IA Act & Retail / E-commerce : moteurs de recommandation, pricing dynamique et scoring client

Le retail et l'e-commerce figurent parmi les secteurs les plus intensifs en IA en Europe — moteurs de recommandation, algorithmes de pricing dynamique, modèles de prédiction du churn, scoring de valeur vie client : ces outils sont devenus standard chez tout opérateur de taille intermédiaire ou grande. La bonne nouvelle : la majorité de ces systèmes relèvent du risque limité ou du risque minimal au sens du règlement (UE) 2024/1689. La moins bonne : « risque limité » ne signifie pas « aucune obligation », et certaines configurations basculent clairement en haut risque.

Cet article cartographie les cas d'usage IA les plus courants dans le retail, explique à quel moment les obligations de transparence s'appliquent, et propose une checklist pratique.

Comment l'IA Act classe les outils IA dans le retail

Le règlement repose sur quatre niveaux : interdit, haut risque, risque limité, risque minimal.

Les pratiques interdites (article 5) ne concernent pas le retail standard : cette catégorie vise la notation sociale par les pouvoirs publics, la manipulation subliminale, et la surveillance biométrique en temps réel dans les espaces publics — aucun de ces cas ne s'applique aux recommandations produits ou aux moteurs de prix.

Le haut risque (article 6 + annexe III) impose une évaluation de conformité complète, une documentation technique, une surveillance humaine, et l'enregistrement dans la base de données de l'UE. Les outils retail n'y tombent que sous des conditions précises — détaillées ci-dessous.

Le risque limité (article 50) s'applique aux systèmes qui interagissent avec des utilisateurs ou génèrent du contenu. Des obligations de transparence s'imposent : le système doit informer l'utilisateur qu'il interagit avec une IA.

Le risque minimal n'entraîne aucune obligation obligatoire au titre du règlement. La plupart des algorithmes de prévision des stocks ou des outils d'A/B testing relèvent de cette catégorie.

Les moteurs de recommandation

Les moteurs de recommandation produits (filtrage collaboratif, approches basées sur le contenu, modèles hybrides) constituent le socle de la personnalisation e-commerce. Sous l'IA Act, ils relèvent généralement du risque limité ou du risque minimal, selon la manière dont ils restituent leurs résultats.

Risque minimal : moteurs backend calculant des recommandations sans interagir directement avec l'utilisateur de façon conversationnelle. Aucune obligation de divulgation.
Risque limité (article 50) : contenu généré par IA présenté aux utilisateurs — textes promotionnels personnalisés, descriptions produits générées par IA, recommandations via chatbot. Dans ce cas, il faut informer l'utilisateur de la nature IA de l'interaction ou du contenu.

Quand bascule-t-on ? Si un moteur de recommandation réalise également un scoring client qui alimente des décisions de crédit, des offres d'assurance ou des décisions d'emploi (ex. : planification du personnel en fonction d'une performance prédite), il entre dans le haut risque au titre de l'annexe III §5(b) — évaluation de la solvabilité — ou §4 — décisions d'emploi.

Un simple « vous pourriez aussi aimer » sur un site e-commerce ? Risque minimal. Un moteur « recommander ce client pour une offre BNPL » connecté à un produit financier ? Haut risque.

Le pricing dynamique

Les algorithmes de pricing dynamique ajustent les prix en temps réel selon les signaux de demande, les données concurrentielles, les niveaux de stocks et les segments clients. Dans la grande majorité des cas, ils relèvent du risque minimal au titre de l'IA Act.

Le règlement ne régule pas la tarification en tant que telle. Aucune disposition ne classe les algorithmes de revenue management ou d'optimisation tarifaire en haut risque. Les cadres pertinents sont le droit de la concurrence (article 101 TFUE pour les prix collusoires) et le droit de la consommation — qui ne font pas partie du champ de l'IA Act.

L'exception à surveiller : si votre système de pricing intègre des scores de solvabilité individuels pour proposer des conditions de crédit différenciées (ex. : taux BNPL, offres de paiement en plusieurs fois), la composante de scoring peut relever du haut risque au titre de l'annexe III §5(b). Le résultat tarifaire lui-même reste hors champ ; l'input de scoring ne l'est pas.

Le scoring client

C'est là que la classification devient véritablement nuancée.

Type de scoring	Catégorie de risque	Disposition applicable
Prédiction du churn / scoring LTV	Risque minimal	Aucune obligation obligatoire
Scoring d'engagement pour personnalisation marketing	Risque minimal ou limité	Article 50 si orienté utilisateur
Scoring crédit / éligibilité BNPL	Haut risque	Annexe III §5(b)
Scoring risque fraude (interne, sans décision individuelle)	Risque minimal	Aucune obligation obligatoire
Scoring risque fraude déclenchant une suspension de compte	Risque limité ou haut	Selon l'impact décisionnel
Scoring performance du personnel pour planification/licenciement	Haut risque	Annexe III §4(a)

Le principe clé : l'IA Act classe les systèmes selon leur finalité prévue et l'impact probable, et non selon la nature technique du modèle. Un gradient boosting utilisé pour le marketing relève du risque minimal. La même architecture employée pour évaluer la solvabilité dans le cadre d'un produit financier proposé à la caisse est haut risque.

Les obligations de transparence de l'article 50

L'article 50 impose trois types d'obligations de divulgation pertinentes pour le retail :

Chatbots et IA conversationnelle : les utilisateurs doivent être informés qu'ils interagissent avec un système IA et non avec un humain, sauf si cela est évident dans le contexte.
Contenu généré par IA : images, vidéos ou sons synthétiques doivent être identifiés comme générés par IA (avec des exceptions pour les contenus artistiques ou clairement fictifs).
Reconnaissance d'émotions / catégorisation biométrique : si votre système déduit un état émotionnel ou catégorise des individus selon des caractéristiques sensibles, les utilisateurs doivent en être informés.

Pour la plupart des opérateurs e-commerce, la conséquence concrète est simple : si vous utilisez un chatbot alimenté par IA pour le service client ou l'assistance à la vente, vous devez le signaler. Un simple message « Ceci est un assistant IA » dans l'interface de chat remplit l'obligation.

Les obligations haut risque : ce qu'elles signifient concrètement

Si votre système franchit le seuil du haut risque (ex. : scoring crédit dans un contexte bancaire retail ou BNPL), les obligations sont substantielles :

Documentation technique selon l'annexe IV (système de gestion des risques, gouvernance des données, métriques de précision, déclaration de finalité prévue)
Évaluation de conformité (auto-évaluation dans la plupart des cas pour les systèmes de l'annexe III non couverts par des normes harmonisées)
Enregistrement dans la base de données de l'UE (pour les déployeurs de systèmes haut risque)
Mesures de surveillance humaine (article 14) : une personne responsable doit pouvoir examiner, invalider et interrompre le système
Surveillance post-commercialisation (article 72 pour les déployeurs) : suivre les performances, consigner les incidents, signaler les incidents graves à l'autorité de surveillance nationale

Pour les retailers agissant en tant que déployeurs d'une solution IA tierce (ex. : API de scoring d'un fournisseur BNPL), les obligations de l'article 26 s'appliquent : vous devez vous assurer que le fournisseur a fourni une documentation conforme, mettre en place une surveillance humaine, et ne pas utiliser le système en dehors de sa finalité prévue.

Checklist pratique pour les équipes retail et e-commerce

Cartographier chaque système IA utilisé : finalité, données en entrée et en sortie, décisions en aval
Vérifier si un output de scoring alimente une décision de crédit, d'assurance ou d'emploi
Pour les chatbots IA et les générateurs de contenu : ajouter la divulgation obligatoire au titre de l'article 50
Pour les systèmes haut risque (scoring BNPL, IA de planification du personnel) : lancer la documentation technique selon l'annexe IV
Pour les déployeurs d'IA tierce haut risque : demander la documentation de conformité au fournisseur
Mettre en place un journal d'incidents de base, même pour les systèmes à risque minimal — bonne pratique avant toute mise en application
Vérifier que votre algorithme de pricing dynamique n'intègre pas de scores de solvabilité individuels (ou documenter la séparation)

Articles clés à consulter

Article 5 : pratiques interdites
Article 6 + annexe III : critères de classification haut risque
Article 14 : surveillance humaine
Article 26 : obligations pour les déployeurs
Article 50 : obligations de transparence pour l'IA à risque limité
Article 72 : surveillance post-commercialisation pour les déployeurs

La majorité de l'IA dans le retail n'est pas à haut risque. Mais « pas haut risque » ne signifie pas « rien à faire ». Les obligations de transparence de l'article 50 s'appliquent largement, et toute IA touchant aux décisions financières ou d'emploi nécessite un audit de conformité complet.

DILAIG automatise le processus de conformité à l'IA Act — de la classification des risques à la documentation technique. Lancez votre audit en quelques minutes sur dilaig.com.