L’essor des agents d’achat IA plonge les commerçants dans une crise de faux rejets

Le commerce agentique, où des systèmes d’IA effectuent des recherches, comparaisons et achats pour le compte des consommateurs, représente un risque majeur mais souvent ignoré pour les commerçants à l’échelle mondiale. Selon Chargebacks911, des achats légitimes initiés par des IA sont systématiquement classés comme activités frauduleuses de bots, entraînant une vague de rejets injustifiés et des pertes de revenus croissantes. Alors que l’industrie se concentre principalement sur les achats contestés par des IA et les risques de fraude, ce problème inverse constitue une menace tout aussi significative.

Un changement structurel dans les transactions en ligne

Selon le rapport Global Ecommerce Report 2026 de The Paypers, le commerce agentique pourrait représenter entre 25 % et 30 % de toutes les transactions en ligne d’ici 2030. Des acteurs majeurs comme Visa et Mastercard sont déjà en phase de test pour des transactions initiées par des agents, tandis que des plateformes comme Perplexity, Walmart et Amazon permettent activement aux agents IA d’effectuer des achats pour leurs clients. Cependant, les systèmes de détection de fraude peinent à suivre cette évolution rapide.

D’après le rapport 2025 sur les mauvais bots d’Imperva, 51 % du trafic internet est désormais généré par des bots, dont 37 % sont malveillants. Historiquement, les commerçants pouvaient distinguer le trafic des bots de celui des consommateurs humains. Aujourd’hui, les agents d’achat IA fonctionnent de manière transparente dans les navigateurs, générant des schémas de trafic de plus en plus humains et déclenchant ainsi les systèmes de fraude conçus pour un monde où l’utilisateur était toujours humain.

Un danger immédiat pour les revenus des entreprises

Monica Eaton, fondatrice et PDG de Chargebacks911, souligne l’urgence de la situation. « Les systèmes de fraude utilisés par les commerçants aujourd’hui ont été conçus pour détecter des comportements humains malveillants. Ils ne sont pas adaptés à un monde où une IA légitime et un bot malveillant se ressemblent presque. » Eaton met en garde les commerçants : ils doivent adapter leurs systèmes de détection et d’analyse des preuves maintenant, ou risquer de voir une part croissante de leurs revenus légitimes être rejetée par leurs systèmes obsolètes.

Un faux rejet n’entraîne pas de contestation, mais le coût immédiat en termes de ventes perdues, de confiance brisée et de visibilité réduite pour les agents IA est sévère. Les systèmes traditionnels de prévention de la fraude reposent sur des signaux comportementaux liés à l’interaction humaine, tels que les empreintes numériques, les schémas de session et les séquences de clics. Les transactions initiées par des agents perturbent ces indicateurs. Sans une preuve claire montrant ce que l’agent était autorisé à faire, ce qu’il a exécuté et pour qui il agissait, les commerçants manquent des données essentielles pour classer correctement la transaction.

Adapter l’infrastructure pour un avenir agentique

Pour combler cette lacune, Chargebacks911 utilise son système de gestion unifiée des litiges (UDMS) et ResolveLab, qui exploitent l’IA et le machine learning pour construire et analyser les architectures de preuves nécessaires aux transactions agentiques. Plutôt que de s’appuyer sur des signaux au moment de la transaction, l’UDMS capture toute la chaîne de consentement et d’autorisation. Cela inclut ce que l’agent était autorisé à faire, les limites en place et un enregistrement horodaté de chaque action.

Donald Kossmann, directeur technique de Chargebacks911, explique que les commerçants doivent repenser la validation des transactions. « Dans un environnement de commerce agentique, l’ancrage des preuves passe d’une action humaine en temps réel à un cadre de consentement préalable. Les organisations qui développent cette capacité maintenant non seulement réduiront les faux rejets, mais auront un avantage structurel à mesure que les achats pilotés par l’IA deviendront la norme. »

Pour protéger leurs revenus, Chargebacks911 recommande aux commerçants trois actions immédiates :

  • Établir des cadres de permission très granulaires pour les agents IA qui effectuent des transactions sur leurs plateformes.
  • Investir massivement dans une infrastructure de capture de preuves qui enregistre l’autorisation des agents directement avec les données de transaction.
  • Réviser en profondeur les seuils et règles de détection de fraude pour tenir compte des différences comportementales entre les achats humains et ceux initiés par des agents.

Monica Eaton conclut : « L’industrie s’est juste concentrée sur ce qui se passe quand une IA effectue un achat que le client ne voulait pas. La question reste : que se passe-t-il quand un système de fraude d’un commerçant refuse un achat que le client voulait ? Les deux problèmes doivent être résolus. »