211service.com
Podcast : Comment les algorithmes de tarification apprennent à s'entendre
Mme Tech | Envato
Les algorithmes déterminent maintenant le coût des choses. C'est ce qu'on appelle la tarification dynamique et elle s'ajuste en fonction des conditions actuelles du marché afin d'augmenter les profits. L'essor du commerce électronique a propulsé les algorithmes de tarification au quotidien, que vous fassiez des achats sur Amazon, réserviez un vol, un hôtel ou que vous commandiez un Uber. Dans cette suite de notre série sur l'automatisation et votre portefeuille, nous explorons ce qui se passe lorsqu'une machine détermine le prix que vous payez.
Dans cet épisode nous rencontrons :
- Lisa Wilkins, designer UX
- Gabe Smith, évangéliste en chef, Pricefx
- Aylin Caliskan, professeur adjoint, Université de Washington
- Joseph Harrington, professeur de commerce, d'économie et de politique publique, Université de Pennsylvanie
- Maxime Cohen, professeur titulaire de la chaire Scale AI, Université McGill
Crédits:
Cet épisode a été rapporté par Anthony Green et produit par Jennifer Strong et Emma Cillekens. Nous sommes édités par Mat Honan et notre ingénieur de mixage est Garret Lang, avec une conception sonore et une musique de Jacob Gorski.
Transcription complète :
[ID TR]
Jenifer : D'accord, je suis dans un aéroport juste à l'extérieur de New York et je regarde le tableau des départs ici en voyant tous ces vols aller à des endroits différents… Cela me fait penser à la façon dont nous décidons combien quelque chose devrait coûter… comme un billet pour l'un de ces vols. Parce que la destination de l'avion n'est qu'une partie du puzzle. Le prix du billet d'avion est hautement personnalisé. Il comprend des quantités massives de données sur les consommateurs. Les prix changent également en temps réel en fonction de facteurs tels que nos habitudes de réservation, les prix des concurrents, même la météo….
Jenifer : Mais il n'en a pas toujours été ainsi. Il fut un temps… nous pouvions compter sur la notion que ce que vous voyez est ce que vous obtenez.
De nos jours, les prix sont décidés par des algorithmes. C'est ce qu'on appelle la tarification dynamique… qui évalue les choses en fonction des conditions actuelles du marché afin d'augmenter les profits.
Et il n'y a pas que les compagnies aériennes qui utilisent cette technique.
[SOT : les détaillants adoptent la 'tarification dynamique' - via YouTube]
Journaliste télé : Pratique initiée par les compagnies aériennes, la tarification dynamique est aujourd'hui adoptée par les détaillants, grâce à de nouvelles technologies.
[SOT : Amazon accusé d'avoir surévalué WCPO ABC 9, via YouTube]
Journaliste télé : ...et cela devient de plus en plus courant grâce aux algorithmes informatiques. Vous le trouverez avec des billets pour Disney World, des chambres d'hôtel, des sièges de la Ligue majeure de baseball... et maintenant. AMAZONE.
Jenifer : Le commerce électronique a propulsé ces algorithmes dans un événement quotidien…
Mais qu'est-ce que cela signifie pour les consommateurs ?
[SOT : CONFÉRENCE ANTITRUST ET CONCURRENCE Partie 12 Jour 2 Panel 3 « Phénomène Amazon » - via YouTube]
Lina Khan, directrice, Politique juridique, Open Markets Institute : Amazon modifie les prix deux millions de fois par jour, vous savez, alors qu'est-ce qu'un prix stable pour chacun d'entre nous et comment saurons-nous que nous payons des prix différents ? Je pense que ce sera une question clé à l'avenir.
Jenifer : Je suis Jennifer Strong et cet épisode, que se passe-t-il lorsqu'une machine détermine le prix que vous payez.
[MONTRER ID]
OC : ... vous avez atteint votre destination.
[MUSIQUE]
[SOT : KIRO7 Seattle - Via Internet]
Présentateur de nouvelles 2 : Lorsque des coups de feu ont retenti la nuit dernière, les gens cherchaient une issue. Ce soir, certains disent que la sécurité est allée au plus offrant.
Jenifer : C'était au milieu du trajet du soir. Janvier dernier. Quand il y a eu une fusillade au centre-ville de Seattle.
Présentateur de nouvelles 1 : Les entreprises de covoiturage sont sous le feu ce soir pour avoir augmenté les prix alors que les gens essayaient de fuir les coups de feu. Certains coureurs disent qu'ils ont été arnaqués.
Lisa Wilkin : Le bus que je prendrais normalement descendrait la rue où la fusillade s'est produite. Donc, tous les bus qui descendaient cette rue, ils se sont tous arrêtés. Ils n'ont pas été redirigés ou quoi que ce soit, ils se sont juste arrêtés.
Jenifer : Lisa Wilkins travaille dans la technologie et son bureau est à moins d'un pâté de maisons de l'endroit où la fusillade s'est produite.
Lisa Wilkin : Je viens de décider de prendre un Uber ou un Lyft et, vous savez, de le ramener à la maison ou de le ramener à ma voiture, qui se trouve dans un Park and Ride, à environ 27 km. Et puis quand j'ai ouvert l'application, j'ai alors vu que c'était comme une centaine de dollars ou quelque chose pour y arriver alors que normalement cela aurait été peut-être 30 dollars.
Jenifer : Lorsque la demande est élevée, le prix d'un trajet avec Lyft ou Uber devient automatiquement plus cher. En cas d'urgence, les entreprises plafonnent ces prix une fois qu'il est clair ce qui se passe et, dans ce cas, proposent de rembourser les passagers qui ont payé des tarifs plus élevés.
Mais même si le travail de Lisa Wilkins consiste à concevoir des applications en gardant un œil sur l'expérience utilisateur, elle dit qu'il a quand même fallu un moment pour réaliser ce qui lui arrivait - était à cause d'un algorithme de tarification.
Lisa Wilkin : Au début, j'étais vraiment en colère parce que vous voulez le prendre personnellement, comme s'ils le faisaient intentionnellement. C'est une fusillade et ils en profitent. Et puis quand j'en parlais en quelque sorte à un autre collègue. Vous savez, nous étions toujours contrariés que cela coûterait si cher pour aller n'importe où, mais nous avons réalisé, comme, que les prix augmentaient. Il s'agit d'un bot indiquant essentiellement quels seront les prix. Et en tant que designer UX, je comprends qu'il y a beaucoup de cas marginaux que vous pourriez ne pas prévoir et qui se produisent dans votre produit.
Jennifer : Et cela peut avoir des résultats inattendus.
Gabe Smith : Il y avait un livre sur la génétique des mouches sur Amazon. C'était... il y avait deux algorithmes concurrents qui n'arrêtaient pas de se regarder et d'augmenter un peu le prix. L'autre augmenterait un peu le prix en plus de cela. Et ils ont continué à faire des allers-retours sans contrôle pendant, vous savez, plusieurs jours. Et au final, le prix de ce livre était d'environ 1,2 million de dollars.
Gabe Smith : Je m'appelle Gabe Smith et je suis le principal évangéliste de PriceFX. Et j'ai environ 14 ans d'expérience dans l'optimisation et la gestion des prix.
Jenifer : Il utilise l'IA et d'autres outils pour aider les entreprises à décider du coût de quelque chose. Il réfléchit également à la manière d'éviter ces valeurs aberrantes… comme ce livre d'un million de dollars sur les bogues.
Gabe Smith : C'est donc dans les années 80 que la puissance de calcul et la disponibilité des données ont atteint le point où ces techniques ont pu commencer à être exploitées. Et vraiment, il est apparu d'abord dans les industries du transport aérien, puis dans les autres industries du voyage et des loisirs telles que les voitures de location et les hôtels.
Jenifer : La tarification dynamique peut aider les entreprises à savoir ce qu'il faut facturer pour les produits qui expirent ou dont l'offre est limitée. Comme quand un avion décolle... il n'y a pas de changement du nombre de ces sièges qui sont occupés. Ainsi, pour générer le plus de revenus, les compagnies aériennes doivent vendre le plus grand nombre de sièges au prix le plus élevé possible. Et pour savoir quel est ce prix ? Ils doivent comprendre les nuances du comportement des passagers et de la demande du marché.
Gabe Smith : C'était donc vraiment la première utilisation de l'optimisation des prix et de l'intelligence artificielle pour orienter les prix vers un marché. Et depuis lors, vous savez que son utilisation s'est vraiment étendue dans de nombreuses industries différentes. Nous avons une entreprise, par exemple, qui établit une tarification dynamique pour ses billets de ski en fonction des événements à venir, des conditions météorologiques, des conditions de neige, mais nous avons également d'autres clients qui vendent de l'électronique, des produits chimiques. Nous avons des entreprises de fabrication industrielle, des entreprises de distribution, vraiment ces techniques sont de plus en plus adoptées dans une grande variété d'industries.
Jenifer : La clé pour que tout cela fonctionne est un riche ensemble de données sur les clients et ce qui motive leur volonté de payer. Plus il y a de données... Plus les prix peuvent être ciblés pour les particuliers.
Gabe Smith : Comment ils se comportent. Quel produit que vous offrez. Des choses comme, quelle est la nature de la transaction ou du devis que vous faites ? Tous ces éléments peuvent être pris en compte dans vos algorithmes d'optimisation des prix et influencer ce que vous allez proposer. Donc, si vous disposez de telles données, il peut être assez simple de pouvoir mettre en œuvre une optimisation des prix. Nous avons donc des clients chez qui nous avons mis en place des choses en aussi peu que quelques mois.
Jenifer : Et il dit que ces systèmes s'améliorent pour gérer la complexité et équilibrer les objectifs concurrents.
Gabe Smith : Alors peut-être que je veux m'assurer que je suis toujours positionné d'une certaine manière par rapport à mes concurrents, n'est-ce pas ? Ou peut-être que je veux dire : 'Hé, je ne veux jamais augmenter les prix de plus de 5 % pour qui que ce soit.' Est-ce que j'essaie de maximiser les revenus, est-ce que j'essaie de maximiser les profits ? Est-ce que j'essaie de maximiser le débit de volume ? Je pourrais équilibrer entre ceux-ci. Donc, ce qui se passe dans les organisations, vous savez, il y a souvent des objectifs concurrents. Et donc vous pouvez guider non seulement, d'accord, quel est mon prix catalogue, mais quel est, vous savez, le prix négocié ou la promotion basée sur une combinaison de produits client.
Jenifer : Ces contraintes sont importantes car, si elles ne sont pas liées, les algorithmes de tarification peuvent simplement donner la priorité à des prix plus élevés.
Un autre problème? Veiller à ce que ces prix ne renforcent pas les biais systémiques.
Mais ce n'est pas si simple.
Gabe Smith : Il se peut que, vous savez, vous ne voyiez pas explicitement l'une de ces choses, mais elles pourraient être juste sous la surface dans un autre attribut que vous utilisez. Donc, si vous utilisez un code postal ou si vous utilisez les données démographiques en termes de niveaux de revenu, vous savez, il peut y avoir un biais systémique dans ces données. Vous devez donc vraiment réfléchir à la façon dont vous construisez ces choses et vous assurer que vous faites ce qu'il faut d'un point de vue éthique. Et je pense qu'une partie de l'acceptation est la suivante : ai-je l'impression qu'en tant que consommateur, j'obtiens une bonne affaire ou une meilleure affaire dans certains cas à la suite de cela, ou est-ce toujours à l'avantage du fournisseur ?
[TRANSITION MUSICALE]
Aylin Caliskan : Nous savons que les grandes technologies utilisent largement ces algorithmes de tarification individualisés et nous ne comprenons pas nécessairement ce qui se passe derrière ces systèmes ou algorithmes car ce sont des boîtes noires. Nous ne voyons les résultats que sur une base individuelle, essentiellement le prix que nous recevons. Et nous n'avons pas vraiment de méthodes ou d'ensembles de données pour étudier systématiquement les algorithmes de discrimination par les prix.
Aylin Caliskan : Je suis Aylin Caliskan. Je suis actuellement professeur adjoint à l'Université de Washington et mes recherches portent sur l'apprentissage automatique et le biais de l'intelligence artificielle.
Jenifer : Il y a quelques années, la ville de Chicago a exigé que des entreprises comme Uber et Lyft publient les données tarifaires au public. Cela a permis aux chercheurs d'accéder à des millions de trajets anonymisés dans toute la ville. Elle a comparé les prix avec la démographie du quartier et ce qu'elle a trouvé ? La surprit.
Aylin Caliskan : Nos résultats montrent que les quartiers qui comptent des résidents plus jeunes ou des résidents très instruits payaient des tarifs nettement plus élevés. Et dans les quartiers qui comptent un plus grand nombre de résidents non blancs, ainsi que dans les quartiers pauvres, nous payons également des tarifs plus élevés qui ont été déterminés par ces algorithmes de discrimination par les prix.
Jenifer : Son équipe veut savoir pourquoi cela se produit, mais c'est difficile sans détails sur l'offre et la demande - qui ne sont pas rendus publics.
Les chercheurs ne peuvent obtenir qu'un sous-ensemble de ces données.
Aylin Caliskan : Les résidents des quartiers défavorisés paient-ils des prix équitables plus élevés en raison des caractéristiques de leurs quartiers. Ou l'offre de chauffeurs a-t-elle un impact sur la tarification équitable dans ces quartiers où la demande semble relativement faible. Mais si l'offre est encore plus faible, en conséquence, la demande relative semblerait plus élevée, ce qui pourrait augmenter la tarification des tarifs et plus la transparence est grande, meilleures sont les méthodes que nous pouvons développer pour étudier l'impact disparate de ces algorithmes ou leur dynamique, comment ils apprennent du voisinage les modèles de transport et les modèles de trafic.
Jenifer : Ce qui soulève une autre question épineuse ? Il n'y a pas vraiment de règles à ce sujet.
Aylin Caliskan : Nous avons besoin de plus de politiques et de réglementations pour pouvoir accéder à cet ensemble de données, continuer à l'étudier et comprendre comment cela pourrait avoir un impact sur la planification urbaine intelligente ainsi que sur l'allocation des ressources, car si de tels ensembles de données sont utilisés, par exemple, dans les voitures sans conducteur ou allocation des ressources dans les villes intelligentes, ces biais pourraient finir par se perpétuer ou potentiellement s'amplifier à l'avenir, provoquant toutes sortes d'effets secondaires inattendus auxquels nous devrons faire face à l'avenir.
Jenifer : Après la pause, nous découvrons à quoi pourrait ressembler la réglementation… et nous apprenons comment ces algorithmes pourraient fonctionner dans une épicerie.
Mais d'abord, je veux vous parler d'un événement appelé CyberSecure. C'est la conférence sur la cybersécurité de Tech Review et j'y serai avec mes collègues pour parler des ransomwares et d'autres problèmes importants. Vous pouvez en savoir plus sur Cyber Secure M-I-T dot com.
Nous reviendrons tout de suite… après cela.
[MIDROLL]
[MUSIQUE]
Jenifer : Les algorithmes de tarification peuvent également aider les consommateurs…. en personnalisant les produits et les recommandations… ou en fournissant des informations aux entreprises qui les aident à concevoir de meilleurs produits et services.
Mais ces systèmes présentent également de nouveaux défis pour ceux qui réglementent la concurrence.
Le Congrès a adopté la première loi antitrust il y a plus d'un siècle, mais ce n'est qu'en 2015 que le gouvernement a poursuivi sa première affaire antitrust ciblant spécifiquement le commerce électronique. Dans cette affaire, un homme a plaidé coupable d'avoir conspiré pour fixer illégalement les prix des affiches qu'il vendait sur Amazon avec d'autres vendeurs... en utilisant un algorithme conçu pour coordonner les changements de prix.
Joseph Harington : L'algorithme de tarification chercherait le meilleur ou le plus bas prix des vendeurs concurrents, c'est-à-dire des concurrents de ces deux vendeurs en ligne. Et puis les deux vendeurs en ligne fixeraient un prix commun légèrement inférieur. Ainsi, les deux vendeurs étaient toujours en concurrence avec d'autres entreprises sur le marché, mais ne se faisaient tout simplement pas concurrence. Ainsi, au lieu de se coordonner sur un prix commun, ils se sont coordonnés sur un algorithme de tarification commun et cela a eu le même effet de réduire la concurrence.
Joseph Harington : Donc je suis Joe Harrington. Je suis professeur de commerce, d'économie et de politique publique à la Wharton School de l'Université de Pennsylvanie. Mes recherches portent sur la collusion et les cartels.
Jenifer : L'affaire impliquant les vendeurs d'affiches d'Amazon est quelque chose qui est assez proche de la collusion traditionnelle... où des entreprises concurrentes coordonnent les prix via une communication directe, d'homme à homme.
Mais il y a de plus en plus de recherches sur le fait que les algorithmes de tarification eux-mêmes pourraient apprendre à former leur propre cartel numérique… et s'entendre pour augmenter les prix sans aucune implication humaine.
Joseph Harington : Maintenant, imaginons qu'un responsable décide de déléguer la décision de tarification à un algorithme d'auto-apprentissage. Cet algorithme d'auto-apprentissage va expérimenter différents algorithmes de tarification ou règles de tarification dans l'espoir de trouver ceux qui sont plus rentables. Ils se retrouvent donc avec des règles de tarification plus rentables. Et la raison pour laquelle ils sont plus rentables est que les algorithmes d'auto-apprentissage ont appris à ne pas se concurrencer.
Jenifer : Et des chercheurs en Italie ont déjà trouvé des preuves que cela se produisait dans un environnement simulé.
Joseph Harington : Ils ont donc considéré un modèle économique très standard d'un marché. Celui qui a été utilisé par de nombreux économistes, à la fois pour des travaux théoriques et empiriques. Et la question était de savoir s'ils seraient capables d'apprendre à s'entendre dans un environnement simulé assez sophistiqué et complexe. Et la réponse est très clairement, oui, il y a des prix qui étaient justes, juste systématiquement bien au-dessus des prix compétitifs, parfois assez proches des prix de monopole.
Jenifer : Il dit que ces algorithmes d'auto-apprentissage se comportent d'une manière qui reflète les cartels humains.
Joseph Harington : Les algorithmes fixent un prix élevé au-dessus des prix compétitifs, ce qui crée alors une incitation, du moins à court terme, à fixer un prix inférieur afin d'acquérir plus de parts de marché et des bénéfices plus élevés. Ce que les algorithmes d'auto-apprentissage ont appris sur les conséquences de s'écarter de cela en fixant un prix inférieur, c'est que l'autre algorithme d'auto-apprentissage a adopté un algorithme de tarification qui punira ce comportement. Donc, plus précisément, si l'un d'eux devait soudainement baisser le prix, l'algorithme de tarification de l'autre algorithme d'auto-apprentissage a été formé pour répondre avec un prix très bas en réponse. Les prix resteraient bas pendant un certain temps, mais ils auraient tendance à remonter jusqu'aux prix collusoires élevés. Donc, ce que nous avons ici, ce sont vraiment ces algorithmes d'auto-apprentissage qui apprennent que, d'accord, nous allons fixer un prix élevé et la raison pour laquelle ils ne s'en écartent pas, c'est qu'ils ont appris qu'il va y avoir des représailles punition par l'autre, algorithme d'auto-apprentissage. Et c'est exactement ce que nous appelons la collusion.
Jenifer : La question reste ouverte de savoir si ce genre de chose pourrait se produire sur un marché réel, avec toute sa complexité supplémentaire.
Mais le concept de collusion automatisée soulève toutes sortes de questions juridiques.
Joseph Harington : Si on reprend l'exemple de, sur la place de marché Amazon et les vendeurs d'affiches en ligne, eh bien c'est ce type de collusion pour laquelle le cadre légal est bien conçu. Il est conçu pour le complot où les concurrents communiquent. Et coordonnez leur conduite. La loi est définie en termes de rencontre des esprits, d'engagement conscient envers un projet commun. L'idée qu'il y a eu cette communication, qui a conduit à une certaine compréhension mutuelle entre concurrents pour ne plus rivaliser. Tout cela est absent chez les concurrents ayant adopté des algorithmes d'auto-apprentissage tant qu'ils l'ont fait de manière indépendante. Ces algorithmes d'auto-apprentissage n'ont pas de compréhension, et encore moins de compréhension mutuelle, ce qui est vraiment ce qui est requis dans le contexte de la loi.
Jenifer : Et pour l'instant… il n'y a personne en charge de surveiller si ces systèmes respectent des règles que nous jugeons justes.
Joseph Harington : Je veux dire, je pense que la réponse juridique potentielle à l'avenir serait d'interdire certaines propriétés des algorithmes de tarification. Si ceux-ci étaient interdits, les entreprises elles-mêmes seraient incitées à surveiller leurs algorithmes de tarification, et non à s'exposer illégalement. Mais à l'heure actuelle, il n'y a vraiment personne qui les surveille. Et les entreprises n'ont certainement aucune incitation, je dirais, à les surveiller.
Jenifer : Il dit que des algorithmes de tarification anticoncurrentiels pourraient également être intégrés dans des logiciels… qui pourraient être utilisés par des entreprises en concurrence les unes avec les autres… sans même que ces entreprises s'en rendent compte.
Joseph Harington : Et puis la question est, eh bien, que peut-on faire à ce sujet? Et voilà que nous voici, une fois de plus, dans un territoire juridique un peu trouble, car le complot nécessite deux acteurs ou plus, soit traditionnellement deux concurrents ou plus qui ont décidé de ne plus s'affronter. Mais maintenant, nous imaginons qu'il s'agit en quelque sorte d'un acteur, qui est le développeur tiers qui pourrait concevoir un algorithme de tarification qui n'est pas très compétitif. Et s'il peut convaincre de nombreuses entreprises d'un marché de l'adopter, il sera performant pour ces entreprises, car il entraînera des prix plus élevés et moins de concurrence sur les prix. Maintenant, encore une fois, c'est mauvais, mais il n'y a pas de complot parce qu'il n'y a vraiment qu'un seul acteur, le développeur tiers qui en fait la promotion.
Jenifer : Et là est un exemple de cela dans le monde réel... dans une étude réalisée sur des stations-service allemandes qui ont commencé à adopter un algorithme de tarification.
Joseph Harington : Et la preuve est que les marges moyennes sur les prix de revient ont augmenté en réponse à cela, de l'ordre d'environ 12 %. Mais c'était vraiment très frappant, si vous regardiez les marchés où il n'y avait que deux stations, alors imaginez un marché géographique où il n'y a qu'une sorte de deux stations en concurrence. Et ce que l'étude a révélé, c'est que si l'un d'entre eux adoptait l'algorithme de tarification, il n'y avait vraiment aucun effet notable sur les prix. Mais si les deux adoptaient, alors il y avait une augmentation significative des marges de prix de revient. De l'ordre de 29 % environ. Alors maintenant, cela renseigne sur ce que font ces algorithmes de tarification. S'ils conduisent à une tarification dynamique juste plus efficace, vous vous attendriez à voir un effet, même lorsqu'un seul opérateur de station l'a adopté. Mais ce n'est pas ce qui ressort de l'étude. C'est seulement lorsque les deux concurrents adoptent que vous voyez un effet. Et c'est un effet, qui est une augmentation importante du prix. Je pense donc que c'est quelque chose qui, je pense, est en train de se produire. Et c'est quelque chose qui est un peu plus, je pense, concret et pour lequel il y a potentiellement plus d'options politiques à traiter. Contrairement au cas des algorithmes d'auto-apprentissage, qui, je pense, est un problème potentiel que nous voulons anticiper.
Maxime Cohen : Auparavant, nous pouvions modifier les prix tous les jours ou tous les mois, mais maintenant, les prix peuvent changer toutes les heures ou dans certaines applications, voire toutes les minutes.
Maxime Cohen : Je m'appelle Maxime Cohen. Je suis professeur à la chaire Scale AI à l'Université McGill à Montréal, Canada et je suis également co-directeur du laboratoire Retail Innovation.
Jenifer : Ces dernières années ont vu une explosion des pratiques de tarification dynamique... Et la tarification personnalisée est également de plus en plus courante.
À l'avenir, les systèmes de tarification dynamique pourraient être totalement autonomes... et appliqués à une échelle encore plus grande.
Ce qui soulève la question : comment protégeons-nous notre vie privée lorsque nos données sont utilisées pour déterminer combien nous payons pour des choses ?
Maxime Cohen : Ainsi, l'algorithme de tarification en fin de compte devrait être basé sur des attributs non personnels. Par exemple, vous pouvez collecter l'historique des achats, vous pouvez collecter, potentiellement, l'emplacement des utilisateurs, les actions qu'ils ont effectuées dans le passé, mais vous ne souhaitez utiliser aucun type d'attributs personnels tels que des noms ou le sexe ou tout ce qui est plus personnel.
Jenifer : Une autre question… où trace-t-on la ligne entre prix justes et prix injustes ?
Maxime Cohen : Il faut se poser la question. Est-il juste d'offrir des prix différents à des clients différents pour les mêmes produits ou le même service ? Et la réponse à cette question n'est pas simple en fait. Ces deux sujets de confidentialité et d'équité sont très délicats et, à mon avis, nécessitent une réglementation prudente pour aller de l'avant.
Jenifer : Il dit que les régulateurs devraient se réunir et préciser quelles données peuvent être collectées, stockées et utilisées pour prendre des décisions en matière de tarification.
Maxime Cohen : Par exemple, si Uber commence à crier des prix différents, en fonction du pourcentage de batterie que vous avez dans votre téléphone lorsque vous commandez un trajet. Est-ce que ça irait? Ne serait-ce pas bien ? Les régulateurs devraient donc se réunir autour de la table et établir une liste d'attributs qu'il est raisonnable d'utiliser pour les décisions de tarification et certains autres attributs dans une liste noire où ils ne devraient pas être utilisés pour les décisions de tarification.
Jenifer : Et ce ne sont pas seulement nos paniers d'achat en ligne qui sont en jeu. Les algorithmes de tarification dynamique pourraient bientôt trouver leur place dans le commerce de détail physique également… sous la forme d'étiquettes de rayon électroniques.
Maxime Cohen : Vous pouvez en fait modifier le prix de produits spécifiques à des moments précis, en modifiant simplement une seule ligne de code et en appuyant sur un bouton. Vous modifiez une ligne de code. Ensuite, vous pouvez déployer un changement de prix à des coûts pratiquement nuls. Désormais, la seule question qui reste dans le commerce de détail physique est de savoir comment les clients réagiront aux pratiques de tarification dynamiques et à la hausse. Si vous y réfléchissez, les prix commenceront à augmenter dans les supermarchés pendant les heures de pointe. S'il y a un moment de la journée où il y a beaucoup de monde au supermarché, les prix vont augmenter. De même, les prix commenceront à augmenter lorsque vous aurez un stock très faible pour des produits spécifiques. Si vous avez moins de cours des actions vont monter afin d'aimer, assurez-vous que vous optimisez vos profits. Maintenant, il n'est pas clair si les clients seront satisfaits et il acceptera ces types de pratiques qui sont déjà en place dans le monde en ligne. Il peut être certainement rentable à court terme, mais il peut générer des pertes à long terme, notamment en termes de fidélisation de la clientèle. Nous devons donc faire beaucoup de recherches pour essayer de comprendre la puissance et les avantages potentiels de la tarification dynamique pour le commerce de détail physique.
[CRÉDITS]
Jenifer : Cet épisode a été rapporté par Anthony Green et produit par nous deux avec Emma Cillekens. Nous sommes édités par Mat Honan et notre ingénieur de mixage est Garret Lang, avec une conception sonore et une musique de Jacob Gorski.
Merci de m'avoir écouté, je suis Jennifer Strong.
[ID TR]