourrait entraîner des prix artificiellement élevés sur l'ensemble du marché, et le logiciel doit être construit d'une manière qui ne lui permet pas de s'entendre.

Mais tant que les algorithmes sont programmés pour générer le plus de profit possible, et peut apprendre à le faire de manière indépendante, il n'est peut-être pas possible pour les programmeurs de surmonter cette collusion. Même avec certaines restrictions mises en place, les algorithmes pourraient bien apprendre des moyens de les surmonter alors qu'ils recherchent de nouvelles façons d'atteindre leur objectif.

Tenter de contrôler l'environnement du marché pour empêcher une surveillance consciente des prix ou la transparence du marché entraînera sans aucun doute davantage de questions et créera de nouveaux problèmes. Avec ça en tête, nous devons mieux comprendre ce type d'apprentissage automatique et ses capacités avant d'adopter de nouvelles réglementations.

Cet article est republié à partir de The Conversation sous une licence Creative Commons. Lire l'article original.