Comment rivaliser dans le commerce agent ?

Améliorez vos compétences grâce aux informations hebdomadaires d’experts de Growth Memo. Abonnez-vous gratuitement !

Le commerce agent transforme la recherche organique d’une source de trafic bon marché en un gardien obligatoire de la vérification par l’IA. L’arbitrage marketing meurt ; la vérité du produit l’emporte.

Cette semaine, nous couvrons :

Pourquoi le commerce agent filtre les marques axées sur le marketing et récompense les données granulaires sur les produits.
Comment ChatGPT, Copilot et les protocoles de Google remodèlent l’économie des commerçants et les relations clients.
Quels flux optimiser, quels protocoles prioriser et la séquence de mise en œuvre qui compte.

Le commerce agent agit comme un « grand filtre », pour ainsi dire, pour l’arbitrage marketing, transformant la recherche organique d’une source de trafic bon marché en un gardien obligatoire de la vérification par l’IA.

Le signal est déjà visible dans le bruit. Pendant la période des fêtes de 2025, les agents IA ont généré 20 % des ventes au détail. Même en tenant compte de définitions vagues, l’ère du commerce agent est arrivée.

Tous les principaux LLM proposent désormais le paiement direct et de nouveaux protocoles commerciaux :

ChatGPT propose un paiement instantané avec Shopify et Etsy, ainsi que l’ACP (Agentic Commerce Protocol).
Microsoft Copilot utilise ACP et propose Copilot Checkout avec PayPal, Shopify et Stripe.
Google a intégré le paiement en mode AI et Gemini via son protocole de commerce universel (UCP).

La question des infrastructures est réglée, mais la question stratégique demeure : Comment être compétitif lorsque les utilisateurs n’ont pas besoin de cliquer sur des sites Web pour acheter ?

1. Le commerce agent a un trou au milieu

L’expression « commerce agent » crée de fausses attentes. Les achats autonomes, où vous donnez à un agent une carte de crédit et une allocation mensuelle pour acheter en votre nom, ne deviendront pas une réalité dans un avenir proche.

Les achats coûteux comme les billets d’avion ou les voitures sont trop risqués pour être délégués. Vous avez des préférences idiosyncratiques (règles relatives aux sièges des compagnies aériennes, caractéristiques de la voiture) qu’aucun agent ne peut modéliser de manière fiable.
Les achats à bas prix comme le papier toilette ou la lessive sont déjà automatisés via des services d’abonnement (commandes récurrentes Instacart, Subscribe & Save). Un agent n’ajoute aucune valeur incrémentielle.
Le juste milieu est plus petit que ce que le battage médiatique suggère. Si les prix élevés résistent à la délégation et si les prix bas sont déjà « automatisés », où les achats autonomes génèrent-ils réellement de la valeur ?

Le « commerce conversationnel » est un meilleur cadre. Au lieu d’automatiser à 100 % l’acte d’achat, les LLM compressent l’entonnoir en proposant une recherche bien supérieure aux moteurs de recherche classiques et en affichant les produits dans l’interface utilisateur.

Les modèles lisent les avis d’experts, les spécifications des produits, les listes d’ingrédients et les commentaires réels des utilisateurs plutôt que le classement par enchères de mots clés et historique de conversion.
La valeur réside dans la réduction de 14 clics (la moyenne divulguée par Amazon avant l’achat) en un ou deux.

2. Les protocoles rendent le commerce électronique « sans tête »

Les nouveaux protocoles commerciaux permettent aux agents IA de se connecter directement au backend de votre entreprise, au lieu d’explorer votre site pour les afficher dans une liste de résultats de recherche. Les protocoles rendent le commerce « sans tête » et dissocient le front du back-end :

Les sites Web deviennent moins importants en tant que destinations et plus importants en tant que bases de données.
Le jeu passe de l’optimisation de la conception des pages de destination pour les yeux humains à l’optimisation des flux de données pour l’ingestion par la machine.
Si votre vitesse d’expédition, l’état de votre stock ou votre politique de retour ne sont pas accessibles via l’API, vous êtes invisible pour l’agent.

Le passage de l’exploration aux protocoles réduit l’ancien entonnoir de 14 clics (recherche, navigation, clic, paiement) en seulement deux interactions : (1) le modèle analyse l’intention en faisant correspondre les avis d’experts avec l’inventaire en temps réel, et (2) l’utilisateur exécute un seul clic pour acheter à l’aide des informations d’identification stockées.

Bien que les deux protocoles, ACP et UCP, permettent la même expérience utilisateur, ils proposent des conditions très différentes pour le commerçant.

ACP (Agentic Commerce Protocol) d’OpenAI

La Vision : Le « jardin clos ». OpenAI vise à gérer l’intégralité de la transaction au sein de l’interface de chat, en traitant efficacement les commerçants comme des fournisseurs.
Le compromis : Efficacité vs LTV. Vous accédez à 700 millions d’utilisateurs hebdomadaires, mais vous perdez la relation client directe. Étant donné qu’OpenAI restreint actuellement la transmission des e-mails des clients à des fins de marketing, vous perdez la possibilité de faire du remarketing, tuant ainsi les 15 à 20 % de la valeur à vie (LTV) qui proviennent généralement des flux d’e-mails post-achat.

UCP (Universal Commerce Protocol) de Google

La Vision : La « couche distribuée ». Google étend son Shopping Graph dans une couche transactionnelle qui se trouve au-dessus de Search, Lens et Gemini.
Le compromis : Propriété contre concurrence. Contrairement à ACP, Google permet aux commerçants de conserver l’intégralité du cycle de vie du client, y compris les droits de messagerie et les données de fidélité. Le coût est une intensité de concurrence nettement plus élevée : au lieu de vous battre pour 10 liens bleus, vous vous battez pour l’un des trois « emplacements » dans un aperçu de l’IA, ce qui rend la marge d’erreur dans vos données produit effectivement nulle.

3. Le commerce conversationnel perturbe l’ensemble de l’écosystème

Le passage de la recherche à la conversation crée un ensemble distinct de gagnants, de perdants et de dilemmes stratégiques.

Acheteurs obtenez une expérience utilisateur considérablement meilleure.

Découverte: Les achats très réfléchis (par exemple, des chaussures de course spécifiques) passent du clic sur six annonces de liste de produits potentiellement non pertinentes à la réception de recommandations de premier ordre basées sur des avis d’experts.
Charge cognitive : Le modèle gère la recherche, réduisant le parcours moyen de 14 clics en une à deux interactions.

Marchands se trouvent confrontés à un compromis entre distribution et contrôle.

Sur ChatGPT : Vous avez accès aux premiers utilisateurs, mais perdez la relation client directe et les droits de marketing par e-mail. Vous n’avez aucun effet de levier sur les taux de commission ou la logique de recommandation.
Sur Google/Copilot : Vous conservez le statut de marchand officiel, mais à mesure que l’entonnoir se comprime, l’inventaire publicitaire sur site perd de la valeur. Même si les taux de conversion peuvent augmenter, les revenus publicitaires totaux diminuent.

Affiliés meurent lorsque les LLM désintermèdent le clic.

Le piège : Si ChatGPT synthétise les avis sans envoyer de trafic, les affiliés cessent d’écrire. Cela crée un « ouroboros » dans lequel les modèles s’entraînent sur leur propre sortie générée par l’IA.
Le pivot : Les éditeurs doivent payer le contenu premium ou facturer directement les marchands pour les avis.

Amazone domine en termes de prix et de rapidité, mais est confronté à un conflit de modèle économique.

Le conflit : Les marges des détaillants sont minces (~1 %) ; la rentabilité vient de l’activité publicitaire de 60 milliards de dollars.
Le risque : La machine publicitaire d’Amazon repose sur un entonnoir de 14 clics. Si le commerce conversationnel réduit cela à un seul clic, l’inventaire des produits sponsorisés s’évapore.
Le choix : Ils doivent soit bloquer les robots d’exploration pour protéger les revenus publicitaires (stratégie actuelle), soit y participer et les cannibaliser. Walmart rejoignant ChatGPT leur force la main.

Google est le mieux placé pour faire face au changement.

Parité: Ils monétisent déjà les aperçus de l’IA à parité avec la recherche traditionnelle.
Économie: Une pertinence plus élevée conduit à des taux de conversion explosifs. Les annonceurs paieront plus par clic pour compenser la baisse du volume de clics, équilibrant ainsi l’écosystème.

4. Le référencement passe de l’optimisation des clics à l’optimisation de l’ingestion

Nous passons d’un monde d’espace de stockage infini (10 liens bleus, pagination sans fin) à un monde d’espace de stockage contraint (trois emplacements de recommandation dans une réponse d’IA).

Dans cet environnement, Le référencement passe de l’optimisation des clics à l’optimisation de l’ingestion. L’objectif n’est pas d’amener un humain à visiter votre page de destination ; il s’agit d’introduire vos données produit dans la fenêtre contextuelle de l’agent avec suffisamment d’autorité pour qu’il vous recommande.

Le nouveau « SEO Technique » : La qualité du flux dans l’ancien modèle signifiait la vitesse du site, la réactivité mobile et les Core Web Vitals. À l’ère du protocole, le référencement technique est l’intégrité des aliments. Les agents ne « parcourent » pas votre site ; ils interrogent votre API. Votre site Web devient moins une destination visuelle qu’une base de données structurée. Les gagnants seront les commerçants qui considèrent leur flux de produits comme leur vitrine principale.

Le nouveau « SEO sur la page » : Le référencement traditionnel récompensait souvent les articles qui résumaient simplement ce que tout le monde disait déjà pour classer les mots-clés larges. Les LLM, cependant, sont formés sur ce consensus. Pour être cité maintenant, vous devez fournir un gain d’information, le delta entre ce que le modèle sait déjà et la valeur unique que vous fournissez en plus du consensus.

Vous ne pouvez pas « commercialiser » pour vous sortir de spécifications inférieures. Si vous prétendez être la « meilleure chaussure de course pour pieds plats », le modèle ne cherche pas d’adjectifs ; il valide vos mesures de soutien de la voûte plantaire par rapport aux normes de podologie dans son ensemble de formation.
Votre contenu doit passer d’un engagement général à une « vérité produit » structurée. Les LLM donnent la priorité aux tableaux de comparaison détaillés, aux résultats de tests exclusifs (par exemple, « nous avons fait tomber ce téléphone 50 fois ») et à la répartition des ingrédients. Si vos données ne sont pas structurées pour une ingestion/vérification facile, le modèle vous contournera pour une source qui l’est.

Le nouveau « SEO hors page » : Les backlinks sont toujours importants, mais leur fonction change. Au lieu de transmettre du « jus de lien » pour le classement, ils servent désormais de sources de vérification pour la synthèse de la réputation, aux côtés des avis et des mentions sur le Web.

Les LLM explorent les sites tiers (par exemple, Reddit, les forums spécialisés, les sites d’avis d’experts) pour former un consensus. Un volume élevé d’avis spécifiques vérifiés sur des plateformes tierces de confiance est le signal le plus fort que vous puissiez envoyer.
Dans un monde où une IA suggère trois options, la familiarité avec la marque devient un facteur déterminant. La publicité de marque et la création organique de marque reviennent comme un levier essentiel pour garantir que les utilisateurs reconnaissent la recommandation fournie par l’IA.

5. La fin des « marques marketing »

La dernière décennie a permis aux marques blanches d’arbitrer leur chemin vers la croissance via la publicité, mais le commerce agent agit comme un filtre de qualité pour ce modèle. Alors que les humains sont influencés par une stratégie de marque astucieuse, les LLM sont des lecteurs impartiaux de données qui ne recommanderont pas un produit « premium » lorsque les spécifications prouvent qu’il est identique à une alternative générique.

Le passage aux protocoles crée un paradoxe : les modèles comprennent parfaitement l’intention à longue traîne mais la réalisent avec un inventaire de grosses têtes.

Biais de sécurité : Les modèles préfèrent le consensus pour éviter les hallucinations. Une marque de niche ressemble à du bruit ; un Category King ressemble à la vérité.
La réalité RAG : Les outils RAG analysent généralement uniquement les 10 à 20 premiers résultats de recherche. Étant donné que les moteurs de recherche privilégient déjà l’autorité, RAG ne fait souvent que renforcer les autorités en place.

La seule force qui l’emporte sur ce biais sont les données granulaires. Votre flux marchand fait office de réclamation, mais RAG agit comme couche de confiance pour la vérifier.

Le marché se divise :

Les titulaires gagnent l’intention générale via la « confiance » (consensus).
Les spécialistes obtiennent une intention spécifique via la « granularité » (spécifications), mais seulement s’ils se classent dans les premiers résultats de recherche.

Si vous exposez des points de données que les géants ignorent (par exemple, l’approvisionnement exact, l’analyse chimique), le moteur de raisonnement du modèle doit vous sélectionner pour remplir la contrainte, mais seulement si vous vous classez sur la page 1 pour être récupéré.

La recherche organique n’est plus une question de clic ; c’est la condition préalable à la vérification agentique.