Tarification algorithmique : où passe la ligne légale pour un retailer ?
.avif)
November 11, 2026
Le prix dynamique est libre en France. Le prix personnalisé par décision automatisée est permis, mais il doit être signalé au client. L'entente par algorithme reste interdite, même sans contact entre concurrents.
La protection la plus solide pour un retailer : pouvoir dire, pour chaque prix, quelle règle l'a produit, quelles données l'ont nourri et qui l'a validé.
Un même algorithme peut baisser un prix parce qu'un concurrent a bougé, le monter pour un client précis, ou l'aligner sur celui d'un rival sans que personne ne se parle. Trois pratiques, trois régimes juridiques.
Cet article s'adresse aux directions pricing, commerce et juridique des retailers. Il trace la ligne entre ces trois zones en droit français et européen, puis explique pourquoi la traçabilité de chaque prix devient la meilleure protection. Ce n'est pas un avis juridique.
Tarification algorithmique : trois pratiques, trois régimes
La tarification algorithmique désigne la fixation ou la recommandation de prix par un programme, à partir de règles, de données et parfois de modèles d'IA. Le droit ne la juge pas en bloc : il regarde ce qui fait varier le prix, et pour qui.
Le prix dynamique varie selon le marché : demande, stocks, saison, prix publics des concurrents. C'est le principe de la tarification dynamique : à un instant donné, tous les clients voient le même prix.
Le prix personnalisé varie selon la personne : son historique, sa navigation, son profil. L'entente algorithmique, enfin, rapproche les prix de concurrents par un outil commun ou des données partagées.
| Critère | Prix dynamique | Prix personnalisé | Entente algorithmique |
|---|---|---|---|
| Ce qui fait varier le prix | Le marché : demande, stocks, prix publics des concurrents | Le profil d'un client identifié | Des données ou un outil partagés entre concurrents |
| Même prix pour tous au même moment | Oui | Non | Oui, mais concerté |
| Cadre principal | Liberté des prix, règles d'affichage et d'annonce de réduction | Information du client (Omnibus), RGPD | Droit des ententes (article 101 TFUE, L. 420-1) |
| Statut | Autorisé | Sous conditions | Interdit |
La frontière entre les deux premières zones est plus fine qu'il n'y paraît. Un prix différencié par magasin relève du dynamique. Une remise calculée sur le profil d'un client identifié relève du personnalisé.
Le prix dynamique est libre, tant qu'il reste lisible
En France, les prix sont librement déterminés par le jeu de la concurrence (article L. 410-2 du Code de commerce). Qu'un algorithme ajuste un prix au marché ne change rien à ce principe.
La directive Omnibus le dit d'ailleurs explicitement dans son considérant 45 : l'information due sur les prix personnalisés ne vise pas la tarification « dynamique » ou « en temps réel » qui n'implique pas de personnalisation.
Libre ne veut pas dire sans règles. Le prix affiché doit être exact, et une annonce de réduction doit respecter le prix de référence sur 30 jours, même quand c'est un algorithme qui la déclenche.
Le risque est ici surtout opérationnel : un prix qui change plus vite que l'étiquette ou la fiche produit. C'est tout l'enjeu d'une tarification dynamique omnicanale bien orchestrée.
Le prix personnalisé est permis, à condition de le dire
Depuis le 28 mai 2022, la directive Omnibus, transposée en France par l'ordonnance n° 2021-1734, impose d'informer le consommateur lorsqu'un prix lui est personnalisé sur la base d'une prise de décision automatisée.
Le texte n'interdit pas la pratique. Il exige de la transparence, au titre des informations dues avant la conclusion d'un contrat à distance, donc d'abord en ligne.
Le RGPD s'ajoute à cette règle. Un prix calculé sur le profil d'une personne repose sur un profilage, avec ses obligations d'information et, pour une décision entièrement automatisée, les garanties de l'article 22.
La pratique n'a rien de théorique. Aux États-Unis, la FTC a publié en janvier 2025 les premiers résultats de son étude sur le « surveillance pricing ».
clients au moins, de l'épicerie à l'habillement, travaillaient avec les intermédiaires étudiés par la FTC, qui s'appuient sur la localisation, l'historique d'achat ou la navigation pour cibler prix et remises.
(FTC, étude 6(b) sur le surveillance pricing, résultats préliminaires, 17 janvier 2025)
New York est allé plus loin. Depuis le 10 novembre 2025, un prix fixé par un algorithme à partir de données personnelles doit y porter la mention « this price was set by an algorithm using your personal data ».
Le droit européen n'impose pas de formule aussi frontale, mais la direction est la même. Un prix individualisé que l'enseigne ne sait pas expliquer devient un risque juridique et d'image, comme le rappelle notre fiche sur la discrimination tarifaire.
L'entente algorithmique reste interdite, même sans réunion
C'est la seule zone sans nuance. L'article 101 du TFUE et l'article L. 420-1 du Code de commerce interdisent les ententes sur les prix, qu'elles passent par une réunion, un e-mail ou un logiciel.
La Commission européenne l'a écrit dans ses lignes directrices de 2023 sur les accords entre concurrents. Une entreprise ne peut pas se soustraire à sa responsabilité au motif que ses prix ont été fixés par un algorithme, qui reste sous son contrôle (point 379).
Le même texte vise le cas où des concurrents utilisent un outil de prix fourni par un tiers, qui agrège leurs informations sensibles. Selon la Commission, cela pourrait équivaloir à une collusion horizontale (points 401 et 402).
L'affaire RealPage en donne une illustration concrète. Le ministère américain de la Justice reprochait à ce logiciel de loyers d'utiliser les données non publiques de propriétaires concurrents pour leur recommander des prix.
d'ancienneté minimale pour les données non publiques sur lesquelles RealPage pourra entraîner ses modèles, selon l'accord proposé par le ministère américain de la Justice, encore soumis au tribunal.
(U.S. Department of Justice, communiqué du 24 novembre 2025)
En France, l'Autorité de la concurrence range la collusion algorithmique parmi les risques liés à l'automatisation des actions par des agents d'IA, dans son avis 26-A-05 du 18 juillet 2026.
Suivre les prix publics d'un concurrent reste légitime : c'est le principe même de la veille tarifaire. Ce qui fait basculer, c'est l'échange de données non publiques, ou une stratégie d'alignement coordonnée plutôt que décidée seul.
Ce que l'AI Act change pour le pricing retail, et ce qu'il ne change pas
Le règlement européen sur l'IA (règlement 2024/1689) ne classe pas la tarification retail parmi les systèmes à haut risque. La seule tarification citée dans son annexe III concerne l'assurance vie et santé, à côté de l'évaluation de la solvabilité.
Il interdit en revanche, depuis le 2 février 2025, les systèmes qui exploitent la vulnérabilité d'une personne, liée à son âge, à un handicap ou à sa situation sociale ou économique, pour altérer son comportement au prix d'un préjudice important.
Un moteur qui recommande des prix par produit et par magasin n'entre pas dans ces cas. Un prix individualisé qui ciblerait la fragilité d'un client pourrait s'en approcher : raison de plus pour garder toute personnalisation sous contrôle humain.
La question devient plus aiguë avec l'agentic pricing, où l'IA applique elle-même certaines décisions. Mais l'AI Act n'est pas le texte qui borne le pricing retail : ce sont le droit de la consommation et celui de la concurrence.
La traçabilité de chaque prix, meilleure protection du retailer
Les trois zones ont un point commun. Face à un client, à un contrôle ou à une plainte, il faudra expliquer comment un prix a été fixé, parfois des mois plus tard.
Pour un retailer, cela revient à pouvoir répondre à trois questions sur n'importe quel prix appliqué.
Quelle règle
La règle ou l'objectif appliqué : alignement sur le marché, marge cible, seuil psychologique, contrainte de gamme.
Quelles données
Les données d'entrée : ventes, stocks, prix publics des concurrents, et aucune donnée qui n'a pas à y figurer.
Qui a validé
La personne ou le circuit qui a accepté le prix, avec la date et les éventuelles dérogations.
Source : Booper, grille de lecture, novembre 2026.
Un prix qui répond à ces trois questions se défend. Il montre qu'il dépend du marché et non d'un profil, de données publiques et non d'un échange entre concurrents, d'une décision humaine et non d'une boîte noire.
C'est pourquoi nous voyons l'explicabilité des recommandations de prix comme un actif de conformité, et pas seulement comme un confort pour les équipes.
La gouvernance compte autant que l'algorithme : qui peut déroger à la politique de prix, dans quelles limites, et avec quelle trace.
Le débat public oppose souvent algorithmes et équité. Pour un retailer, la vraie ligne de partage passe ailleurs : entre les prix dont on peut reconstituer la décision, et les autres.
Un moteur performant mais opaque expose l'enseigne sur les trois zones à la fois. Un moteur plus simple mais traçable la protège sur les trois.
Trois questions à poser à votre solution de pricing
Sans entrer dans un audit juridique, trois questions suffisent à situer un outil.
- Sur quelles données le prix est-il calculé, et l'une d'elles décrit-elle un client identifié ?
- Les prix concurrents utilisés sont-ils publics, ou proviennent-ils d'un pot commun alimenté par d'autres enseignes ?
- Peut-on retrouver, pour un prix passé, la règle appliquée, les données d'entrée et la personne qui l'a validé ?
Une réponse floue sur l'une des trois mérite d'être creusée avec votre éditeur et votre juriste. La même exigence de preuve vaut pour la conformité des prix affichés.
Cet article donne des repères généraux sur le droit applicable au 11 novembre 2026. Il ne constitue pas un avis juridique : pour un cas précis, consultez votre conseil.
Vous souhaitez des prix que vous pouvez expliquer, un par un ?
Nos experts vous montrent comment chaque recommandation garde sa règle, ses données et sa validation, prête pour un audit.
Échangeons sur votre gouvernance prixQuestions fréquentes sur la tarification algorithmique
La tarification algorithmique désigne la fixation ou la recommandation de prix par un programme informatique, à partir de règles, de données et parfois de modèles d'intelligence artificielle. Elle recouvre des pratiques très différentes.
Le droit distingue surtout trois cas : le prix dynamique, qui suit le marché et reste libre ; le prix personnalisé, calculé pour une personne et soumis à des obligations d'information ; l'entente algorithmique, qui coordonne les prix de concurrents et reste interdite.
Oui. En France, les prix sont librement déterminés par le jeu de la concurrence, selon l'article L. 410-2 du Code de commerce. Faire varier un prix selon la demande, les stocks ou les prix publics des concurrents est donc autorisé, y compris par un algorithme.
Les règles habituelles s'appliquent toujours : prix affiché exact, cohérence entre l'étiquette et la caisse, et respect du prix de référence sur 30 jours pour toute annonce de réduction.
Oui, sous conditions. Depuis le 28 mai 2022, la directive Omnibus, transposée en France, impose d'informer le consommateur lorsqu'un prix lui est personnalisé sur la base d'une prise de décision automatisée, notamment en vente en ligne.
Le RGPD s'applique aussi, car un tel prix repose sur un profilage. Enfin, une personnalisation qui exploiterait la vulnérabilité d'un client exposerait l'enseigne au droit des pratiques commerciales et, dans les cas extrêmes, aux interdictions de l'AI Act.
Le prix dynamique varie selon le marché : demande, saison, stocks, prix des concurrents. À un instant donné, il est le même pour tous les clients d'un canal ou d'un magasin.
Le prix personnalisé varie selon la personne : son historique d'achat, sa navigation ou son profil. C'est cette individualisation qui déclenche l'obligation d'information de la directive Omnibus, qui exclut expressément la tarification dynamique sans personnalisation.
Une entente algorithmique est une coordination des prix entre concurrents qui passe par un algorithme : un outil commun qui agrège leurs données non publiques, ou des règles programmées pour s'aligner de concert. Elle est interdite au même titre qu'une entente classique.
Dans ses lignes directrices de 2023, la Commission européenne rappelle qu'une entreprise ne peut pas se soustraire à sa responsabilité au motif que ses prix ont été fixés par un algorithme. Suivre seul les prix publics d'un concurrent reste, en revanche, légitime.
Le règlement européen sur l'IA (2024/1689) ne classe pas la tarification retail parmi les systèmes à haut risque : la seule tarification visée par son annexe III concerne l'assurance vie et santé, avec l'évaluation de la solvabilité.
Il interdit en revanche, depuis février 2025, les systèmes qui exploitent la vulnérabilité d'une personne pour altérer son comportement à son détriment. Pour le pricing retail, les textes déterminants restent le droit de la consommation et le droit de la concurrence.
En étant capable de reconstituer la décision. Pour chaque prix appliqué, il faut pouvoir dire quelle règle ou quel objectif l'a produit, quelles données l'ont nourri, et qui l'a validé, avec la date et les éventuelles dérogations.
Cette trace montre que le prix dépend du marché et non d'un profil, de données publiques et non d'un échange entre concurrents. C'est pourquoi l'explicabilité des recommandations et la gouvernance des validations deviennent des actifs de conformité.
Un agent IA ne perçoit pas une image prix : il compare un prix effectif, qui inclut promotion applicable, livraison, disponibilité et prix unitaire, sur les produits que le client demande.
La compétitivité devient mesurée plutôt que perçue. La justesse et la cohérence des données prix entre canaux deviennent la nouvelle vitrine de l'enseigne.
Un LLM sait rapprocher des libellés écrits différemment et proposer des groupes de produits d'une même gamme. Il peut aussi se tromper avec assurance.
Le pilotage IA du chaînage de Booper combine l'IA, des contrôles programmés qui rattrapent ses erreurs, et une validation humaine. Aucun groupe n'est créé sans l'accord de l'utilisateur.
Un LLM intégré à un logiciel de pricing traite des données sensibles : prix, marges, volumes. L'endroit où tourne le modèle décide de qui y a accès.
L'IA locale garde les données chez l'éditeur ou le client et rend le coût fixe. Elle ne dispense ni de contrôles sur chaque réponse, ni d'une validation humaine.