Imaginez demander à un agent IA de trouver « le meilleur ordinateur portable adapté à mon entreprise pour moins de 1 500 $ avec une bonne autonomie, une livraison rapide et une bonne garantie ». Au lieu de simplement vous fournir une liste de résultats pertinents, l’agent effectue les recherches, compare les différents produits disponibles sur le marché, examine leurs caractéristiques et les avis des utilisateurs, trouve le meilleur pour vous et, avec votre accord, peut même l’acheter pour vous. C’est le principe du commerce assisté par agent : une tendance en pleine expansion dans le e-commerce, où les agents IA ne se contentent plus de répondre aux questions des clients, mais représentent leurs intérêts au sein de l’environnement d’achat en ligne.
Cela représente un changement radical pour le monde des affaires à bien des égards. Le processus e-commerce traditionnel repose sur le fait que les clients se rendent sur un site web, parcourent les catégories de produits, trouvent ce qui les intéresse, l'ajoutent à leur panier et effectuent l'achat. Dans un processus de commerce assisté par un agent, une étape supplémentaire est ajoutée : un système d'IA analyse l'intention du client, compare différents produits et peut même effectuer des achats en fonction de ses préférences et autorisations.
Les implications sont considérables pour les marques de e-commerce, les détaillants, les entreprises SaaS, les places de marché, les prestataires de paiement et les spécialistes du marketing, car la prochaine vitrine numérique incontournable ne sera peut-être pas toujours un site web. De plus en plus, il s'agira d'une interface d'IA permettant aux clients d'exprimer leurs besoins et à un agent de trouver l'option la plus adaptée. Des développements prometteurs tels que le protocole de commerce agentique d'OpenAI et le protocole de commerce universel de Google, ainsi que les nouvelles fonctionnalités de paiement assisté proposées par les grandes sociétés de paiement, démontrent que l'infrastructure nécessaire à ce modèle économique est en train de se construire.
Pour les entreprises, l'enjeu principal ne sera plus de savoir si leurs clients utiliseront l'IA pour rechercher leurs produits. La question cruciale est de savoir si les agents d'IA seront capables de comprendre, de faire confiance, de comparer et, finalement, de sélectionner vos produits lorsqu'ils recevront une demande d'achat de vos clients.
Ce guide décrit le commerce automatisé, les technologies et protocoles qui le sous-tendent, les critères d'évaluation des produits des assistants d'achat IA, les implications de cette tendance pour le référencement et le commerce électronique, les risques potentiels et les mesures que les entreprises doivent prendre pour se préparer à ce type de commerce.
Qu’est-ce que le commerce agentique ?
Le commerce agentique désigne une approche du commerce numérique où des agents d'IA peuvent effectuer des recherches de produits, des comparaisons, évaluer les prix et les politiques, recommander une ligne de conduite et, surtout, réaliser des transactions pour le compte du consommateur. Au lieu du processus manuel consistant à passer des recherches Google aux sites marchands, puis aux pages produits et enfin à la page de paiement, le commerce agentique peut réaliser toutes ces tâches via une seule fenêtre de conversation grâce à l'IA.
La différence réside dans le fait que le commerce automatisé ne doit pas être confondu avec les recommandations de produits basées sur l'IA. Le moteur de recommandation peut suggérer des écouteurs intéressants à essayer. Toutefois, l'agent d'achat IA est capable de comprendre vos besoins, de rechercher et d'explorer des options, d'en évaluer les avantages et les inconvénients, de vérifier la disponibilité et les conditions de livraison, de composer un colis et même d'effectuer l'achat avec votre autorisation.
Selon IBM, le commerce agentique désigne un type d'achat et de vente où des agents d'IA effectuent des recherches, négocient et concluent des ventes au nom des consommateurs ou des organisations avec une intervention humaine minimale.
Cette différence change le lieu où la décision est prise.
Dans le commerce électronique traditionnel, le détaillant contrôle la majeure partie du parcours d'achat. Dans le commerce assisté par agent, l'agent IA devient de plus en plus un intermédiaire entre l'intention du client et l'offre du marchand.
Un exemple simple de commerce d'agent
Imaginez un client disant ce qui suit :
- Un moteur de recherche classique renvoie des pages de liens.
- Un site de commerce électronique traditionnel peut afficher une grille de produits.
- Une IA conversationnelle peut recommander trois ordinateurs portables.
Un système d'achat automatisé peut potentiellement aller beaucoup plus loin. Il peut comprendre les besoins, rechercher les produits admissibles, évaluer les spécifications et les prix, prendre en compte les conditions de livraison et de garantie, éliminer les produits qui ne répondent pas aux besoins, sélectionner les produits les plus appropriés et même effectuer un achat avec l'autorisation du client.
C’est là la principale différence : désormais, l’IA aide le client à faire ses achats, et non plus seulement à les assister dans le processus d’achat.
Pourquoi le commerce agentique est-il important en 2026 ?
Pendant vingt ans, le parcours client a été conçu pour les humains : résultats de recherche, pages de destination, photos de produits. Chaque technique de référencement, chaque couleur de bouton testée en A/B, chaque publicité de reciblage était pensée pour un utilisateur qui cliquerait.
Le commerce automatisé bouleverse cette logique : le « consommateur » pourrait désormais être une IA analysant des flux de produits, évaluant cinq options en fonction d'un budget et finalisant l'achat sans qu'un humain ne consulte jamais la page.
Le déploiement ne s'est pas déroulé sans accroc.
Le parcours d'OpenAI jusqu'à présent :
- Instant Checkout a été lancé avec Etsy en septembre 2025.
- Une initiative élargie a suivi en février 2026.
- OpenAI a depuis revue à la baisse L'approche initiale de paiement instantané évolue vers l'aide aux marques pour créer leurs propres applications dédiées au sein de ChatGPT.
Conclusion : Le commerce via agents n’est pas un produit unique et figé, mais plutôt le fruit de l’expérimentation de plusieurs entreprises. Le modèle d’interaction le plus performant (achat instantané par messagerie instantanée, applications de marque dédiées ou autre solution) est encore en cours d’élaboration.
Google a accéléré le développement de son infrastructure.
- Janvier 2026: Google a annoncé le protocole UCP (Universal Commerce Protocol), une norme ouverte permettant aux agents d'IA de communiquer avec les systèmes de commerce. Ce protocole est déjà utilisé pour le paiement natif dans Google AI Mode et Gemini pour un nombre limité de marchands américains éligibles.
- 2026 mars: L'interface UCP a été étendue avec la prise en charge des paniers multi-articles, l'accès au catalogue en temps réel et la liaison des identités afin de préserver les avantages liés à la fidélité.
- Mai 2026 (Google I/O) : Évolué davantage en Chariot universel — un panier intelligent fonctionnant sur différentes plateformes marchandes et services Google (Recherche, Gemini, YouTube, et même Gmail), qui suit les baisses de prix et les alertes de réapprovisionnement en arrière-plan. Soutenu par Protocole de paiement des agents (AP2), qui crée des mandats numériques infalsifiables pour un enregistrement vérifiable de ce que l'agent était autorisé à faire.
- Le rôle de Shopify : Nous avons co-développé UCP et l'activons désormais, ainsi que les serveurs MCP natifs, par défaut pour les marchands, ce qui les rend détectables sur ChatGPT, Copilot, Google AI Mode et Gemini sans configuration supplémentaire.
La question pratique n'est plus hypothétique.
C'est en direct, d'une manière limitée mais bien réelle :
Si un acheteur tape « trouvez-moi une veste imperméable à moins de 150 $ » dans Gemini ou ChatGPT, quel produit de cette marque apparaît en premier, et cette marque propose-t-elle même un processus de paiement activé ?
La partie pratique : créer l’étagère lisible par l’IA
C'est le point qu'il faut souligner le plus. Avoir un flux de produits propre ne suffit pas ; le véritable travail consiste à anticiper les questions qu'un agent posera au nom d'un acheteur, questions qui sont généralement beaucoup plus spécifiques qu'une requête de recherche saisie au clavier.
Pourquoi le flux standard est insuffisant :
- Les flux Shopping traditionnels (titre, description, GTIN, catégorie, prix) ont été conçus pour découverte de mots-clés
- Les agents en mode IA doivent répondre à des questions conversationnelles comme « Ce produit convient-il aux peaux sèches et sensibles ? » or « Est-ce que cela conviendra à une personne mesurant 1,88 m avec un entrejambe long ? »
- Ce sont des questions qu'aucun humain n'a jamais tapées dans un moteur de recherche, mais qui surgissent naturellement dans une conversation.
Réponse de Google :
- Déploiement de dizaines de nouveaux attributs de données Merchant Center conçus spécifiquement pour le commerce conversationnel
- Elle va au-delà des mots-clés pour inclure des réponses aux questions courantes sur le produit, les accessoires compatibles et les produits de remplacement.
- En bref : les données structurées des questions-réponses, les guides des tailles et les informations de compatibilité deviennent des critères de classement, et non plus seulement du contenu d’assistance relégué sur une page d’aide.
Le risque : l'invisibilité, et pas seulement un grade inférieur
Les analyses du secteur mettent en lumière un danger plus aigu que ce que la plupart des marques anticipent :
- Les marques dont les données produits sont insuffisantes, les systèmes de paiement défaillants ou la qualité des flux de données négligée peuvent non seulement être moins bien classées, mais aussi avoir un classement inférieur.
- Elles peuvent être totalement exclues de l'analyse, car l'agent n'est tout simplement pas en mesure d'analyser ou de faire suffisamment confiance aux données pour les inclure.
La couche de confiance va au-delà de la page produit.
Les agents ont également besoin d'informations qu'une page de vente classique mentionne rarement explicitement :
- Conditions spécifiques de retour
- Que le vendeur soit le vendeur principal ou un revendeur
- garanties et délais de livraison
C’est important car, lors du classement de plusieurs marchands vendant le même produit, ces systèmes prennent en compte des facteurs tels que la disponibilité, le prix, la qualité, le fait que le marchand soit le vendeur principal et si l’intégration du paiement est activée ; cela signifie que les signaux de confiance sont désormais des facteurs de classement concurrentiels, et non plus de simples arguments visant à instaurer la confiance.
L'opportunité de 3 à 5 billions de dollars
Le chiffre de McKinsey doit être considéré comme tel, conformément au texte original : une indication, et non une prévision sur laquelle miser. Ce qui est plus concret, ce sont les investissements d'infrastructure déjà réalisés : Stripe construit son infrastructure de paiement, Google développe AP2 et Universal Cart, Shopify crée des boutiques en ligne Agentic Storefronts, et PayPal rejoint le protocole d'OpenAI en tant que serveur de paiement pour les petits commerçants. Il s'agit là de véritables investissements dans l'infrastructure, que le chiffre de 3 000 à 5 000 milliards de dollars s'avère exact ou non.
Pour une entreprise individuelle, une reformulation plus utile, s'appuyant sur le point initial : la question pertinente n'est pas « quand le marché atteindra-t-il sa taille prévue ? » mais « quand les agents commenceront-ils à influencer significativement les décisions d'achat dans ma catégorie ? » Cela variera énormément. Les vêtements et les cadeaux (Etsy, Glossier et SKIMS ont été les précurseurs) enregistrent déjà un volume de transactions important via ces canaux, tandis que les catégories plus réfléchies ou nécessitant un contact humain (mobilier, équipement B2B, tout ce qui requiert une évaluation en personne) resteront largement en deçà des chiffres globaux pendant des années.
Comment fonctionnent réellement les agents d'achat IA ?
L'achat automatisé suit toujours le même schéma général que l'achat humain, mais l'agent parvient à combiner de nombreuses tâches différentes en un seul processus.
Une manière utile de le comprendre est la suivante :
- Intention → Recherche → Filtrage → Comparaison → Décision → Autorisation → Transaction → Exécution → Assistance
Le client ne verra peut-être que le début et la fin de ce processus.
Étape 1 : Le client communique un objectif à l'agent
L'interaction débute souvent par un objectif plutôt que par un nom de produit.
Par exemple :
- Rechercher un hôtel pour un voyage d'affaires de trois jours.
- Achetez des chaussures de course à moins de 150 $.
- Je commande mon café habituel quand son prix descend en dessous de 20 dollars.
- Trouvez un logiciel CRM qui convienne à mon équipe commerciale de 20 personnes.
- Achetez un nouveau chargeur d'ordinateur portable compatible avec mon ordinateur portable.
- Offrez un cadeau d'anniversaire à un amateur de gastronomie.
C’est important car les systèmes multi-agents peuvent fonctionner à partir de contraintes et de préférences, et pas seulement de mots-clés.
Un client n'a pas forcément besoin de connaître précisément le produit qu'il souhaite.
Étape 2 : L'agent convertit l'intention en critères
L'IA traduit la requête en critères de décision.
Par exemple, une demande pour un ordinateur portable professionnel pourrait devenir :
| Exigence du client | Critère de l'agent |
|---|---|
| Moins de 1,500 $ | Prix maximum |
| Légèreté | Seuil de poids |
| Voyage d'affaires | Batterie, autonomie, portabilité |
| 16GB RAM | Spécification minimale |
| Livraison le vendredi | Délai de livraison |
| Forte garantie | Exigences de garantie |
C’est là que la recherche par agent devient plus sophistiquée qu’une requête de recherche classique.
L'agent ne se contente pas de rechercher des pages contenant les mots « ordinateur portable » et « voyage d'affaires ». Il cherche à comprendre ce que le client entend par sa demande.
Étape 3 : L’agent recherche les données commerciales disponibles
L'agent peut utiliser les flux de produits, les systèmes marchands, les places de marché, les API, les informations structurées, les protocoles commerciaux et d'autres sources disponibles pour identifier les produits pertinents.
La qualité de cette étape dépend fortement de la qualité des informations fournies par les entreprises.
Si le prix du produit est obsolète, si ses spécifications sont imprécises, si les informations relatives à la livraison sont indisponibles ou contradictoires, il peut devenir difficile pour l'agent d'évaluer correctement le produit.
Étape 4 : Comparaison des options
L'agent peut alors évaluer les produits en fonction des exigences du client.
Cela peut impliquer :
- Tarifs et Prix
- Spécifications du produit
- Disponibilité
- Temps de livraison
- Frais de livraison
- Politiques de retour
- Garantie
- Évaluations et commentaires
- Réputation du vendeur
- Préférences de marque
- Critères de durabilité
- Compatibilité
- Promotions
- Coût total
Il s'agit là de l'un des changements les plus importants pour les spécialistes du marketing.
Un produit n'a pas besoin d'être universellement considéré comme le meilleur.
Elle doit correspondre au mieux aux objectifs spécifiques de chaque client.
Étape 5 : L'agent explique le compromis
Un bon commerce d'agents ne devrait pas se contenter de produire un gagnant sans contexte.
Supposons que trois produits soient admissibles.
L'agent pourrait déterminer :
- Le produit A est le moins cher.
- Le produit B présente la meilleure autonomie.
La légère augmentation du prix du produit C est largement compensée par sa livraison rapide et sa meilleure garantie.
Le client peut désormais prendre sa décision en toute connaissance de cause.
La confiance joue ici un rôle crucial.
Il est plus facile de faire confiance à un agent d'IA qui explique à l'utilisateur pourquoi il a choisi tel produit en particulier qu'à un agent qui se contente de dire au client d'acheter tel autre produit.
Étape 6 : L’agent demande ou utilise une autorisation d’achat
Tous les achats ne devraient pas être automatiques.
Le niveau d'autonomie peut dépendre des autorisations du client, de la valeur de la transaction, du commerçant et du type de produit.
Un client peut autoriser un agent à renouveler automatiquement ses commandes de produits ménagers essentiels à un prix inférieur à un certain seuil, tout en exigeant une approbation explicite pour un ordinateur de 2 000 $.
Cela crée un concept que les entreprises doivent comprendre :
Le commerce automatisé n'est pas nécessairement un commerce sans intervention humaine. Il s'agit d'un commerce basé sur l'autorisation.
Étape 7 : La transaction est terminée
Une fois autorisé, l'agent peut communiquer les informations de transaction requises au commerçant ou à l'infrastructure de paiement.
Par exemple, le protocole Agentic Commerce d'OpenAI permet l'interaction entre les agents IA, les consommateurs et les commerçants dans un processus de transaction où le commerçant gère tout, de la livraison des marchandises au traitement des réclamations et aux relations avec les consommateurs.
C’est important car les entreprises peuvent utiliser le cadre commercial actuel sans y apporter de modifications.
Commerce agentique vs. commerce électronique traditionnel et commerce conversationnel
Le commerce interactif est souvent confondu avec le commerce conversationnel, la personnalisation du e-commerce, les chatbots et les moteurs de recommandation. Bien qu'ils se recoupent, ils ne sont pas interchangeables.
| Modèle | Fonction principale | Qui passe à l'action ? | Exemple typique |
|---|---|---|---|
| Commerce électronique traditionnel | Découverte et achat de produits | Le client | Le client parcourt un magasin et passe à la caisse. |
| Moteur de recommandation | Suggestions de produits | Le client | Ce produit pourrait également vous plaire. |
| Commerce conversationnel | Aidez les clients par la conversation | Client avec assistance IA | Le chatbot répond aux questions sur les produits |
| Assistant d'achat IA | Rechercher et comparer | Client avec assistance IA | L'IA recommande trois produits adaptés |
| commerce agentique | Rechercher, décider et effectuer des transactions dans le respect des autorisations. | Agent IA | L'agent trouve et achète la meilleure option |
| Commerce inter-agents | Les systèmes d'IA interagissent les uns avec les autres | Agents d'IA | L'agent de l'acheteur communique avec l'agent du vendeur |
La progression ne se résume pas à passer de moins d'IA à plus d'IA.
Il s'agit d'une progression allant de l'action dirigée par l'homme à l'action assistée par la machine, puis à l'action exécutée par la machine selon des règles définies par l'homme.
L'IA agentique est plus vaste que le commerce agentique
L'IA agentique peut effectuer de nombreuses tâches sans rapport avec le shopping.
Un agent pourrait :
- Planifier des réunions
- Gérer les flux de travail logiciels
- Analyser les documents
- Systèmes de surveillance
- Rapprocher les factures
- Gérer l'inventaire
- Détecter les anomalies
- Réservez votre voyage
Le commerce agentique applique ces capacités à l'achat et à la vente.
- Agentic Commerce n'est pas qu'un simple chatbot
- Un chatbot répond généralement à une interaction.
- Un agent peut être conçu pour poursuivre un objectif.
Cette distinction devient évidente lorsque la tâche comporte plusieurs étapes.
Un chatbot peut répondre :
Cette commande bénéficie de la livraison gratuite.
Un système d'agents peut calculer :
Il y a trois vendeurs pour cet article. Le vendeur B est 8 $ moins cher, frais de port inclus, tandis que le vendeur C livre un jour plus tôt. Compte tenu de votre préférence, une livraison rapide est préférable. Devrais-je l'acheter ?
La technologie au service du commerce des agents
Le commerce automatisé exige bien plus qu'un modèle de langage sophistiqué. L'IA doit pouvoir comprendre les produits, communiquer avec les entreprises, gérer les autorisations et initier des transactions en toute sécurité.
Plusieurs strates se développent autour de cet écosystème.
Modèles de langage de grande taille et agents d'IA
Les grands modèles de langage fournissent une grande partie du raisonnement et de l'interaction en langage naturel qui sous-tendent les agents modernes.
Mais un modèle à lui seul ne peut garantir le commerce.
L'agent a besoin d'accéder à des outils, à des informations structurées, à l'authentification, aux mécanismes de paiement, aux règles métier et aux systèmes de transaction.
C’est pourquoi le commerce automatisé est mieux appréhendé comme une architecture système plutôt que comme une simple fonctionnalité d’IA.
API de données produit et de commerce
L'agent a besoin d'informations précises sur le produit.
Cela peut inclure:
- Nom du produit
- Description
- SKU
- Tarifs et Prix
- Devise
- Inventaire
- Variantes
- Dimensions
- Matériel Requis
- Compatibilité
- Livraison
- Retours de produits
- Garantie
- Images
- Avis
- Disponibilité
Plus ces informations sont structurées et tenues à jour, plus il devient facile pour un agent d'évaluer l'offre.
Protocole de commerce agentique
OpenAI et Stripe ont lancé le protocole Agentic Commerce, une norme ouverte conçue pour connecter acheteurs, agents IA et entreprises lors de transactions commerciales. Ce protocole, maintenu en tant que spécification ouverte, est actuellement en version bêta.
Son importance n'est pas simplement technique.
Les protocoles réduisent la nécessité pour chaque plateforme d'IA et chaque commerçant de développer une intégration totalement différente.
C'est essentiel pour que le commerce par agents puisse fonctionner à grande échelle.
Protocole de commerce universel
Google a également lancé le protocole de commerce universel (UCP), conçu pour standardiser la communication entre les agents IA et les marchands lors des expériences d'achat sur différentes plateformes. Google a intégré l'UCP à son écosystème plus vaste d'achat et de marchands basé sur l'IA.
L'existence de multiples protocoles mérite d'être surveillée car l'écosystème du commerce multi-agents est encore en évolution.
Les entreprises doivent donc éviter de supposer qu'un protocole deviendra nécessairement la seule norme.
Paiements par agent
Les paiements représentent l'un des aspects les plus complexes du commerce inter-agences, car les systèmes de paiement traditionnels étaient largement conçus pour que des personnes présentent directement leurs informations d'identification et autorisent les transactions.
Les agents d'IA posent des questions différentes :
- Qui a autorisé le paiement ?
- Qu’est-ce que l’agent était autorisé à acheter exactement ?
- Que se passe-t-il si l'agent commet une erreur ?
- Comment la transaction peut-elle être authentifiée ?
- Comment les systèmes de détection de fraude peuvent-ils distinguer un agent autorisé d'un robot malveillant ?
- Qui est responsable si un agent dépasse ses pouvoirs ?
Les travaux de Visa sur les paiements par agents, publiés en 2026, soulignent que les agents commencent déjà à interagir avec les systèmes de paiement pour des activités telles que la réservation de voyages, l'achat de matériel informatique et le réapprovisionnement des stocks, tout en examinant les protocoles et l'infrastructure nécessaires aux paiements autonomes.
Identité, autorisations et confiance
L'avenir du commerce inter-agences dépendra fortement des autorisations.
Un modèle mental utile est :
Identité + Intention + Autorisation + Contexte + Paiement + Piste d'audit
Le mandataire d'un client ne devrait pas disposer d'un pouvoir d'achat illimité simplement parce que le client a déjà ajouté une carte de crédit.
L’écosystème a plutôt besoin de moyens pour établir ce que l’agent peut faire, pour qui il peut le faire, dans quelles conditions et dans quelles limites.
Comment les agents d'IA décident-ils des produits à recommander ?
Il s'agit là d'une des questions les plus importantes sur le plan commercial dans le commerce par agents.
Le référencement naturel traditionnel se concentre souvent sur la visibilité pour une requête.
Le commerce intermédié pose un problème différent :
L'agent IA considérera-t-il votre produit comme une réponse adaptée à l'objectif du client ?
Pertinence du produit
Un produit doit d'abord satisfaire aux exigences du client.
Si l'on demande une veste de randonnée imperméable coûtant moins de 200 dollars, une veste en cuir à 700 dollars peut être considérée comme un excellent produit, mais pas comme une bonne solution.
La découverte active récompense donc la pertinence contextuelle.
Complétude des données
Les systèmes d'IA ne peuvent pas recommander de manière fiable des informations qu'ils ne peuvent ni trouver ni interpréter.
Une page produit qui vante la qualité supérieure sans expliquer les matériaux, les dimensions, la compatibilité, la garantie ou les cas d'utilisation fournit à un agent des informations moins utiles qu'une fiche produit bien structurée.
Prix et valeur totale
Les agents peuvent comparer les prix plus efficacement que les humains qui, autrement, ouvriraient plusieurs onglets.
Cela ne signifie pas nécessairement que le produit le moins cher l'emporte.
Un agent peut prendre en compte les frais d'expédition, la garantie, les politiques de retour, la durabilité, la compatibilité ou d'autres contraintes.
Cela nous amène à tirer une importante leçon stratégique :
La concurrence par les prix uniquement pourrait devenir moins viable lorsque l'IA pourra instantanément révéler l'ensemble des compromis entre les produits concurrents.
Disponibilité et exécution
Si un client a besoin d'un produit demain, un produit qui arrivera la semaine prochaine risque d'être inutile, quelle que soit sa qualité.
Les données relatives aux stocks et à l'exécution des commandes font donc partie intégrante de la phase de découverte.
Réputation et confiance
Les signaux de confiance peuvent inclure :
- Avis
- Historique du vendeur
- Politiques de retour
- Informations de garantie
- Réputation de la marque
- Cohérence du produit
- Pratiques commerciales transparentes
- Exécution fiable
Les signaux précis utilisés par les différents systèmes d'IA varient, et les entreprises doivent éviter de supposer qu'il existe une formule de classement universelle.
Ajustement spécifique au client
Cela pourrait bien être, au final, le principal facteur de différenciation.
Un agent n'a pas besoin d'identifier le produit qui convient le mieux à tout le monde.
Il faut identifier le produit qui convient le mieux à ce client, maintenant.
Que signifie le commerce agentique pour les marques et les détaillants ?
Résumé en une phrase : Le commerce par agent modifie le rôle du vendeur, qui passe de la captation de l’attention du consommateur à la persuasion de l’agent quant à la pertinence d’un produit à recommander, modifiant ainsi la définition même de ce que sont une bonne information produit, une vitrine attrayante et une marque.
Voici les quatre principales implications, classées par ordre de complexité opérationnelle croissante.
1. Vos données produit deviennent votre nouvelle équipe de vente
Il s'agit du changement le plus urgent, car il constitue le fondement de tout le reste. Un agent d'IA ne peut pas « regarder » votre produit comme le ferait un acheteur humain ; il analyse des données structurées et en tire des conclusions. Si les données sont insuffisantes, l'agent n'a rien sur quoi se baser, aussi bon soit le produit.
Des données produit de qualité insuffisante n'apportent quasiment aucune information utile à l'agent :
« Des chaussures de course de haute qualité conçues pour le confort. »
Des données produits solides fournissent à l'agent de véritables éléments de décision :
| Attribut | Pourquoi c'est important pour un agent |
|---|---|
| Surface de course prévue | Adapte le produit au cas d'utilisation (route, sentier, piste) |
| Système de rembourrage | Différencie le niveau de confort/performance |
| Chute du talon aux orteils | Répond aux besoins biomécaniques |
| Poids | Pertinent pour les compromis entre vitesse et assistance |
| Tailles et largeurs de pied disponibles | Élimine les profils non adaptés avant de recommander |
| Utilisation recommandée | Confirme l'adéquation à l'usage |
| Aptitude météo | Ajoute une pertinence contextuelle (par exemple, « pour les climats pluvieux ») |
| Matériel Requis | Signale la durabilité, la respirabilité et la durabilité. |
| Conditions de retour | Réduit le risque perçu par l'agent lorsqu'il recommande |
| Garantie | Renforce la confiance dans la recommandation |
| Inventaire actuel | Empêche de recommander des articles en rupture de stock |
Conclusion : chaque attribut manquant ou imprécis représente une occasion manquée pour un agent de choisir votre produit plutôt que celui d’un concurrent. Considérez votre fiche produit comme un document de synthèse destiné à un vendeur très précis et très bien informé.
2. Votre site web pourrait ne plus être la seule — ni la première — vitrine
Il s'agit du deuxième changement le plus important, car il modifie le lieu où se déroule réellement la « vente », et donc les domaines dans lesquels les commerçants doivent investir.
Le tunnel de conversion traditionnel : Recherche → Site web → Page produit → Panier → Paiement
L'entonnoir agentique du futur : Intention du client → Agent IA → Sélection du produit → Système marchand → Transaction
Conséquence : votre client pourrait ne jamais consulter votre page d’accueil, vos pages de catégories ni votre blog. En effet, l’agent effectue toutes les recherches et comparaisons à sa place et réalise les transactions directement avec vos systèmes.
Ce que cela signifie concrètement :
- La découverte de votre produit ne nécessite plus de visite sur votre site. Il doit être « trouvable » et évaluable par un agent, indépendamment de l'expérience utilisateur de votre site web.
- Les systèmes marchands doivent être compatibles avec les agents. Les API, les flux de produits et les points de terminaison de paiement/transaction doivent être structurés, fiables et accessibles aux systèmes automatisés, et pas seulement conviviaux pour les humains.
- L'expérience utilisateur d'un site web reste importante, mais pour une part décroissante des parcours clients. Elle demeure essentielle pour le développement de la marque, les visites directes et les cas particuliers que l'agent ne peut résoudre, mais elle n'est plus le seul levier pour conclure une vente.
En résumé : concevez votre infrastructure commerciale de manière à ce qu’une transaction puisse se dérouler correctement même si aucun humain ne consulte votre site web.
3. La différenciation de la marque reste importante, mais elle doit être explicitée.
Il est tentant de supposer que le commerce automatisé réduit tout à un marché de produits de base, où l'option la moins chère ou la plus rapide l'emporte toujours. Or, il est peu probable que ce soit universellement vrai.
Lorsqu'un agent doit choisir entre des produits aux spécifications similaires, il prendra toujours en compte :
- La réputation de la marque — est-ce un nom associé à la fiabilité ?
- Garanties et assurances – réduisent-elles le risque pour le client ?
- Signaux d'expérience client : qualité du support, facilité de retour, fiabilité de la livraison
- Des caractéristiques uniques — de véritables facteurs de différenciation, et non du marketing.
- Avis de confiance — une validation tierce partie à laquelle l'agent peut se référer
Le problème, c'est que les bots ne peuvent pas comprendre les éléments distinctifs présents dans les pages visuellement attrayantes, les images ou les intonations vocales, contrairement aux humains. En réalité, si vous ne pouvez pas fournir tous ces éléments distinctifs dans un format structuré, alors, pour le bot, ils sont tout simplement inexploitables.
En résumé : ne vous fiez pas uniquement à la narration visuelle. Traduisez les atouts de votre marque en arguments et preuves explicites et lisibles par machine, car c’est le seul langage dont les agents disposent pour évaluer une décision.
Qu'est-ce que cela signifie en pratique ?
Action prioritaire : Pourquoi est-elle classée ici ?
- Auditer et enrichir les données produits – Rien d'autre ne fonctionne sans cette base.
- Rendre les systèmes backend (flux, API, paiement) accessibles aux agents – Détermine si une vente peut avoir lieu sans visite du site
- Transformer les éléments différenciateurs de la marque en arguments explicites et structurés – détermine si vous gagnez ou perdez la comparaison de l'agent.
Le commerce via agents ne dispense pas de créer un excellent produit ni une marque de confiance ; il modifie simplement le public auquel on s’adresse en premier. Les gagnants seront les commerçants qui considèrent les agents IA comme un nouveau public, pragmatique, exigeant des preuves concrètes de la qualité, et non une simple impression.
Comment le commerce agentique change-t-il le référencement et la découverte de produits ?
En résumé : le commerce automatisé ne met pas fin au référencement naturel ; il lui impose une nouvelle contrainte. Il ne suffit plus qu’on me trouve. Pour faire affaire avec moi, je dois désormais être suffisamment compréhensible pour qu’une machine puisse me recommander et conclure des transactions avec moi.
Le référencement naturel soulève une question. Le commerce en agence en soulève une seconde, plus complexe :
Question SEO : Un moteur de recherche peut-il trouver et classer ma page ?
Question relative au commerce d'agence : Un système d'IA est-il capable de comprendre suffisamment bien mon offre pour faire des recommandations ou effectuer des transactions avec celle-ci ?
Voici les trois changements les plus importants que subiront les pratiques de référencement (SEO) en raison du commerce en agence, classés du changement le plus fondamental au moins fondamental.
1. De l'optimisation des mots clés à la compréhension des entités/produits
Il s'agit du changement de perspective le plus important, car il modifie en réalité l'objet de l'optimisation. L'optimisation SEO traditionnelle s'effectue au niveau des pages. Le commerce agentique, quant à lui, optimise un produit pour qu'il soit perçu comme une entité spécifique et comparable.
Une page produit traditionnelle pourrait être conçue autour du référencement sur une expression comme :
« Meilleure chaise de bureau »
Un agent immobilier n'a pas seulement besoin d'une page bien positionnée pour cette expression-clé ; il lui faut suffisamment d'informations structurées pour déterminer si cette chaise correspond réellement aux besoins d'une personne en particulier. Cela implique de répondre à des questions auxquelles le mot-clé n'a jamais permis d'apporter de réponses.
- De quel type de chaise s'agit-il (de bureau, ergonomique, de direction) ?
- Pour qui est-il conçu ?
- Quelle est la plage de hauteurs prise en charge ?
- Quelle est sa capacité de charge ?
- Comprend-il un soutien lombaire et est-il réglable ?
- Quelles sont les conditions de garantie et de retour ?
- L'assemblage est-il nécessaire ?
- Quel est le délai de livraison ?
- En quoi est-elle différente des autres chaises similaires ?
Il s'agit de commerce sémantique, et l'objectif n'est pas seulement d'utiliser plus de mots-clés, mais de créer une représentation valide et lisible par machine du produit, que l'IA puisse analyser. Vous pouvez être classé premier sur Google pour « meilleur fauteuil de bureau », mais cela ne signifie pas que votre produit répond aux critères de votre agent, car celui-ci ne peut pas vérifier les affirmations concernant le poids maximal ou le soutien lombaire.
En résumé, le message est clair : ne cherchez pas à déterminer le mot-clé sur lequel la page devrait être référencée. Demandez-vous plutôt : de quelles informations l’intelligence artificielle a-t-elle besoin concernant ce produit en particulier ?
2. Les données structurées deviennent une infrastructure, et non un complément.
Ce mécanisme est classé deuxième car il permet aux machines d'utiliser le premier poste sans lui ; sans lui, même d'excellentes informations sur les produits restent enfermées dans un texte non structuré qu'un agent doit deviner.
Les entreprises doivent tenir à jour des données structurées exactes et actualisées partout où cela est pertinent, notamment :
- Type de schéma – Ce qu'il communique à un agent
- Produit – Identité principale, spécifications, catégorie
- Offre – Prix, devise, conditions de vente
- Disponibilité – État des stocks, options de livraison
- Prix Signaux de prix actuels et comparatifs
- Avis – Signaux de confiance et de satisfaction
- Organisation – Légitimité et identité de la marque
Quelques mises en garde importantes qu'il convient de préciser :
- Les données structurées ne garantissent pas la sélection. Il ne s'agit pas d'une astuce pour optimiser le classement ni d'une recommandation garantie : un agent peut toujours choisir un concurrent présentant de meilleures caractéristiques, un prix plus avantageux ou des signes de confiance plus marqués.
- Cela permet de rendre l'information explicite et vérifiable. Ceci élimine toute ambiguïté et réduit ainsi le risque que l'agent ignore votre produit simplement parce qu'il est impossible de vérifier un point important. Des données structurées incomplètes ou obsolètes peuvent être pires que l'absence de données : elles peuvent induire l'agent en erreur lors de son évaluation.
En résumé : considérez les données structurées comme une infrastructure commerciale essentielle — aussi importante que votre processus de paiement — et non comme une simple case à cocher pour le référencement technique.
3. L’optimisation générative des moteurs (GEO) doit désormais s’étendre à « l’éligibilité des actions ».
Elle se classe troisième car c'est la discipline la plus récente et la moins établie, mais c'est là que les deux autres évolutions convergent vers un objectif pratique unique.
L'optimisation générative des moteurs (GEO) est la pratique émergente qui consiste à améliorer la façon dont les marques et les informations sont représentées au sein des systèmes d'IA génératifs — essentiellement la réponse du SEO aux réponses générées par l'IA plutôt qu'aux liens classés.
Le commerce automatisé ajoute une dimension supplémentaire à la géolocalisation. Il ne suffit plus qu'une marque soit correctement mentionnée dans une réponse générée par une IA. La marque doit également être en mesure d'effectuer une action : un agent doit pouvoir réaliser une transaction pour son compte, et non se contenter de la citer.
Cela nécessite que plusieurs éléments fonctionnent ensemble simultanément, et non isolément :
- Découvrabilité — l'agent peut trouver le produit/l'offre partout
- Exactitude des faits — ce qui est trouvé correspond à la réalité
- Niveau de détail des données produit — suffisamment précis pour étayer une véritable décision
- Préparation de la transaction — les systèmes back-end peuvent effectivement finaliser un achat
- Les signaux de confiance — avis, garantie, politique de retour — réduisent le risque perçu
Si l'un de ces éléments est absent, une marque peut être « visible » dans un système d'IA sans jamais être exploitable — mentionnée, mais jamais choisie.
Conclusion : la géolocalisation dans le commerce inter-agences ne se limite pas à obtenir une mention, elle consiste à gagner le droit de réaliser des transactions avec les clients.
Résumé : Quelles sont les priorités ?
Question essentielle à poser concernant le changement de priorité
- Compréhension de l'entité et du produit – « Une IA comprendrait-elle suffisamment bien ce produit pour le recommander ? »
- Les données structurées comme infrastructure – « Nos informations produit sont-elles explicites, à jour et lisibles par machine ? »
- Éligibilité GEO + action – « Un agent pourrait-il non seulement nous mentionner, mais aussi effectuer des transactions avec nous ? »
Le référencement naturel ne disparaît pas, il fait l'objet d'un examen plus approfondi. Un bon positionnement reste important, mais dans le commerce automatisé, il ne représente plus que la première étape. La véritable concurrence se joue ensuite : un système d'IA doit-il faire suffisamment confiance à votre produit pour agir en conséquence ?
Que peuvent faire les entreprises pour faciliter le commerce par agents ?
Les entreprises n'ont pas à reconstruire immédiatement l'intégralité de leur infrastructure de commerce électronique.
Il est préférable de commencer par construire votre infrastructure et de tester l'expérience de commerce automatisé là où elle est pertinente pour votre activité.
Étape 1 : Consultez les données de votre produit
Commencez par les données dont l'IA aura besoin pour prendre sa décision en toute confiance.
Vérifier:
- Titres des produits
- Descriptions
- Attributs
- Variantes
- Prix
- Inventaire
- Livraison
- Retours de produits
- Garantie
- Compatibilité
- Images
- Avis
- Informations sur le marchand
Recherchez les contradictions sur votre site web, vos flux RSS, vos places de marché et autres canaux.
Étape 2 : Identifier les scénarios d’achat à forte intention
Ne commencez pas par demander :
Comment mettre en œuvre le commerce automatisé ?
Commencer avec:
Dans quels domaines un agent faciliterait-il réellement les achats pour nos clients ?
Les produits qui sont de bons candidats sont notamment :
- Souvent comparé
- Techniquement complexe
- Réapprovisionné régulièrement
- Hautement personnalisé
- Sensibles au temps
- Disponible chez plusieurs vendeurs
- Difficile de faire un choix sans l'avis d'un expert.
Étape 3 : Définissez vos cas d’utilisation d’Agentic Commerce
Créez une matrice simple :
| Case Study | Valeur client | Valeur commerciale | Complexité |
|---|---|---|---|
| Recommandations de produits | Haute | Haute | Low |
| Comparaison de produits | Haute | Haute | Low |
| Réapprovisionnement automatisé | Très élevé | Haute | Moyenne |
| ensembles personnalisés | Haute | Haute | Moyenne |
| Achat autonome | Très élevé | Très élevé | Haute |
| Négociation entre agents | Émergents | Potentiellement élevé | Très élevé |
Étape 4 : Préparez votre infrastructure commerciale pour les agents
Votre système dorsal doit pouvoir répondre de manière fiable aux questions de base.
Par exemple :
- Ce produit est-il disponible ?
- Quel est son prix actuellement ?
- Quand la livraison sera-t-elle possible ?
- Quelle variante est disponible ?
- Peut-on le retourner ?
- Que se passe-t-il si le client décide d'annuler ?
Si vos systèmes ne peuvent pas répondre à ces questions de manière cohérente, l'introduction d'une couche d'IA ne vous aidera pas à résoudre vos problèmes.
Au contraire, cela pourrait même les masquer davantage.
Étape 5 : Examinez votre infrastructure de paiement
Les entreprises doivent suivre de près l'évolution du soutien apporté aux transactions par agent par les fournisseurs de services de paiement et les plateformes commerciales.
L'offre Agent Ready de PayPal, par exemple, prend en charge à la fois ACP pour ChatGPT et UCP pour les interfaces d'IA de Google via Braintree, illustrant comment l'infrastructure de paiement s'adapte à de multiples normes de commerce d'agents.
La mise en œuvre appropriée varierait en fonction de la plateforme du commerçant, de sa situation géographique, de son système de paiement, du type de biens vendus et de ses critères de gestion des risques.
Étape 6 : Définir les critères d'autorisation et de risque
Définir les limites de ce qu'un agent d'IA est autorisé à faire.
Par exemple:
Actions à faible risque
- Rechercher
- Comparer
- Recommander
- Ajouter au panier
- Voir disponibilités
Actions à risque moyen
- Appliquer des remises
- Créer des commandes
- Réorganiser les produits
- Modifier les abonnements
Actions à haut risque
- Achats coûteux complets
- Achetez des produits réglementés
- Prendre des décisions irréversibles
- Informations de modification de paiement
Cela crée une échelle d'autonomie concrète.
Pour conclure Un cadre pratique de préparation des agents
Une méthode utile pour évaluer une entreprise consiste à l'analyser à travers cinq niveaux :
Couche 1 : Découvrabilité
Les systèmes d'IA peuvent-ils trouver vos produits et comprendre ce que vous vendez ?
Couche 2 : Interprétabilité
Une IA peut-elle déterminer avec précision à qui votre produit s'adresse et à quel moment il convient de le recommander ?
Couche 3 : Comparabilité
Votre produit peut-il être comparé équitablement à ses concurrents, car son prix, ses spécifications, sa disponibilité, ses politiques et ses éléments différenciateurs sont clairement définis ?
Couche 4 : Transactionnabilité
Un agent autorisé peut-il réellement initier ou finaliser l'achat en utilisant l'infrastructure de commerce et de paiement prise en charge ?
Couche 5 : Fiabilité
Le client et l'agent peuvent-ils faire confiance au commerçant pour que la transaction se déroule correctement ?
Une entreprise qui obtient un mauvais score au niveau 1 ne devrait pas investir massivement dans le niveau 4.
Voici l'une des leçons les plus pratiques pour les entreprises qui se lancent dans le commerce par agents :
Questions fréquemment posées
Qu'est-ce que le commerce par agents ?
Le commerce assisté par agents désigne un type de commerce où des agents d'IA agissent pour le compte du client ou de l'entreprise afin d'effectuer des études de marché sur les produits, de comparer les prix, de prendre des décisions en fonction de certains paramètres et, enfin, de finaliser une transaction. Contrairement aux chatbots traditionnels, les agents peuvent réaliser des tâches complexes et ne se contentent pas de répondre aux questions.
En quoi le commerce par agents diffère-t-il du commerce électronique ?
Le commerce électronique traditionnel exige généralement que le client recherche, compare, sélectionne et achète manuellement des produits. Le commerce assisté par agent (Agentic Commerce) délègue tout ou partie de ces activités à un agent d'intelligence artificielle (IA) agissant selon les instructions et les autorisations du client.
Qu'est-ce qu'un agent d'achat IA ?
Un agent d'achat IA est défini comme une technologie qui permet de faire des achats de manière autonome ou qui aide un consommateur à acheter un produit en analysant les demandes, en localisant les produits, en effectuant des comparaisons, en vérifiant les conditions et même en procédant à l'achat.
Les agents d'achat IA peuvent-ils acheter des produits sans approbation humaine ?
Elles peuvent être conçues pour effectuer des transactions avec différents niveaux d'autonomie, mais le fait qu'un achat se produise automatiquement dépend des autorisations, de la plateforme, du commerçant, du système de paiement, de la catégorie de produit et des règles de transaction concernées.
Qu’est-ce que le protocole de commerce agentique ?
Le protocole de commerce agentique (ACP) est un protocole ouvert, développé par OpenAI et Stripe, qui facilite les interactions commerciales entre acheteurs, agents et entreprises. Il est actuellement utilisé dans l'architecture sous-jacente de fonctionnalités telles que le paiement instantané dans ChatGPT.
Qu’est-ce que le protocole de commerce universel ?
Le protocole UCP (Universal Commerce Protocol) est un protocole de commerce ouvert mis en place par Google et ses partenaires pour faciliter les interactions commerciales automatisées entre les systèmes d'IA et les entreprises. Cette initiative s'inscrit dans la stratégie globale de Google visant à connecter les expériences d'achat basées sur l'IA à l'infrastructure des commerçants.
Le commerce multicanal remplace-t-il le SEO ?
Non. Le référencement naturel (SEO) reste essentiel pour la découverte, l'autorité et la visibilité. Cependant, avec le commerce automatisé, l'enjeu de l'optimisation s'élargit considérablement, car les entreprises auront besoin d'informations structurées sur leurs produits, compréhensibles par les algorithmes d'IA utilisés pour accompagner les clients dans leur prise de décision.
Les agents IA choisiront-ils toujours le produit le moins cher ?
Certainement pas. Un agent d'achat performant doit comparer différents produits en fonction des besoins et exigences du client, qui peuvent inclure des facteurs tels que la qualité, le délai de livraison, la garantie, la compatibilité, les avis, le prix et d'autres aspects.
Comment les entreprises de commerce électronique doivent-elles se préparer au commerce automatisé ?
Commencez par la qualité des données produits, l'exactitude des stocks, la structuration des informations, des politiques claires, des API et des systèmes backend fiables, la préparation aux paiements et des tests réalistes des expériences d'achat avec l'IA. Les entreprises doivent identifier des cas d'utilisation pertinents avant de tenter un système d'achat entièrement autonome.
Le commerce par agents est-il sûr ?
Ce processus peut être sécurisé davantage grâce à l'authentification, aux autorisations, aux limites de transaction, aux mesures de prévention de la fraude, aux politiques des commerçants, aux journaux d'audit et à l'intervention humaine pour les transactions à haut risque. La technologie sous-jacente étant encore récente et en constante évolution, une attention particulière doit être portée à la sécurité et à la réglementation.
