Jusqu'ici, l'IA interagissait principalement avec des humains. Cette époque est révolue. En 2026, une part croissante des transactions commerciales se déroule entre agents : un agent acheteur qui négocie avec un agent vendeur, un broker agent qui arbitre entre plusieurs offres, un agent client qui filtre les sollicitations avant qu'elles n'atteignent un humain. Pour les marques, ce changement de paradigme est aussi profond que l'a été l'avènement du e-commerce.
Les 3 nouveaux types de relations agentiques
1. Agent-to-Agent (A2A) : quand les machines négocient entre elles
La relation Agent-to-Agent désigne toute interaction où deux systèmes IA autonomes communiquent et prennent des décisions sans intervention humaine directe. Un agent de gestion des stocks d'un distributeur contacte automatiquement l'agent d'approvisionnement d'un fournisseur pour déclencher une commande. Un agent de pricing ajuste ses tarifs en réponse aux mouvements détectés de l'agent concurrent.
Ces échanges se font via des protocoles standardisés émergents — MCP (Model Context Protocol), des API REST structurées ou des formats d'échange spécifiques aux agents. La vitesse est leur caractéristique principale : là où une négociation humaine prenait des jours, une négociation A2A prend des millisecondes.
- ▸Négociation de prix et conditions commerciales en temps réel entre systèmes
- ▸Synchronisation automatique des stocks et prévisions entre partenaires
- ▸Échange de données produits, certifications et conformité sans saisie manuelle
- ▸Orchestration de chaînes logistiques multi-acteurs sans coordination humaine
- ▸Protocoles de vérification mutuelle de fiabilité et de réputation entre agents
2. Le Broker Agent : l'intermédiaire algorithmique
Le Broker Agent est un agent spécialisé dans la mise en relation et l'arbitrage entre plusieurs parties. Son rôle est analogue à celui d'un courtier humain, mais opérant à une échelle et une vitesse incomparables. Il agrège les offres, les évalue selon des critères définis et sélectionne la meilleure option pour le compte de son mandant.
Concrètement, un Broker Agent d'achat peut simultanément interroger 50 fournisseurs, comparer leurs offres selon une vingtaine de critères pondérés (prix, délai, qualité certifiée, bilan carbone, conditions de retour) et déclencher la commande auprès du gagnant — le tout en quelques secondes. Pour les marques qui ne comprennent pas ce mécanisme, leurs offres ne seront tout simplement jamais sélectionnées.
Exemple concret
Amazon Rufus, Klarna AI et les agents d'achat de nouvelle génération fonctionnent déjà partiellement comme des Broker Agents côté consommateur : ils agrègent, comparent et recommandent sans que le client ne visite chaque site. La marque qui n'optimise pas ses données produits pour être lisible par ces agents est invisible.
3. Agent-to-Customer (A2C) : la relation client réinventée
La relation Agent-to-Customer désigne les interactions entre un agent de marque et un consommateur humain. C'est le modèle le plus connu — chatbots, assistants de vente, SAV automatisé. Mais en 2026, cette relation évolue radicalement : le consommateur humain est de moins en moins souvent l'interlocuteur direct. À sa place, son propre agent personnel filtre, évalue et répond à sa place.
Un consommateur équipé d'un agent personnel (Apple Intelligence, Google Assistant avancé, ou des solutions comme Perplexity Shopping) ne voit plus votre publicité, ne reçoit plus votre newsletter, et ne parcourt plus votre site. Son agent le fait pour lui, selon ses préférences programmées. La relation n'est plus B2C — elle devient B2A2C : votre agent de marque doit convaincre l'agent du consommateur.
Les implications concrètes pour les marques
Votre contenu doit être lisible par les machines
Un agent acheteur ne lit pas vos fiches produits comme un humain. Il interroge vos données via des API, parse vos structured data, lit vos métadonnées. Une fiche produit visuellement magnifique mais pauvre en données structurées est invisible pour un Broker Agent. L'optimisation pour les agents (AEO — Agent Experience Optimization) devient aussi critique que le SEO l'était pour Google.
- ▸Implémenter des structured data complètes (Schema.org, JSON-LD) sur tous vos produits
- ▸Exposer une API produit publique ou semi-publique pour les agents partenaires
- ▸Documenter vos politiques commerciales dans des formats lisibles par les agents (JSON, XML structuré)
- ▸Maintenir vos données en temps réel : stock, prix, délais — les agents n'acceptent pas les données périmées
- ▸Certifier et signer vos données pour prouver leur authenticité aux agents vérificateurs
Votre réputation agentique devient un actif stratégique
Les Broker Agents évaluent les fournisseurs sur des critères de réputation agentique : fiabilité des données historiques, taux de respect des engagements, qualité des API, temps de réponse des systèmes. Un fournisseur avec une mauvaise réputation agentique sera systématiquement écarté, même si son offre est compétitive en termes de prix.
Cette réputation se construit sur des registres distribués et des systèmes de scoring inter-agents. Elle est difficile à construire et facile à détruire. Une promesse de délai non tenue ou une donnée de stock erronée répercutée à un agent partenaire peut dégrader votre score agentique et vous exclure de circuits d'achat automatisés.
La personnalisation atteint ses limites éthiques et légales
Quand votre agent de marque collecte des données sur l'agent d'un consommateur pour personnaliser une offre, jusqu'où peut-il aller ? Le RGPD et l'AI Act encadrent déjà ces pratiques, mais la jurisprudence sur les interactions agent-to-agent est encore embryonnaire. Les marques qui définissent dès maintenant des règles éthiques claires sur ce que leurs agents peuvent collecter et utiliser auront un avantage décisif quand la réglementation se précisera.
Le rôle humain se déplace vers la stratégie et la gouvernance
Si les agents gèrent les transactions, les négociations et une partie des relations clients, que font les humains ? Ils définissent les règles du jeu : les valeurs de la marque que les agents doivent incarner, les limites éthiques qu'ils ne peuvent pas franchir, les critères de sélection des partenaires, les seuils de décision réservés aux humains. Le marketing de demain est moins une discipline d'exécution qu'une discipline de gouvernance.
« Dans l'économie agentique, votre marque est ce que vos agents font quand personne ne regarde. La gouvernance n'est plus un sujet RH ou juridique — c'est le cœur de votre stratégie de marque. »
— Vincent DORANGE, créateur du framework ACF®
Comment se préparer dès maintenant ?
- 1Auditez votre lisibilité agentique : vos données produits sont-elles accessibles et structurées pour des agents ?
- 2Définissez la 'personnalité agentique' de votre marque : quelles valeurs et quelles limites vos agents doivent-ils respecter dans leurs interactions ?
- 3Identifiez les Broker Agents clés de votre secteur et comprenez leurs critères de sélection
- 4Mesurez votre réputation agentique actuelle auprès de vos partenaires et clients
- 5Évaluez votre Score ACF® pour identifier les lacunes de gouvernance à combler avant que vos agents ne négocient en votre nom
Définition : Agent-to-Agent (A2A)
La relation Agent-to-Agent (A2A) désigne toute interaction commerciale ou opérationnelle entre deux systèmes IA autonomes sans intervention humaine directe. Les agents négocient, échangent des données et prennent des décisions en millisecondes via des protocoles standardisés (MCP, API REST). Cette nouvelle forme d'échange transforme la compétition commerciale et impose aux marques d'optimiser leur lisibilité agentique.