Le commerce agentique est optimisé pour l'efficacité. Les petites entreprises absorberont le risque de fraude.

Par Stephanie O’Connor, Wind River Payments.

La couche d’intelligence pour les professionnels de la fintech qui pensent par eux-mêmes.

Intelligence de source primaire. Analyse originale. Articles contributifs des personnes qui définissent l’industrie.

Fidèle aux professionnels de JP Morgan, Coinbase, BlackRock, Klarna et plus encore.

Rejoignez le Cercle de Clarté Hebdomadaire FinTech →

Les outils de fraude sont conçus autour de la façon dont les gens achètent généralement : comment ils se déplacent sur un site, combien de temps ils prennent pour naviguer et ce qu’ils changent avant de cliquer sur acheter. Ces signaux déterminent généralement si une transaction est légitime.

Les systèmes de fraude modernes sont déjà capables d’identifier le comportement traditionnel des bots. Le défi avec le commerce agentique est différent. Les agents IA peuvent être entraînés à imiter les schémas humains de manière suffisamment précise pour que ces signaux deviennent plus difficiles à distinguer des acheteurs humains.

Même lorsque les systèmes de fraude fonctionnent comme prévu, d’autres problèmes surgissent lorsque l’IA commence à prendre des décisions d’achat.

Les agents IA sont généralement conçus pour optimiser le prix et la rapidité. Ils ne s’arrêtent pas pour remettre en question des choses qu’un humain pourrait, comme un prix qui semble légèrement trop bas, un vendeur qui n’est pas un détaillant autorisé, ou une annonce qui ne correspond pas tout à fait à la marque. Ils exécutent des instructions. Cette efficacité peut améliorer les taux de conversion, mais elle supprime aussi les couches de filtrage informel des risques que les humains appliquent naturellement.

L’optimisation des prix met une pression immédiate sur les petites et moyennes entreprises. Si un agent reçoit pour instruction « acheter X à moins de Y », le vendeur au coût le plus bas gagne. Les grands fabricants et les opérateurs de marchés à volume élevé sont structurés pour rivaliser sur le prix. Beaucoup de PME rivalisent sur le service, la spécialisation et la confiance des clients. L’achat automatisé affaiblit ces avantages.

Les annonces contrefaites deviennent également des opportunités optimisées par machine. Alors qu’un acheteur humain reconnaîtrait qu’un produit fortement réduit semble suspect, un agent IA ne le fera pas, sauf s’il a été explicitement programmé pour évaluer la légitimité de la marque et les tendances de prix. Les vendeurs contrefaits n’ont pas besoin de fixer des prix bien en dessous du marché pour gagner. Même de légers rabais suffisent pour capter des achats automatisés.

Les domaines et sites web usurpés ajoutent un risque supplémentaire. Si les agents transigent de manière autonome, ils doivent évaluer si un site est légitime. Un site cloné peut intercepter des commandes automatisées avant que le consommateur ne se rende compte de quelque chose d’anormal. Le dommage réputationnel revient au vrai commerçant. Les petites entreprises manquent souvent des outils de surveillance et des ressources de sécurité que les grandes entreprises utilisent pour détecter et arrêter rapidement l’usurpation.

Du côté des paiements, nous voyons à quelle vitesse l’exposition se produit lorsque le comportement de transaction change. Les modèles de rétrofacturation, le scoring de fraude et les processus de litige ont été conçus autour du comportement d’achat humain. Si les transactions pilotées par l’IA augmentent les litiges pour contrefaçon ou les réclamations d’achats non autorisés, ce seront d’abord les PME qui en absorberont l’impact financier.

Même si l’adoption par les consommateurs est progressive, les décisions d’infrastructure se prennent dès maintenant. Les fournisseurs de paiements et de logiciels doivent ajuster leurs modèles de risque avant que l’achat automatisé ne se généralise.

Cela implique :

*   Mettre à jour les modèles de fraude pour prendre en compte le comportement piloté par machine
*   Mettre en œuvre des normes de vérification des commerçants lisibles par machine
*   Surveiller les sites clonés ou ressemblants
*   Clarifier la responsabilité et la gestion des litiges pour les achats initiés par l'IA

Le commerce piloté par l’IA peut être plus efficace. Mais sans changements au niveau de l’infrastructure, il déplacera aussi l’exposition à la fraude et la pression sur les prix vers les plus petits acteurs du marché.

Si l’acheteur change, les modèles de risque et les cadres de responsabilité doivent évoluer avec lui.

À propos de l’auteur

Stephanie O’Connor est Directrice des Opérations et de l’Expérience Marchand chez Wind River Payments, où elle dirige une équipe de gestionnaires de relations qui travaillent directement avec les clients pour les aider à naviguer dans les complexités des paiements modernes — du traitement des transactions à la prévention de la fraude et à l’expérience client. Elle apporte plus d’une décennie d’expérience dans le secteur des services financiers, travaillant en étroite collaboration avec les commerçants et les partenaires de paiement.