Votre agent préfère Booking à Expedia — et choisit le pire hôtel 2 fois sur 3

Douze modèles d'IA ont été lâchés sur 4 822 recherches d'hôtels, de produits et de papiers scientifiques. Résultat : dix sur douze penchent pour Booking.com, tous préfèrent Walmart à Target, et quand l'étiquette leur plaît, ils choisissent le mauvais article deux fois sur trois. La faute n'est pas au prix. Elle est au nom écrit dessus.

L'expérience qui a mis un hôtel au tapis

Des chercheurs de la Seoul National University ont fait tourner douze modèles d'agents, du GPT au DeepSeek en passant par Gemini, Llama et Qwen, dans une boucle de recherche en conditions presque réelles. Trois domaines : acheter un produit, réserver un hôtel, dénicher un papier scientifique. 4 822 requêtes au total.

Le protocole est propre, et c'est ce qui fait sa force. Chaque agent raisonne par écrit, transforme sa demande en mots-clés, interroge un moteur de recherche (Tavily), puis lit dix résultats maximum. Titre, extrait, URL. Pas plus. Il n'ouvre jamais les pages, il dispose de trois recherches par épisode, et il décide donc à l'aveugle, comme un client pressé qui scanne une page de résultats sans cliquer.

Le papier s'intitule Source Preference in the Wild: How LLM Agents Favor Items by Source, and How to Reduce It. Préprint, pas encore relu par des pairs, quarante et une pages, soumis le 2 octobre 2026 par une équipe de la Graduate School of Data Science de Séoul. Il pose une question qu'on n'avait jamais mesurée proprement : est-ce que votre agent a des marques préférées, comme vous avez votre boulangerie ?

La réponse tient en un mot. Oui.

Ce qui rend l'étude neuve, c'est sa méthode. Les travaux précédents présentaient du contenu identique avec des étiquettes différentes et regardaient si le modèle mordait. Ici, l'agent cherche lui-même, récupère lui-même, sélectionne lui-même. C'est la première mesure de la préférence de source en conditions réelles de recherche, pas en laboratoire. Et la différence compte : un biais qu'on observe dans une expérience artificielle peut être un artefact. Un biais qui survit à 4 822 recherches réelles, c'est autre chose.

Booking 10, Expedia 0

Sur les douze modèles, dix préfèrent Booking.com. La moitié évite carrément Expedia. Dans le shopping, les douze préfèrent Walmart ; deux seulement penchent pour Target. Amazon écrase eBay, Etsy et AliExpress.

Soyons clairs sur un point : ces modèles n'ont signé aucun contrat avec Booking. Personne ne les a payés. Ils ont simplement vu, pendant l'entraînement, des millions d'exemples où Booking était associé à la bonne réponse. Le nom est devenu un signal. Un raccourci.

Les chercheurs mesurent ça avec un « score de préférence » : la probabilité qu'un agent choisisse un article d'une source donnée, à exigences égales et à position égale dans les résultats. Médiane de 0,598 pour l'hébergement, 0,677 pour la recherche scientifique. Traduit : plus d'une fois sur deux, à qualité strictement identique, la marque fait pencher la balance.

Et ce n'est pas du hasard. Les modèles s'accordent entre eux sur qui est préféré, « même si les articles de ces sites satisfont les mêmes exigences ». Onze machines qui, séparément, arrivent à la même conclusion sur Expedia. Ça ressemble à un biais appris, pas à une fantaisie.

68 % contre 2 % : l'étiquette bat le prix

Le chiffre qui glace le sang, c'est l'inversion.

Prenez deux hôtels. Le premier est objectivement meilleur, il coche toutes vos exigences. Le second en coche une de moins. La logique voudrait que l'agent choisisse le premier. Sauf que non. Quand le meilleur hôtel vient d'une source que le modèle évite, et le moins bon d'une source qu'il préfère, l'agent prend le mauvais 68 % du temps. Médiane.

Inversez les étiquettes : le meilleur hôtel porte le nom préféré, le moins bon le nom évité. Le taux de mauvais choix s'effondre à 2 %.

Deux pour cent. Même contenu, mêmes exigences, seul le nom change. On ne parle plus d'un léger biais d'arrondi. On parle d'un système qui, deux fois sur trois, préfère sa marque chouchou à vos critères.

Les chercheurs ont confirmé le mécanisme en cachant la source. Plus d'étiquette, plus de préférence. On la remet, elle revient. On échange les étiquettes d'un même article, contenu rigoureusement identique, et le taux de sélection suit l'étiquette, pas le contenu. La préférence est une affaire de nom, pas de fond.

Pourquoi votre agent triche : la faute au DPO

Le coupable porte un nom barbare : le DPO, Direct Preference Optimization. C'est la technique par laquelle on apprend à un modèle à préférer une réponse à une autre. Le problème, c'est qu'au fil de l'entraînement, une source se retrouve statistiquement associée au « meilleur » article. Le modèle finit par confondre « cette réponse est bonne » et « cette marque est bonne ».