FR
La variation des prix révèle l’effet des arguments vendeurs sur les achats par IA
A Cue's Hidden Price: Auditing Seller Influence on AI Shoppers · arXiv:2610.25843
En termes simples
L’article présente l’audit en équivalent-prix : une méthode qui mesure jusqu’à quelle hausse de prix un argument du vendeur peut conduire un agent d’achat par IA à choisir un produit. Les chercheurs augmentent le prix du produit mis en avant et observent à quel moment l’agent ne le choisit plus que dans la moitié des cas, en équilibrant l’ordre d’affichage des produits.
Pour GPT-4o comparant des casques audio, six arguments l’ont tous emporté dans au moins 95 % des choix à prix égal, mais leurs valeurs de PE allaient de 1,6 % à 21,4 %. Le taux de victoire à prix égal peut donc masquer de grands écarts dans la hausse de prix que chaque argument compense.
La recherche
Si un agent d’achat par IA recommande des produits, les arguments rédigés par les vendeurs peuvent influencer son choix même lorsque les prix sont identiques.
Mais quand plusieurs arguments l’emportent presque à chaque fois, comment déterminer lequel compense une petite hausse de prix et lequel en compense une bien plus importante ?
Les auteurs présentent l’audit en équivalent-prix, qui mesure la hausse de prix qu’un argument du vendeur peut compenser avant qu’un agent d’achat par IA ne choisisse le produit dans la moitié des cas.
Les auteurs augmentent le prix d’un produit mis en avant dans un choix équilibré entre deux produits, puis déterminent la hausse à laquelle l’agent le choisit dans la moitié des cas.
Cette mesure, le prix équivalent (PE), fait la moyenne des choix selon les produits, l’emplacement de l’argument, la position d’affichage et le hasard de génération.
Pour GPT-4o comparant des casques audio, des arguments dont le taux de victoire à prix égal était proche du plafond présentaient des PE très différents. La rareté avait aussi un PE inférieur au cadrage gain/perte, bien qu’elle l’emporte plus souvent à prix égal.
La variation des prix mesure donc une autre caractéristique que le taux de victoire : la hausse de prix qu’un argument peut compenser.
Ces résultats proviennent de choix contrôlés entre deux produits. Ils ne permettent pas d’établir comment les personnes ou les agents se comportent lors d’achats réels, ni si les résultats s’appliquent à d’autres catégories de produits, arguments ou modèles.
Ce que montrent les preuves
- La mesure du prix manquante
Les descriptions de produits contrôlées par les vendeurs peuvent influencer les agents d’achat par IA, mais un taux de choix à prix égal ne permet pas de savoir quelle hausse de prix un argument peut compenser. Lorsque plusieurs arguments l’emportent presque à chaque fois, leurs taux se rapprochent de leur plafond ; un biais de présentation peut aussi donner l’impression qu’un taux de 50 % traduit une indifférence.
L’article présente l’audit en équivalent-prix (PE) pour mesurer cette influence sur une échelle de prix.
- Exprimer l’influence en prix
Dans l’audit PE, les chercheurs augmentent le prix du produit mis en avant tout en maintenant celui du produit de référence fixe. Ils déterminent la hausse de prix à laquelle la part des choix en faveur du produit mis en avant tombe à la moitié, en faisant la moyenne des paires de produits, du hasard de génération et des présentations équilibrées quant au produit visé et à sa position.
Le résultat dépend du contraste entre arguments, des produits, du modèle, de la consigne et de la méthode de présentation.
- Des taux proches, des hausses différentes
Les résultats de GPT-4o sur les casques audio montrent pourquoi cette distinction compte : six conditions d’argument l’ont chacune emporté dans au moins 95 % des essais à prix égal, mais leurs valeurs de PE allaient de 1,6 % à 21,4 % du prix de référence.
Dans un autre exemple, la preuve sociale forte et une phrase neutre l’ont toutes deux emporté dans environ 100 % des essais à prix égal, alors que leurs PE étaient d’environ 13 % et 2 %. La variation des prix distingue des effets que les taux de choix proches de leur plafond masquent.
- Le classement peut s’inverser
Le classement des arguments selon le taux de choix à prix égal peut même différer de celui obtenu par la variation des prix. Pour les casques audio, la rareté l’a emporté plus souvent que le cadrage gain/perte à prix égal, mais son PE était bien plus faible : 1,6 % contre 22,3 %.
La comparaison gain/perte porte sur deux formulations d’un même fait, tandis que la rareté est comparée à l’absence de phrase. Les deux mesures rendent compte de caractéristiques différentes de ces contrastes précis.
- La sensibilité au prix compte aussi
Un PE brut reflète aussi la sensibilité du modèle au prix. Dans un contrôle sans argument, où les produits étaient identiques, GPT-4o a choisi le produit plus cher de 10 % dans 0,01 des essais, contre environ 0,44 pour Nova Micro.
Ce résultat aide à nuancer les comparaisons entre modèles : un PE plus élevé ne signifie pas nécessairement qu’un argument a davantage d’effet, et le contrôle n’établit pas que la sensibilité au prix était identique dans l’audit principal.
- Un profil différent pour Jev
L’audit a également été appliqué à Jev, un modèle conçu pour prendre des décisions, dont les choix reposent sur des probabilités attribuées aux options plutôt que sur du texte généré. Ses taux de choix à prix égal ont eux aussi atteint un plafond, tandis que son profil de PE différait de celui de GPT-4o et dépendait fortement de la position du produit portant l’argument.
Ces résultats appuient l’usage d’une variation des prix pour départager les choix dans cette tâche testée, mais ne permettent pas de prédire le comportement général en situation d’achat.
Détails
- Auteurs de l’article original
- Felix Buecheler, Gerardo Berbeglia, Mingyu Guo
- Soumis à arXiv
- Licence
- CC BY 4.0