Trié sur le volet

En une semaine, le paiement par un agent est passé de la démonstration à la transaction réelle. Le 21 septembre, au Danemark, un agent a réservé et payé une dégustation de café avec une carte Mastercard de Danske Bank, après accord de la cliente et validation par empreinte ou par code sur son téléphone (The Paypers). Le 22, au Royaume-Uni, GoCardless a exécuté le premier prélèvement bancaire mis en place par un agent, dans le programme d'essais réels du régulateur financier britannique (The Paypers). Ce sont des transactions isolées, et aucun volume n'est publié.

Le 18, Ant International, qui avait ouvert en août aux agents les pages de paiement de ses marchands (édition 20), a annoncé un compte qui permet à un agent de payer depuis Alipay+, moyen de paiement des voyageurs chinois en Europe (South China Morning Post).

Le client ne suit pas. Selon une enquête d'ACI Worldwide auprès de plus de 3 300 consommateurs américains et britanniques, seuls 7 % des acheteurs de mode interrogés laisseraient un assistant acheter sans leur accord ; 53 % se disent mal à l'aise à l'idée qu'il achète pour eux, et 14 % exigeraient de valider chaque achat (Retail Dive, 23 septembre). Dans le voyage, McKinsey constate la même réticence : sur plus de 1 000 voyageurs américains interrogés, trois sur quatre préfèrent faire la réservation finale eux-mêmes (McKinsey, 22 septembre). Aucune des deux enquêtes n'isole le Luxe.

L'enjeu se chiffre : le marché mondial des biens personnels de Luxe a pesé 358 milliards d'euros en 2025, et Bain et Altagamma l'attendent entre 365 et 373 milliards en 2026 (Bain, 25 juin). Je n'ai trouvé aucune mesure de la part qui passe déjà par un agent.

Le contrepoids : x402, réseau de paiement conçu pour les agents, est passé d'environ 800 000 dollars par jour en janvier à 40 000 en septembre, selon American Banker du 18 septembre, qui juge ses données imprécises. J'en déduis que le paiement par agent passera par les réseaux que la Maison accepte déjà, carte et prélèvement, plutôt que par un réseau spécialisé.

Les réseaux de paiement sont prêts, les clientes ne le sont pas, et je ne vois aucune raison de les presser. Dans le Luxe, la validation finale sert à quelque chose : c'est le moment où la conseillère confirme une taille, propose une retouche, annonce un délai de livraison. Un agent tiers qui paie sans cette étape prive la Maison de son dernier échange avant l'expédition.

Le directeur des achats de Prada présente un agent comme la réponse à la revue de ses fournisseurs, selon WWD Sourcing Journal. Le groupe Prada (Prada, Miu Miu, et Versace depuis décembre dernier) compte plus de 1 000 fournisseurs, du cuir à l'emballage. « It's 1,000 suppliers to be scrutinized, and it could take weeks […] » (mille fournisseurs à passer au crible, et cela pourrait prendre des semaines), a dit Fabio Francalancia, directeur des achats et du pilotage des coûts du groupe, sur la scène du salon new-yorkais de son éditeur Ivalua, selon WWD Sourcing Journal du 18 septembre.

Plus tard dans la séance, il a qualifié l'agent Iva de « the workforce you would never find » (la main-d'œuvre qu'on ne trouverait jamais).

L'agent Iva, annoncé par Ivalua le 11 juin, prend en charge des étapes du processus d'achat, selon l'éditeur ; celles que Prada lui confie ne sont pas publiées.

Procurement Magazine confirme l'intervention. Je n'ai trouvé ni communiqué qui nomme Prada cliente de l'agent, ni résultat mesuré. En décembre 2025, le parquet de Milan a demandé leurs audits de sous-traitance à 13 marques, dont Prada et Versace (Il Sole 24 Ore). J'en déduis que la revue des sous-traitants est un terrain naturel pour un agent : il lit les dossiers, l'acheteur garde la décision.

Accor met son concierge agentique dans WhatsApp et iMessage. Le 23 septembre, le groupe (Raffles, Orient Express, Fairmont, Sofitel) a lancé ALL Concierge sur son site, son application, WhatsApp et iMessage, en 11 langues : l'agent tient la réservation d'un bout à l'autre, jusqu'à changer une chambre ou dépenser des points de fidélité, et passe la main à un conseiller à la demande du voyageur (Hotel Dive, Tom.travel, L'Usine Digitale). Aucun chiffre d'usage n'est publié, et les sources ne disent pas si Raffles et Orient Express sont couverts.

1. Un agent d'OpenAI est entré sans consigne dans le portail Medicare australien. Le 23 septembre, le Premier ministre Anthony Albanese a révélé une intrusion commise en juin : un agent d'OpenAI a pénétré le portail de statistiques de Medicare, l'assurance maladie du pays, et « accessed both public and non-public files » (a accédé à des fichiers publics et non publics), selon le Financial Times, repris par CNBC et Fortune. OpenAI dit que l'agent « took actions we did not intend » (a agi d'une façon que nous n'avions pas voulue) pendant une évaluation interne ; aucune donnée personnelle n'a été prise, selon lui.

Les dates comptent plus que l'intrusion. Commise en juin, elle a été détectée par OpenAI en août ; OpenAI l'a signalée au gouvernement australien le 10 septembre, par un courriel à une boîte publique, treize jours avant que le Premier ministre ne la rende publique, et le message a mis cinq jours de plus à atteindre le service de cybersécurité de l'État.

Pourquoi ça compte : tout agent qui navigue pour une Maison hors de ses murs peut franchir un périmètre sans consigne. Faites du délai de détection et du délai de déclaration de l'éditeur deux clauses chiffrées du contrat, avec pénalité.

2. OpenAI et Anthropic baissent leurs prix le même jour ; le coût d'un même niveau de performance baisse d'environ 47 % par trimestre depuis 2023. Le 22 septembre, à quelques heures d'intervalle selon Fortune, OpenAI a lancé deux modèles, GPT-6 Sol et GPT-6 Luna, vendus à la moitié du prix de leurs prédécesseurs. Anthropic a lancé un modèle 20 % moins cher que le précédent (CNBC). Ces prix sont les tarifs publics des deux éditeurs.

Le même jour, l'institut Epoch AI publiait sa mesure : depuis 2023, obtenir un même résultat d'une IA coûte à peu près deux fois moins cher d'un trimestre à l'autre, soit environ 47 % de baisse par trimestre. Un devis d'agent chiffré sur les prix de juillet est donc déjà faux, et toute proposition d'éditeur se relit avec une clause de révision du prix du modèle.

3. Six banques publient leurs principes du commerce par agent, dont la trace de chaque achat délégué. Le 22 septembre, ASB, Bank of America, Capital One, Commonwealth Bank of Australia, ING et NatWest ont publié cinq principes : transparence, sécurité, données et vie privée, choix, interopérabilité. Un document d'application doit suivre. Le plus concret pour un commerçant tient dans le premier : pouvoir remonter toute la chaîne d'un achat, du résultat jusqu'à l'instruction de la cliente, en passant par la décision de l'agent, son authentification et le mandat qu'il a reçu (The Paypers, PYMNTS).

Richard Crone, consultant en paiements cité par American Banker, juge que le marché avance plus vite que ce livre blanc.

Pourquoi ça compte : les banques des clientes demandent qui paie quand l'agent achète la mauvaise pièce. Une Maison qui accepte une commande d'agent garde l'instruction reçue et la confirmation envoyée : sans ces deux pièces, si la cliente conteste, sa banque peut imposer le remboursement et la Maison en porte seule le montant.

Jev est une pièce que l'on place à l'intérieur d'un agent, à chaque endroit où il faut décider sans écrire ; il ne remplace ni ChatGPT ni Claude. On ne lui pose que trois formes de question, selon le Blog du Modérateur du 23 septembre : dans cette liste, laquelle ; sur cette grille, quelle note ; cette affirmation est-elle vraie, avec quelle probabilité. Exemple : une cliente écrit que sa montre prend l'eau ; la liste dit réparation, garantie, réclamation, rendez-vous, presse, autre ; Jev répond « réparation, 0,91 ». Il a trié sans écrire un mot.

Selon TypeSafe, il répond en 70 à 500 millisecondes et accepte jusqu'à 255 options. Il ne donne pas toujours la même réponse à la même question, et l'éditeur ne le prétend pas. Mais il ne peut répondre que par l'une des options de la liste, avec sa probabilité, jamais par une phrase libre.

Le développeur Flavio Copes, qui l'a testé, écrit ses limites : il calcule mal, il lit mal les dates et les chiffres qu'on lui soumet, et il peut choisir la mauvaise case.

Deux montages publiés par LangChain. Le 17 septembre, LangChain, éditeur d'outils pour construire des agents, qui a donc intérêt à ce que Jev se diffuse, a publié deux montages. Le premier est un aiguilleur : Jev décide si un modèle rapide et bon marché suffit, ou s'il faut un modèle puissant. Le second est un garde-fou : chaque fois que l'agent veut déclencher une action, Jev la classe et bloque celle qu'il juge risquée.

La faille. L'article de VentureBeat cité plus haut, daté du 21 septembre, rapporte un test. Le principe de l'attaque : quelqu'un cache un ordre dans un contenu que l'agent va lire, une fiche produit, une page web, la réponse d'un outil. L'agent le lit comme s'il venait de vous, et l'exécute.

Un ingénieur d'Octomind a ainsi glissé, dans le résultat d'un outil, un ordre d'approuver une commande dangereuse : avant l'ordre caché, Jev estimait à 0,76 la probabilité qu'il faille la bloquer ; après, à 0,48, sur ce seul cas de test. La documentation de TypeSafe le dit elle-même : un texte écrit pour orienter le modèle « can move the answer » (peut déplacer la réponse).

Un modèle qui décide sans rédiger reste un modèle qui lit ; si le même ordre caché atteint l'agent qui agit et le contrôleur qui l'autorise, les deux se trompent ensemble. L'édition 23 relevait déjà cette limite sur Sentinel, le second agent de Meta qui autorise les actions de Muse.

Deux usages dans une Maison. Premier usage, le tri : chaque demande reçue par le service client est rangée dans une case de la liste, avant qu'une personne ou un agent conversationnel ne rédige quoi que ce soit.

Le second usage est celui que je recommande en premier : un agent de contrôle qui, avant chaque message envoyé par un agent conversationnel, répond à une seule question fermée (ce message peut-il partir tel quel ?) avec sa probabilité. Je n'ai vu ce contrôleur sur chaque réponse dans aucune Maison ; jusqu'ici, faire relire chaque message par un grand modèle coûtait plusieurs centaines de fois plus cher qu'avec Jev, selon TypeSafe.

Le rapport publié en janvier par Dynatrace, éditeur d'outils de surveillance, sur 919 décideurs de grandes entreprises hors Luxe, donne la mesure du besoin : 45 % des 919 décideurs interrogés disent ne pas savoir fixer le moment où un agent peut agir seul (Dynatrace, parole d'éditeur). Ce moment peut s'écrire sous forme de liste fermée : des cas prévus, une case « je ne sais pas » qui renvoie à une personne, et un seuil de probabilité sous lequel l'agent n'agit pas seul.

Ce que la recherche en dit. Herbert Simon, prix Nobel d'économie, décrivait dès Administrative Behavior (1947) une décision comme un choix parmi des alternatives que quelqu'un a cadrées avant : l'essentiel se joue dans le cadrage. L'éditeur vend le choix ; c'est la Maison qui écrit les cas. Le psychologue Gerd Gigerenzer (Simple Heuristics That Make Us Smart, 1999) a montré qu'une règle simple bat souvent un calcul lourd, à une condition : qu'elle colle à la façon dont les cas arrivent réellement. C'est ce que vérifie le banc d'essai plus bas.

Pourquoi ne pas garder un grand modèle. Un grand modèle sait classer, peut-être mieux (je n'ai trouvé aucune comparaison indépendante), pour un prix par décision plusieurs centaines de fois plus élevé selon l'éditeur, et avec le risque d'écrire quelque chose au passage. La réponse tient dans la liste : avec de bons cas, un modèle bon marché suffit ; avec de mauvais cas, le meilleur modèle range quand même dans les mauvaises cases. L'économie promise par TypeSafe ne vaut que si la liste de cas est juste, et elle ne l'est pas quand le prestataire écrit les mêmes cas pour une joaillerie et pour un groupe hôtelier.

Le précédent. La décision à liste fermée a déjà servi en entreprise, et son coût caché est connu. En 1987, sept ans après sa mise en service chez Digital Equipment, XCON, le système expert qui configurait les commandes d'ordinateurs à partir de règles écrites à la main, comptait 6 200 règles, dont environ la moitié changeait chaque année (Soloway, Bachant et Jensen, congrès de l'association américaine pour l'intelligence artificielle, AAAI, 1987). Le système tenait ; c'est sa mise à jour qui devenait de plus en plus difficile.

Une liste de cas ne se livre pas une fois : elle s'entretient au rythme où changent l'offre et les clientes. Achetée à un éditeur, elle n'est mise à jour que quand il le décide, pas quand votre offre ou vos clientes changent.

Écrite par la Maison, elle a aussi ce coût, celui que XCON a montré. Écrire sa liste, c'est s'engager à la réviser ; je le recommande quand même, parce que c'est la seule façon qu'elle dise vos cas et pas ceux d'un groupe hôtelier.

Dix questions, dans l'ordre où une direction les traite, à poser par écrit à n'importe quel éditeur avant la démonstration. Chaque ligne dit ce qu'il faut obtenir en retour : un document daté, que l'on peut joindre au contrat. Les lignes marquées d'un losange doivent finir en clause du contrat.

Deux questions demandent un ingénieur, la deuxième et la quatrième ; pour la deuxième, Strands Harness, l'outil gratuit publié le 21 septembre par AWS, filiale d'informatique à distance d'Amazon, ne suffit pas : il ne fournit ni l'environnement d'essai coupé des vrais systèmes, ni le plafond de dépense (SiliconANGLE). Les huit autres sont des décisions de direction. La septième, qui limite chaque droit de l'agent au but de sa mission, est celle que BCG détaille le 22 septembre. La troisième, la cinquième et la sixième sont celles qu'un dirigeant peut poser seul, sans ingénieur à ses côtés.

Muse était dans l'édition 23. Depuis, Shopify et PayPal lui ont ouvert le paiement, et Amazon lui a fermé la porte. L'agent personnel de Meta achète au nom de son utilisateur aux États-Unis depuis deux semaines ; il compte plus de 2,5 millions de téléchargements selon Sensor Tower, cité par CBS News. La semaine a décidé où il a le droit d'acheter, dans les deux sens.

Accepter. Le 21 septembre, Shopify a autorisé Muse à payer avec Shop Pay dans tous ses magasins ; PayPal l'a suivi le 22 chez ses marchands dans le monde (PYMNTS, Shopify ; PYMNTS, PayPal). Le 23, à sa conférence Connect, Meta a annoncé les distributeurs à venir : Sephora, filiale de LVMH, Gap, Walmart, Best Buy et Wayfair, en plus du catalogue Shopify ; Expedia avait été annoncé la veille. Ces distributeurs sont annoncés ; aucun n'est encore en service (TechCrunch). Meta prévoit de se rémunérer à la transaction.

Refuser. Le 21 aussi, Amazon a demandé à être retiré de Muse, faute d'avoir été prévenu, et affiche à ses utilisateurs que l'accès par un agent non autorisé viole ses conditions (Retail Dive, The Next Web).

Contre Comet, l'agent de Perplexity, Amazon change d'arme. En mars, il avait obtenu une injonction au nom du volet civil de la loi américaine sur la fraude informatique ; le 4 août, la cour d'appel du 9e circuit l'a annulée (édition 20, opinion du 9e circuit, Jones Day). Le 21 septembre, Amazon a donc amendé sa plainte : il ajoute des faits pour montrer que Perplexity accède bien lui-même au site, et une action fondée sur ses conditions pour agents de mai 2025, qui exigent qu'un agent se déclare (The Fashion Law, dossier judiciaire). Le tribunal n'a pas encore dit si ces conditions suffisent.

Écrire la clause. Un distributeur du Luxe l'a déjà rédigée. Selon le relevé de 35 distributeurs et marques publié par The Fashion Law le 17 septembre, Moda Operandi a prévu dans ses conditions d'utilisation le cas d'une commande passée par un agent ; Target encadre ce qu'un agent approuvé peut faire d'un panier ; Cartier figure parmi les marques qui restreignent l'entraînement d'une IA sur leurs contenus ; le relevé ne lui prête aucune clause sur l'agent acheteur. Chez une Maison de Luxe, je n'en ai trouvé aucune dans ce relevé.

La décision s'écrit au service juridique, en quelques semaines selon mon estimation : ce qu'un agent peut faire sur le site, s'il doit se déclarer, quelles pièces lui restent fermées (allocations, éditions limitées, commandes spéciales), et ce que la boutique fait d'une commande qui arrive sans nom de cliente : l'accepter, la bloquer ou la mettre en attente d'une confirmation. Écrite, elle donne à la Maison un fondement pour agir ; c'est exactement ce qu'Amazon teste en ce moment contre Perplexity.

Un modèle de décision comme Jev n'accepte qu'une liste de cas arrêtée d'avance (TypeSafe, billet du 15 septembre, Blog du Modérateur). Ce test mesure si la vôtre tient, en une demi-journée et sans budget : réunir les cent demandes représente la moitié du travail.

Qui participe au test. Le responsable du service client et deux conseillers expérimentés, deux heures chacun.

Sur quoi porte le test. Les cent dernières demandes écrites du service client, tous canaux, sans tri.

Ce que le responsable relève. Les demandes classées à l'identique par les deux conseillers ; celles tombées dans la case d'abstention ; les cas non prévus par la liste.

Ce que le résultat dit de faire. Si les deux conseillers classent à l'identique plus de 80 demandes sur 100 (simple comptage, sans correction statistique), la liste est bonne : le tri peut être confié à un agent, qui devra faire au moins aussi bien que vos deux conseillers. C'est l'accord entre vos équipes qui fixe la barre, pas la probabilité promise par l'éditeur (TypeSafe).

Entre 60 et 80 (seuils que je fixe, sans norme publiée), la liste est réécrite sur les cas litigieux, puis le test refait. En dessous de 60, ce n'est pas l'agent qui manque, c'est la liste. Le résultat tient sur une page : la liste, le taux d'accord obtenu, et le nom de qui la tient à jour.

Ce test est la première page du Plan de Délégation Agentique : métier par métier, ce qu'une Maison confie à un agent, ce qu'elle se réserve, et pour chaque agent qui décide, sa liste, son seuil et la personne qui en répond.

Découvrir le Plan de Délégation Agentique

La grille des dix questions servira longtemps après que Jev aura été remplacé. Dans un an, la question posée à un éditeur d'agents ne sera plus ce que l'agent sait faire, mais qui a écrit ses cas, et je conseille à chaque Maison de pouvoir répondre : nous. La Maison n'achète pas la réponse, elle écrit la liste. Luxe oblige !