En septembre 2025, ChatGPT a commencé à passer commande à la place de ses utilisateurs. Le client de votre fiche produit n'est plus toujours un humain qui scrolle. C'est un agent qui parse. Et il n'achète pas comme vous le croyez.
L'e-commerce agentique est le mode d'achat où un agent IA — ChatGPT, Gemini, Perplexity, un navigateur autonome — découvre, compare et achète un produit à la place de l'utilisateur. Apparu à l'échelle en septembre 2025 avec l'Instant Checkout d'OpenAI et Stripe. Sa mécanique de sélection diffère du SEO et du paid classiques : elle dépend de la lisibilité machine de la fiche produit, pas de sa position publicitaire.
Le client a changé de nature
Pendant vingt-cinq ans, le e-commerce a optimisé pour un œil humain. Une photo qui accroche, un prix barré, un badge « Meilleure vente », un bouton d'achat bien placé. Toute la discipline du merchandising en ligne repose sur une hypothèse : à l'autre bout, quelqu'un regarde, hésite, clique.
Cette hypothèse est en train de tomber.
Depuis septembre 2025, un nouveau type de client lit vos fiches produit. Il ne voit pas vos couleurs. Il ne ressent pas l'urgence de votre compte à rebours. Il parse votre HTML, interroge vos données structurées, compare vos attributs à ceux de vos concurrents, et décide. C'est un agent IA, et il achète pour le compte d'un humain qui, lui, ne verra peut-être jamais votre site.
Le déplacement est documenté scientifiquement et il est désormais outillé par des protocoles de paiement industriels. Cet article croise les deux : ce que la recherche académique a mesuré sur le comportement d'achat des agents, et ce que les standards techniques apparus en 2025-2026 imposent déjà aux marques marchandes. La conclusion tient en une phrase : optimiser un site marchand pour un humain et l'optimiser pour une machine sont deux disciplines différentes. La seconde n'existait pas il y a deux ans.
Pourquoi maintenant : trois bascules en dix-huit mois
Trois faits datés expliquent l'urgence.
En septembre 2025, OpenAI et Stripe ont lancé l'Instant Checkout dans ChatGPT et publié l'Agentic Commerce Protocol (ACP), une spécification ouverte sous licence Apache 2.0 décrivant comment un agent et un marchand exécutent une transaction. En janvier 2026, Google et Shopify ont dévoilé l'Universal Commerce Protocol (UCP) à la conférence du National Retail Federation. Deux standards concurrents pour la même rupture : le passage à l'acte d'achat devient un protocole, plus une page.
Sur le plan académique, une étude sectorielle de 2025 (arXiv:2504.07112) projette que les moteurs de recherche classiques perdront jusqu'à 25 % de leurs requêtes d'ici fin 2026 au profit des assistants IA. Une part croissante de la demande ne transite donc plus par une page de résultats où la publicité achète sa visibilité.
À la mi-2026, ce n'est plus une projection isolée. McKinsey chiffre l'opportunité du commerce agentique entre 3 000 et 5 000 milliards de dollars à l'échelle mondiale d'ici 2030, dont jusqu'à 1 000 milliards pour le seul marché B2C américain, et mesure une conversion 4,4 fois supérieure pour les recommandations produit générées par IA face à la recherche classique. Côté infrastructure, l'Universal Commerce Protocol annoncé en janvier 2026 par Google a rallié dès son lancement Walmart, Target, Shopify et plus de vingt autres partenaires. Le canal n'est plus émergent. Il s'industrialise.
La conséquence budgétaire est directe. Un budget Google Ads de plusieurs dizaines de milliers d'euros par mois cible un public qui se déplace vers des interfaces où ce budget ne joue plus. L'agent ne clique pas sur une annonce. Il lit une fiche, ou il ne la lit pas.
Ce que les agents achètent vraiment : le cadre ACES
La première question à se poser n'est pas « comment vendre à un agent », mais « qu'est-ce qu'un agent achète, et pourquoi ». La réponse la plus rigoureuse vient d'un papier publié en août 2025, révisé en décembre 2025, sous la référence arXiv:2508.02630, signé Amine Allouah, Omar Besbes, Josué Figueroa et Yash Kanoria (Columbia Business School) avec Akshit Kumar (Yale).
Les auteurs ont construit ACES, un environnement de test fournisseur-agnostique : un agent multimodal face à une place de marché entièrement programmable. En randomisant position, prix, notes, avis, tags sponsorisés et badges plateforme, ils obtiennent des estimations causales du comportement d'achat des modèles de pointe (GPT-4.1, Gemini, Claude). Trois résultats sont structurants pour une direction e-commerce.
La demande se concentre. Les agents montrent une homogénéité de choix : la demande se concentre sur quelques produits « modaux » tandis que d'autres ne sont jamais sélectionnés. Pour un même besoin, un agent revient sur le même produit, là où mille humains se seraient répartis sur cinquante références.
Les préférences sont instables. Les parts de marché varient fortement selon le modèle. Un produit choisi 45 % du temps par un modèle peut l'être 25 % par un autre. Surtout, une mise à jour de modèle peut redistribuer les parts de marché du jour au lendemain, sans aucune intervention humaine.
Il n'existe pas de « rang n°1 » universel. Tous les modèles favorisent la première ligne d'un listing, mais chacun préfère une colonne différente. La notion de position dominante, héritée du SEO, perd son sens : le « top » dépend du modèle qui regarde.
« Les agents peuvent présenter une homogénéité de choix, concentrant souvent la demande sur quelques produits modaux tout en en ignorant d'autres entièrement. Pourtant, ces préférences sont instables : les mises à jour de modèle peuvent redistribuer drastiquement les parts de marché. » — Allouah et al., Columbia & Yale, arXiv:2508.02630
Pour une marque, cela renverse une intuition de fond. Sur Google, gagner une position se construit sur des mois et se conserve. En commerce agentique, une part de marché peut s'évaporer à la prochaine version du modèle. La défense ne se joue pas sur un classement. Elle se joue sur la qualité des signaux que l'agent peut extraire de la fiche, parce que ce sont eux qui survivent aux changements de modèle.
E-GEO : les signaux qui pèsent ne sont pas ceux du SEO
Si ACES décrit le comportement, un second papier décrit la méthode d'optimisation. Publié en novembre 2025 par les départements d'ingénierie industrielle de Columbia et MIT Sloan sous la référence arXiv:2511.20867, E-GEO est le premier banc d'essai dédié à la visibilité des sites marchands dans les moteurs génératifs.
Le constat de départ : en e-commerce, les moteurs génératifs ne créent pas de nouveaux produits, ils surfacent et ordonnent les produits existants selon l'intention inférée de l'utilisateur. Le benchmark — plus de 7 000 requêtes consommateurs associées à des fiches produit — évalue quinze heuristiques de réécriture et met en évidence un motif d'optimisation stable, indépendant du domaine.
Le résultat opérationnel est le plus important de l'article : les signaux qui pèsent en commerce agentique sont substantiellement différents des signaux SEO classiques.
Signal SEO classique (humain) | Signal E-GEO (agent) |
|---|---|
Densité de mots-clés | Richesse et complétude des données structurées |
Backlinks et autorité de domaine | Cohérence du JSON-LD Product |
Title tag accrocheur | Précision des attributs (taille, matière, origine, stock) |
Méta description persuasive | Vivacité et fraîcheur des avis |
Position publicitaire payée | Autorité des sources externes citant le produit |
Autrement dit, un site marchand peut être impeccablement référencé sur Google et rester invisible pour un agent acheteur, simplement parce que ses fiches produit ne sont pas lisibles par une machine. Le JSON-LD Product est incomplet, le Schema Offer approximatif, les attributs prix et stock désynchronisés. Le levier n'est plus la persuasion. C'est la structure.
C'est là que se rejoignent E-GEO et le quatrième pilier méthodologique que Watizi nomme le Multimodal Entity Layer : préparer la machine-readability d'un site marchand n'est pas une finition technique, c'est la condition d'entrée dans le commerce agentique.
Comment un agent passe à l'acte : la couche protocole
Lire et choisir n'est qu'une moitié de l'histoire. L'autre moitié, c'est payer. Et là, l'année 2025-2026 a vu émerger une couche d'infrastructure qui n'existait pas, avec des conséquences directes pour les marchands.
Trois protocoles principaux opèrent à des niveaux différents de la pile de paiement.
ACP (OpenAI et Stripe) standardise le flux de paiement (checkout) entre un agent et un marchand. Première implémentation dans l'Instant Checkout de ChatGPT en septembre 2025. Le marchand reste le merchant of record : il garde sa relation client, choisit les produits vendables et la façon de les présenter. Le paiement passe par un Shared Payment Token — l'agent ne voit jamais la carte.
AP2 (Google) standardise le cadre d'autorisation et de confiance : comment un humain mandate un agent pour dépenser en son nom. Google en a transféré la gouvernance à la FIDO Alliance en 2026, avec une version v0.2 qui introduit le paiement « Human Not Present » pour les transactions autonomes pré-autorisées.
UCP (Google et Shopify) est protocol-agnostique. Annoncé en janvier 2026 avec Walmart, Target, Shopify et plus de vingt partenaires marchands dès le lancement, il fonctionne par découverte via un profil publié à /.well-known/ucp, sur le même principe qu'un agent déclarant ses capacités. Marchand et agent annoncent ce qu'ils savent faire, et le système calcule à chaque requête l'intersection de leurs capacités.
Le détail qui compte pour une marque : ces protocoles reposent sur des fichiers de découverte standardisés et des schémas de données rigoureux. Un marchand dont le catalogue n'expose pas proprement ses offres, ses prix et sa disponibilité dans le format attendu n'est pas seulement mal classé. Il est techniquement absent du canal. Sur Shopify, l'intégration est en grande partie fournie. Hors plateforme managée, c'est un chantier de roadmap technique à part entière.
E-commerce agentique vs marketplace classique : la confusion à lever
Une clarification s'impose, parce que les termes circulent vite et mal.
Une marketplace classique (Amazon, Cdiscount) est un lieu où un humain cherche, filtre et achète via une interface graphique. Le commerce agentique est un mode où un logiciel autonome exécute tout ou partie de ce parcours sans interface graphique, à partir d'une instruction en langage naturel.
La différence n'est pas cosmétique. Sur une marketplace, vous optimisez pour l'attention : visuel, prix affiché, nombre d'avis, badge. En commerce agentique, vous optimisez pour l'extraction : exactitude des attributs, complétude du schéma, fraîcheur des données, citabilité par des sources tierces. Un même produit peut exceller sur l'un et disparaître sur l'autre.
C'est pourquoi un audit e-commerce qui se contente d'évaluer les visuels, les prix et le tunnel de conversion manque désormais la moitié du sujet. La question complémentaire est devenue : ce catalogue est-il lisible, complet et cohérent pour une machine qui décide à la place du client ?
Que faire concrètement, dans l'ordre
Le travail se structure en quatre chantiers, du plus rentable au plus structurant.
Premier chantier : la rigueur du JSON-LD Product sur l'ensemble du catalogue. C'est le signal qui pèse le plus dans E-GEO et le moins coûteux à corriger. Schema Product complet, Offer avec prix, devise, disponibilité et conditions, identifiants externes cohérents. Une fiche sans données structurées propres est invisible pour un agent, point.
Deuxième chantier : la fraîcheur et la cohérence des attributs et des avis. Prix et stock synchronisés en temps réel, attributs précis (taille, matière, origine), avis vivants. Les agents pénalisent l'incohérence et la péremption des données plus durement que les humains, qui pardonnent un prix légèrement daté.
Troisième chantier : l'autorité externe. Le biais earned media des moteurs IA, mesuré par l'Université de Toronto, s'applique au e-commerce. Un produit cité par une publication spécialisée, un média sectoriel ou un comparatif indépendant entre dans le champ de vision des agents bien au-delà de ce qu'apporte le contenu de marque.
Quatrième chantier : l'éligibilité aux protocoles. Selon la plateforme, vérifier l'exposition correcte du catalogue aux standards ACP, UCP ou AP2. Sur infrastructure managée, c'est une activation. Hors plateforme, c'est un développement.
Aucun de ces chantiers ne relève du SEO classique. Tous relèvent de l'ingénierie des entités appliquée au catalogue marchand.
Synthèse : la double rupture
Le commerce agentique impose deux ruptures simultanées aux marques marchandes.
Une rupture de lecture, documentée par ACES et E-GEO : le client est devenu une machine qui concentre la demande, change d'avis à chaque mise à jour de modèle, et sélectionne sur des signaux structurels, pas sur la persuasion.
Une rupture de transaction, imposée par ACP, AP2 et UCP : l'acte d'achat devient un protocole standardisé, et un catalogue mal exposé est techniquement hors-jeu.
Dimension | Avant (humain) | Après (agent) |
|---|---|---|
Qui lit la fiche | Un humain qui scrolle | Un agent qui parse |
Signal décisif | Visuel, prix affiché, persuasion | JSON-LD, attributs, cohérence des données |
Notion de « rang n°1 » | Stable, défendable sur des mois | Dépendante du modèle, instable |
Acte d'achat | Tunnel de conversion graphique | Protocole standardisé (ACP / UCP / AP2) |
Levier d'autorité | Backlinks, budget paid | Earned media, citabilité tierce |
Le terrain de jeu n'est pas une évolution du e-commerce. C'est un canal parallèle, avec ses propres règles, mesurables depuis dix-huit mois et outillées par des standards industriels. Les marques qui traiteront ce canal comme une extension du SEO le manqueront. Celles qui le traiteront comme une discipline d'ingénierie des entités appliquée au catalogue prendront une avance que les changements de modèle ne pourront pas leur reprendre, parce qu'elle est structurelle.
Si vous voulez savoir si votre catalogue est lisible par les agents acheteurs aujourd'hui, le Diagnostic IA gratuit évalue la machine-readability de vos fiches produit selon les signaux E-GEO et le Multimodal Entity Layer. Restitution en 90 minutes.
Philippe Trento
Références scientifiques et techniques
Allouah A., Besbes O., Figueroa J. D., Kanoria Y., Kumar A. (2025). What Is Your AI Agent Buying? Evaluation, Biases, Model Dependence, & Emerging Implications for Agentic E-Commerce (cadre ACES). Columbia Business School, Yale. arXiv:2508.02630
Columbia Industrial Engineering, MIT Sloan (2025). E-GEO: A Testbed for Generative Engine Optimization in E-Commerce. arXiv:2511.20867
Étude sectorielle voyage (2025). Are AI Agents Interacting with Online Ads?. arXiv:2504.07112
Chen M., Wang X., Chen K., Koudas N., University of Toronto (2025). Generative Engine Optimization: How to Dominate AI Search (biais earned media). arXiv:2509.08919
OpenAI & Stripe (2025). Agentic Commerce Protocol (ACP). Spécification ouverte, licence Apache 2.0. github.com/agentic-commerce-protocol
Google & Shopify (2026). Universal Commerce Protocol (UCP). Présenté au National Retail Federation, janvier 2026.
Google, FIDO Alliance (2026). Agent Payments Protocol (AP2), version v0.2 avec support « Human Not Present ».