Cet article examine les implications concurrentielles de la tarification algorithmique sur les marchés numériques. Si la tarification algorithmique peut améliorer l'efficacité du marché grâce à des ajustements en temps réel, des offres personnalisées et une optimisation des stocks, elle présente également des risques importants, notamment la collusion tacite, la tarification discriminatoire, la segmentation du marché et la manipulation abusive des consommateurs. S'appuyant sur des modèles théoriques, des simulations et des données empiriques émergentes, cet article explore comment les stratégies algorithmiques peuvent conduire à des prix supraconcurrentiels sans coordination explicite, en particulier dans les environnements oligopolistiques ou riches en données. Il souligne également comment les fournisseurs d'algorithmes communs, les sources de données partagées et la dynamique d'apprentissage peuvent nuire à la concurrence. Une attention particulière est accordée aux défis posés par les pénalités de fidélité, le verrouillage de l'écosystème et les prix prédateurs granulaires. L'article conclut par un ensemble de recommandations politiques mettant l'accent sur la mise à jour des outils d'application, les mécanismes de transparence, la réglementation ex ante des plateformes dominantes et une approche coordonnée de la surveillance du marché numérique qui concilie innovation et protection des consommateurs.