Que achète votre agent IA ? Évaluation, implications et questions émergentes pour le commerce électronique agentique

What Is Your AI Agent Buying? Evaluation, Implications and Emerging Questions for Agentic E-Commerce

August 4, 2025

papers.authors: Amine Allouah, Omar Besbes, Josué D Figueroa, Yash Kanoria, Akshit Kumar

cs.AI

papers.abstract

Les places de marché en ligne seront transformées par des agents d’IA autonomes agissant au nom des consommateurs. Plutôt que des humains naviguant et cliquant, des agents basés sur des modèles vision-langage (VLM) peuvent analyser des pages web, évaluer des produits et effectuer des transactions. Cela soulève une question fondamentale : qu’achètent les agents d’IA, et pourquoi ? Nous développons ACES, un environnement de test qui associe un agent VLM indépendant de la plateforme à une place de marché simulée entièrement programmable pour étudier cette question. Nous commençons par effectuer des vérifications de rationalité de base dans le cadre de tâches simples, puis, en randomisant les positions des produits, les prix, les notes, les avis, les tags sponsorisés et les recommandations de la plateforme, nous obtenons des estimations causales sur la manière dont les VLMs de pointe effectuent réellement leurs achats. Les modèles montrent des effets de position forts mais hétérogènes : tous privilégient la rangée du haut, mais différents modèles préfèrent différentes colonnes, remettant en cause l’hypothèse d’un classement universel « en tête ». Ils pénalisent les tags sponsorisés et récompensent les recommandations. Les sensibilités au prix, aux notes et aux avis sont globalement similaires à celles des humains, mais varient fortement en intensité selon les modèles. Motivés par des scénarios où les vendeurs utilisent des agents d’IA pour optimiser leurs fiches produits, nous montrons qu’un agent côté vendeur apportant des ajustements mineurs aux descriptions de produits, ciblant les préférences des acheteurs IA, peut engendrer des gains substantiels de parts de marché si les achats médiés par l’IA dominent. Nous constatons également que les choix modaux de produits peuvent différer selon les modèles et, dans certains cas, la demande peut se concentrer sur quelques produits sélectionnés, soulevant des questions de concurrence. Ensemble, nos résultats éclairent le comportement potentiel des agents d’IA dans les contextes de commerce électronique et mettent en lumière des questions concrètes de stratégie des vendeurs, de conception des plateformes et de régulation dans un écosystème médié par l’IA.

English

Online marketplaces will be transformed by autonomous AI agents acting on behalf of consumers. Rather than humans browsing and clicking, vision-language-model (VLM) agents can parse webpages, evaluate products, and transact. This raises a fundamental question: what do AI agents buy, and why? We develop ACES, a sandbox environment that pairs a platform-agnostic VLM agent with a fully programmable mock marketplace to study this question. We first conduct basic rationality checks in the context of simple tasks, and then, by randomizing product positions, prices, ratings, reviews, sponsored tags, and platform endorsements, we obtain causal estimates of how frontier VLMs actually shop. Models show strong but heterogeneous position effects: all favor the top row, yet different models prefer different columns, undermining the assumption of a universal "top" rank. They penalize sponsored tags and reward endorsements. Sensitivities to price, ratings, and reviews are directionally human-like but vary sharply in magnitude across models. Motivated by scenarios where sellers use AI agents to optimize product listings, we show that a seller-side agent that makes minor tweaks to product descriptions, targeting AI buyer preferences, can deliver substantial market-share gains if AI-mediated shopping dominates. We also find that modal product choices can differ across models and, in some cases, demand may concentrate on a few select products, raising competition questions. Together, our results illuminate how AI agents may behave in e-commerce settings and surface concrete seller strategy, platform design, and regulatory questions in an AI-mediated ecosystem.