Biais de position et agents IA : quand c'est votre agent qui fait les courses, être en tête de page ne sert plus à grand-chose
Imaginez un hôtelier new-yorkais qui, chaque année, verse une petite fortune à une plateforme de réservation pour figurer dans les trois premiers résultats. Il a raison de le faire : depuis vingt ans, toutes les études le confirment, l'internaute clique sur ce qu'il voit en premier, rarement sur ce qu'il voit en dixième, presque jamais sur ce qu'il verrait en soixantième s'il prenait la peine de faire défiler la page. Toute l'économie du classement (le ranking), de la publicité au référencement, repose sur ce fait simple : l'attention humaine est rare, séquentielle, et s'épuise vite.
Maintenant, imaginez que le client ne regarde plus la page. Il a demandé à son assistant IA de « trouver un hôtel à New York pour le week-end » et vaque à ses occupations. L'assistant, lui, avale les cent résultats d'un coup dans sa fenêtre de contexte. Il ne fait pas défiler. Il ne se fatigue pas. Lire la centième fiche ne lui coûte pas plus que la première. La question devient vertigineuse pour tout un secteur : si le pouvoir du classement n'était qu'un sous-produit de nos limites biologiques, la délégation à une IA devrait tout simplement l'abolir.
C'est précisément ce que deux chercheurs de la faculté de management Desautels (McGill, Montréal), Davood Wadi et Yu Ma, ont voulu vérifier dans « Does Rank Still Matter? Position Bias When AI Agents Shop on Our Behalf », déposé sur arXiv le 24 août 2026. La réponse tient en une phrase qui a de quoi faire transpirer les agences SEO : le rang compte encore un peu pour ce que l'agent regarde, presque plus pour ce qu'il achète, et l'endroit le plus mal placé n'est plus le bas de la page mais son milieu.
Le protocole : 100 hôtels, un jeu de cartes battu 5 000 fois
La force du papier tient à son dispositif, qui reprend quasiment à l'identique une expérience de terrain devenue classique en marketing : celle de Raluca Ursu (2018) sur Expedia. Ursu avait pu observer des utilisateurs réels confrontés à des listes d'hôtels dont l'ordre avait été randomisé, ce qui permet de mesurer l'effet causal de la position, débarrassé du biais évident selon lequel les meilleurs hôtels sont naturellement placés en haut. Ce jeu de données humain, 166 036 sessions avec au moins un clic, sert ici de point de comparaison.
Côté IA, les auteurs ont reconstruit l'environnement sous forme d'un petit jeu de rôle outillé. L'agent reçoit une persona (« assistant de réservation mandaté par un voyageur ») et des paramètres de voyage calqués sur la recherche la plus fréquente chez Ursu : deux adultes, une chambre, deux nuits dont un samedi, du 30 mai au 1er juin 2026. Il reçoit ensuite la page de résultats complète : cent hôtels new-yorkais avec, pour chacun, le nom, la note moyenne des clients, le prix par nuit et le prix total. Rien de plus.
Pour en savoir davantage, l'agent dispose de deux outils (tool calls, ces fonctions qu'un LLM peut appeler comme on presse un bouton) :
inspect, l'équivalent d'un clic sur la fiche, qui révèle le nombre d'étoiles, les équipements, les sous-notes (propreté, service) et les chambres disponibles ;submit_choice, qui réserve. L'agent peut aussi terminer sans réserver, ce qui correspond à l'« option extérieure » du consommateur qui ferme l'onglet.
Le cœur du dispositif : à chaque session, l'ordre des cent hôtels est intégralement mélangé, comme un paquet de cartes qu'on rebat. Toute relation entre position et comportement devient donc causale par construction. Quatre modèles propriétaires ont été testés avec leurs réglages par défaut, 500 sessions chacun : Gemini 3.1 Pro, Gemini 3.7 Flash, Gemini 3.1 Flash Lite et Claude Sonnet 5. Soit 2 000 sessions pour l'expérience principale, complétées par 3 000 sessions de contrôle (variation de l'effort de raisonnement et du prompt). Chaque hôtel de chaque session produit une observation, d'où 50 000 lignes par modèle passées à la moulinette d'une régression linéaire avec la position, le prix, la note, la présence d'une chaîne hôtelière et d'un badge promo comme variables.
Premier résultat : l'agent fouille plus, et il achète toujours
La première comparaison est presque comique. Un humain sur Expedia clique en moyenne sur 1,12 hôtel, et 93 % des sessions ne contiennent qu'un seul clic. Le consommateur réel est un champion du satisficing : il ouvre une fiche, et ou bien elle lui convient, ou bien il abandonne.
Les agents, eux, inspectent entre 1,63 (Claude Sonnet 5) et 5,83 (Gemini 3.1 Pro) hôtels par session. Les sessions à un seul clic tombent à 37,4 % au mieux (Sonnet) et 0,8 % au pire (Flash Lite). Les styles diffèrent nettement : Sonnet a un comportement très régulier (écart-type de 0,49, il ouvre presque toujours deux fiches), tandis que Gemini Pro est imprévisible (écart-type de 4,78), tantôt une fiche, tantôt quinze.
Mais la vraie surprise est ailleurs : les agents ne renoncent jamais. Là où 34 % des humains ayant cliqué au moins une fois repartent sans réserver, les quatre modèles affichent un taux de conversion de 100 %. Sur 2 000 sessions, pas une seule fois l'agent n'a choisi l'option « je n'ai rien trouvé de convaincant ». Les auteurs ont soupçonné un artefact de leur prompt, qui demandait explicitement une recommandation. Ils ont donc relancé 500 sessions avec un prompt réduit, qui se contente de donner les paramètres du voyage et de décrire les deux outils, sans demander de recommandation ni suggérer d'examiner plusieurs hôtels. Résultat identique : 100 % de réservations, et une profondeur de recherche à peine plus faible (2,92 contre 3,12 inspections). Pour un vendeur, la nouvelle est excellente ; pour le consommateur qui délègue, elle mérite réflexion : votre agent n'a pas de bouton « finalement, non ».
Deuxième résultat : le rang compte encore, mais en forme de U
Venons-en à la question centrale. Est-ce qu'un hôtel placé plus haut est plus souvent inspecté ? Oui, pour les quatre modèles, et de manière statistiquement très solide. Mais l'ampleur n'a rien à voir avec l'humain. Chez Ursu, descendre un hôtel de dix rangs lui coûte environ 1,9 point de pourcentage de probabilité de clic. Chez les agents, la même chute coûte entre 0,2 et 0,5 point selon le modèle : un effet quatre à dix fois plus faible. Le classement n'est pas mort, mais il est passé du statut de loi à celui de légère pente.
Ce qui change vraiment, c'est la forme de cette pente. Chez l'humain, elle est monotone : chaque rang est pire que celui du dessus, parce qu'on lit de haut en bas et qu'on s'arrête quand on est fatigué. Les auteurs ont testé une autre hypothèse, empruntée à la recherche sur les LLM : le phénomène « lost in the middle » (Liu et al., 2024), selon lequel un modèle de langage retrouve mieux une information placée au début ou à la fin d'un long texte qu'au milieu. Si cette faiblesse se transmet au shopping, la courbe d'inspection devrait dessiner un U plutôt qu'une descente.
C'est exactement ce qu'ils observent. En ajoutant un terme quadratique à leur régression, ils trouvent pour trois modèles sur quatre (Flash, Flash Lite, Sonnet) une courbe qui descend depuis le sommet de la page, atteint son minimum entre les rangs 68 et 74, puis remonte vers le bas. Les auteurs parlent d'un fort effet de primauté (primacy, le début est privilégié) combiné à un faible effet de récence (recency, la fin remonte un peu). Seul Gemini 3.1 Pro montre une pente à peu près monotone, sans remontée en bas de page.
L'image est parlante : pour un lecteur humain, la page de résultats est un escalier qu'on descend jusqu'à l'épuisement ; pour un agent IA, c'est une vallée dont les deux versants sont éclairés et dont le fond est dans l'ombre. Le pire endroit où se trouver n'est plus la cent-unième place, c'est la soixante-dixième. Les auteurs sont prudents : ils n'observent pas l'attention du modèle directement, et le « lost in the middle » est une interprétation compatible avec le motif, pas un mécanisme prouvé.
Troisième résultat : le rang s'arrête à la porte du panier
Chez l'humain, l'affaire est entendue : puisque 93 % des sessions ne contiennent qu'un clic, l'ensemble de considération (le consideration set, la poignée d'options qu'on examine vraiment avant de choisir) est presque toujours réduit à un seul élément. Influencer ce qu'on clique, c'est donc influencer ce qu'on achète. Voilà pourquoi le rang vaut de l'argent.
Chez les agents, ce lien se casse. Les ensembles de considération contiennent plusieurs hôtels, et l'effet de la position sur le choix final devient hétérogène. Pour Gemini Flash et Gemini Pro, il est indiscernable de zéro (p = 0,338 et p = 0,606). Pour Claude Sonnet 5, il est significatif mais nettement plus faible que chez l'humain. Pour Gemini Flash Lite, il est significatif et d'une ampleur comparable à l'humain. Le rang moyen de l'hôtel finalement choisi se situe entre 43,97 (Flash Lite) et 49,72 (Pro), à comparer à 50,5 si la position n'avait aucune importance. Curieusement, cette hétérogénéité ne suit ni le fournisseur (deux Gemini d'un côté, Sonnet et un Gemini de l'autre) ni la « puissance » du modèle (Flash Lite, le plus léger, et Sonnet ne sont pas dans la même catégorie).
Et pourtant, malgré ces différences de sensibilité, les quatre modèles achètent le même hôtel. Chaque LLM concentre entre 89,6 % et 100 % de ses choix sur les cinq mêmes hôtels, et tous partagent le même choix modal : le citizenM New York Times Square. Pourquoi lui ? Parce qu'il est non dominé (undominated), au sens de la théorie de la décision : la meilleure note de toute la liste (4,7) au prix le plus bas pour cette note (220 $ la nuit). Aucun autre hôtel n'est à la fois mieux noté et moins cher. Ses parts de choix vont de 55,4 % (Pro) à 100 % (Flash), et en agrégeant les 2 000 sessions, ce seul hôtel rafle 78,2 % des réservations (1 563 sur 2 000).
Cet hôtel, rappelons-le, était placé à un rang aléatoire à chaque session : tantôt premier, tantôt quatre-vingt-dixième. Cela ne l'a pas empêché d'être trouvé. C'est la phrase-clé du papier : pour la recherche agentique, ce que la fiche affiche compte davantage que l'endroit où elle est affichée.
Le bouton « effort de raisonnement » change tout
Une dernière expérience mérite qu'on s'y arrête, car elle donne une clé d'explication. Les LLM modernes disposent d'un paramètre d'effort de raisonnement (reasoning effort) : le nombre de tokens que le modèle s'autorise à « penser » avant d'agir. Les auteurs l'ont fait varier sur tous les niveaux disponibles pour le modèle le plus léger (Flash Lite : minimal, low, medium, high) et le plus capable (Pro : low, medium, high), soit 7 cellules de 500 sessions, 3 500 sessions supplémentaires.
Le résultat est net. À faible effort, la courbe d'inspection en U est prononcée ; à effort maximal, elle s'aplatit et le terme quadratique cesse d'être significatif pour les deux modèles. Autrement dit, quand le modèle prend le temps de réfléchir, il « oublie » moins le milieu de page. Même chose au stade du choix : pour Flash Lite, le coefficient linéaire de position passe de −0,0503 (p < 0,001) à 0,0023 (p = 0,707), et pour Pro de −0,0760 à −0,0080. Le rang moyen de l'hôtel choisi converge vers la valeur neutre de 50,5, et la part de l'hôtel non dominé monte de 61,4 % à 96,6 % pour Flash Lite.
On comprend alors pourquoi Flash Lite était le modèle le plus sensible à la position dans l'expérience principale : Google le livre avec l'effort minimal par défaut, quand Pro est livré au niveau maximal. L'exposition au biais de position dépend donc moins de la capacité du modèle que de la manière dont il est configuré. Détail piquant relevé au passage : à faible effort, Gemini Pro n'inspecte en moyenne que 0,39 hôtel par session, autrement dit il réserve souvent sans ouvrir une seule fiche, en se fiant uniquement à ce que montre la page de résultats.
Pourquoi ce papier compte
Il y a d'abord une contribution théorique élégante. Le papier sépare deux sources possibles d'un même effet : la source biologique (on fait défiler, on se fatigue, on lit dans l'ordre) et la source computationnelle (un transformeur récupère moins bien ce qui est au milieu de son contexte). Les agents n'ont pas la première mais ont la seconde, et la forme en U est la signature qui permet de les distinguer. C'est une belle illustration de la manière dont on peut utiliser des expériences de marketing pour sonder les propriétés des LLM, et réciproquement.
Il y a ensuite un enjeu économique massif. Tout ce qui est vendu aujourd'hui comme « placement premium », « boost de visibilité », « position sponsorisée » repose sur l'hypothèse que la considération est étroite et ordonnée. Si le client délègue à un agent qui ouvre quatre fiches, ne renonce jamais et finit par choisir l'offre objectivement la plus efficace sur le couple prix/note, alors la valeur d'une position en tête s'effondre, et la valeur des « signaux organiques » (notes, prix, attributs bruts affichés sur la page) explose. Les auteurs recommandent aux gestionnaires de réorienter leurs efforts vers ces signaux plutôt que vers le rang.
Il y a enfin une dimension quasi théorie des jeux qui fait rêver ou frémir selon le camp. Si tous les agents convergent vers l'hôtel non dominé, le marché se transforme en un concours sur deux dimensions visibles : être le mieux noté au prix le plus bas. Cela peut pousser vers une compétition plus saine... ou vers une course à l'optimisation des notes, avec toutes les tentations que l'on imagine. Et pour les plateformes, la question devient : que faut-il afficher sur la page de résultats, puisque c'est ce qui décidera de tout ?
Les limites et les bémols
Les auteurs sont honnêtes sur les bornes de leur travail, et il faut en ajouter quelques-unes.
Une seule tâche, un seul contexte. La requête et la destination sont fixées : New York, deux nuits, deux adultes. D'autres tâches, avec des attributs plus nombreux ou plus subtils (un ordinateur portable, une assurance), pourraient donner des résultats différents. Le fait que le choix se concentre sur un hôtel « non dominé » tient aussi à ce que la page de résultats ne montre que deux attributs saillants, prix et note : avec dix critères en tension, la notion de dominance devient floue et le comportement des agents pourrait se disperser.
Un mécanisme suggéré, pas démontré. Le « lost in the middle » est une lecture cohérente de la courbe en U, mais les auteurs n'ont pas accès aux mécanismes d'attention des modèles propriétaires. C'est une inférence comportementale, pas une dissection.
Des cibles mouvantes. Les quatre modèles testés seront remplacés d'ici quelques mois, et les biais positionnels pourraient être réduits ou éliminés par les futurs entraînements. Le papier photographie un instant, pas une loi durable. À noter que les paramètres d'échantillonnage (température, top-p) ne peuvent plus être modifiés sur les API récentes, ce qui limite les explorations possibles.
Une comparaison humain/IA imparfaite. Les données humaines datent de 2018 et d'une page Expedia qui affichait les étoiles et un score de localisation, aujourd'hui absents de la page. Les contrôles ne se recouvrent donc pas exactement. Et la pente par rang est estimée sur 100 positions côté IA contre environ 7 côté humain : comparer les coefficients « rang par rang » reste une approximation.
Le taux de conversion de 100 % est-il une bonne nouvelle ? Le papier le présente comme un fait, mais on peut y voir une faiblesse des agents : un consommateur rationnel qui ne trouve rien à son goût devrait pouvoir s'abstenir. Un agent qui réserve à tous les coups est un agent qu'on peut exploiter, ou du moins qui ne représente pas fidèlement un mandant hésitant. Le sujet mériterait un traitement à part entière.
Des agents « nus ». Les agents testés ici reçoivent une page brute et deux outils. Les assistants commerciaux réels s'appuieront sur des couches de recherche, de filtrage et peut-être sur des partenariats commerciaux qui réintroduiront un classement, ce coup-ci en amont du LLM.
Ce qu'on va surveiller
Le papier ouvre plus de questions qu'il n'en ferme, et c'est ce qui le rend passionnant. D'abord, la réplication : les données et le code sont disponibles sur un dépôt OSF anonyme, et on attend avec impatience les versions sur d'autres catégories de produits et sur les modèles d'OpenAI, Meta ou Mistral, absents de l'étude. Ensuite, la réaction des plateformes : si le rang perd sa valeur, verra-t-on apparaître un « SEO pour agents », où l'on optimise non plus sa place mais les attributs affichés, quitte à en inventer de nouveaux pour peser dans la fenêtre de contexte ? La remontée du bas de page, ce petit effet de récence, pourrait aussi devenir un objet de convoitise inédit : être dernier pour être vu.
Enfin, et c'est peut-être le plus important pour le grand public : ce papier rappelle que déléguer un achat à un agent, c'est hériter de ses biais, et que ces biais dépendent de réglages que personne ne lit. Le simple curseur d'effort de raisonnement, invisible pour l'utilisateur final, suffit à décider si l'agent lira vraiment toute la page ou s'il oubliera son milieu. La prochaine fois que votre assistant vous dira « j'ai trouvé l'hôtel idéal », vous saurez qu'il a probablement raison sur le prix et la note, qu'il n'a de toute façon jamais envisagé de ne rien réserver, et qu'il a peut-être sauté la soixante-dixième ligne.
Référence : Davood Wadi et Yu Ma, « Does Rank Still Matter? Position Bias When AI Agents Shop on Our Behalf », Desautels Faculty of Management, McGill University, déposé sur arXiv le 24 août 2026 (cs.AI, econ.GN). Lien : https://arxiv.org/abs/2608.22697