Cet article présente le jeu du prix minimum de Markov (MPMG), un modèle théorique qui se rapproche raisonnablement des marchés réels qui suivent la règle du prix minimum, tels que les enchères publiques. L'objectif est de fournir aux chercheurs et aux praticiens un cadre pour étudier l'équité du marché et la réglementation dans les processus de marchés publics numériques et non numériques, dans un contexte de préoccupations croissantes concernant la collusion algorithmique sur les marchés en ligne. En utilisant des agents artificiels basés sur l'apprentissage par renforcement multi-agents, nous démontrons que (i) le MPMG est un modèle fiable pour la dynamique du marché au premier prix, (ii) la règle du prix minimum est généralement résistante à la coordination tacite non technique entre les acteurs rationnels, et (iii) lorsque la coordination tacite se produit, elle s'appuie fortement sur des tendances qui se renforcent d'elles-mêmes. Ces résultats contribuent au débat en cours sur la tarification algorithmique et ses implications.