La troisième circonscription relance une affaire antitrust sur la tarification algorithmique des hôtels

Le 29 juillet 2026, la troisième circonscription a relancé une affaire de fixation algorithmique des prix, annulant le rejet de la plainte malgré l’absence d’allégation de réunion secrète entre hôtels rivaux. La décision à l’origine du titre Google News donne aux plaignants une nouvelle occasion de prouver qu’un logiciel de tarification commun a coordonné les tarifs des casino-hôtels d’Atlantic City. Elle donne aussi à toute entreprise utilisant des données mutualisées de concurrents une nouvelle raison d’examiner la manière dont ses prix sont établis.

La cour n’a pas conclu que Caesars Entertainment, MGM Resorts International, Hard Rock International, Cendyn Group ou les autres défendeurs avaient enfreint le droit de la concurrence. Elle a estimé que les clients qui les poursuivent avaient allégué suffisamment de faits pour aller au-delà de l’étape de recevabilité. Cette distinction importe, car les allégations n’ont pas encore été mises à l’épreuve de la procédure de communication des preuves ou d’un procès.

Le litige dépasse largement un seul marché hôtelier. Les entreprises utilisent de plus en plus des logiciels pour analyser la demande, les stocks et le comportement des clients avant de recommander des prix. La décision trace une ligne importante entre les logiciels qui aident les entreprises à concurrencer de manière indépendante et un système commun qui deviendrait, selon les allégations, un centre unique de tarification.

La troisième circonscription a rétabli une affaire que le tribunal de district avait rejetée

Le changement immédiat est procédural, mais le raisonnement de la cour donne à cette décision une portée qui dépasse largement un seul appel procédural.

L’affaire, Cornish-Adebiyi v. Caesars Entertainment, a commencé par les réclamations de clients de casino-hôtels affirmant avoir payé des tarifs de chambre artificiellement élevés à Atlantic City. Ils ont poursuivi plusieurs exploitants hôteliers et Cendyn, fournisseur du système de gestion des revenus Rainmaker.

Les logiciels de gestion des revenus prévoient la demande et recommandent des prix destinés à maximiser les recettes tirées d’un inventaire limité. Les hôtels utilisent ces systèmes depuis des années. La préoccupation antitrust apparaît lorsque des hôtels concurrents fournissent, selon les allégations, des données actuelles et confidentielles à un fournisseur commun qui utilise les informations combinées dans ses recommandations.

Les plaignants allèguent que les hôtels participants transmettaient à Rainmaker des données non publiques sur les prix des chambres et l’occupation. Ils affirment que le logiciel traitait les informations de chaque hôtel avec des données comparables provenant de concurrents. Les recommandations qui en résultaient auraient été intégrées automatiquement aux systèmes de vente des chambres des hôtels.

Selon la plainte, les hôtels défendeurs ont accepté les recommandations de Rainmaker environ 90 % du temps. Les plaignants allèguent également que les établissements participants représentaient plus de 70 % du marché pertinent des casino-hôtels. Ces chiffres restent des allégations, et non des constatations établies.

Un tribunal fédéral de district a rejeté la plainte en septembre 2024. Il a conclu que les plaignants n’avaient pas allégué de manière plausible l’accord horizontal nécessaire à une conspiration de type hub-and-spoke. Dans cette structure, un intermédiaire central agit comme le moyeu tandis que les entreprises concurrentes forment les rayons.

Le tribunal de district s’est largement concentré sur la question de savoir si les exploitants hôteliers avaient formé une « jante » reliant les rayons. Il a jugé les allégations insuffisantes, car les hôtels avaient adopté le logiciel à des moments différents, pouvaient passer outre ses recommandations et n’auraient pas communiqué directement au sujet des prix.

La cour d’appel n’était pas d’accord. Dans son avis faisant jurisprudence, la troisième circonscription a déclaré que la plainte devait être examinée dans son ensemble et dans le contexte des technologies modernes de tarification. Elle a annulé le rejet et renvoyé l’affaire devant le tribunal de district du New Jersey.

La formation était composée des juges Theodore McKee, Patty Shwartz Restrepo et D. Brooks Smith, le juge McKee ayant rédigé l’avis. La cour a entendu les arguments le 17 septembre 2025, avant de rendre sa décision plus de dix mois plus tard.

La décision n’établit aucune responsabilité, n’accorde pas de dommages-intérêts et ne certifie pas d’action collective. Elle autorise les plaignants à poursuivre leurs demandes et à rechercher des preuves. Les défendeurs pourront toujours contester les allégations, le marché proposé, le lien de causalité et tout préjudice allégué pour les consommateurs.

Cette posture procédurale est essentielle pour comprendre le résultat. Les tribunaux examinant une requête en rejet acceptent généralement comme vraies les allégations factuelles suffisamment étayées. Ils se demandent si ces faits soutiennent de manière plausible une demande juridique, et non si le plaignant l’a déjà prouvée.

La présentation de Google News peut donc donner à la décision une apparence plus définitive qu’elle ne l’est. La cour a ouvert la porte du palais de justice. Elle n’a pas décidé ce que révélera la communication des preuves une fois les parties entrées.

Pourquoi les lecteurs de Google News devraient prêter attention au flux de données

L’avertissement le plus fort de la cour concerne la circulation de données confidentielles entre concurrents, et non la simple présence de l’IA.

Le mot « algorithme » attire l’attention, mais c’est le flux de données allégué qui accomplit l’essentiel du travail juridique. Les plaignants décrivent un système commun qui recueille des informations actuelles sur les prix et l’occupation auprès de plusieurs concurrents. Ce système convertirait ensuite les informations mutualisées en recommandations pour ces mêmes concurrents.

Cet arrangement diffère du cas où chaque hôtel utilise un outil indépendant de prévision reposant sur ses propres données et des informations publiques sur le marché. Un logiciel indépendant peut aider une entreprise à répondre plus précisément à la demande. Il peut baisser les prix lorsque l’occupation faiblit, les augmenter pendant les périodes chargées ou identifier des segments de clientèle sans impliquer de rivaux.

La plainte décrit quelque chose de plus intégré. Elle allègue que des données non publiques provenant de plusieurs hôtels concurrents étaient transférées vers une plateforme partagée. La plateforme aurait renvoyé des prix recommandés façonnés par ce pool collectif.

La cour a considéré cet échange comme un possible « facteur additionnel ». Un facteur additionnel est un élément de preuve circonstanciel indiquant qu’un comportement commercial parallèle reflète une coordination plutôt que des réponses indépendantes aux conditions du marché. Les autres facteurs allégués comprenaient un taux élevé d’acceptation des recommandations, une tarification parallèle, une baisse de l’occupation et une participation couvrant une grande partie du marché.

Les recommandations de prix de Cendyn Rainmaker n’étaient pas automatiquement illégales simplement parce que plusieurs hôtels les recevaient. La cour a expressément reconnu des raisons commerciales légitimes d’utiliser des systèmes de tarification dynamique. Elle a également indiqué que l’utilisation d’un logiciel commun ne suffit pas, à elle seule, à établir une conspiration anticoncurrentielle.

La préoccupation s’est accrue parce que les plaignants alléguaient que les concurrents tiraient parti des informations actuelles et propriétaires les uns des autres. La cour a déclaré que de tels échanges d’informations peuvent faciliter la coordination lorsqu’ils réduisent l’incertitude sur le comportement des rivaux.

Cette réduction de l’incertitude est économiquement importante. La concurrence dépend en partie de la décision de chaque vendeur d’accorder ou non une remise sans savoir exactement comment ses rivaux réagiront. Un hôtel avec des chambres vides pourrait réduire ses tarifs pour attirer des clients d’un établissement voisin.

Si une plateforme partagée coordonne, selon les allégations, les recommandations entre grands concurrents, chaque participant peut avoir davantage confiance qu’un autre hôtel ne pratiquera pas un tarif inférieur. Les plaignants soutiennent que cette confiance a permis le maintien de tarifs de chambre plus élevés alors même que l’occupation reculait.

La cour n’a pas examiné de manière indépendante le code source, les pipelines de données, l’architecture du modèle ou la logique de recommandation de Rainmaker. Elle a expressément refusé de présumer du fonctionnement réel du logiciel. Son analyse portait sur ce que la plainte alléguait de manière plausible.

Cette limite distingue un acte de procédure juridique d’un audit technique. La communication des preuves devra déterminer quelles données ont été introduites dans le système, à quel point elles étaient récentes et si les informations des concurrents ont influencé les recommandations individuelles. Les enquêteurs devront également examiner les dérogations, la révision humaine, les différences de configuration et les garde-fous.

Cette distinction est essentielle pour les entreprises qui évaluent la décision. Un fournisseur ne peut pas évaluer son exposition en se demandant seulement si son produit utilise l’IA. Il doit cartographier l’origine des données, la manière dont les informations d’un client influencent un autre et le degré de contrôle indépendant conservé par chaque client.

La réponse peut varier selon les déploiements d’un même produit. Un client pourrait n’utiliser que des données internes et des signaux publics. Une autre configuration pourrait combiner des informations sensibles provenant de plusieurs participants au marché.

C’est pourquoi la décision dépasse le secteur de l’hôtellerie. Les compagnies aériennes, les propriétaires immobiliers, les assureurs, les détaillants, les réseaux de santé et les employeurs utilisent des systèmes qui recommandent des prix, des paiements, des loyers ou des salaires. Le risque juridique suit la structure de l’information et de la décision, non l’étiquette du secteur.

Un logiciel de tarification partagé peut devenir le moyeu allégué

Le litige central oppose une assistance indépendante à la tarification à la création alléguée d’un centre unique de prise de décision pour des concurrents.

L’article 1 du Sherman Act exige une action concertée. Il n’interdit généralement pas à une entreprise de prendre une décision de prix indépendante, même lorsque cette décision suit les prix publics de ses concurrents. La loi cible un accord qui restreint déraisonnablement le commerce.

Cette exigence a autrefois rendu particulièrement précieuse une catégorie familière de preuves. Les enquêteurs recherchaient des réunions, des appels téléphoniques, des messages ou des engagements explicites entre rivaux. Les logiciels partagés compliquent cette situation, car les entreprises peuvent, selon les allégations, se coordonner par l’intermédiaire d’un tiers sans se parler directement.

Dans une théorie de type hub-and-spoke, chaque concurrent entretient une relation verticale avec le fournisseur central. Le plaignant doit aussi relier de manière plausible les rayons par une entente horizontale. Sans ce lien, plusieurs contrats ordinaires avec un fournisseur ne deviennent pas un cartel.

La troisième circonscription a conclu que la plainte fournissait de manière plausible ce lien. Elle a relevé les allégations selon lesquelles les hôtels contribuaient sciemment des informations confidentielles, s’attendaient à la participation de concurrents et déléguaient une influence substantielle sur la tarification au même système.

La capacité des défendeurs à rejeter les recommandations ne mettait pas fin à l’analyse. La cour a estimé que le droit sur la fixation des prix n’exige ni une adhésion totale ni l’élimination de toute marge de discrétion. Une recommandation peut tout de même coordonner un point de départ important, même lorsqu’une entreprise modifie parfois le prix final.

Le taux d’acceptation allégué de 90 % a renforcé cette conclusion au stade de la recevabilité. S’il était vérifié, il suggérerait que les recommandations façonnaient la tarification réelle plutôt que de ne constituer qu’un élément mineur parmi d’autres. Ce chiffre doit néanmoins encore être soumis à un examen probatoire.

Le calendrier n’a pas non plus écarté la plausibilité. Les hôtels auraient rejoint Rainmaker à différents moments plutôt que de s’inscrire simultanément. La cour a estimé qu’une conspiration peut se développer au fil du temps, à mesure que des entreprises rejoignent un arrangement coordonné existant.

Ce raisonnement crée la principale tension pour les fournisseurs de tarification algorithmique. Leurs produits deviennent plus utiles à mesure qu’ils traitent davantage d’informations, produisent des prévisions plus précises et s’intègrent plus étroitement aux systèmes des clients. Ces mêmes caractéristiques peuvent accroître les préoccupations lorsque les clients sont concurrents sur un même marché concentré.

L’analyse de la collusion algorithmique de la troisième circonscription repose donc sur le contrôle fonctionnel. Les tribunaux regarderont au-delà d’étiquettes telles que « consultatif », « automatisé » ou « propulsé par l’IA ». Ils se demanderont si le système préserve des décisions indépendantes ou remplace, selon les allégations, celles-ci par une intelligence collective.

L’avis utilise une analogie simple associée à Maureen Ohlhausen, ancienne présidente par intérim de la Federal Trade Commission. Si une personne recueillait auprès de concurrents des stratégies tarifaires confidentielles et indiquait à chacun comment fixer ses prix, appeler cette personne un algorithme ne changerait pas la préoccupation juridique.

Le Department of Justice et la Federal Trade Commission ont formulé un point similaire dans leur déclaration de 2024 sur la tarification hôtelière. Ils ont soutenu que des concurrents ne peuvent pas utiliser un logiciel pour adopter un comportement qui serait illégal s’il était exécuté par des personnes.

Les agences ont également indiqué que des communications directes entre concurrents ne sont pas toujours nécessaires pour alléguer un accord. Elles ont souligné que le maintien d’une certaine marge de manœuvre tarifaire ne met pas nécessairement des recommandations coordonnées à l’abri.

La décision d’appel s’inscrit largement dans cette position neutre sur le plan technologique. Elle ne crée pas une législation antitrust distincte pour l’IA. Elle applique des principes de longue date concernant les accords, le partage d’informations et la prise de décision indépendante à un mécanisme technique plus récent.

Cette approche met sous pression les fournisseurs comme les clients. Un éditeur de logiciels doit examiner la manière dont sa plateforme combine les informations de ses clients. Un client doit comprendre si l’adoption du système relie ses décisions à des données confidentielles fournies par des concurrents.

Le seul langage contractuel ne résoudra pas ces questions. Une clause indiquant que les recommandations sont facultatives pèse moins lourd si les éléments opérationnels montrent qu’elles sont presque toujours acceptées. Une promesse d’agrégation des données doit également s’appuyer sur des garanties techniques relatives à la récence, à la granularité et au risque de réidentification.

La question juridique n’est pas de savoir si les machines sont autorisées à fixer les prix. Elle est de savoir si les entreprises restent véritablement indépendantes lorsque la machine s’interpose entre des concurrents directs.

Une autre affaire d’appel dans l’hôtellerie montre que la limite dépend des faits

La Third Circuit n’a pas déclaré que toute plateforme de tarification partagée crée une entente, et une autre affaire d’appel illustre cette limite.

En août 2025, la Ninth Circuit s’est penchée sur des demandes connexes impliquant le logiciel Cendyn et des hôtels de Las Vegas. Gibson v. Cendyn Group découlait d’inquiétudes similaires concernant la tarification algorithmique des hôtels, mais son cadre procédural et factuel était différent.

La Ninth Circuit n’a pas relancé la demande abandonnée des plaignants fondée sur une théorie de hub-and-spoke. Elle a confirmé le rejet d’une théorie distincte contestant l’effet cumulé d’accords de licence verticaux. La cour a estimé que les allégations étaient insuffisantes pour établir que ces accords limitaient l’autonomie tarifaire de chaque hôtel.

La décision de la Ninth Circuit souligne pourquoi les entreprises devraient éviter les résumés trop larges de l’une ou l’autre affaire. Des plaintes différentes peuvent décrire des pratiques de données, des modalités de participation, des accords et des théories de responsabilité différents.

La Third Circuit a mis l’accent sur les allégations selon lesquelles les hôtels d’Atlantic City fournissaient des données actuelles et non publiques sur les prix et l’occupation. Elle a également examiné les allégations selon lesquelles le système regroupait ces données, renvoyait des recommandations collectives et téléchargeait automatiquement les tarifs.

Le litige de Las Vegas n’a pas abouti, sur le même dossier, à la conclusion actuelle de la Third Circuit. Les différences entre les demandes poursuivies en appel ont également limité la comparaison. Une décision ne vient donc pas simplement annuler ni contredire l’autre.

Cette sensibilité aux faits est une caractéristique de l’analyse antitrust. Des prix parallèles peuvent résulter d’un accord illicite, mais ils peuvent également refléter des coûts communs, une demande publique, des événements saisonniers ou un comportement indépendant rationnel. Les marchés concentrés produisent souvent des décisions similaires sans collusion.

La tarification dynamique peut également profiter aux consommateurs. Des réponses plus rapides à une faible demande peuvent créer des réductions, tandis que de meilleures prévisions peuvent aider les entreprises à répartir leurs stocks. Le Department of Justice a déjà reconnu que la tarification algorithmique peut soutenir la concurrence lorsque les entreprises agissent de manière indépendante.

La Third Circuit a directement reconnu cette préoccupation. Un mémoire d’amicus curiae de l’International Center for Law and Economics demandait si des entreprises deviennent des conspiratrices simplement parce qu’elles utilisent des feuilles de calcul identiques ou la même société d’études de marché. La cour a estimé que ces exemples simplifiaient excessivement la plainte.

Sa réponse reposait sur la combinaison des faits allégués. L’échange de données confidentielles, le fort taux d’acceptation, la mise en œuvre automatique, la couverture du marché et l’attente d’une participation mutuelle étayaient collectivement une inférence. Aucun élément isolé n’établissait à lui seul une responsabilité.

Cela rend la conformité plus complexe que l’interdiction d’une catégorie de logiciels. Une entreprise ne peut pas présumer qu’elle est à l’abri simplement parce que des humains peuvent annuler une recommandation. Elle ne devrait pas non plus conclure que l’utilisation d’un fournisseur commun est intrinsèquement illégale.

Un examen sérieux doit distinguer les informations publiques des données non publiques de concurrents. Il doit déterminer si les données d’entrée sont historiques ou actuelles, agrégées ou propres à un établissement, différées ou en temps réel. Chaque différence influe sur le niveau de connaissance stratégique que le système peut transmettre.

Les examinateurs devraient également tester le comportement réel. À quelle fréquence les clients rejettent-ils les recommandations ? Différents clients reçoivent-ils des suggestions sensiblement différentes ? La remise accordée par un participant peut-elle influencer la réponse recommandée à un autre participant ?

La gouvernance compte autant que le comportement du modèle. Les entreprises ont besoin de dossiers montrant qui approuve les règles de tarification, quelles caractéristiques de données sont autorisées et comment les garde-fous antitrust fonctionnent. Un bouton de dérogation humaine non documenté apporte peu de réconfort si les employés l’utilisent rarement.

Le litige relatif à la tarification Cendyn Rainmaker va désormais examiner ces distinctions plus attentivement. La phase de communication des preuves pourrait étayer la version des plaignants, la contredire ou révéler un système hybride ne correspondant à la description simplifiée d’aucune des parties.

Jusqu’à ce que ces éléments apparaissent, la décision de la Third Circuit doit être lue comme un avertissement concernant des allégations plausibles. Elle ne constitue pas un jugement définitif selon lequel Rainmaker a coordonné les prix ou nui aux consommateurs.

La décision augmente le coût d’une gouvernance algorithmique négligée

Les entreprises font désormais face à un risque juridique lorsqu’elles ne peuvent pas expliquer comment des données partagées deviennent un prix, même si un fournisseur a conçu le système.

Pour les acheteurs d’entreprise, externaliser une fonction de tarification ne revient pas à externaliser la responsabilité. Un hôtel peut concéder sous licence un logiciel d’un tiers, mais ses dirigeants doivent toujours comprendre les données d’entrée, les recommandations et les effets sur le marché du système.

Cette responsabilité commence lors de l’approvisionnement. Les acheteurs devraient demander si une plateforme utilise des données de concurrents directs, comment ces données sont agrégées et à quelle vitesse les nouvelles informations entrent dans le modèle. Ils devraient également demander si les données propres à un client peuvent influencer le résultat destiné à un autre client.

Les mêmes questions doivent figurer dans la diligence raisonnable technique. Les ingénieurs peuvent retracer la lignée des données, qui consigne l’origine des informations et leur évolution dans un système. Ils peuvent tester si la suppression des données de concurrents modifie sensiblement les recommandations.

Des instances de modèle indépendantes peuvent réduire certains risques, mais seulement si la séparation existe en pratique. Deux modèles nominalement distincts peuvent toujours apprendre à partir d’un ensemble d’entraînement partagé contenant des informations sensibles sur les clients. Les schémas d’architecture devraient correspondre à la réalité opérationnelle.

La supervision humaine doit également être substantielle. Un responsable de la tarification qui approuve automatiquement chaque suggestion n’ajoute guère d’indépendance. Les examinateurs doivent disposer de l’autorité, d’informations pertinentes sur le marché et de motifs documentés pour accepter ou rejeter les recommandations.

Les entreprises devraient surveiller les résultats sans présumer que des prix similaires prouvent une collusion. Parmi les contrôles utiles figurent l’acceptation des recommandations, les schémas de dérogation, la dispersion des prix et les réponses aux chocs de demande. Une convergence soudaine entre concurrents mérite une enquête, et non une conclusion juridique automatique.

La conservation des informations soulève une autre question. Les plateformes de tarification génèrent de nombreux journaux, résultats de modèles, enregistrements d’accès et communications. Ces éléments peuvent aider à démontrer une prise de décision indépendante, mais ils peuvent aussi révéler que des recommandations facultatives fonctionnaient comme des ordres.

La décision de la Third Circuit sur la collusion algorithmique renforce l’importance de conserver ces preuves. La suppression de dossiers opérationnels en vertu d’une politique ordinaire de conservation à court terme peut compliquer les explications ultérieures. Les équipes juridiques, d’ingénierie et produit devraient se coordonner avant qu’un litige n’apparaisse.

Les entreprises ont également besoin de voies d’escalade claires. Un analyste tarifaire qui constate que les recommandations augmentent malgré une faible demande devrait savoir qui contacter. Les équipes produit devraient pouvoir suspendre des fonctionnalités de données douteuses sans désactiver l’ensemble d’un système commercial.

Le risque s’étend à l’IA générative. Les entreprises commencent à demander à des modèles généralistes des conseils de tarification, des fourchettes de négociation et des prévisions de revenus. Si plusieurs concurrents utilisent le même modèle avec des données sensibles similaires, les enquêteurs demanderont si cette configuration préserve l’indépendance de jugement.

Une analyse de 2026 sur les litiges liés à la tarification identifie les sources de données, la fréquence des mises à jour, la granularité, les garde-fous et la supervision humaine comme des questions centrales d’enquête. Ce sont autant des questions pratiques d’ingénierie que des questions juridiques.

La gestion des connaissances peut soutenir ce travail lorsque les équipes doivent relier la documentation des modèles, les contrats fournisseurs, les cartes de données et les décisions de revue. Une base de connaissances technique consultable peut aider les équipes à préserver ce contexte sans traiter la conformité comme une simple liste de contrôle finale.

Le Department of Justice a indiqué que la collusion algorithmique demeure une priorité de contrôle. Dans un discours de 2025 sur les marchés numériques, des responsables ont mis en avant des affaires de logement et de santé impliquant des systèmes de tarification partagés.

Les litiges privés ajoutent une autre pression. Les clients qui estiment avoir payé des prix gonflés peuvent déposer des demandes avant même que les régulateurs aient achevé une enquête. Une décision d’appel faisant jurisprudence offre à ces plaignants une feuille de route pour rédiger des plaintes plus détaillées.

Les entreprises devraient toutefois éviter des restrictions dictées par la panique qui empêcheraient des prévisions légitimes. Des systèmes de tarification indépendants peuvent améliorer l’utilisation des stocks et aider les marchés à réagir à l’évolution de la demande. L’objectif de gouvernance est de préserver ces avantages tout en empêchant le transfert d’informations stratégiques sur les concurrents.

Cela exige davantage que l’ajout du « risque lié à l’IA » dans une politique. Les équipes doivent comprendre la décision commerciale précise qui est automatisée. Elles doivent identifier qui fournit les données d’entrée, qui reçoit le résultat et quels intérêts le système sert.

Trois signaux montreront jusqu’où la décision s’étend

La communication des preuves, le traitement judiciaire en dehors de la Third Circuit et les changements de conception des fournisseurs détermineront s’il s’agit d’une affaire hôtelière étroite ou d’une règle de marché plus large.

Le premier signal sera ce que la communication des preuves révélera au sujet de Rainmaker. Les plaignants doivent produire des éléments étayant leurs allégations sur la mise en commun des données, la logique de recommandation, les téléchargements automatiques et l’acceptation par les hôtels. Les documents internes et les dossiers techniques auront plus de poids que le langage marketing.

Des éléments montrant que les données confidentielles de chaque hôtel ont influencé de manière significative les recommandations envoyées à des concurrents renforceraient la théorie des plaignants. Des éléments démontrant une séparation stricte des données, une agrégation substantielle ou des décisions hôtelières indépendantes l’affaibliraient.

La communication des preuves examinera également les effets allégués sur le marché. Les plaignants évoquent des tarifs plus élevés malgré une baisse de l’occupation et des mouvements synchronisés parmi les hôtels participants. Les défendeurs peuvent proposer d’autres explications fondées sur la demande, les coûts, les événements, les différences entre établissements ou la gestion ordinaire des revenus.

Le deuxième signal sera la manière dont d’autres tribunaux utiliseront l’avis. La Third Circuit couvre les tribunaux fédéraux de Pennsylvanie, du New Jersey, du Delaware et des îles Vierges. Sa décision lie ces tribunaux, mais ne contrôle pas la Ninth Circuit ni les autres circuits fédéraux d’appel.

Les plaignants dans les affaires concernant le logement, les soins de santé, le carburant et l’hôtellerie citeront son traitement des données confidentielles et l’acceptation des recommandations. Les défendeurs mettront l’accent sur le stade de la procédure et sur le langage dépendant des faits. Les décisions ultérieures montreront quelles allégations les tribunaux jugent essentielles.

Une divergence entre les cours d’appel pourrait finir par attirer l’attention de la Cour suprême, en particulier si les juges appliquent des critères différents aux algorithmes partagés. Aucune divergence aussi nette ne doit toutefois être déduite des seules affaires hôtelières, car leurs demandes et leurs dossiers diffèrent.

Le troisième signal concerne la manière dont les fournisseurs de logiciels repensent leurs produits. Les prestataires peuvent réduire les risques en limitant les données actuelles sur les concurrents, en renforçant l’agrégation, en introduisant des délais et en séparant les modèles des clients. Ils peuvent également offrir des contrôles plus clairs pour l’examen humain.

Des modifications de conception montreraient que la décision a influencé le marché avant toute décision définitive sur la responsabilité. Les fournisseurs pourraient publier une documentation plus claire sur la gouvernance des données ou proposer des configurations excluant les données issues des concurrents.

L’issue pourrait également affecter les contrats. Les clients pourraient exiger des droits d’audit, des restrictions sur l’utilisation des données, une documentation des modèles et des clauses d’indemnisation. Les fournisseurs pourraient réagir en limitant leurs promesses concernant l’optimisation automatisée des revenus.

La recherche universitaire restera pertinente, mais les simulations ne peuvent pas établir ce qui s’est produit au sein d’une plateforme commerciale donnée. Certaines études concluent que des algorithmes d’apprentissage peuvent maintenir des prix élevés dans des conditions contrôlées. D’autres travaux suggèrent qu’une meilleure prévision peut renforcer les incitations à pratiquer des prix inférieurs à ceux des concurrents.

Ce désaccord renforce l’approche de la cour, fondée sur les faits propres à chaque affaire. Le droit de la concurrence ne sanctionne pas un modèle parce qu’une expérience en laboratoire a produit une collusion ailleurs. Les enquêteurs ont besoin d’éléments reliant les données et le comportement réels d’un système à un accord entre de véritables concurrents.

Le titre de Google News constitue un signal d’alarme, pas un verdict définitif. La Third Circuit a placé les données confidentielles, le contrôle opérationnel et les attentes des concurrents au cœur de l’étape suivante.

Les entreprises qui utilisent la tarification algorithmique devraient désormais se poser une question directe : peuvent-elles prouver que chaque entreprise continue de prendre une décision indépendante ? Si la réponse repose uniquement sur un bouton de dérogation inutilisé ou sur une affirmation marketing d’un fournisseur, la décision a déjà identifié la faiblesse.