When the Bot Buys: Who's Liable When AI Agents Shop for Your Customers?

Un litige atterrit dans votre boîte de réception. La commande semble en règle : même carte, même adresse, même historique client. Vous vérifiez la transaction. Tout correspond. Mais le client affirme n'avoir jamais passé cette commande.

C'est ce qu'ils ont fait. C'est leur assistant IA qui s'en est chargé.

Ce n'est plus une hypothèse. Le commerce agentique, dans lequel des agents IA recherchent, décident et finalisent des achats pour le compte des consommateurs, passe du stade de la démonstration à celui de la norme. Adobe Analytics a enregistré une hausse de 4 700 % en glissement annuel du trafic généré par l'IA générative vers les sites de vente au détail américains entre juillet 2024 et juillet 2025. Et le volume des rétrofacturations devrait augmenter de 24 % entre 2025 et 2028, pour atteindre 324 millions de litiges à l'échelle mondiale. Ces deux tendances sont sur une trajectoire de collision, et pour les commerçants, l'impact ne se présente pas d'abord comme une opportunité. Il se présente sous la forme d'un litige.

Qu'est-ce que le commerce agentique et quel est son impact sur votre boutique ?

Le commerce agentique désigne les systèmes d'IA qui ne se contentent pas de répondre à des questions, mais qui agissent concrètement, notamment en effectuant des achats, pour le compte d'un consommateur. Prenons l'exemple de plateformes comme OpenAI, qui permettent désormais aux clients de rechercher et d'acheter au même endroit, grâce à des informations de paiement enregistrées et déjà associées à leur compte.

As Frank Frantz, Chargeflow's Business Development Executive, noted following Money20/20:" Platforms like OpenAI are now letting customers research and buy in the same place, with their stored payment credentials. The biggest changes in eCommerce aren't happening on storefronts, they're happening in the invisible layers of automation underneath them."

Des entreprises telles que PayOS mettent en place l'infrastructure qui rend cela possible aujourd'hui, permettant ainsi aux agents d'accéder à des autorisations déléguées, à des identifiants enregistrés et à des droits d'achat auprès de différents commerçants. Cette technologie est bien réelle, elle est déjà opérationnelle et interagit déjà avec votre boutique.

Pour les commerçants, il est indispensable de bien comprendre cette évolution. Elle a en effet une incidence directe sur la manière dont les commandes sont passées, sur la responsabilité en cas de problème et sur la manière dont les litiges sont résolus.

Comment les agents IA effectuent-ils des achats pour le compte des clients ?

En substance, les agents IA se voient attribuer un pouvoir d'achat par le biais de l'un des trois mécanismes suivants : des identifiants enregistrés associés au compte d'un client, des autorisations déléguées accordées explicitement par l'utilisateur, ou un accès au niveau de l'API aux processus de paiement.

L'agent s'appuie ensuite sur les préférences enregistrées, l'historique des achats et les données en temps réel pour finaliser l'achat, souvent sans que le client ne soit présent au moment du paiement. Dans de nombreux cas, le client ne se rend compte que l'achat a été effectué qu'au moment où le débit apparaît sur son relevé bancaire.

C'est là que les tensions commencent.

Il se peut que l'agent ait suivi les instructions à la lettre. Mais le client ne se souvient peut-être pas avoir défini ces paramètres, a peut-être oublié que la délégation était active, ou ne reconnaît tout simplement pas le nom du commerçant sur sa facture. Du point de vue du client, le prélèvement semble non autorisé. Du point de vue du commerçant, la commande était tout à fait légitime.

L'intention est désormais invisible. Les systèmes de rétrofacturation n'ont pas été conçus pour gérer une intention invisible.

Pourquoi les achats effectués par des agents IA donnent-ils lieu à des rétrofacturations ?

Ben Herut, responsable des stratégies en matière de fraude et de rétrofacturation chez Chargeflow et mentor au MRC, a recensé les tendances qui se dessinent déjà dans les files d'attente des litiges. Celles-ci se répartissent en quatre catégories distinctes.

1. Purchases customers cannot recall. An agent reorders items based on past behavior or preference learning. The customer never consciously approved the specific transaction. When the charge appears, their instinct is to dispute it, even though the order was technically authorized. In most cases, confusion directly results in a chargeback.
2. Erreurs commises par les agents. Les agents privilégient l'efficacité plutôt que le contexte humain. Ils peuvent choisir un produit légèrement différent, sélectionner un commerçant auquel le client ne ferait pas appel en temps normal, ou acheter une quantité erronée. Au lieu de contacter le service client, les clients s'adressent directement à leur banque. Le litige devient alors pour eux un moyen de corriger ce qu'ils considèrent comme une erreur, même si la transaction était valide du point de vue de l'agent.
3. Les fraudeurs imitent les schémas des agents. Les fraudeurs ont désormais compris que le trafic automatisé se fond beaucoup mieux dans le trafic naturel que le trafic manuel. En imitant les schémas des agents ou en exploitant les points d'accès de l'automatisation, ils génèrent des transactions qui semblent structurées et à faible risque pour les systèmes de détection de fraude traditionnels. L'activité ressemble à une automatisation légitime jusqu'à ce qu'un litige soit déposé.
4. Les outils traditionnels interprètent mal le comportement des agents. L'empreinte numérique des appareils, l'analyse comportementale et les règles de vitesse ont été conçues en fonction du comportement d'achat humain. Lorsque l'acheteur est un agent évoluant sur des serveurs ou dans des environnements cloud, ces indicateurs perdent tout leur sens. Les outils ne sont pas en mesure de faire la distinction entre une automatisation légitime et une fraude.

Comme l'a souligné Frank lors de la conférence Money20/20: « Le commerce agentique apporte de l'efficacité, mais aussi un nouveau niveau de fraude et de confusion que les systèmes traditionnels ne sont pas en mesure d'interpréter. »

Qui est responsable des rétrofacturations dans le commerce par agent ?

C'est la question à laquelle personne dans le secteur des paiements n'a encore apporté de réponse satisfaisante. Et pour les commerçants, c'est la plus importante.

Lorsqu'un agent IA effectue un achat, la chaîne d'autorisation se complique. Le titulaire de la carte a certes donné à l'agent l'autorisation d'agir en son nom, mais a-t-il autorisé cette transaction en particulier ? Chez ce commerçant précis ? Pour ce montant exact ?

En cas de litige, il faut prouver l'intention. Or, les éléments de preuve traditionnels utilisés dans le cadre d'une réponse à un rejet de débit – adresse IP du client, empreinte numérique de l'appareil, parcours de navigation, temps passé sur le site – ont été générés par un agent, et non par un être humain. Les émetteurs s'attendent à voir un lien clair entre un client et un achat. Lorsqu'une partie de cet achat a été déléguée, ce lien est plus difficile à établir.

La question de la responsabilité va encore plus loin. Dans quelle mesure la plateforme qui met l'agent à disposition est-elle responsable ? À quel moment le commerçant officiel prend-il en charge la perte ? Qu'est-ce qui constitue un consentement valable lorsqu'un client configure un agent IA plusieurs mois avant un achat contesté ?

Il n'y a pas encore de réponse claire à ces questions. Les réseaux de cartes, les émetteurs et les fournisseurs de plateformes s'efforcent tous d'y répondre. Mais les litiges n'attendent pas que le secteur se mette à jour. Ils arrivent dès maintenant dans votre boîte de réception, et vous devez y répondre en vous appuyant sur les éléments de preuve dont vous disposez.

Les commerçants qui sortiront vainqueurs de ces litiges sont ceux qui mettent dès aujourd’hui en place de meilleures traces écrites après la vente, avant même que les règles ne soient établies.

Comment les commerçants peuvent-ils éviter les rétrofacturations liées au commerce par intermédiaire ?

Le passage au commerce automatisé nécessite un changement dans la façon dont les commerçants appréhendent le risque. Les contrôles anti-fraude préalables à l'achat ont été conçus pour un monde où un être humain intervenait à chaque étape de la transaction. Ce monde est en train de changer. Voici les points sur lesquels il faut se concentrer.

• Audit your fraud stack for non-human transaction patterns. If your fraud tools rely primarily on device attributes, behavioral biometrics, or human navigation signals, they are likely to misclassify agent-driven transactions, either flagging legitimate orders or missing fraudulent ones. Understand what your tools are measuring and whether those signals still hold when the buyer is not human. As agent-driven transactions become more common, many merchants are also investing in AI agent development solutions to build systems that can better interpret autonomous decision-making, monitor agent behavior, and create more transparent audit trails across the customer journey. These capabilities can help businesses adapt their risk frameworks to a commerce environment where purchasing decisions are increasingly delegated to AI.
• Passer à l'analyse post-achat. Les signaux les plus importants dans le commerce agentique apparaissent souvent après la transaction, et non avant. Cette commande est-elle cohérente au regard de l'historique du client ? Ce profil d'agent est-il déjà apparu chez d'autres commerçants ? Y a-t-il des incohérences dans l'identité qui suggèrent une manipulation derrière l'automatisation ? L'analyse post-achat répond à des questions auxquelles les outils de la phase de paiement ne peuvent pas répondre, et c'est précisément dans ce domaine que Chargeflow Prevent a été conçu pour intervenir.
• Actualisez votre stratégie en matière de preuves en cas de litige. Les journaux d'autorisation des agents, les registres de délégation et les données contextuelles relatives aux achats constituent désormais un nouvel ensemble de preuves. Si un client a configuré un agent IA pour effectuer des achats récurrents, la documentation relative à cette configuration constitue votre meilleur argument de défense en cas de litige. Commencez dès maintenant à réfléchir aux preuves dont vous auriez besoin pour remporter un litige de rejet de débit lorsque l'acheteur n'est pas un être humain.
• Communiquez clairement avec les clients au sujet des autorisations accordées à leur agent. Dans le commerce par procuration, de nombreux litiges ne relèvent pas de la fraude, mais d’une simple confusion. Les clients oublient ce qu’ils ont autorisé, ne reconnaissent pas le commerçant ou ne comprennent pas ce que leur agent a fait. Une communication claire lors de la configuration et des descriptions de facturation claires au moment du prélèvement permettent d’éviter une grande partie de ces litiges avant même qu’ils ne surviennent.

Agentic Commerce Chargebacks FAQs

Who is liable when an AI agent makes an unauthorized purchase?

No settled industry standard exists yet. Card networks, issuers, and the platforms enabling AI agents are all still working through where liability sits between the customer, the merchant, and the agent platform. In practice, merchants carry the burden today since they're the ones responding to the dispute.

Can merchants win chargebacks from AI agent purchases?

Yes, but the evidence looks different than a typical chargeback response. Since device fingerprints and navigation history reflect the agent rather than the human customer, the strongest evidence is agent-authorization logs, delegation records, and documentation of when and how the customer set up the agent's purchasing permissions.

Do legacy fraud detection tools work on AI agent transactions?

Not reliably. Device fingerprinting, behavioral biometrics, and velocity rules were built around human buying patterns. When the buyer is an agent running through servers or cloud environments, those signals lose their meaning, which is why post-purchase intelligence is becoming more important than checkout-stage screening for this transaction type.

What should merchants look for in a checkout setup that supports agent-driven purchases?

Look for fraud checks designed around non-human signals rather than device and behavioral data alone, clear billing descriptors so agent-initiated charges are recognizable to the customer, and a way to capture agent-authorization records as dispute evidence rather than relying solely on traditional checkout-stage screening.

Les commerçants qui s'adaptent dès maintenant seront les gagnants de demain

Le commerce par procuration n'est pas un problème d'avenir. C'est un problème d'aujourd'hui. Les premiers litiges apparaissent déjà. Les techniques de fraude évoluent déjà. Les questions de responsabilité restent déjà sans réponse.

The merchants who treat this as a distant concern will find themselves unprepared when agent-driven transaction volume accelerates, and it will accelerate fast.

La fenêtre est encore ouverte. Mais plus pour très longtemps.

Chargeflow aide les commerçants à prévenir et à récupérer les rétrofacturations sur Shopify, Stripe, WooCommerce et bien d'autres plateformes. Découvrez comment Chargeflow Prevent protège vos revenus avant que le commerce intermédiaire n'envahisse votre file d'attente de litiges.