Prédiction algorithmique: enjeux en termes de protection du consommateur et de la concurrence. Les enseignements de la pratique décisionnelle de la Federal Trade Commission américaine

Frédéric Marty

Post-Print from HAL

Abstract: Le développement de l'intelligence artificielle passe par la maîtrise de flux de données massives, renouvelées en temps réel, variées et susceptibles d'être croisées. L'avantage lié au contrôle de ces flux peut se traduire par un avantage algorithmique qui peut placer un opérateur économique en position de force vis-à-vis de ses concurrents mais également de ses utilisateurs. Le contrôle des données a donc un aspect déterminant dans la concurrence. Se basant sur l'analyse de la pratique décisionnelle de la Federal Trade Commission américaine notre contribution envisage deux dimensions de cette question. Premièrement, dans quelle mesure peut-on extraire indûment des données au détriment de ses utilisateurs et quels sont les risques qui en découlent pour ces derniers ? Secondement, ces stratégies peuvent-elles être à la source d'un avantage concurrentiel déloyal et le cas échéant comment y remédier ?

Keywords: données personnelles; intelligence artificielle; plateformes numériques; distorsions de concurrence (search for similar items in EconPapers)
Date: 2022-06-10
New Economics Papers: this item is included in nep-com
Note: View the original document on HAL open archive server: https://hal.science/hal-03760386
References: View complete reference list from CitEc
Citations:

Published in JECIS, Jean-Sébastien Vayre; Gérald Gaglio; Manuel Boutet; Lise Arena, Jun 2022, Nice, France

Downloads: (external link)
https://hal.science/hal-03760386/document (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:hal:journl:hal-03760386

Access Statistics for this paper

More papers in Post-Print from HAL
Bibliographic data for series maintained by CCSD ().