Les fondamentaux du shopping IA

Depuis cet été, on observe de nombreux changements en France avec l'émergence des offres de produit directement proposées dans les conversations IA. On parle à la fois de cartes produit que l'on peut déjà observer chez Google, avec le Shopping Graph qui peuvent être diffusées dans un flux naturel gratuit ou en annonces sponsorisées.

Les systèmes IA s'ouvrent progressivement à ce modèle e-commerce et ce n'est pas une surprise avec les changements qui s'opèrent en ce moment dans le secteur du SEO et GEO.

Un autre changement se prépare en fond avec les agents IA qui comparent, choisissent et achètent pour le compte d'un utilisateur, on désigne cela par le commerce agentique et c'est un modèle qui émerge progressivement et pour lequel il faut se préparer.

Ce qui regroupe ces différents modèles d'acquisition, ce sont les flux produits que vous utilisez déjà pour des campagnes sur Merchant Center ou Amazon. Le principe ne change pas, mais devient juste plus exigeant et plus rigoureux. En commerce agentique, on en vient même à dire que le flux produit remplace votre site et devient votre vitrine pour les agents qui comparent et achètent.

1. Les trois leviers e-commerce en AI Search

On peut distinguer trois emplacements que vos produits peuvent occuper en AI Search :

Les cartes produits proposées sur des conversations IA
Les annonces sponsorisées achetées dans un gestionnaire de campagne
Les produits achetés par l'agent

Ces trois emplacements ont tous un point commun et c'est le flux produits.

2. La carte produit, assistant par assistant

Google : AI Mode, AI Overviews et Gemini lisent le Shopping Graph

Toutes les fiches produit que les différents systèmes IA de Google exploitent viennent toutes du Shopping Graph qui est lui-même alimenté par Merchant Center.

Le Shopping Graph, c'est un peu plus de 50 milliards de fiches produits en janvier 2026 et ce chiffre est en hausse, car il dépasse les 60 milliards depuis juin 2026.

À ce jour Google documente quatre évolutions :

L'affichage d'un panneau visuel de produits dans AI Mode (aux États-Unis seulement)
Des suggestions shopping dans AI Mode dans tous les pays (février 2026)
L'affichage de fiches produit dans les réponses IA
Gemini comme nouvelle interface pour les free listings de Merchant Center

En mai 2026, Google a intégré six attributs conversationnels au format Merchant Center faits pour des questions posées à un assistant IA. On y retrouve :

Les questions / réponses
La notice en PDF
Les produits liés
Le nom de la famille
Les options ou variantes
Le rang de popularité

En Search classique, on sait déjà que le ranking sur les résultats naturels et celui des grilles de produits sont entièrement indépendants l'un de l'autre. Un suivi de plus de 4 000 mots clés sur plus de neuf mois réalisé par Kevin Indig démontre que l'on peut dominer sur l'un et rester invisible sur l'autre.

Le positionnement sur la grille de produits ne dépend pas du contenu, mais du flux Merchant Center ainsi que de l'entité marchande. On verra justement que le ranking équivalent sur les systèmes IA repose sur cette même logique.

ChatGPT : une carte construite depuis les flux et réécrite par le modèle

La documentation d'OpenAI nous apporte beaucoup d'informations sur ce que le modèle considère, on y retrouve :

Les métadonnées produit obtenues des marchands
La réponse du modèle avant la recherche du produit
Les règles de sécurité

Les cartes produits non sponsorisées ne dépendent d'aucun partenariat actif et quand plusieurs vendeurs proposent le même produit, certains critères vont les départager comme la disponibilité, le prix, la qualité ou bien aussi d'être le vendeur officiel.

Il est possible de personnaliser le titre et la description d'un produit, car un même produit peut être décrit différemment d'un marchand à l'autre. Les étiquettes de "meilleur prix" ou "meilleure vente" se génèrent depuis les avis ou données tierces.

Une question reste à confirmer, d'où cette donnée provient-elle et comment y apparaître ?

Olivier de Segonzac a analysé les produits du carrousel qui portaient des jetons, exposant des identifiants de catalogue produits, de marchands et de catégories propres à Google Shopping, le tout obtenu par un fournisseur intermédiaire. Ceci confirme donc une hypothèse, ChatGPT ne construit pas ses cartes produits depuis vos pages, mais depuis des flux qui peuvent être à la fois les siens ou ceux des autres systèmes.

Un point important également à distinguer du ranking organique. Une carte produit ne se classe pas et peut du jour au lendemain disparaitre sur une même question. Ce qui détermine sa visibilité n'est pas un classement, mais sa fréquence d'apparition dans les conversations.

Pour terminer sur Chat GPT, il faut savoir qu'il propose un second mode qui consiste en une recherche d'achat et qui a été lancé en novembre 2025. Ce mode se concentre sur les flux produits et part des besoins de l'utilisateur via des questions de cadrage.

Le résultat, après plusieurs minutes de recherche sur les flux aboutit en guide d'achat dans lequel l'assistant fournit une sélection de produits avec commentaires d'analyse, des critères, des points de réserve et un lien vers la fiche du marchand. Les sources restent les mêmes flux produits exploités par les cartes de produits de base.

Copilot : Microsoft Merchant Center

Microsoft fonctionne de manière assez proche de Google et utilise un flux de Microsoft Merchant Center et dans le même temps, Copilot exploite ce que Bing trouve sur le web.

Le format du flux est le même que pour Google. Il accepte également les profils UCP pour le commerce agentique avec politique de retour, support client et éligibilité au checkout. Les cartes produits de Copilot sont avant tout servies aux États-Unis.

Perplexity

Peu de choses spécifiques à savoir côté Perplexity qui affiche ses cartes produits avec un lien vers la page du marchand. Le programme marchand y est gratuit et le flux y est transmis par API, SFTP ou S3, les spécifications de champs ne sont pas documentées. À noter que les marchands sous Shopify sont connectés automatiquement.

Amazon : Alexa for Shopping

Le 13 mai 2026, Amazon déploie Rufus dans Alexa for Shopping qui s'intègre à la barre de recherche. Rufus affiche aussi des produits de boutiques tierces et il peut même acheter pour l'utilisateur (Buy for Me) avec le compte de l'utilisateur sur Amazon et ses moyens de paiement. Amazon bloque aussi les robots des autres assistants sur son propre site.

Le fonctionnement d'Alexa for shopping tient en plusieurs mécanismes successifs et Amazon l'a plutôt bien documenté sur son blog. L'assistant oriente sa recherche, lit les flux, les avis clients et les questions réponses puis compose enfin ses cartes sur la base de ces informations récoltées.

Tout ce qui remonte sur les résultats vient du catalogue Amazon exclusivement, c'est donc un environnement bien fermé à la plateforme sans aucun appel à un flux extérieur.

Un enjeu à mesurer qui dépend de la thématique ciblée

Quel que soit le système IA, la carte produits ne sort pas sur n'importe quelle requête et l'intention associée à la thématique accroît cette probabilité.

Le secteur du textile par exemple fait partie de ces thématiques où le produit occupe largement la page de résultats. C'est donc une thématique sur laquelle le flux est un enjeu majeur.

Selon une étude réalisée par Profound, on peut y retrouver les catégories générant le plus de cartes ChatGPT :

3. Les plateformes de pilotage

L'ensemble des flux que vous déployez pour couvrir les asssistants ciblés dont celles que nous avons vues précédemment se pilotent depuis des consoles et nous allons nous y intéresser. Ces plateformes décident de ce qui est éligible, de la fraîcheur du catalogue, des méthodes de checkout et enfin de la mesure du pilotage.

Ces consoles se ressemblent et proposent :

Un compte vérifié
Une source de données produit
Des règles d'approbation
Un programme de checkout
Un rapport de performance

Google Merchant Center

Merchant Center reste au centre des flux produits qui passent par tous les systèmes IA de Google. Celui-ci gère aussi bien les produits, les sources de données, l'approbation des flux, les attributs conversationnels ou encore même le programme de checkout UCP pour le commerce agentique.

Un rapport dédié aux interfaces IA est également prévu et a déjà été déployé dans certains pays. Merchant Center utilise désormais le Merchant API qui remplace la Content API depuis le 18 août 2026 et qui permet de gérer les flux plus facilement sur l'interface de Merchant Center.

L'approbation des produits dans Merchant Center reste un prérequis de base pour qu'un produit atteigne les résultats de Gemini ou d'AI Mode.

Flux accepté : Spec Merchant Center
Programme : Free listings et checkout UCP (aux États-Unis, Canada et Australie)

Portail marchand d'OpenAI

OpenAI passe par deux consoles différentes et deux flux distincts. Le portail pour les marchands reçoit le flux produit soumis à approbation afin de former les cartes produits qui seront affichées sur les conversations. De l'autre côté, le gestionnaire d'annonces reçoit le flux publicitaire qui ne sert que les annonces payantes à la manière de Google Shopping.

Portail Marchand d'OpenAI :

Flux accepté : Flux commerce
Programme : Carte produit et shopping research

Ads Manager OpenAI :

Flux publicitaire au format Google
Programme : Campagnes de flux produits (bêta)

Microsoft Merchant Center

Le flux produit pour Microsoft est le même que pour Google et un flux UCP est utilisé pour le commerce agentique sur Copilot.

Flux accepté : Format Google et flux UCP (aux États-Unis)
Programme : Copilot Checkout (États-Unis, en dollars)

Merchant Program de Perplexity

Flux accepté : CSV, XML (spécifications non publiées)
Programme : Buy with Pro (aux États-Unis)

Shopify

Flux accepté : Catalogue Shopify
Programme : Agentic Storefronts

Amazon Ads - Seller Central

Flux accepté : Catalogue Amazon
Programme : Sponsored Prompts (aux États-Unis)

4. Analyse du flux produit

Quelle que soit la plateforme ciblée, les flux produits conservent une majorité de points communs et un flux utilisé sur un système sera en grande partie éligible aux autres avec quelques détails que nous verrons.

On ne parle donc pas d'une stratégie indépendante par plateforme, mais d'une stratégie globale qui sert toutes les plateformes avec un socle commun.

Ce socle commun, c'est justement des attributs que l'ensemble des flux exigeront et prendront en compte. Google et OpenAI précisent clairement ces champs obligatoires qui comprennent l'identifiant de l'article, la description, l'URL de la fiche, une image, la disponibilité et enfin le prix et sa devise.

En voici un résumé :

On peut organiser ces critères en trois groupes distincts :

Le premier groupe qui permet de vérifier l'entité désignée
Le groupe qui permet d'effectuer la transaction
Le dernier qui assure la phase de checkout (les attributs conversationnels)

Trois sujets méritent un contrôle à part entière :

Un identifiant produit ne change jamais, il est unique à chaque produit et il ne contient jamais de prix, l'historique d'évolution du produit est justement porté par son identifiant qui reste l'élément stable. Si votre catalogue régénère ses identifiants à chaque export, cela représente un retour au point de départ pour vos produits.
Un champ vide ou mal formaté fait face à un rejet de la part des plateformes et une valeur par défaut comme n/a n'y change rien. Le fichier doit donc être complet et correctement formaté et ceci impérativement pour les champs obligatoires qui définiront la validité de vos produits.
Chez Google, un produit peut expirer après 30 jours suivant sa dernière mise à jour si la page n'est pas validée. La fraicheur des données du flux est donc essentielle et doit rester alignée en permanence avec le prix affiché sur le site.

Voici un exemple de ligne de flux OpenAI pour un produit spécifique :

{
  "item_id": "TRAIL-NOIR-42",
  "group_id": "TRAIL",
  "listing_has_variations": true,
  "variant_dict": { "couleur": "noir", "pointure": "42" },
  "title": "Chaussures de trail, noir, 42",
  "description": "Trail imperméable, semelle caoutchouc, doublure mesh.",
  "url": "https://boutique.example/trail?couleur=noir&pointure=42",
  "brand": "Northline",
  "seller_name": "Northline Outdoor",
  "image_url": "https://boutique.example/img/trail-noir.jpg",
  "price": "79.99 EUR",
  "availability": "in_stock",
  "gtin": "09506000134352",
  "is_eligible_search": true,
  "is_eligible_checkout": false
}

Les attributs conversationnels de Merchant Center

Ces attributs sont nouveaux chez Google depuis mai 2026 et permettent d'intégrer du contenu autour des questions que l'utilisateur peut poser au moment de l'achat. Ils sont optionnels et sans impact sur l'approbation du produit par la plateforme.

Ils apportent un complément au flux utile pour cadrer ce que l'assistant dira afin de mieux maîtriser ce que l'assistant pourra dire du produit quand il est présenté dans une conversation.

5. L'accès : ce que les robots et les agents peuvent lire

Plusieurs critères déterminent l'accès à vos contenus par les robots et les agents. Cette condition d'accès détermine tout le reste.

Le robots.txt définit vos règles d'ouverture

Le fichier robots.txt désigne les robots autorisés ou interdits d'accès et il est important de les distinguer car chaque plateforme en utilise plusieurs et ils n'ont pas tous le même rôle.
Voici les principaux à connaître et à autoriser sur le robots.txt.

Le pare-feu et l'hébergeur peuvent bloquer les agents

La documentation d'OpenAI rappelle les risques côté hébergeur où les plateformes telles que Cloudflare ou Akamai renvoient des 403 aux robots voire des 429 si les tentatives sont successives.

Ces problèmes ont généralement des symptômes que l'on peut reconnaître dans les logs et les causes sont souvent les mêmes :

403 (accès refusé) : le robot a été refusé ce qui révèle une règle anti-bot au niveau du serveur et l'absence d'une white liste des bots autorisés.
Le pare-feu applicatif peut aussi bloquer un robot notamment avec un défi WAF qui se déclenche après plusieurs requêtes successives. Ce défi en JavaScript bloque radicalement le robot.
Un serveur trop lent peut aussi aboutir en abandon, ce que les logs enregistrent en code 499, le temps de réponse serveur est ici le KPI de performance à surveiller
Le débit excessif de requêtes peut lui aussi provoquer des règles de limitation et le code 429 est généralement le code d'erreur qui en résultera.

Le code de réponse constaté dans les logs serveur est donc souvent le signal qui oriente sur la cause du blocage, il donne un indice sur le blocage et où il se situe.

Le suivi des logs est une étape essentielle dans le processus d'audit.

Le rendu conditionne ce que les robots lisent

Le rendu est ce que le robot sera en mesure de trouver sur vos pages et chaque composant injecté par JavaScript peut être invisible aux yeux des modèles IA. Il faut s'assurer que les informations essentielles sur le produit ne sont pas affectées par ce type de composant.

L'agent lit votre page par deux canaux :

La capture d'écran est une photographie que l'agent réalise sur le site afin de permettre une visualisation de la page comme le verrait un utilisateur réel. Cette capture ne dit rien de ce qui est réellement cliquable.
L'arbre d'accessibilité va plus loin et désigne ce que le HTML fournit comme information sur les différents éléments de la page. Chaque bouton dispose d'un attribut que l'agent peut lire afin d'assurer qu'il interagit avec le bon élément de la page.

Pour mieux comprendre, voici un example :

<!-- rôle : bouton · nom : Ajouter au panier -->
<button type="submit">Ajouter au panier</button>

<!-- rôle : générique · nom : Ajouter au panier · action : absente -->
<div class="btn btn-primary" onclick="addToCart()">Ajouter au panier</div>

<!-- texte : lisible · rattaché au titre -->
<h2>Aspirateur balai X200</h2>
<p>Autonomie : 45 min. Poids : 2,4 kg. Compatible parquet et moquette.</p>

<!-- image : annoncée · contenu : illisible -->
<img src="fiche-technique.png" alt="Fiche technique du X200">

<!-- rendu différé : rien au premier passage -->
<div id="specs" data-src="/api/specs"></div>

<!-- aria-hidden : hors de l'arbre -->
<div aria-hidden="true">Livraison offerte dès 50 €</div>

Chrome a également un classificateur qui évalue vos pages

Chrome est en mesure d'analyser vos pages afin de pouvoir les évaluer sur son éligibilité pour Google Shopping. Chaque page visitée est évaluée pour décider s'il s'agit d'une page shopping ainsi que son type (fiche, panier, paiement, confirmation, suivi, historique).

Cette fonction active pour l'utilisateur les fonctionnalités e-commerce du navigateur comme le suivi du prix, les alertes de baisse ou le panier universel. C'est de la personnalisation d'interface et non du commerce agentique à proprement parler.

Cette classification est limitée par un budget d'environ 450 mots et le contenu essentiel doit donc apparaître rapidement pour que vos pages passent la classification shopping.

6. Les annonces payantes arrivent en France

C'est le levier le plus récent et aussi celui qui connaît le plus d'évolution depuis ces derniers mois. Il n'est pas encore généralisé à tous les modèles ni même à l'ensemble des pays. En France, seule Chat GPT vend des annonces de produit.

À noter que Perplexity ne propose aucune annonce.

Les annonces du côté de Chat GPT

Chat GPT a lancé les annonces depuis février 2026 aux États-Unis puis s'est ouvert à d'autres pays dont le Canada, Australie, Nouvelle-Zélande et plus récemment la France.

Les annonces ne sont visibles que pour les comptes Free et Go et sont également conditionnées par l'âge de l'utilisateur (18 ans) et ne sont jamais proposées dans des conversations temporaires.

Les annonces n'influencent ni la réponse du modèle ni même les cartes produit proposées en organique par le modèle.

Les annonceurs en France peuvent désormais acheter des annonces. Le flux produit accepte le format Google Shopping, le plus répandu, pour générer vos annonces.
Le flux publicitaire reste indépendant du flux commerce classique.

Les annonces chez Google

Google propose trois emplacements pour vos annonces :

Autour de l'Aperçu IA : annonces Search et Shopping des campagnes existantes sur plus de 200 marchés où il existe.
Dans l'Aperçu IA : présent dans 12 pays uniquement (pas la France)
Dans l'AI Mode : annonces uniquement pour des revendeurs sponsorisés en test depuis février.
L'accès aux annonces passe par les campagnes existantes (AI Max et Performance Max) et non par un achat de placement.

Les annonces chez Copilot

Chez Microsoft, les annonceurs Microsoft Advertising y sont automatiquement présents et toutes les campagnes éligibles sont proposées dans Copilot sans garantie d'affichage ni possibilité de retrait.

Les annonces sur Amazon

Sur Amazon, la diffusion existe, mais reste fermée à la plateforme et donc exclusive aux vendeurs Amazon par le biais d'Amazon Ads.

7. Ce que l'on sait du commerce agentique

Le commerce agentique est un parcours d'achat plus atypique où un agent achète pour le compte de l'utilisateur. Ce mode d'achat n'est pas encore ouvert en France et son usage reste encore à la marge. Il faut néanmoins s'y intéresser car il représente une perspective d'évolution avec l'émergence de l'IA.

Qu'est-ce que le commerce agentique ?

On parle de commerce agentique quand un agent IA exécute des tâches pour le compte d'un utilisateur et qu'il effectue un achat sur un site marchand en toute autonomie jusqu'à la phase de checkout. Comme un acheteur, il est en mesure de sélectionner des produits, les comparer pour valider un panier jusqu'au paiement final.

On peut s'en douter, optimiser un site pour un agent IA ne passera pas par les mêmes critères et le levier d'optimisation est en réalité très proche de celui qu'on mettait en place pour sa visibilité sur Google Shopping.

On peut s'en douter, la délégation n'est pas généralisée et la phase la plus problématique est bien entendu la validation de l'achat et le paiement.

La délégation est-elle généralisée ?

On peut s'en douter, la délégation est encore loin d'être généralisée et la phase la plus problématique est bien entendu la validation de l'achat et le paiement.

Pour mesurer cette tendance quelques études ont été réalisées par Ipsos et Omnisend et moins de 10% du panel d'analyse.

On le comprend très vite, la délégation complète est encore reste minoritaire et on parle ici d'assistance contrôlée avec une IA qui sélectionne et un humain qui valide.

Cette répartition, on la connait et ne concerne pas que le commerce agentique.

Quels facteurs influencent cette délégation ?

Il est important de comprendre ce qui influence cette délégation afin de déterminer si vos clients laisseront des agents acheter en autonomie sur votre site marchand.

Jason Barnard a proposé une grille "le spectre agentique" correspondant à la part d'agent IA qui achète sur un site par rapport aux humains.

Cette part se détermine sur quatre critères :

Le niveau de comparabilité des produits, car les agents sont excellents à ce travail
Le niveau d'engagement requis de l'utilisateur
Le niveau de confiance accordée par l'utilisateur sur certains types d'achat
Les produits ou services qu'un agent ne peut pas acheter seul

Le commerce agentique se prépare donc selon l'offre et le positionnement de votre site marchand. Certaines typologies de produits se prêtent mieux à ce modèle que d'autres et ce qu'il faut se demander, c'est comment son offre se positionne face à ce spectre agentique proposé par Barnard.

Il faut également bien rappeler que le commerce agentique compte à chaque étape du parcours d'achat de l'utilisateur, de la première recommandation jusqu'à la validation finale de l'achat. Tout ce qui conditionne le passage de ces étapes joue un rôle dans ce processus.

Le site devient une source de données parmi d'autres

Ce basculement représente l'ère où l'agent remplace le navigateur comme interface entre une marque et un utilisateur cible.

Cela se traduit aussi par de nouvelles tendances :

Une augmentation des recherches sur les requêtes de préparation d'achat (comparatif, guide, questions pratiques)
La visite arrive dans une phase de décision plus avancée, le taux de conversion peut être revu à la hausse, mais le trafic peut aussi baisser.
Une hausse de fréquentation par des bots vs des sessions humaines.

Le plus important est de bien distinguer les deux phases essentielles, à savoir la découverte et la transaction qui sont deux étapes distinctes qui conditionnent la réussite en commerce agentique.

Le commerce agentique se démarque par deux étapes successives

Le commerce agentique repose sur deux mécaniques qui s'opposent sur de nombreux aspects. On parle de deux circuits distincts dont les objectifs et les exigences sont entièrement différents.

Le circuit de découverte ou comment l'agent trouve le produit

Pour trouver le produit qui correspond au besoin de l'utilisateur, l'agent va mobiliser de nombreuses sources de données à sa disposition et que les sites marchands doivent fournir par différents biais. On parle tout d'abord du flux produits transmis aux plateformes tels que Merchant Center. À cela s'ajoutent les informations du site dont ses fiches produits, les données structurées et enfin les avis clients.

Toutes ces informations qui servent au choix décident de l'entrée d'un site dans la phase de pré-sélection. L'absence d'un flux produit ou mal enrichi peut rendre votre site marchand complètement absent de cette étape de pré-sélection.

Une exigence de fraicheur très stricte s'y applique avec une fréquence de mise à jour importante selon les recommandations d'OpenAI concernant le flux ACP. Cette logique est la même côté Google et implique un processus strict et exigeant quant au flux envoyé qui servira de référence aux agents.

Le circuit transactionnel où l'agent valide un achat

Quand la découverte est conditionnée par des critères de choix qui se font notamment par le flux, la phase transactionnelle de validation appelle d'autres critères tels que le stock, le prix, la livraison, les taxes et enfin le checkout.

Ici les étapes qui influencent la validation sont strictes afin de ne pas aboutir à un échec et abandon. Une information absente ou inaccessible peut interrompre cette phase et aboutir en échec. Le niveau d'exigence monte sur les API, la gestion des erreurs et la sécurité du paiement.

À savoir que le circuit de validation reste aujourd'hui très contrôlé par les plateformes. La phase de check out n'est ouverte que sur validation des plateformes.

Le site marchand reste la source de validation des deux circuits

Il est important de garder en tête que le marchand reste la source de l'ensemble du circuit de validation, l'agent ne prend jamais ce rôle à aucune étape. Que l'on parle du stock disponible, du prix, des taxes ou encore de la livraison, les protocoles UCP et ACP imposent une information complète à chaque appel.

Le marchand reste le vendeur officiel et ni Google, ni OpenAI ne prennent les responsabilités du marchand sur les conditions de vente et ce à tous les niveaux.

Quelles sont les interactions d'un agent sur un site marchand ?

Nous allons maintenant nous intéresser aux agents et leurs choix et décisions lorsqu’ils sont sollicités pour un achat. Depuis la fin 2025 des études se sont succédé pour analyser le comportement des agents en situation et cela à chaque étape du parcours.

L'agent n'exploite pas tout ce qui compose la demande

Un agent IA qui est chargé d'un achat en ligne pour le compte d'un utilisateur récupère en premier sa demande. Il en retient des facettes qui caractérisent le produit à acheter. Ces facettes constituent ensuite un impératif de la fiche produit qui sera exclu si le produit ne répond pas à un de ces critères. C'est donc après une série d'échanges avec l'utilisateur que l'agent consolide ces facettes qui constituent ensuite un pré-requis de toute fiche.

Selon une étude du banc multimodal (juillet 2026) sur 289 conversations, une spécification complète se termine en moyenne sur 4 échanges. C'est l'ensemble des échanges qui forme la spécification du produit recherché.

Une autre étude menée par les équipes de Shopee sur 662 tâches mesure la satisfaction d'une exigence client selon où l'information a été transmise par l'utilisateur.

On a tout d'abord l'information récupérée dans la demande et celle-ci est généralement la mieux respectée (à 88,1 %), on a ensuite la demande issue du profil enregistré qui résume les préférences de l'utilisateur qui est légèrement moins respectée avec 69,8 % et enfin les informations reçues lors d'une phase de clarification qui est satisfaite dans 70,9 % des cas.

L'agent ne respecte donc pas intégralement ce qui compose la demande de l'utilisateur et le respect dépend surtout de la manière dont il les a récupérées.

L'agent navigue selon la structure et s'arrête rapidement

La structure de la page est un élément clé qui détermine ce que l'agent sera en mesure de faire sur le site marchand qu'il visite. Une étude de référence de WebMall apporte plusieurs mesures clés sur cet aspect. Les sujets de l'analyse sont 4 sites marchands composés de 4 421 produits réels extraits du web.

Ce qui nous intéresse ici est l'arbre d'accessibilité qui représente la version simplifiée d'une page avec une liste des éléments qui la composent avec leur hiérarchie et leur fonction respective. Chaque élément d'interaction peut recevoir des informations que l'agent peut ensuite interpréter.

Le taux de réussite d'un agent à acheter un produit est porté essentiellement par la structure de la page. Si un arbre d'accessibilité bien optimisé est en place, l'agent maximise son taux de réussite jusqu'à la phase de paiement. L'agent n'exploite pas les ressources de type image, CSS ou JavaScript, il reste en mode texte et n'interprète que le contenu et le balisage.

Voici un exemple de code appliquant correctement l'arbre d'accessibilité. Chaque élément d'interaction est identifiable sans le rendu de la page.

<!-- Bouton réel : l'arbre expose un rôle (bouton) et un nom (Ajouter au panier) -->
<button type="submit">Ajouter au panier</button>

<!-- Div stylisée en bouton : nœud générique. Le texte reste, le caractère cliquable disparaît -->
<div class="btn btn-primary" onclick="addToCart()">Ajouter au panier</div>

<!-- Fait produit dans le texte structuré : lisible, rattaché à son titre -->
<h2>Aspirateur balai X200</h2>
<p>Autonomie : 45 min. Poids : 2,4 kg. Compatible parquet et moquette.</p>

<!-- Fait produit en image : l'image est annoncée, son contenu reste illisible -->
<img src="fiche-technique.png" alt="Fiche technique du X200">

<!-- Fait produit derrière un rendu JavaScript : rien à lire au premier passage -->
<div id="specs" data-src="/api/specs"></div>

<!-- Masqué à l'assistance : sort de l'arbre, n'existe plus pour l'agent -->
<div aria-hidden="true">Livraison offerte dès 50 €</div>

Cela veut dire que plusieurs pages presque identiques sur leur rendu, mais où une seule applique l'arbre d'accessibilité, ces mêmes pages peuvent être considérées d'un côté comme une page complète et de l'autre comme une page vide.

Ce diagnostic, vous pouvez le faire simplement avec les outils d'accessibilité proposés par DevTools ou encore Lighthouse.

L'étude de WebMall complète ce constat par différentes causes d'échec que nous pouvons interpréter.

On peut donc retenir trois exigences qui caractérisent les agents :

Produits accessibles dès le début de l'exploration
Produits atteignables au premier essai
Un arbre d'accessibilité optimisé

Les critères qui influencent le choix d'un agent sur une page

Voyons maintenant les critères qui influencent le choix d'un agent sur une page avec à l'appui une étude qui mesure cinq facteurs et leur impact respectif.

Ce que mesurent les essais :

Montée de version avec le même produit et la même boutique
Effet de la position sur le choix
Étiquette « sponsorisé » sur le produit
Étiquette de recommandation de la plateforme
Réécriture de la description par un agent vendeur, une itération

Le premier constat révèle un impact fort sur la version du modèle utilisé. Un agent d'un modèle plus performant fera des choix radicalement différents pouvant réduire ou augmenter le choix d'un produit.

Le second révèle une préférence sur les premières lignes de produits même si ce dernier dépend aussi du modèle.

Le troisième et quatrième constats révèlent qu'une mise en avant sponsorisée déclassera le choix du produit alors qu'une mise en avant par recommandation (appuyée par de bons avis clients) améliorera le choix du produit.

Enfin la réécriture du descriptif produit peut, elle aussi, générer un gain si celle-ci propose une amélioration de la description.

Les protocoles et leur gouvernance

Le rôle d'un protocole est simple, il détermine le format d'un message et les règles d'une session afin de proposer un standard quels que soient les agents qui parcourent votre site.

Ce protocole est exposé par la plateforme e-commerce utilisée ou bien le prestataire de paiement et c'est le premier point à clarifier pour effectuer sa mise en place.

Nous allons voir cinq protocoles qu'il faut connaitre et qui composent l'essentiel du marché du commerce agentique.

UCP et ACP portent le même mécanisme

Les deux spécifications pour l'UCP et l'ACP montrent une mécanique identique :

Le marchand déclare dans un premier temps ce qu'il sait faire
L'agent récupère les conditions du marchand
Le marchand contrôle enfin chaque information

Les deux protocoles convergent également sur le vocabulaire, gestionnaire de paiement et extensions.

Le seul point où les deux protocoles ne se rejoignent pas, c'est que Google et Microsoft amènent la transaction jusque dans leurs interfaces, le marchand reste le vendeur officiel.

Avec OpenAI, la transaction est ramenée vers le site du marchand. OpenAI ne prend plus en charge le checkout dans la conversation.

L'UCP est doté d'une gouvernance

Nous parlons de gouvernance pour désigner les acteurs qui définissent les règles des différents flux, plateformes et marchés.

Le premier est le Governing Council qui regroupe Google, Shopify et Stripe depuis le 28 avril 2026.

Le second est le Tech Council qui regroupe Amazon, Meta, Microsoft, Salesforce et Stripe.

L'UCP déclare des capacités et ne référence pas des produits

C'est le point qui peut prêter à confusion, l'UCP ne référence pas des produits. Il se contente de déclarer les capacités du marchand une par une :

Prise en charge du checkout
Panier
Lecture du catalogue
Commande
Compte client
Magasins

Ainsi que les extensions :

Réductions
Conditions de livraison
Consentement de l'acheteur
Programme de fidélité
Mandat de paiement

Le protocole UCP existe sur une adresse propre

Comment un fichier sitemap.xml, le protocole se place sur une URL qui lui est propre. Ce fichier est public et ouvert à tous les robots qui le lisent ans authentification.

{
  "ucp": {
    "version": "2026-08-25",
    "services": {
      "dev.ucp.shopping": [
        {
          "version": "2026-08-25",
          "transport": "rest",
          "endpoint": "https://boutique.example/ucp/v1",
          "schema": "https://ucp.dev/2026-08-25/services/shopping/rest.openapi.json"
        }
      ]
    },
    "capabilities": {
      "dev.ucp.shopping.checkout": [ { "version": "2026-08-25" } ],
      "dev.ucp.shopping.fulfillment": [ { "version": "2026-08-25", "extends": "dev.ucp.shopping.checkout" } ],
      "dev.ucp.common.identity_linking": [ { "version": "2026-08-25" } ]
    },
    "payment_handlers": {
      "com.google.pay": [ { "id": "gpay_1" } ]
    }
  },
  "keys": [ { "kid": "key_2026", "kty": "EC", "crv": "P-256", "alg": "ES256" } ]
}

La phase de checkout sur les différentes plateformes

Le checkout côté Google

Il comprend deux dispositifs qui coexistent :

Le checkout agentique lancé en novembre 2025
Le checkout UCP qui place un bouton d'achat sur les produits dans AI Mode et Gemini avec Google Pay comme méthode de paiement et le marchand comme vendeur officiel.

Le checkout UCP exige l'attribut native_commerce (checkout_eligibility) et un compte Google Pay.

Le checkout chez OpenAI

À l'origine, Instant Checkout a été lancé en septembre 2025 puis celui-ci a été reporté en mars 2026 avec un checkout qui se déplaçait chez le marchand. Tout achat se conclut donc sur le site ou l'application du marchand.

Le checkout côté Microsoft

Il passe par Copilot Checkout qui a été lancé en janvier 2026 sur le flux ACP avec Shopify, PayPal et Stripe. Il est réservé exclusivement aux vendeurs anglophones aux États-Unis avec le marchand comme vendeur officiel.

Et sur les autres plateformes ?

Chez Perplexity, le checkout Buy with Pro est aussi réservé aux vendeurs aux États-Unis et passe par Paypal.

Chez Amazon, l'achat Buy for Me se fait sur un site tiers avec le compte Amazon de l'utilisateur sans candidature du côté du marchand.

Ce qu'il faut savoir sur cette phase de checkout, c'est que ces transactions ne remontent pas dans votre suivi de performance. Toute transaction conclue dans AI Mode ou Copilot ne verra aucune attribution sur votre suivi.

Le check out reste conditionné par un critère d'éligibilité

On parle ici, entre autres, de l'attribut native_commerce (checkout_eligibility) auquel chaque produit est soumis. Certaines catégories de produits ne sont pas éligibles :

Abonnements
Paiements échelonnés
Produits personnalisés
Produits reconditionnés
Précommandes
Produits accompagnés d'une prestation

8. La grille d'évaluation de référence pour l'audit

Nous arrivons maintenant à la grille d'évaluation qui tient en six points de contrôle qui suivent un ordre de déroulement précis. Cet enchaînement doit être respecté.

Le déclenchement

On vérifie ici quelles catégories du catalogue présentées relèvent d'une intention e-commerce déclenchant des grilles de produits.

On classe donc d'abord les différentes familles de produits et on sépare bien les produits physiques expédiables du reste. Certains produits comme les services et logiciels ne déclencheront jamais de grilles de produits.

On rédige ensuite des prompts et mots clés et on mesure les retours de résultats. Chaque résultat qui remonte des grilles de produits confirme que la famille de produits est associable à cette stratégie. Ce test d'affichage nécessite des essais répétés.

Ce qu'il faut relever à chaque test : si les cartes produits s'affichent, combien sont affichées et quels sont les marchands remontés.

L'accès par les robots

On vérifie que les pages et les contenus qui servent les produits sont accessibles aux robots dans leur intégralité.

On regarde en priorité :

Le fichier robots.txt contrôlé face à la liste de la section 5.
Contrôle de l'accès pour chaque agent utilisateur, le code de réponse reçu donne la réponse attendue (200, 403, 202 ou 429).
Contrôler les codes de réponse sur les logs serveur
Comparer la version HTML servie sans JavaScript et la version rendue : ce qui manque sur la dernière est à évaluer
Vérifier que chaque bouton de CTA et d'interaction a un rôle et un nom dans l'arbre d'accessibilité (vérifiable sur DevTools)

Contrôle 1 - L'identité

Chaque produit doit disposer d'une identité unique où le code GTIN en est la référence. Ce GTIN ne doit jamais changer et il doit être conforme entre le flux et le site.

Cette vérification passe par plusieurs étapes :

Export du flux produits depuis la plateforme
Auditer le flux en utilisant idéalement un script pour le réaliser à grande échelle sur l'ensemble des produits avec des éléments de contrôle que je liste ci-dessous
Comparer les exports d'un mois à l'autre pour mesurer les évolutions de flux et potentiel changement sur l'identifiant
Contrôler la conformité avec le code schémas JSON implémenté sur les pages

Éléments de contrôle :

Unicité des identifiants
Aucun prix, aucune date dans l'identifiant
Clé de contrôle du GTIN valide
Variantes produits groupées sous un même identifiant

Contrôle 2 - La complétude

C'est sur ce second point qu'on peut faire la différence avec la concurrence. Chaque champ utile doit être déterminé et rempli avec précision.

Contrôle par script du bon remplissage des champs requis de Merchant Center et du flux commerce.
Contrôle des formats : devises, nombre de caractères des champs, images de variantes décrites
Contrôle de conformité sur les plateformes, export des erreurs de validation
Vérification de l'accès aux pages de livraison, conditions de retour et CGV qui sont déclarées dans le flux. Celles-ci doivent répondre en 200.

Contrôle 3 - La fraicheur

On vérifie à cette étape que le flux est constamment mis à jour et qu'il est parfaitement aligné avec les informations de la page.

Sur la plateforme, il faut vérifier :

La date de la dernière mise à jour et la fréquence programmée. Elle est au maximum de 30 jours chez Google et 14 jours chez OpenAI.
Si certaines données bougent en temps réel, la vérification doit se faire par API et non par un fichier nocturne.
Contrôle de conformité des prix et disponibilité sur un échantillon de référence en comparant le flux et la donnée réelle en back-office.
Pour les ruptures temporaires ou définitives, il faut prévoir un substitut.

Contrôle 4 - L'éligibilité

À cette étape, on vérifie que les produits sont admis sur chaque plateforme et sur les différents marchés ciblés.

On vérifie donc :

Les rapports de validation de Merchant Center qui remontent les produits approuvés et refusés avec un motif.
On confirme l'inscription aux différents programmes ciblés
Confirmer le ciblage effectué côté OpenAI
Vérifier que la porte de recherche est ouverte pour vos produits à afficher

Contrôle 5 - Le checkout

Pour le checkout par agent, s'il est possible, il doit être préparé sans pour autant être garanti.

Quelques étapes à respecter :

Attribut native_commerce (checkout_eligibility) chez Google et is_eligible_checkout chez OpenAI
Ne pas le poser sur les produits par défaut inéligibles
Tester les URL des CGV et de confidentialité qui sont déclarées
Contrôler le flux UCP et la version qu'il déclare

Contrôle 6 - La mesure

La mesure de performance est la dernière étape et vient plusieurs semaines après la publication du flux. Cette étape peut survenir en début de processus si le flux était déjà déployé avant l'audit.

On regarde donc :

Score de visibilité sur les prompts ciblés et différentes interfaces. Au moins cinq répétitions par prompt pour que la mesure soit fiable.
Dans GA4 ou plateforme équivalente, isoler le trafic référent en provenance des IA
Analyser les rapports proposés par Merchant Center dont le nouveau rapport dédié aux interfaces IA et où le déploiement est en cours.
Mesurer la part des commandes en provenance des plateformes IA.

Chaque élément de suivi se mesure indépendamment.

Ce qu'il faut en retenir

Le shopping sur les plateformes IA et le commerce agentique se déploient progressivement et ce qui arrive d'abord aux États-Unis arrive plus tard en France.

La stratégie repose sur les flux et la conformité de vos données sur les différentes plateformes. Votre site n'est plus le seul objet d'analyse ici.

Le framework que je vous propose donne la structure de l'analyse pour vos flux et vos comptes sur les différentes plateformes.

Cette méthode en six étapes ne se détache pas des autres leviers d'optimisation. L'autorité du domaine et de la marque joue également un rôle dans cette visibilité. C'est un des leviers de l'audit stratégique que je vous propose et qui doit être mis en place si votre offre répond à cette demande.