Antitrust de l’IA : les agences passent au filtrage informatique

L’ancienne salle des dossiers antitrust avait des cartons, du café, et une personne junior découvrant le mot « privilege » à 2 heures du matin. Cette image est désormais dépassée. Le modèle mental le plus utile est celui d’un régulateur disposant de données publiques sur les marchés publics, de signaux publics de prix, de documents téléversés, et d’outils suffisants pour chercher d’abord des schémas, puis lire les notes ensuite. Il ne s’agit pas de dire que les autorités ont acheté des détecteurs magiques de cartels. McCann FitzGerald indique que les autorités de concurrence dans l’UE et au-delà utilisent l’IA pour recueillir des renseignements de marché, gagner en efficacité et améliorer l’application du droit de la concurrence. Le point pratique est plus étroit et plus irritant : si un comportement laisse des traces structurées, quelqu’un peut analyser ces traces avant que votre lettre de réponse soit parfaitement rédigée.

Ce que signifie réellement l’antitrust computationnel

Le document de travail du réseau Jean Monnet d’Isabella Lorenzoni donne l’inventaire le moins théâtral de cette nouvelle boîte à outils. Il décrit des systèmes de fouille de textes fondés sur le traitement automatique du langage naturel, des logiciels de gestion documentaire dotés de fonctions de reconnaissance de motifs par apprentissage automatique, et des outils de filtrage numérique dans les marchés publics. Traduction : les autorités ne se contentent pas de lire les e-mails et les observations ; elles construisent des flux de travail capables de regrouper des documents, de détecter des formulations récurrentes et de signaler des schémas dans les marchés publics. Votre contrat fournisseur n’a pas besoin de poésie ici ; il a besoin d’auditabilité, de contrôles de conservation et d’une explication défendable de la manière dont les décisions de prix et d’offres sont prises.

Le rapport initial de la Commission hellénique de la concurrence sur le droit et l’économie computationnels de la concurrence présente la même évolution comme faisant partie d’un mouvement plus large vers des outils de filtrage et des algorithmes destinés à détecter les comportements collusoires. C’est important, car le filtrage est une fonction de triage, pas un jugement final. Un modèle peut orienter une autorité vers un appel d’offres, un marché ou un groupe d’entreprises qui méritent une attention humaine. Le risque de conformité n’est donc pas qu’un algorithme remplace les garanties procédurales ; c’est que des dossiers faibles et des communications désordonnées rendent une entreprise plus intéressante qu’elle n’aurait dû l’être.

Le flux de travail

de l’application du droit change avant la loi McCann FitzGerald cite l’enquête de la Commission européenne sur les fabricants de pneus comme un exemple très visible d’application du droit antitrust assistée par l’IA. La Commission soupçonnait plusieurs entreprises de pneus, dont Michelin, d’avoir utilisé des communications publiques pour signaler et coordonner de futurs prix de vente, en particulier les prix de gros des pneus de remplacement pour voitures et camions dans l’EEE. La théorie juridique est assez ancienne pour avoir des opinions sur les télécopieurs. C’est le flux de travail probatoire qui a changé.

Pour les entreprises, cela signifie que les déclarations publiques ne sont pas seulement un risque de communication, elles sont aussi un risque lié aux données. Les annonces de prix, les documents destinés aux investisseurs, les mises à jour de sites web, les soumissions à des appels d’offres et les documents d’associations professionnelles peuvent être comparés dans le temps et entre contreparties. McCann FitzGerald avertit également que la surveillance préventive et l’analyse plus rapide de grands ensembles d’informations pourraient accroître la supervision des marchés, les enquêtes et les perquisitions inopinées. Ce n’est pas une raison pour cesser de communiquer ; c’est une raison pour s’assurer que l’examen des communications publiques inclut un conseil en droit de la concurrence avant que la phrase sur les prix futurs ne devienne le problème de tout le monde.

Le Royaume-Uni et l’UE n’attendent pas des outils parfaits

Dentons indique que la Commission européenne et la Competition and Markets Authority du Royaume-Uni intensifient l’application du droit dans le domaine de l’IA, en s’appuyant sur des années de travaux consacrés aux algorithmes et aux marchés numériques. Il faut le lire simplement. Les autorités examinent à la fois la manière dont les entreprises utilisent les algorithmes et la manière dont les régulateurs peuvent utiliser des méthodes computationnelles pour enquêter sur elles. Les équipes de développement coincées entre vitesse produit et revue juridique devraient partir du principe que les deux côtés de cette phrase sont désormais des préoccupations opérationnelles bien réelles.

La version explicative de politique publique est simple. Si votre produit affecte les prix, le classement, les achats publics, la mise en relation, l’allocation ou l’accès au marché, documentez les points de décision humaine et les sources de données utilisées. Si votre équipe commerciale participe à des appels d’offres, conservez la justification des offres d’une manière qui puisse être reconstruite sans danse interprétative. Si votre produit de legaltech vend de l’e-discovery, de l’analyse de marchés publics ou de la recherche jurisprudentielle à des secteurs réglementés, concevez-le pour la provenance, les contrôles d’accès et les pistes de revue, car l’acheteur peut être une autorité ou une entreprise qui s’attend à un niveau d’examen digne d’une autorité.

Les autorités ont aussi besoin de gouvernance, pas seulement

de modèles L’article de Richard May de Stanford Law sur l’utilisation de l’IA générative par les autorités de concurrence est utile parce qu’il ne prétend pas que l’adoption est sans coût. Il soutient que les autorités ont besoin d’une stratégie de gouvernance descendante, de garde-fous en matière de risque, de plans de passage à l’échelle et d’une coopération avec d’autres autorités. C’est la version côté régulateur de la note que les entreprises reçoivent déjà de leurs conseils externes. Les modèles utilisés pour recueillir du renseignement ont tout de même besoin de limites de périmètre, de validation, de revue humaine et de dossiers montrant pourquoi une piste est devenue une enquête.

Le compte rendu de CodeX de Stanford Law sur le Computational Antitrust Project à l’OCDE montre pourquoi cela devient institutionnel plutôt qu’expérimental. Il indique que le projet a lancé son quatrième rapport inter-agences à l’OCDE à Paris le 18 juin 2025, réunissant régulateurs, chercheurs, praticiens et technologues pour discuter de la question de savoir si le droit antitrust peut intégrer des méthodes computationnelles sans perdre les garanties juridiques. Séparément, le rapport d’adoption de Schrepel et Groza indique que l’équipe du projet Stanford Computational Antitrust a invité les autorités partenaires, au premier trimestre 2022, à partager les avancées dans la mise en œuvre d’outils computationnels. Les éléments de preuve de Network Law Review provenant de 25 autorités antitrust vont dans le même sens : l’antitrust computationnel est désormais une question de capacité des autorités, et non une curiosité de table ronde.

La prochaine échéance de conformité n’est pas imprimée dans un journal officiel. Elle arrive lorsqu’un régulateur peut comparer vos offres, documents, déclarations publiques et affaires historiques plus vite que votre équipe ne peut reconstituer la chronologie. Les entreprises n’ont pas besoin de paniquer, ce qui est rarement un mode de gouvernance utile. Elles doivent en revanche traiter la conformité au droit de la concurrence comme une gouvernance des données ayant des conséquences juridiques, car les personnes qui lisent le dossier peuvent désormais commencer par le rechercher, le regrouper et le filtrer.