Agentic Payment (Intelligence Artificielle Agent et Paiement)

Le principe d’un agent IA est d’agir pour le compte utilisateur, soit dans son propre environnement (agent IA distant), soit directement sur l’environnement du client (agent IA local).

Par exemple, Operator d’OpenAI fonctionne à la fois comme un agent distant depuis les serveurs d’OpenAI et comme un agent local sur macOS, où il peut interagir avec d’autres applications. De nombreux autres agents, comme Deep Research, adoptent également une approche distante.

Les agents distants sont les plus répandus aujourd’hui, car ils sont plus simples à concevoir et ne nécessitent pas d’installation locale. Toutefois, les agents locaux ont une longue histoire dans le secteur, notamment sous forme de Robotic Process Automation (RPA).

‍

Différences entre agents IA locaux et distants

Le secteur de l’Intelligence Artificielle doit prendre en compte plusieurs différences fondamentales entre les agents locaux et distants :

• Confidentialité et contrôle : Un agent local offre un plus grand sentiment de confidentialité et un meilleur contrôle des risques par l'utilisateur.
• Performances avec efficacité : En local, l’agent peut exécuter les calculs du LLM sur la machine de l'utilisateur, accélérant potentiellement les traitements de la machine.
• Contraintes matérielles : Un agent local peut être limité par la puissance de l’appareil, contrairement aux agents distants qui s’appuient sur des serveurs.

Cette opposition rappelle celle des années 70 entre les mainframes et l’émergence du personal computer (PC), introduit par Hewlett-Packard et IBM (lien).

‍

Accès aux identifiants et implications stratégiques

Les enjeux majeurs pour les agents IA, qu’ils soient locaux ou distants, sont leurs capacités à s’authentifier pour l'utilisateur. Les identifiants sont généralement stockés dans des gestionnaires intégrés aux systèmes d’exploitation (iOS, Android) ou aux navigateurs (Chrome). Des solutions tierces comme 1Password ou LastPass sont également utilisées.

Toutefois, Apple et Google restreignent l’accès à ces identifiants pour protéger leur écosystème. Cela complique l’intégration des agents IA tiers comme Operator d’OpenAI.

Cette problématique stratégique pousse plusieurs startups à explorer des processus alternatifs indépendants. Par exemple, Jony Ive travaille sur une nouvelle machine avec OpenAI (source).

‍

Analyse cas d’usage : le paiement par agent Intelligence Artificielle

Prenons l’exemple d’un utilisateur demandant à son agent IA d’acheter un billet de train :

1. Sélection de l’offre : L’agent doit être capable de comparer plusieurs options et données (exemple : un train à 97 € à 9h32 versus. un train à 32 € à 8h46).
2. Validation du paiement : Une fois la décision prise, l’agent IA doit accéder aux données de paiement et potentiellement interagir avec la banque.

Le paiement par carte peut s’effectuer en trois proccessus différents :

• Saisie manuelle : L'utilisateur entre ses données et valide auprès de sa banque.
• Saisie automatique : L’OS ou le navigateur remplit automatiquement les champs de paiement.
• Système tiers : Des prestataires comme Klarna, PayPal ou Apple Pay assurent la gestion de paiement sans nécessiter d’identifiants directs.
‍

Défis liés aux paiements agentiques

Un agent IA doit pouvoir automatiser la saisie des données de paiement ou s’intégrer avec un système tiers. Cependant, cela soulève plusieurs défis :

• Sécurité et confidentialité : Le stockage des donénes identifiants et leur accès doivent être protégés des risques de fraude.
• Restrictions des plateformes : Apple et Google peuvent empêcher l’accès aux gestionnaires d’identifiants pour des raisons stratégiques.
• Confirmation bancaire : Certains paiements nécessitent une authentification forte, rendant l’automatisation plus complexe.

Ainsi, bien que le paiement agentique représente un changement positif réel, son adoption dépendra des capacités des éditeurs d’agents Intelligence Artificielle à contourner ces obstacles techniques et réglementaires.

‍

Que peut faire un commerçant pour assurer la gestion du paiement agentique ?

L’essor des agents IA dans la navigation et les transactions en ligne pose des questions stratégiques et techniques majeures. Il est dès à présent crucial de préparer les parcours de navigation agentiques, notamment pour le SEO et le paiement. Dans ces parcours, l’objectif réel est d’identifier qu’un agent, et non un humain, navigue sur le site et de lui simplifier la tâche en délivrant un contenu adapté.

‍

1. Anticiper les interactions des agents Intelligence Artificielle

‍
• Mode déconnecté : L’agent pourra fournir des données sur l'utilisateur selon ses autorisations. Cela permettra une personnalisation accrue de l’offre. Il est donc essentiel de surveiller les évolutions des agents IA et de se rapprocher des éditeurs.
• Mode connecté : Lors d’un paiement par carte, l’agent remplira les champs automatiquement. Toutefois, il est pertinent de repenser le parcours d’achat et de relance de panier. Par exemple, permettre à l’utilisateur de finaliser son achat plus tard tout en gardant une trace de la tentative initiale faite par l’agent.

‍
2. Adapter les systèmes de paiement

‍
• Si un service tiers (comme Klarna ou PayPal) est utilisé, il est probable que l’agent ait accès aux identifiants de l’utilisateur.
• Il est néanmoins crucial de prévoir un accès spécifique pour les agents, impliquant un mode d’authentification quadripartite : le commerçant, l'utilisateur, le service de paiement et l’éditeur de l’agent.
• Travailler en amont avec les éditeurs des solutions de paiement facilitera cette intégration.

‍

Le paiement agentique ouvre de nouvelles perspectives en automatisation des transactions, mais reste un défi technique et stratégique. Les entreprises doivent se préparer dès maintenant en optimisant leurs expérience d’achat et en collaborant avec les éditeurs d’agents Intelligence Artificielle pour s’adapter à cette transformation du commerce en ligne.