Vision · 16 septembre 2026 · 7 min de lecture
Intelligence artificielle & vente aux enchères
Un manifeste sur l’intelligence artificielle dans les maisons de ventes : les usages qui méritent d’être construits – trouver les acheteurs de chaque lot, cataloguer, traduire, retrouver – et les lignes rouges qui préservent la confiance.
Par Romain Kohn
Améliorer le métier. Préserver la confiance.
Construire les usages avec ceux qui font les ventes.
01
Pourquoi maintenant ?
Les maisons de ventes ont déjà l’essentiel : l’expertise, la relation client, les archives, les images, les catalogues, les résultats et une connaissance du marché accumulée au fil des années. L’intelligence artificielle change surtout notre capacité à relier ces éléments entre eux.
Jusqu’ici, une grande partie de cette information était enregistrée, classée puis consultée. Elle pouvait être retrouvée si l’on savait précisément où chercher, ou si quelqu’un s’en souvenait. L’IA permet désormais de rapprocher un objet d’archives anciennes, de comprendre une recherche formulée avec des mots différents, de comparer des images, de faire émerger des acheteurs potentiels ou encore de préparer un premier travail rédactionnel à partir de sources multiples.
La question n’est donc plus seulement : « Que peut faire l’IA ? » Elle devient : « Quels usages voulons-nous construire, et quelles limites voulons-nous fixer ? »
02
Trouver les bons acheteurs pour chaque lot
L’un des potentiels les plus immédiats de l’IA est de partir d’un lot précis pour identifier les personnes les plus susceptibles d’y être sensibles. Les données publiques du lot — description, images, artiste ou fabricant, époque, matériaux, dimensions — peuvent être transformées en représentations mathématiques permettant de mesurer des proximités. Ces signaux peuvent ensuite être rapprochés d’éléments avérés détenus par la maison : historique d’achats, enchères, centres d’intérêt ou interactions passées.
Le système ne cherche donc pas une catégorie générique d’acheteurs. Il cherche, pour cet objet précis, les personnes dont l’historique et les intérêts rendent ce lot particulièrement pertinent — qu’il s’agisse d’acheteurs actifs ou de clients qui n’ont pas interagi avec la maison depuis longtemps.
L’enjeu est autant commercial que relationnel : remettre le bon objet devant la bonne personne, au bon moment, peut être beaucoup plus utile que multiplier les sollicitations adressées à toute une base.
Moins de messages. Plus de pertinence. Et la possibilité de réactiver des relations que personne n’aurait pensé à solliciter manuellement.
03
Décrire un lot à partir de la première rencontre
Une photo et une note vocale peuvent devenir la matière première d’un travail de catalogage, tout en préservant la mémoire du premier regard. L’expert photographie l’objet, dicte librement ce qu’il voit et, si nécessaire, ajoute quelques notes. L’audio est transcrit ; les images peuvent être analysées ; des objets visuellement proches peuvent être retrouvés ; les archives internes et des sources externes peuvent être consultées.
À partir de ces éléments, l’IA peut proposer un titre, une description structurée, des caractéristiques, des pistes d’identification et éventuellement une fourchette d’estimation. L’intérêt ne réside pas seulement dans le gain de temps. Les photographies, la note vocale et les observations initiales restent conservées : on garde ainsi une trace de l’état de pensée au moment exact de la première rencontre avec le lot.
L’IA prépare. L’expert valide. La source originale reste toujours accessible.
04
Des campagnes construites autour des objets
La segmentation traditionnelle part des personnes. L’IA permet de partir des lots et de rechercher, pour chacun d’eux, les personnes les plus pertinentes. À l’échelle d’un catalogue entier, chaque lot peut être comparé aux intérêts observés des acheteurs. Un seuil dynamique de pertinence permet ensuite de contrôler le volume de destinataires.
Deux clients peuvent recevoir la même campagne pour des raisons totalement différentes : l’un parce que trois lots correspondent à un artiste qu’il suit ; l’autre parce qu’un ensemble d’objets ressemble à ses achats précédents.
Le bon indicateur n’est pas le nombre d’e-mails envoyés, mais la qualité des mises en relation créées.
Une campagne n’est plus seulement destinée à une population. Elle devient une mise en relation entre un catalogue et les personnes pour lesquelles il contient réellement quelque chose d’intéressant.
05
Personnaliser vraiment une communication
Lorsqu’un collaborateur écrit à une seule personne, l’IA peut proposer un message adapté au contexte réel de cette relation. Le ton, la langue, l’historique de relation avec la maison, les objets pertinents ou la raison exacte du contact peuvent être pris en compte pour préparer un contenu beaucoup plus personnel qu’un modèle générique.
Cet usage marque toutefois une frontière claire avec les mécanismes de recommandation anonymisés ou pseudonymisés : personnaliser un message destiné à une personne nécessite, par définition, davantage de contexte personnel. Cette différence doit être explicite et contrôlée. Le système doit utiliser le minimum d’informations nécessaires et laisser la maison décider dans quels cas cette personnalisation est appropriée.
La personnalisation n’a de valeur que si elle reste maîtrisée, transparente et proportionnée.
06
Traduire le catalogue sans perdre le métier
Le marché est international ; le travail éditorial reste local. Les modèles linguistiques peuvent rapprocher les deux. Descriptions, notices, communications ou contenus éditoriaux peuvent être traduits rapidement, tout en tenant compte d’un vocabulaire spécialisé et d’un glossaire propre à la maison.
Mais la traduction ne doit pas lisser les précautions de langage, les réserves d’attribution ou les formulations ayant une portée juridique ou commerciale. La bonne approche n’est donc pas la traduction automatique aveugle, mais une traduction générée, traçable et contrôlable.
L’objectif n’est pas seulement de traduire les mots, mais de préserver l’intention et le niveau de certitude.
07
Au-delà de la génération
Les usages les plus structurants sont parfois les moins spectaculaires. Ils concernent la mémoire, la recherche et la qualité des données.
-
La mémoire de la maison
Retrouver des objets similaires, anciennes descriptions, estimations et résultats, même lorsque le vocabulaire employé autrefois était différent.
-
La recherche sémantique
Chercher par idée plutôt que par mots exacts : « une montre sportive des années 1970 », « un meuble dans l’esprit de… », « des lots similaires à celui-ci ».
-
La recherche visuelle
Comparer une photographie à des centaines de milliers d’images afin d’identifier des précédents, doublons, rapprochements ou objets visuellement proches.
-
La qualité des données
Détecter doublons, incohérences, variations de noms, champs manquants et informations présentes dans une description mais absentes des données structurées.
-
L’assistance à l’estimation
Réunir des comparables, synthétiser des résultats historiques et proposer une fourchette argumentée sans transformer une suggestion en verdict.
-
L’administratif
Résumer une demande, classer une pièce jointe, retrouver un dossier, préparer une réponse ou extraire une information répétitive pour rendre du temps aux équipes.
08
Les lignes rouges
La vente aux enchères repose sur la confiance. Les usages de l’IA doivent donc être jugés autant sur ce qu’ils permettent que sur ce qu’ils refusent de faire.
-
01
Ne jamais inventer pour combler un vide
Une provenance inconnue reste inconnue. Une attribution incertaine reste incertaine. Une hypothèse doit être présentée comme telle.
-
02
Pouvoir revenir aux sources
Quand une information vient d’un catalogue, d’une image, d’une note, d’une base externe ou d’un résultat historique, la source doit rester identifiable.
-
03
Ne pas effacer l’original
Une génération ne remplace jamais la photo, la note vocale, la description ou l’observation humaine qui l’a précédée.
-
04
Garder les décisions sensibles humaines
Attribution, validation finale d’une description sensible, estimation définitive ou décision engageant la responsabilité de la maison restent sous contrôle humain.
-
05
Concevoir la confidentialité dès le départ
Les données clients ne sont pas une matière première gratuite. Quand une tâche peut être accomplie sans identité ou à partir de représentations pseudonymisées, elle doit l’être.
-
06
Savoir dire « je ne sais pas »
Un système crédible doit pouvoir exprimer son niveau d’incertitude, demander une validation ou refuser de conclure lorsque les éléments disponibles ne le permettent pas.
09
Construire cette transformation avec le métier
Certaines applications deviendront évidentes. D’autres se révéleront inutiles. Et les plus importantes ne sont probablement pas encore imaginées.
C’est pourquoi cette évolution ne devrait pas être définie uniquement par les éditeurs de logiciels ou par les entreprises technologiques. Elle doit se construire avec les maisons de ventes, les experts, les commissaires-priseurs, les catalogueurs et les collaborateurs qui entretiennent chaque jour la relation avec les vendeurs et les acheteurs.
La technologie peut proposer de nouvelles possibilités. Le métier doit déterminer lesquelles ont réellement de la valeur. L’intelligence artificielle ne remplacera pas ce qui fait une bonne maison de ventes. Elle ne possède ni son histoire, ni son réseau, ni son expertise, ni sa réputation, ni la confiance construite avec ses clients.
Mais elle peut permettre à cette maison de mieux utiliser tout ce qu’elle possède déjà : sa connaissance, ses archives, ses images, ses données, ses relations et surtout le temps de ses équipes.
10
Ce manifeste est une invitation.
-
01
Quels usages vous semblent réellement utiles ?
-
02
Quelles limites devons-nous collectivement fixer ?
-
03
Quelles applications de l’IA dans la vente aux enchères n’avons-nous pas encore imaginées ?