Ce qu’un client peut faire de plus utile pour un agent d’achat, c’est ne pas lui acheter quoi que ce soit. De nouveaux travaux de benchmark montrent que la session abandonnée et corrigée apprend davantage à un agent qu’une transaction propre, ce qui n’est pas sans conséquence puisque le retrait d’OpenAI du paiement en mars a laissé aux détaillants les transactions propres et à l’opérateur de l’agent les corrections. Les détaillants ont lu ce retrait comme une reconquête du client. Ils ont récupéré la moitié de la session dont il n’y a rien à apprendre.

L’article s’intitule Learning Personalized Agents from Human Feedback, publié en février par des chercheurs de Meta Superintelligence Labs, Princeton et Duke. Il construit un benchmark d’achat en ligne sur 20 utilisateurs simulés, puis change chaque persona à mi-parcours pour modéliser un client dont les goûts ont évolué. Un agent sans mémoire des interactions passées bouge à peine après ce changement, atteignant 27,0 % de réussite après coup, ce qui constitue le groupe témoin.

Les auteurs séparent ensuite les deux canaux par lesquels un agent peut apprendre d’une personne : la question de clarification posée avant d’agir, et la correction apportée après qu’il a déjà fait le mauvais choix. Sur le test post-changement, le seul canal de correction atteint 66,9 % de réussite, largement devant le canal de la question, parce qu’une croyance qu’un agent tient avec assurance est une croyance qu’il ne songe jamais à interroger.

Ces utilisateurs étaient simulés, ce qui constitue la limite du résultat et la raison pour laquelle il lui faut une seconde source. Learn-to-Ask, d’Alibaba, a porté la même boucle en production, entraînant un agent proactif directement à partir de journaux de conversations d’experts archivés, au motif explicite qu’un simulateur haute fidélité du comportement humain ouvert est prohibitivement difficile à construire. Il a été déployé sur l’assistant médicamenteux de l’entreprise plutôt que sur un catalogue de vêtements, et cet écart est réel. Ce qui traverse l’écart, c’est le mécanisme : un ensemble de conversations passées ordinaires, en grande partie non résolues, a suffi à entraîner une politique qui convertissait 1,87 fois plus que le service assuré par des humains aux côtés duquel elle fonctionnait. Personne dans ce jeu de données n’essayait d’enseigner quoi que ce soit.

Les échecs d’un agent ne sont pas le coût opérationnel du service ; ils en sont l’inventaire.

L’annonce d’OpenAI en mars a décidé qui accumulerait cet inventaire. Les marchands peuvent désormais « utiliser leurs propres expériences de paiement pendant que nous concentrons nos efforts sur la découverte de produits », comme l’a formulé l’entreprise — une phrase qui se lit comme une concession et qui fonctionne comme un partage des actifs. Target, Sephora, Nordstrom, Best Buy, Lowe’s, The Home Depot et Wayfair figurent parmi les détaillants intégrés pour la découverte. La découverte, c’est la partie où un client décrit mal ce qu’il veut, se voit montrer la mauvaise chose, dit non, et réessaie. L’Agentic Commerce Protocol qui sous-tend cet arrangement publie deux spécifications, Agentic Checkout et Delegate Payment, et toutes deux décrivent la transaction. Aucune ne définit de moyen de restituer la conversation qui l’a précédée.

La lecture consensuelle de ce virage est que le paiement s’est révélé difficile. Emily Pfeiffer et Sucharita Kodali, de Forrester, ont écrit qu’OpenAI « a pris la décision de débrancher tôt le paiement natif », et les chiffres d’exploitation leur donnent raison : Daniel Danker, de Walmart, a déclaré à Wired, comme Modern Retail l’a rapporté, que le taux de conversion était trois fois plus faible à l’intérieur du chatbot que lorsque les clients cliquaient pour rejoindre le site. Cela explique pourquoi OpenAI a lâché la transaction. Cela n’explique pas pourquoi elle a gardé la conversation, et la presse spécialisée ne s’est pas posé la question.

L’objection la plus solide est que ces journaux valent moins que ce que l’argument exige. Les données d’interaction réelles ne sont pas la correction propre et étiquetée que fournit un benchmark, et une étude portant exactement sur ce problème a montré que récolter du feedback implicite dans les journaux de conversation WildChat et LMSYS aidait sur des questions courtes et conçues à l’avance, et n’aidait pas sur des questions plus longues et plus complexes. Ses auteurs qualifient eux-mêmes le signal de bruité, dans leur propre titre. Pour que l’argument développé ici échoue, ce bruit devrait être irréductible : inutilisable à toute échelle, dans tout domaine. La raison pour laquelle il est réductible dans le commerce, c’est que le commerce se résout. Une conversation ouverte ne produit aucun verdict extérieur sur la qualité de la réponse, tandis qu’une session d’achat se termine par un achat, un abandon ou un retour, et chacun de ces résultats étiquette la transcription qui l’a produit.

Ce à quoi serviront finalement ces échecs accumulés est la partie que les détaillants n’ont pas encore chiffrée. Un relevé de tout ce qu’aucun catalogue n’a su satisfaire, mis en commun sur l’ensemble des détaillants intégrés pour la découverte, constitue un cahier des charges produit qu’aucun détaillant ne peut assembler seul à partir de ses propres commandes, puisque ses propres commandes ne contiennent que ce qui a fonctionné. Si la séparation tient, avec la découverte en amont et l’exécution en aval, la partie qui détient les journaux saura quels vêtements devraient exister avant même les marchands qui les fabriquent. C’est l’asymétrie que les vendeurs de marketplace dénoncent depuis dix ans, qui réapparaît un cran au-dessus de la marketplace. Bloquer les agents n’est plus une option non plus : le 4 août, la Ninth Circuit a annulé l’injonction d’Amazon contre Comet de Perplexity, jugeant qu’un utilisateur qui dirige un agent est celui qui accède aux ordinateurs du détaillant. Les détaillants ne peuvent pas fermer la porte aux agents, et ils n’ont pas facturé l’accès à leurs journaux ; seul le second de ces deux points reste encore un choix.