S’adapter aux agents d’achat : comment capter les ventes à l’ère de l’ia
Le commerce en ligne entre dans une phase où l’acheteur n’est plus toujours une personne naviguant seule entre une barre de recherche, des fiches produit et un panier. De plus en plus souvent, un agent d’achat propulsé par l’intelligence artificielle intervient pour comprendre un besoin, comparer des offres, évaluer des contraintes, recommander une sélection et, dans certains cas, préparer ou exécuter une transaction avec l’accord de l’utilisateur. En mars 2026, OpenAI indiquait que davantage de personnes commençaient déjà leur shopping dans ChatGPT afin d’explorer, comparer et décider quoi acheter. Pour les entreprises, startups et équipes produit, le sujet n’est donc plus théorique : le commerce agentique devient un canal de vente à concevoir, mesurer et gouverner.
Cette évolution ne signifie pas la disparition du site e-commerce, du magasin ou de la marque. Elle déplace toutefois une partie décisive de la découverte et de la décision vers des interfaces conversationnelles et des systèmes qui lisent des données structurées. Les entreprises ne doivent plus seulement être visibles pour un humain ; elles doivent être compréhensibles, comparables et fiables pour des agents. S’adapter aux agents d’achat consiste à rendre son catalogue exploitable par des machines, à protéger la confiance lors de l’achat délégué, à clarifier sa proposition de valeur et à construire une architecture web capable de dialoguer avec les nouveaux protocoles du marché.
Comprendre le basculement du search vers l’intention
Dans le commerce traditionnel sur le web, le parcours commence souvent par une requête : l’utilisateur cherche un produit, ouvre plusieurs résultats, lit les descriptions, compare et finalise éventuellement son achat. Dans le commerce agentique, le point de départ peut être beaucoup plus riche : « trouve un ordinateur pour le montage vidéo dans ce budget », « renouvelle mes consommables compatibles », ou « prépare un panier pour un week-end avec des contraintes alimentaires ». L’agent ne traite pas seulement des mots-clés. Il tente d’interpréter une intention, des préférences, un contexte et des critères de décision.
McKinsey décrivait en janvier 2026 des agents capables d’assembler des paniers prêts à l’achat (« purchase-ready »). Cette formulation est importante : la valeur ne se limite pas à produire une liste de liens. Elle réside dans la réduction du travail de comparaison, dans l’arbitrage entre plusieurs critères et dans la préparation d’une décision. McKinsey précise également que l’automatisation n’est pas binaire. Selon le type d’achat, le consommateur peut déléguer la recherche tout en gardant la validation finale, autoriser le réassort d’un produit connu ou demander un contrôle renforcé pour une décision complexe et engageante.
Les achats routiniers sont logiquement les premiers concernés. Pour des produits récurrents, standardisés ou dont les critères sont relativement stables, la délégation offre un bénéfice immédiat : gagner du temps sans renoncer à des garde-fous. C’est une opportunité pour les marchands capables d’exposer clairement disponibilité, prix, variantes, compatibilités, délais et conditions de livraison. C’est aussi une menace pour les offres dont l’information est incomplète ou ambiguë : si l’agent ne peut pas vérifier qu’un produit répond au besoin, il peut simplement retenir une alternative mieux documentée.
Le changement concerne donc le référencement, mais dépasse largement le SEO classique. Être bien positionné sur une expression ne garantit pas d’être sélectionné dans une recommandation générée à partir d’une demande complexe. Une marque doit fournir des signaux de pertinence exploitables : attributs techniques, bénéfices, conditions, preuves, politique de retour, avis vérifiables, contenus de conseil et cohérence entre les canaux. Le nouveau défi est de transformer la connaissance commerciale de l’entreprise en informations structurées que l’agent peut mobiliser à chaque étape de la mission d’achat.
Pourquoi le commerce agentique devient un canal de vente concret
Les signaux de marché convergent. Capgemini indique qu’en 2026, 60 % des consommateurs déclarent utiliser l’IA dans leur parcours d’achat, que ce soit pour s’informer, rechercher un produit ou acheter. L’adoption ne part pas de zéro : selon la même source, 25 % des consommateurs avaient déjà utilisé des outils de shopping basés sur l’IA générative en 2025, tandis que 31 % prévoyaient de le faire à l’avenir. Ces données ne signifient pas que tous les parcours seront totalement autonomes, mais elles confirment que l’IA participe déjà aux choix commerciaux d’une part substantielle des clients.
Les grandes plateformes construisent en parallèle des capacités d’exécution. En mai 2026, Google a annoncé Universal Cart et présenté l’Agent Payments Protocol, ou AP2, destiné à permettre à des agents de payer de manière sécurisée au nom des utilisateurs. Google a également expliqué que ses agents pourraient explorer le web, les données shopping en temps réel et d’autres sources afin de suivre les évolutions relatives à une demande d’achat. L’enjeu n’est plus seulement de répondre à une question : il s’agit de relier recherche, données produit, panier, consentement et paiement dans une expérience continue.
Google Cloud décrit pour sa part un « Shopping agent » pouvant traiter texte, voix et images, construire des paniers et effectuer des actions consenties. Cette approche multimodale élargit les situations d’usage. Un client peut formuler son besoin à l’oral, montrer une image d’un article à remplacer ou envoyer une photo d’un contexte d’utilisation. Les catalogues devront donc être robustes face à des requêtes moins normalisées que les filtres d’un site e-commerce, tout en restant suffisamment précis pour éviter des recommandations approximatives.
Pour les décideurs, la bonne lecture n’est pas « faut-il tout reconstruire pour l’IA ? », mais « quels parcours risquent de voir la découverte, la comparaison ou la conversion se déplacer vers un agent ? ». McKinsey estime qu’au cours des prochaines années, 10 à 35 % des transactions e-commerce pourraient être initiées, influencées ou finalisées via des expériences AI-native. La fourchette invite à la prudence, mais elle justifie un chantier dès maintenant : celui de l’interopérabilité commerciale, de la qualité des données et de la mesure d’un canal qui se structure sous nos yeux.
Rendre le catalogue lisible par les agents d’achat
Un agent ne visite pas un catalogue comme un humain. Il doit pouvoir identifier un produit, comprendre ses propriétés, vérifier sa disponibilité, comparer ses variantes et déterminer s’il répond à une demande. La qualité rédactionnelle reste utile, notamment pour expliquer les usages et la différence entre deux options, mais elle doit s’appuyer sur une donnée produit solide. Chaque référence importante devrait disposer d’un identifiant stable, d’un titre non ambigu, d’une marque, d’une catégorie cohérente, de caractéristiques normalisées, de variantes correctement reliées, de visuels pertinents et d’informations commerciales à jour.
Dans les univers techniques, la précision devient un levier direct de vente. Une simple description marketing ne suffit pas à répondre à des questions de compatibilité, dimensions, puissance, matériaux, normes, systèmes supportés ou conditions d’installation. Les équipes produit et e-commerce ont intérêt à modéliser des attributs structurés correspondant aux vrais critères de sélection des clients. Il faut également distinguer clairement les informations factuelles des promesses commerciales. Un agent pourra alors retrouver une contrainte précise sans avoir à l’inférer de manière incertaine dans un texte promotionnel.
Les informations les plus sensibles à l’obsolescence doivent être gouvernées avec rigueur : prix, promotions, stock, zones de livraison, délais, frais, options de retrait, garanties et retours. Un excellent contenu de marque ne compense pas un flux produit périmé. Si un agent recommande une offre indisponible ou incompatible avec la localisation du client, l’expérience se dégrade pour le consommateur comme pour le marchand. La synchronisation entre PIM, ERP, plateforme e-commerce, OMS et flux externes devient ainsi une question de performance commerciale autant qu’un sujet d’architecture.
Le mouvement des plateformes confirme ce besoin de structuration. Les conditions « Merchant Feed Terms » publiées par OpenAI en juin 2026 prévoient que les marchands puissent soumettre du contenu produit par l’intermédiaire de feeds respectant des spécifications dédiées. Google et OpenAI illustrent une évolution vers des catalogues plus facilement exploitables par les systèmes d’IA. Les équipes doivent donc traiter leurs feeds comme des produits numériques : versionnés, testés, observables, documentés et améliorés en continu. Une agence web ou une équipe technique peut aider à bâtir cette chaîne de données, mais la responsabilité métier sur la qualité des informations reste essentielle.
Passer du SEO traditionnel à la découvrabilité agentique
Le SEO reste une discipline fondamentale : un site accessible, rapide, bien structuré et riche en contenu utile est plus facile à découvrir et à comprendre. Toutefois, l’optimisation doit désormais inclure la manière dont les systèmes d’IA sourcent, classent et recommandent les produits. McKinsey souligne en 2026 que la visibilité des marques dépend de plus en plus de ces mécanismes. Le but n’est pas de manipuler une réponse conversationnelle ni de chercher une formule magique ; il est de fournir des sources fiables, cohérentes et suffisamment explicites pour être utilisées dans une recommandation.
Concrètement, une entreprise doit examiner les questions réelles auxquelles ses pages répondent. Quels problèmes le produit résout-il ? Pour quel profil d’acheteur est-il adapté ? Quelles sont ses limites ? Avec quels produits est-il compatible ? Dans quelles situations faut-il choisir une autre option ? Ces réponses doivent être présentes sur des pages accessibles et reliées à des données structurées lorsque cela est pertinent. Les guides d’achat, comparatifs honnêtes, documentations techniques, tableaux de compatibilité et pages de catégorie bien conçues contribuent à construire cette couche de compréhension.
La cohérence de l’entité de marque compte également. Nom commercial, domaines officiels, coordonnées, politiques de service client, mentions légales, modalités de retour, informations de livraison et avis doivent éviter les contradictions entre le site, les flux produits et les plateformes partenaires. Dans un univers où un agent peut agréger plusieurs sources, une incohérence n’est pas seulement un détail d’UX : elle peut réduire la confiance du système dans la qualité d’une offre. La gouvernance éditoriale et la gouvernance des données doivent donc travailler ensemble.
Il faut néanmoins conserver une vision réaliste. Les mécanismes de sélection des assistants évoluent, et aucune entreprise ne peut exiger d’être recommandée. La stratégie durable consiste à améliorer les fondamentaux : crawlabilité, performance, architecture de l’information, données à jour, contenus experts et parcours de conversion fiable. Cette méthode sert simultanément les visiteurs humains, les moteurs de recherche, les partenaires de distribution et les agents d’achat. Elle est plus robuste que des tactiques opportunistes dépendantes d’une interface ou d’un modèle particulier.
Préserver la préférence de marque face aux recommandations automatisées
L’un des changements les plus profonds du commerce agentique est l’affaiblissement possible de la fidélité passive. Accenture rapportait en juin 2026 que 37 % des acheteurs dits « behaviorally loyal » accepteraient qu’un agent IA remplace leur marque préférée s’il identifie une meilleure adéquation. Autrement dit, les habitudes d’achat ne constituent plus une protection suffisante lorsque l’agent compare en permanence prix, disponibilité, caractéristiques et pertinence vis-à-vis d’une mission précise.
La réponse ne consiste pas à surcharger les fiches produit de slogans. Une marque doit rendre son avantage démontrable. Si elle est meilleure sur la durabilité, il faut préciser les matériaux, l’entretien, les conditions de garantie ou la disponibilité des pièces. Si elle se distingue par le service, il faut rendre visibles les délais, l’accompagnement, le retour et les canaux de support. Si elle revendique une expertise sectorielle, celle-ci doit se traduire par des contenus utiles, des configurations validées, une documentation solide ou des services associés. Plus la proposition de valeur est vérifiable, plus elle peut être prise en compte dans une recommandation.
Les équipes marketing doivent aussi distinguer la préférence émotionnelle de la préférence situationnelle. Une marque peut être appréciée, mais ne pas être le meilleur choix pour un budget, une urgence, une contrainte de livraison ou un besoin de compatibilité précis. Les agents renforcent cette logique de contexte. Il devient stratégique de comprendre les missions d’achat où l’offre est réellement compétitive, puis de produire les données et contenus permettant de l’exprimer clairement. L’objectif n’est pas d’être universellement recommandé, mais d’être choisi lorsque le fit est authentique.
Enfin, la relation directe conserve une valeur considérable. Les programmes de fidélité, la qualité du support, les contenus post-achat, les services de réassort, les préférences enregistrées et les expériences personnalisées peuvent nourrir une relation durable. Mais ces mécanismes doivent respecter le consentement et apporter un bénéfice clair au client. À l’ère des agents, la fidélité se gagne moins par l’inertie que par une expérience fiable, transparente et continuellement utile.
Sécuriser le consentement, le paiement et la responsabilité
La délégation d’achat ne peut se développer sans cadre de confiance. Un consommateur peut accepter qu’un agent propose un panier, mais vouloir confirmer toute dépense au-delà d’un certain montant. Il peut autoriser un réassort sur des produits connus, tout en refusant qu’un outil change automatiquement de marque ou d’adresse de livraison. Une expérience agentique de qualité doit rendre ces frontières explicites : ce que l’agent peut rechercher, ce qu’il peut ajouter au panier, ce qu’il peut modifier et ce qui exige une validation humaine.
Google présente AP2 comme une brique visant à créer des frontières et de la responsabilité pour les paiements effectués par des agents. Même si les modalités techniques et les écosystèmes restent en évolution, la direction est claire : le paiement agentique ne doit pas être traité comme une simple automatisation de formulaire. Il implique l’identité, la preuve du consentement, la portée d’une autorisation, la traçabilité de l’action et la gestion des exceptions. Les entreprises doivent suivre ces sujets avec leurs équipes paiement, sécurité, juridique et produit.
Sur le plan de l’expérience client, la transparence est un avantage concurrentiel. Le client doit pouvoir comprendre le montant, le marchand, les articles, les frais, les conditions de livraison et les règles applicables avant la confirmation. Il doit aussi pouvoir accéder facilement au support, à l’annulation lorsque celle-ci est possible, au suivi de commande et au retour. Les informations commerciales affichées dans un flux ou une interface conversationnelle doivent correspondre à la réalité opérationnelle du marchand ; c’est une exigence de confiance, mais aussi de réduction des litiges.
La sécurité ne se limite pas au paiement. Les agents accèdent potentiellement à des préférences, historiques et données contextuelles particulièrement sensibles. Une organisation mature mettra en place des permissions minimales, des journaux d’événements, des contrôles d’accès, des procédures d’incident et une politique de conservation adaptée. Elle évaluera aussi les dépendances vis-à-vis de prestataires externes. Le commerce agentique doit être conçu avec les principes de sécurité et de protection des données dès le départ, et non ajouté après le lancement d’un prototype.
Connecter le commerce aux protocoles et à l’architecture de demain
Les agents ne pourront pas réaliser des actions fiables à grande échelle si chaque site impose une intégration entièrement spécifique. C’est pourquoi les protocoles ouverts deviennent stratégiques. McKinsey cite notamment MCP, A2A, AP2, ACP et UCP parmi les éléments d’infrastructure susceptibles de permettre aux agents de lire des données, négocier et transacter de manière sécurisée. Tous n’ont pas le même rôle ni le même niveau de maturité, mais ils signalent un changement d’architecture : le commerce devient progressivement interopérable entre outils, assistants, services et systèmes marchands.
Pour une direction technique, le premier objectif est d’éviter une architecture opaque et monolithique. Les capacités commerciales critiques, catalogue, prix, disponibilité, recherche, configuration, panier, commande, livraison, retours, doivent être clairement identifiables et exposables de façon contrôlée. Cela ne suppose pas forcément une refonte totale. Une approche pragmatique consiste à cartographier les sources de vérité, documenter les flux, stabiliser les identifiants et créer des API ou adaptateurs là où les besoins d’intégration sont les plus forts.
La résilience est tout aussi importante que l’ouverture. Un agent peut générer un volume de requêtes différent de celui d’un navigateur humain, multiplier les comparaisons ou solliciter des données temps réel. Les interfaces techniques doivent prévoir l’authentification, la limitation de débit, la mise en cache appropriée, les réponses d’erreur explicites, la surveillance et les mécanismes de reprise. Une information indisponible doit être distinguée d’une information inconnue ; un stock en cours de mise à jour ne doit pas être présenté comme une promesse ferme. Cette précision opérationnelle protège la marque autant que l’infrastructure.
Les équipes produit gagneront à établir une feuille de route par cas d’usage. Par exemple : améliorer d’abord la qualité des feeds produits, ensuite permettre une recommandation guidée sur le site, puis connecter des données de disponibilité et enfin expérimenter des parcours transactionnels compatibles avec les standards qui se stabilisent. Cette progression évite de transformer le commerce agentique en grand projet abstrait. Elle crée des actifs utiles à chaque étape : données mieux gouvernées, APIs plus propres, observabilité accrue et expérience client plus cohérente.
Repenser l’omnicanal et la mission du magasin
L’essor des agents d’achat ne concerne pas uniquement le e-commerce. McKinsey observait en avril 2026 que, sous l’effet de l’IA, les visites en magasin pourraient devenir moins fréquentes mais plus précieuses. Cette hypothèse conduit à repenser la mission du point de vente. Si la recherche, la comparaison et la préparation du panier se font en amont dans une interface conversationnelle, la visite physique peut devenir un moment de validation, d’essai, de conseil expert, de retrait, de service ou de découverte.
Le magasin doit alors être relié à la même vérité produit que les canaux numériques. La disponibilité locale, les horaires, les services réalisables sur place, les démonstrations, les rendez-vous, les délais de retrait et les compétences disponibles doivent pouvoir être présentés sans ambiguïté. Un agent qui suggère une visite doit disposer d’informations fiables, faute de quoi il crée de la frustration. Les organisations omnicanales ont intérêt à traiter les données magasin comme un élément du catalogue commercial, et non comme une information secondaire gérée à part.
Cette approche ouvre aussi des possibilités pour les conseillers. Plutôt que de consacrer leur temps à retrouver des caractéristiques ou à vérifier un stock dans plusieurs outils, ils peuvent se concentrer sur les questions à forte valeur : choix complexe, configuration, comparaison contextualisée et accompagnement après-vente. L’IA peut préparer une partie du contexte, mais l’humain conserve un rôle déterminant lorsque le besoin est ambigu, émotionnel, stratégique ou difficile à standardiser. L’objectif n’est pas d’opposer agent et vendeur : c’est d’orchestrer une continuité de service.
Les indicateurs omnicanaux doivent évoluer en conséquence. Au-delà du trafic ou des ventes attribuées à un seul canal, les entreprises doivent observer la qualité de la recommandation, le taux de disponibilité au moment de la promesse, le taux de retrait, les annulations, les retours et la satisfaction post-achat. McKinsey rapporte en juin 2026 que certaines enseignes constatent des taux de conversion de 50 % ou plus via des bots IA sur site, comparés au canal shopping régulier. Ce signal encourageant ne doit pas être généralisé sans contexte, mais il montre que des parcours bien conçus peuvent réduire fortement la friction décisionnelle.
Mettre en place une feuille de route mesurable pour capter les ventes
La première étape consiste à réaliser un audit de préparation agentique. Il doit couvrir la qualité du catalogue, la complétude des attributs, les doublons, les erreurs de variante, la fraîcheur des prix et des stocks, la cohérence des politiques commerciales, la performance des pages et la disponibilité de flux exploitables. L’audit doit également lister les missions d’achat prioritaires : réassort, cadeau, équipement, comparaison technique, urgence, disponibilité locale ou commande récurrente. Cette cartographie transforme un sujet vaste en opportunités commerciales concrètes.
La deuxième étape est de choisir quelques parcours à forte valeur et faible ambiguïté. Les achats routiniers, les gammes avec attributs bien définis ou les produits dont la compatibilité est critique constituent souvent de bons candidats. Sur le site, un assistant conversationnel peut être utile s’il est connecté à des données réelles et s’il sait reconnaître ses limites. Un bot qui invente une disponibilité ou une caractéristique détruit la confiance ; un assistant qui explique, compare, pose les bonnes questions et redirige vers une validation claire peut au contraire améliorer la conversion.
La troisième étape est la mesure. Il faut suivre la part des sessions ou commandes assistées par IA lorsque cette donnée est disponible, les demandes les plus fréquentes, les produits recommandés, les abandons après recommandation, les erreurs de disponibilité, les substitutions, les conversions, les retours et les contacts au support. Une analyse qualitative est indispensable : pourquoi une recommandation a-t-elle été refusée ? Quel critère manquait ? Quel vocabulaire employaient les clients ? Ces apprentissages alimentent à la fois le merchandising, le contenu, le modèle de données et le produit numérique.
Enfin, l’entreprise doit organiser une gouvernance transverse. Le commerce agentique ne relève pas uniquement du marketing, de l’innovation ou de la DSI. Il implique les équipes e-commerce, produit, data, sécurité, juridique, service client, opérations et magasins. Une gouvernance claire définit les sources de vérité, les règles de publication, les niveaux de validation, les responsabilités en cas d’erreur et les critères de qualité. C’est cette discipline, plus que l’ajout d’un simple chatbot, qui permet de capter durablement les ventes dans un environnement piloté par des agents.
FAQ : questions fréquentes sur les agents d’achat
Qu’est-ce qu’un agent d’achat IA ? Un agent d’achat est un système d’IA capable d’aider un consommateur à formuler un besoin, rechercher des produits, comparer des offres, construire un panier et, selon les autorisations accordées, participer à des actions d’achat. Son degré d’autonomie dépend du contexte : il peut se limiter à recommander ou aller jusqu’à préparer une transaction. Les annonces de Google autour d’Universal Cart et d’AP2, ainsi que les expériences de shopping conversationnel évoquées par OpenAI, montrent que ces parcours se structurent progressivement.
Faut-il remplacer son site e-commerce par une interface conversationnelle ? Non. Le site reste la source de vérité de la marque, du catalogue, des conditions commerciales et de la relation client. Une interface conversationnelle est un canal complémentaire, particulièrement adaptée à l’exploration et à la comparaison. La priorité est de disposer de pages performantes, de données produit exactes, de flux fiables et d’un tunnel clair. Ces fondations bénéficient aussi bien au site qu’aux assistants, aux moteurs de recherche et aux partenaires de distribution.
Quelle est la priorité technique la plus urgente ? Pour la plupart des marchands, la priorité est la qualité et la fraîcheur des données produit : identifiants stables, attributs complets, variantes cohérentes, prix, stock, livraison et retours. Les plateformes montrent une orientation vers les feeds et les protocoles structurés. Avant de connecter de nouveaux assistants, il faut donc s’assurer que le catalogue expose correctement ce qui permet de répondre à une intention d’achat sans ambiguïté.
Les agents vont-ils supprimer la fidélité à la marque ? Ils peuvent rendre la fidélité plus conditionnelle. Accenture indique que 37 % des acheteurs behaviorally loyal accepteraient un changement de marque si l’agent trouvait une meilleure adéquation. Cela ne rend pas la marque inutile : au contraire, une marque forte doit rendre ses preuves visibles et vérifiables, qu’il s’agisse de qualité, de service, de disponibilité, de garantie, d’expertise ou de durabilité. L’attachement émotionnel reste utile, mais il doit être soutenu par une proposition de valeur lisible.
Comment protéger le client lors d’un achat délégué ? Il faut définir des règles de consentement explicites, afficher clairement les articles, le prix et les conditions, limiter les permissions, conserver des traces d’action et proposer un support accessible. Les paiements réalisés par des agents nécessitent une attention particulière sur la responsabilité et l’autorisation. L’objectif est que le client puisse déléguer les tâches répétitives tout en gardant la maîtrise des décisions importantes.
Comment démarrer sans investir dans un projet démesuré ? Commencez par un audit de catalogue et un cas d’usage ciblé : améliorer un feed, résoudre les questions de compatibilité, construire un guide conversationnel ou fiabiliser la disponibilité locale. Définissez des métriques opérationnelles et commerciales, puis améliorez progressivement l’architecture. Cette démarche apporte de la valeur même si les standards et interfaces évoluent, car elle améliore le site existant et la qualité globale de l’expérience client.
Les agents d’achat ne remplacent pas la stratégie commerciale ; ils rendent ses forces et ses faiblesses plus visibles. Une offre mal décrite, un stock incertain ou une politique de service confuse risquent d’être écartés plus vite dans un parcours assisté. À l’inverse, une entreprise qui combine données fiables, contenus experts, infrastructure solide et règles de confiance peut se rendre plus facilement recommandable au moment où l’intention d’achat se forme.
La préparation doit commencer par les fondations plutôt que par les effets d’annonce : gouverner le catalogue, connecter les systèmes, documenter les règles commerciales, sécuriser les actions et tester des cas d’usage mesurables. Pour les équipes web et produit, l’ère de l’IA agentique est une occasion de construire un commerce plus structuré, plus interopérable et plus utile, pour les agents, mais surtout pour les clients qui leur délèguent une partie de leurs décisions.
