🤖 AI

Delegation Asymmetry in Agentic Recommender Systems: Measuring Two-Sided Receptivity in Online Dating

Cet article révèle une « asymétrie de délégation » significative dans les systèmes de recommandation agentiques pour les rencontres en ligne, où les utilisateurs sont beaucoup plus disposés à déployer des agents autonomes pour initier des conversations que pour les recevoir, et démontre que l'optimisation de la mise en relation en acheminant les contacts en fonction de la réceptivité du destinataire peut tripler les taux d'engagement par rapport à un appariement aléatoire.

Auteurs originaux : Daria Leshchikova, Valentina V. Kuskova, Dmitry Zaytsev, Valerii Klimov

Publié 2026-08-19

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Daria Leshchikova, Valentina V. Kuskova, Dmitry Zaytsev, Valerii Klimov

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

À l'ère numérique de la recherche de l'amour, un nouveau type d'assistant est arrivé. Imaginez un utilisateur qui, au lieu de rédiger lui-même un message à un partenaire potentiel, demande à un programme informatique de l'écrire pour lui. C'est la promesse des systèmes « agentiques », où l'intelligence artificielle agit comme un assistant personnel, gérant les conversations, filtrant les rendez-vous et même négociant des points communs avant même que les humains ne se parlent. Depuis des années, les chercheurs étudient si les gens sont disposés à utiliser ces outils pour s'aider eux-mêmes. Mais une pièce cruciale du puzzle manquait : la volonté de la personne à l'autre bout de la ligne de parler à une machine. Ce n'est pas parce que quelqu'un veut envoyer un message via un robot que le destinataire veut en recevoir un. Cette tension crée un marché à deux versants, semblable à un réseau téléphonique où tout le monde a besoin d'un auditeur volontaire, et pas seulement d'un locuteur. Si la technologie progresse plus vite que l'acceptation sociale de l'autre partie, le système pourrait s'effondrer sous un flot de messages automatisés indésirables.

Une équipe de chercheurs s'est donné pour mission de mesurer cet équilibre délicat en utilisant les données d'une grande plateforme de rencontre en ligne. Ils ont interrogé des milliers d'utilisateurs actifs, leur demandant non seulement s'ils utiliseraient une IA pour rédiger leurs propres messages, mais aussi ce qu'ils ressentiraient si quelqu'un d'autre utilisait une IA pour leur écrire. L'objectif était de voir si ces deux attitudes — envoyer et recevoir — étaient la même chose, ou s'il s'agissait de sentiments distincts pouvant tirer dans des directions opposées. L'étude a révélé qu'elles sont effectivement séparées. Bien que la plupart des personnes prêtes à envoyer des messages par agent soient également prêtes à en recevoir, les deux groupes ne sont pas identiques. Plus important encore, le seuil pour dire « oui » est beaucoup plus bas pour l'envoi que pour la réception. Il est nettement plus facile de convaincre un utilisateur de laisser une IA parler en son nom que de le convaincre d'écouter une IA parlant pour quelqu'un d'autre.

Les chercheurs ont découvert un déséquilibre flagrant dans la perception de cette technologie par les individus. Sur une échelle de volonté, le point auquel un utilisateur accepte de déployer son propre agent est bien inférieur au point auquel il accepte d'interagir avec l'agent d'un homologue. En termes pratiques, cela signifie que beaucoup plus de personnes sont prêtes à envoyer des messages automatisés que ne le sont pour les recevoir. L'étude a estimé que le nombre de personnes prêtes à déployer un agent est environ trois fois supérieur au nombre de personnes prêtes à interagir avec un tel agent. Cela crée un problème structurel : si une plateforme permettait simplement aux utilisateurs d'activer leurs agents, le résultat serait un volume massif de communications automatisées arrivant sur des portes fermement closes. Les chercheurs ont calculé que, dans le cas d'un appariement aléatoire d'utilisateurs, seule une petite fraction de ces interactions dirigées aboutirait réellement à une conversation. Dans leurs simulations, seuls entre quatre et treize pour cent de ces correspondances combineraient un émetteur volontaire avec un récepteur volontaire.

Cet écart n'est pas seulement une curiosité statistique ; il révèle une profonde asymétrie dans la psychologie humaine concernant l'automatisation. L'étude a identifié un groupe spécifique d'utilisateurs, représentant environ un quart de la population, qui souhaitent enthousiastement utiliser un agent pour envoyer des messages mais qui rejetteraient fermement d'en recevoir. Ces utilisateurs veulent l'efficacité et le contrôle d'un assistant automatisé pour eux-mêmes, mais considèrent la même technologie comme intrusive ou inauthentique lorsqu'elle provient d'autrui. La recherche a également souligné que cette résistance n'est pas uniforme selon les données démographiques. Les femmes, par exemple, se sont révélées moins réceptives tant à l'envoi qu'à la réception de messages par agent que les hommes, une différence que les chercheurs ont confirmée comme étant un trait réel plutôt qu'un défaut dans la formulation des questions. De plus, le désir d'utiliser ces agents était le plus élevé chez les utilisateurs déjà frustrés par leur expérience de rencontre, ceux dont les matchs ne se transformaient pas en conversations. Cela suggère que la technologie est recherchée de manière la plus agressive par ceux qui se trouvent dans les positions émotionnellement les plus vulnérables.

Les implications pour la conception de ces systèmes sont significatives. L'étude a testé différents choix de conception pour voir comment ils affecteraient le succès des rencontres médiatisées par des agents. Une option consistait à exiger la réciprocité, signifiant qu'un utilisateur ne pourrait envoyer un message par agent que s'il était également disposé à en recevoir un. Bien que cela garantirait l'équité, la simulation a montré que cela réduirait le volume total des interactions de moitié en excluant les deux tiers des émetteurs potentiels. Un levier plus efficace a été identifié dans le routage. Si la plateforme pouvait identifier les utilisateurs les plus ouverts à la réception de messages par agent et diriger les contacts automatisés uniquement vers eux, la qualité de l'interaction s'améliorerait considérablement. En routant les messages vers les vingt-cinq pour cent d'utilisateurs les plus réceptifs, le taux d'engagement réussi par contact a plus que triplé. Cela suggère que la clé pour faire fonctionner ces systèmes ne réside pas seulement dans la création de meilleurs agents, mais dans la création de meilleurs filtres respectant les limites du récepteur.

En fin de compte, la recherche soutient que l'avenir des rencontres automatisées dépend du traitement du consentement du récepteur comme une caractéristique de conception primaire, et non comme une réflexion après coup. Actuellement, la plupart des systèmes se concentrent sur la capacité de l'émetteur à choisir d'adhérer. Cette étude démontre que sans un mécanisme pour respecter la préférence du récepteur, le système est voué à l'échec, générant des contacts indésirables qui érodent la confiance. Les chercheurs proposent que les plateformes utilisent ces mesures pour créer un « score de réceptivité », permettant de diriger les contacts par agent vers ceux qui les souhaitent réellement, tout en laissant les autres interagir uniquement avec des humains. Cette approche permettrait non seulement d'augmenter le taux de réussite des interactions, mais aussi de protéger les utilisateurs du sentiment d'être trompés par une machine avec laquelle ils n'ont pas consenti à discuter. Les conclusions servent d'avertissement : l'enthousiasme pour une nouvelle technologie ne garantit pas son succès ; le marché pour ces outils n'existe que si les deux côtés de la conversation sont disposés à participer.

Résumé technique : Asymétrie de délégation dans les systèmes de recommandation agentiques

Énoncé du problème
L'émergence d'agents LLM autonomes dans les plateformes de mise en relation (ex. : rencontres en ligne) introduit une condition de marché bilatéral qui n'a pas été mesurée conjointement : la volonté d'un utilisateur de déléguer sa propre communication à un agent par rapport à la volonté de recevoir la communication de l'agent d'un autre utilisateur. Alors que les plateformes commercialisent rapidement des outils de type « AI wingman » (ailier de l'IA) pour l'envoi, la viabilité de ce marché dépend d'un côté « récepteur » qui peut être nettement plus résistant. La littérature existante mesure séparément l'acceptation de l'IA pour les utilisateurs ou les pénalités côté récepteur, souvent sur des échantillons différents, échouant ainsi à capturer l'asymétrie intra-personnelle qui détermine si un marché de délégation peut fonctionner. Sans mesurer les deux côtés sur une échelle commune, les plateformes risquent de déployer des agents qui génèrent des prises de contact automatisées se heurtant à des « portes closes », particulièrement dans des domaines sensibles comme les rencontres.

Méthodologie
Les auteurs ont mené un « Audit de réceptivité » à l'aide de deux grandes enquêtes auprès d'utilisateurs actifs d'une plateforme de rencontre majeure (Fledge.Love), administrées en anglais et en russe :

Instrument A (N=2 894) : Mesurait l'intérêt pour les fonctionnalités génératives passives (ex. : résumés de profil par IA).
Instrument B (N=2 617) : Mesurait la réceptivité aux agents conversationnels autonomes. Cet instrument présentait sept items attitudinaux ordinaux couvrant deux rôles :
- Principal (Envoyer) : Scénarios où le répondant configure ou déploie un agent (Items Y1, Y2, Y3, Y7).
- Contrepartie (Recevoir) : Scénarios où le répondant reçoit des messages d'un agent ou observe une interaction agent-à-agent (Items Y4, Y5, Y6).

Modèle de mesure
L'étude utilise un modèle de réponse graduée (GRM) à deux dimensions avec régression latente, estimé par maximum de vraisemblance marginale.

Construits : Le modèle définit deux traits latents : la Réceptivité d'envoi (volonté de déléguer) et la Réceptivité de réception (volonté d'interagir avec les agents d'autrui).
Structure : Les items chargent sur leurs facteurs respectifs, et les traits latents régressent sur des covariables (genre, âge, ancienneté, volume de matchs, taux de conversion, affect négatif).
Validation : Le modèle inclut des tests formels d'invariance de mesure à travers les langues et de fonctionnement différentiel des items (DIF). Crucialement, le signal de routage dérivé du modèle a été validé hors échantillon via une approche de validation croisée « leave-one-item-out » pour garantir que le score prédit l'engagement sans circularité.

Résultats clés

Construits distincts : La réceptivité d'envoi et de réception sont fortement corrélées ( $\rho = 0,92$ ) mais constituent des construits statistiquement distincts ( $\Delta BIC = 51,8$ ). Ce sont des dimensions séparables plutôt qu'une attitude unique envers l'IA.
Asymétrie de délégation : Il existe une asymétrie systématique et robuste dans les seuils. Déployer son propre agent nécessite une réceptivité latente de $\theta = -0,38$ , tandis qu'interagir avec l'agent d'une contrepartie nécessite $\theta = +0,32$ (un déplacement de 0,71 SD). L'engagement total avec l'agent d'une contrepartie est encore plus élevé ( $\theta = +1,39$ ). Par conséquent, la propension de la population à déployer des agents est environ trois fois plus élevée que sa propension à interagir avec eux.
Segmentation des utilisateurs : L'analyse de classes latentes identifie un segment de « délégateurs asymétriques » comprenant environ 25 % de la population. Ces utilisateurs veulent massivement utiliser un agent pour eux-mêmes, mais ne souhaiteraient pas interagir avec un agent les contactant.
Corrélats de la réceptivité : La réceptivité est associée à un « besoin non satisfait ». Les utilisateurs signalant un affect négatif concernant l'arrêt des matchs ou un faible taux de conversion des matchs en conversations sont plus réceptifs. Les femmes sont sensiblement moins réceptives que les hommes sur les deux dimensions ( $\beta_{send} = -0,38$ , $\beta_{recv} = -0,30$ ), une différence confirmée comme étant un trait de caractère plutôt qu'un artefact du fonctionnement des items.
Contre-factuels de marché : Sous une simulation de jumelage aléatoire, seuls 4 à 13 % des dyades dirigées combinent déploiement et engagement.
- Coût de la réciprocité : Imposer une règle de réciprocité (ne permettre le déploiement que si l'utilisateur accepterait aussi d'interagir) exclut ~65 % des déployeurs potentiels et réduit de moitié le volume d'interaction.
- Gain de routage : Router les contacts d'agents uniquement vers les 25 % de récepteurs les plus réceptifs triple l'engagement par contact (une hausse de 3,1×), un gain qui survit à la validation hors échantillon (AUC 0,88).

Signification et revendications
L'article revendique quatre contributions principales :

Conception de construit et de mesure : Il introduit la « réceptivité d'envoi » et la « réceptivité de réception » comme des construits distincts, mesurés conjointement sur une échelle latente commune, résolvant la confusion entre différences de rôle et différences de population trouvées dans les études antérieures séparées.
Méthodologie d'audit de réceptivité : Il présente un pipeline généralisable en quatre étapes (Instrument $\to$ Modèle de mesure $\to$ Validation de la propension $\to$ Contre-factuels de marché) permettant aux plateformes d'auditer la viabilité des fonctionnalités médiées par des agents avant leur déploiement. Cela traite les paramètres psychométriques comme des primitives de marché.
Résultats empiriques à grande échelle : Il fournit la première quantification à l'échelle de la population de l'asymétrie de délégation (0,71 SD) et identifie le segment structurel des « délégateurs asymétriques », démontrant que le marché de l'interaction médiée par des agents est contraint par le côté récepteur, et non par le côté émetteur.
Leviers de conception quantifiés : Il quantifie les compromis pour la conception de plateformes. Plus précisément, il montre que le « routage sensible à la réceptivité » est une intervention à fort levier qui peut améliorer considérablement la qualité de l'engagement sans nécesser de changements côté émetteur, tandis que les normes de réciprocité arrivent avec un coût de volume élevé.

Conclusion
L'article conclut que la mise en relation médiée par des agents est actuellement construite selon une approche « d'abord l'émetteur » (sender-first), mais que son succès dépend d'une conception « d'abord le récepteur » (receiver-first). Les auteurs soutiennent que le consentement du côté récepteur doit être traité comme une primitive de conception de premier rang. Sans mécanismes explicites pour gérer la réceptivité du côté récepteur (tels que le routage ou la divulgation), le marché souffrira d'une pénurie de récepteurs disposés, menant à une prospection automatisée qui échoue à convertir et potentiellement à éroder la confiance. L'étude offre un modèle de mesure pour évaluer la préparation et une mise en garde contre la confusion entre l'enthousiasme pour la délégation et l'enthousiasme pour sa réception.

Résumé technique : Asymétrie de délégation dans les systèmes de recommandation agentiques

Articles similaires