Économie de l’intention : actualité d’un concept

L’intelligence artificielle remet au premier plan une question ancienne : qui maîtrise la relation entre ce que nous voulons et ce que le marché nous propose ? L’économie de l’intention désignait chez Doc Searls un projet d’émancipation des clients. L’expression sert aujourd’hui aussi à décrire le risque d’un commerce des signaux concernant leurs projets. La promesse d’un assistant qui « comprend ce que nous voulons » élude la question des intérêts qu’il sert. Le pouvoir se joue aussi dans la manière dont notre demande prend forme.

Qu’est-ce que l’économie de l’intention ?

Doc Searls emploie l’expression intention economy dans un texte publié le 8 mars 2006 dans Linux Journal. Il critique une économie numérique organisée depuis le point de vue des vendeurs : capter l’attention des personnes, puis chercher à les convertir en acheteurs. Son projet donne aux clients les moyens d’annoncer ce qu’ils cherchent et de recevoir des propositions concurrentes. Les fournisseurs répondent à une demande exprimée par celui qui achète (Searls, 2006).

Le livre The Intention Economy: When Customers Take Charge, paru en 2012, développe cette proposition. Le client dispose de ses propres outils pour gérer ses relations avec les fournisseurs et les informations qu’il leur communique. Il fixe les conditions auxquelles il accepte d’entrer en relation. L’autonomie recherchée concerne aussi la possibilité de changer de fournisseur sans recommencer toute la construction de son identité de client.

L’expression désigne ici un projet d’organisation des marchés. Searls décrit les outils et les relations nécessaires pour donner aux acheteurs davantage de prise sur les échanges. Le fait qu’une entreprise connaisse mieux ses clients répond à une autre question : elle améliore ses propres moyens de vendre.

Une intention exprimée change la manière de chercher une offre

Prenons une situation hypothétique. Une responsable des achats cherche un contrat de maintenance pour plusieurs sites. Elle connaît les équipements concernés et exige une intervention dans un délai défini. Dans la logique proposée par Searls, elle transmet sa demande à plusieurs fournisseurs selon les conditions qu’elle choisit. Les prestataires disposent des informations nécessaires pour préparer leurs offres, et elle compare leurs engagements.

La qualité de cet échange dépend du contrôle conservé sur les informations transmises. La responsable décide quels fournisseurs accèdent au détail des équipements et dans quel but. Une demande de devis ouvre une négociation circonscrite. Si les mêmes informations alimentent ensuite un profil commercial réutilisé ailleurs, leur destinataire dispose d’un usage que l’acheteuse n’avait pas nécessairement recherché.

Le projet initial de Searls repose sur cette capacité à organiser la relation depuis le côté du client. Une information précise améliore la réponse des fournisseurs lorsqu’elle circule selon les conditions définies par l’acheteur. La concurrence porte alors sur les propositions qu’il reçoit et qu’il examine.

Pourquoi l’IA redonne-t-elle une actualité au concept ?

Dans leur article publié en 2024 dans Harvard Data Science Review, Yaqub Chaudhary et Jonnie Penn décrivent un marché émergent de signaux d’intention. Une conversation avec un assistant renseigne sur les projets de l’utilisateur et sur les raisons de ses hésitations. Les auteurs analysent les possibilités de collecte et de commercialisation de ces informations, ainsi que leur utilisation pour orienter les choix. Ils s’appuient sur des travaux techniques et des annonces industrielles pour caractériser cette trajectoire.

L’échange conversationnel intervient pendant que la demande se précise. Un utilisateur commence par une difficulté, répond à des questions, puis compare les solutions proposées. L’assistant participe à ce cheminement en reformulant le problème et en rendant certaines options plus visibles. Celui qui organise l’échange intervient avant que la personne ait arrêté son choix.

Chaudhary et Penn (2026) prolongent cette analyse en examinant les formes de pouvoir associées aux interfaces conversationnelles. Ils soulignent le caractère réciproque de l’interaction : les systèmes sollicitent eux aussi des réponses et orientent la discussion. La personnalisation de leur langage donne à leurs concepteurs des moyens supplémentaires d’agir sur la façon dont une proposition est reçue.

Le parallèle avec l’économie cognitive tient à cette participation aux opérations de raisonnement. Un outil qui prépare une comparaison intervient dans la sélection des critères et la présentation des informations. Son utilisateur reçoit une manière d’organiser la décision en même temps qu’une réponse.

Deux conceptions qui s’opposent sur le contrôle de la demande

Le 30 décembre 2024, Searls réagit à la publication de Chaudhary et Penn dans un billet intitulé The Real Intention Economy. Il conteste l’utilisation de son expression pour désigner la menace qu’ils décrivent et leur demande de choisir un autre nom. Il rappelle les années de travail consacrées à des outils placés du côté des clients. Son désaccord concerne le projet désigné par les mots, avec des conséquences sur les acteurs auxquels on attribue le contrôle.

Chaudhary et Penn citent les approches antérieures favorables à l’émancipation des consommateurs. Leur analyse porte sur une autre possibilité : des entreprises exploitent les signaux d’intention recueillis dans leurs propres infrastructures. Les deux conceptions attribuent une valeur à ces informations, tout en envisageant des relations différentes entre ceux qui les produisent et ceux qui les utilisent.

Présenter ce débat comme la disparition de l’économie de l’attention au profit de l’économie de l’intention réduit ce qui oppose les auteurs. La collecte de signaux concernant des projets prolonge aussi des pratiques de ciblage. La nouveauté technique intéresse l’analyse lorsqu’elle modifie les moyens dont dispose chaque partie pour conduire l’échange et peser sur la décision.

Ce que l’on observe de la persuasion conversationnelle

Salvi et ses collègues (2025) ont étudié des débats en ligne avec 900 participants, répartis entre plusieurs conditions expérimentales. Les personnes échangeaient avec un humain ou avec GPT-4, avec ou sans accès de leur interlocuteur à des informations sociodémographiques les concernant. Dans la condition personnalisée, GPT-4 obtenait davantage d’accord après le débat que les interlocuteurs humains de la condition de référence. L’expérience mesure une évolution d’opinion à l’issue d’échanges courts.

Une correction publiée en septembre 2026 précise un résultat important : la comparaison directe entre GPT-4 personnalisé et GPT-4 sans personnalisation n’atteint pas le seuil de significativité statistique retenu. L’avantage observé face aux humains ne s’attribue donc pas exclusivement à la personnalisation. Le résultat étaye la capacité persuasive du système dans ces débats et précise ce que les chercheurs savent de l’apport des données personnelles.

Le passage de cette capacité à un marché des intentions engage d’autres conditions, dont l’accès aux données et les accords commerciaux entre acteurs. Un système persuasif fournit un moyen d’influence. Les intérêts qu’il sert dépendent de l’objectif poursuivi et des choix de ceux qui le déploient.

Une intention inférée reste une interprétation

Chaudhary et Penn (2024) discutent aussi les présupposés qui permettent de traiter l’intention comme une donnée calculable. Les traces d’une conversation servent à attribuer des catégories et à construire des prédictions. Leur sens dépend des choix de modélisation. Un classement informatique transforme certains indices en représentation du projet de l’utilisateur.

Demander le prix d’un service relève parfois d’une comparaison exploratoire, sans décision d’achat. Une personne envisage aussi des options qu’elle abandonne après discussion. Confondre cette exploration avec un engagement ferme conduit à traiter une hypothèse sur son projet comme une demande déjà arrêtée. La précision apparente du profil masque alors ce que la personne cherche encore à comprendre.

Une assistance utile donne une place à cette révision. L’utilisateur précise ce qu’il retient et corrige ce qui lui a été attribué. Cette possibilité rejoint la discussion sur le paternalisme libéral : orienter un choix au nom de l’intérêt d’une personne engage aussi la manière dont elle définit elle-même cet intérêt.

Ce que les organisations choisissent de déléguer

Dans l’exemple des achats, l’outil prépare une comparaison de contrats. Le responsable de son déploiement choisit les sources interrogées et les critères proposés par défaut. Si le prix annuel détermine le classement, une offre moins chère arrive en tête même lorsque sa couverture territoriale convient mal aux sites concernés. Le paramétrage traduit un arbitrage avant que la responsable des achats examine le résultat.

La question des intentions concerne alors les pratiques de décision de l’organisation. L’acheteuse poursuit un objectif professionnel, son entreprise fixe des contraintes et le fournisseur de l’outil possède son propre modèle économique. L’examen porte sur les éventuels conflits entre ces intérêts et sur la façon dont ils sont traités. Une recommandation rémunérée par un prestataire n’a pas le même statut qu’une comparaison conduite selon les seuls critères de l’acheteuse.

Une direction qui déploie l’assistance peut attribuer aux professionnels l’autorité nécessaire pour modifier les critères et discuter les recommandations. Elle prévoit aussi comment ces corrections remontent aux responsables de l’outil. Le contrôle s’exerce dans ces décisions ordinaires, lorsque l’utilisateur obtient une modification de la proposition ou choisit une autre manière de résoudre son problème.

L’actualité du concept tient à la redistribution de ces possibilités d’action. Évaluer une assistance par son seul taux d’utilisation ignore les arbitrages incorporés dans ses réponses. L’entreprise qui l’adopte engage aussi les règles selon lesquelles les personnes formulent leurs demandes et font reconnaître ce qu’elles cherchent à accomplir.

FAQ sur l’économie de l’intention

Qui a formulé le concept d’économie de l’intention ?

Doc Searls a introduit l’expression dans Linux Journal en 2006, puis l’a développée dans un livre publié en 2012. Chaudhary et Penn l’ont reprise dans une perspective critique en 2024. Leurs textes désignent des projets différents, ce qui explique la contestation explicite de Searls.

L’économie de l’intention concerne-t-elle uniquement l’IA ?

Non. Le projet initial porte sur les outils qui permettent aux clients d’exprimer leur demande et de gérer leurs relations avec les fournisseurs. Une personne dispose de cette autonomie dès lors qu’elle contrôle les conditions de l’échange. L’IA ouvre de nouvelles possibilités d’assistance et d’exploitation des informations recueillies.

S’agit-il d’une théorie psychologique de l’intention ?

Non. L’expression caractérise ici des relations économiques autour de l’expression et de l’usage des projets des personnes. La question psychologique du passage de l’intention à l’action porte sur les conditions de réalisation d’un comportement. Le modèle COM-B examine ces conditions, y compris les moyens d’agir disponibles dans l’environnement.

Références

• Searls, D. (2006 ; 2012). The Intention Economy. Linux Journal, 8 mars 2006 : https://www.linuxjournal.com/content/intention-economy. Développement dans The Intention Economy: When Customers Take Charge, Harvard Business Review Press, 2012 : https://www.oreilly.com/library/view/the-intention-economy/9781422184028/.
• Searls, D. (2024). The Real Intention Economy. 30 décembre 2024. https://doc.searls.com/2024/12/30/the-real-intention-economy/.
• Chaudhary, Y. et Penn, J. (2024). Beware the Intention Economy: Collection and Commodification of Intent via Large Language Models. Harvard Data Science Review, Special Issue 5. DOI : https://doi.org/10.1162/99608f92.21e6bbaa.
• Chaudhary, Y. et Penn, J. (2026). New parameters of power: On LLM-based manipulation and control and the spectre of strategic AI. Big Data & Society. DOI : https://doi.org/10.1177/20539517261426450.
• Salvi, F., Horta Ribeiro, M., Gallotti, R. et West, R. (2025). On the conversational persuasiveness of GPT-4. Nature Human Behaviour, 9, 1645–1653. DOI : https://doi.org/10.1038/s41562-025-02194-6. Version mise à jour après la correction du 3 septembre 2026 : https://doi.org/10.1038/s41562-026-02588-0.

À propos de l’auteur

Maxime Rabéchault est président-fondateur de UNREST, cabinet de change enablement fondé sur les sciences comportementales. Il mobilise ces sciences pour faciliter la transformation des organisations. Il est également enseignant vacataire à l’IAE Paris-Sorbonne.