Commerce agentique : 4 nouveaux maillons dans la chaîne de valeur du e-commerce
Thibauld Vian Deguille, Principal Digital, Data & IA chez Converteo, accompagne les entreprises dans la maximisation de leurs performances digitales et e-commerce.
À retenir
- Distinguer les stades de maturité de l’IA : ne cherchez pas immédiatement à déployer un agent 100 % autonome. Commencez par évaluer où se situe votre besoin, depuis l’assistant réactif à la demande jusqu’à l’agent proactif, pour accompagner progressivement votre client sans le désorienter.
- Maîtriser les quatre manifestations du marché : adaptez votre stratégie à la réalité technologique. Développez votre référencement génératif (GEO) pour l’AI Search, concevez des agents propriétaires (branded agents) pour votre site, déployez des applications sur les plateformes tierces, et préparez-vous aux protocoles d’achat universels (UCP).
- Identifier la nouvelle couche de décision (Decision Layer) : redéfinissez vos points de contact. Vous devez comprendre si votre client prendra sa décision d’achat directement dans le moteur de recherche IA, sur votre site via votre propre agent, ou s’il délèguera entièrement cette tâche à une intelligence artificielle tierce.
Le terme « commerce agentique » sature actuellement les feuilles de route des directions digitales, souvent accompagné d’un fantasme : celui d’une intelligence artificielle qui réaliserait 100 % des achats à notre place. La réalité opérationnelle exige une définition plus nuancée et progressive.
« Tout ou partie du parcours » : la définition Converteo
Le commerce agentique désigne une approche dans laquelle un agent IA enrichit le parcours d’achat d’un client, pouvant aller jusqu’à réaliser tout ou partie de ce parcours en son nom. Cette notion de « tout ou partie » est fondamentale.
Le commerce agentique ne commence pas le jour où l’IA paie avec votre carte bancaire en toute autonomie. Il débute dès lors qu’une intelligence artificielle accompagne activement le consommateur dans sa recherche, la comparaison des offres ou la constitution de son panier.
Cette définition n’impose par ailleurs aucune restriction sur l’emplacement de l’agent : il peut être hébergé par la marque, par un moteur de recherche, ou par un acteur tiers.
Les paliers de maturité : de l’assistant à la demande à l’agent autonome
Le déploiement de ces technologies s’articule autour de trois paliers de maturité.
- L’assistant à la demande (On-demand assistant) : L’IA réagit exclusivement aux sollicitations de l’utilisateur. Elle aide à trouver un produit précis ou répond à une question de service client.
- L’agent proactif (Proactive agent) : L’IA utilise les données contextuelles (historique d’achat, préférences, signaux faibles) pour suggérer spontanément des actions. Par exemple, notifier le client qu’une offre pertinente pour ses habitudes de consommation vient d’apparaître.
- L’agent autonome (Autonomous agent) : L’IA reçoit un mandat de l’utilisateur (un budget, des critères stricts) et exécute la transaction de bout en bout sans nécessiter de validation intermédiaire.
4 manifestations concrètes du commerce agentique en 2026
Le marché se structure aujourd’hui autour de quatre formes d’agents, correspondant à des cas d’usage et des niveaux d’intégration technologique distincts.
1. AI Search & Discovery : maîtriser le GEO et le GEA
La manifestation la plus précoce et la plus mature du commerce agentique se situe dans la recherche. Les internautes utilisent des assistants IA (ChatGPT, Google AI Mode) pour démarrer leur parcours. Pour les marques, l’objectif est d’apparaître dans les réponses générées par ces algorithmes.
Cela implique de maîtriser de nouvelles disciplines. Le Generative Engine Optimization (GEO) vise à optimiser la visibilité organique de la marque dans les LLM (Large Language Models). Il repose sur la qualité des contenus, la structuration des données produits et la e-réputation.
Son pendant payant, le Generative Engine Advertising (GEA), consiste à se positionner via des formats publicitaires intégrés directement dans les conversations des assistants, une fonctionnalité déjà en cours de déploiement par les grands acteurs technologiques.
2. Branded agents : l’écosystème propriétaire de la marque
À l’autre extrémité du spectre, les marques développent leurs propres agents (Branded agents) hébergés sur leurs sites web ou applications mobiles. Ces agents exploitent le socle de données exclusif de l’entreprise (catalogue produits en temps réel, stocks, programme de fidélité) pour offrir un conseil ultra-personnalisé.
L’agent Hopla+ de Carrefour illustre parfaitement ce modèle. Il accompagne le client pour composer des recettes selon ses contraintes alimentaires, remplit automatiquement le panier avec les produits disponibles en magasin et optimise la liste de courses.
Ce maillon permet à la marque de conserver la maîtrise totale de la relation client, d’enrichir sa collecte de données et de recréer l’expérience d’un conseiller de vente physique dans l’environnement numérique.
3. Out of Home AI Assets : s’exporter sur les plateformes tierces
Ce modèle hybride consiste pour une marque à concevoir un agent (ou une application) nourri par ses données, mais à le distribuer sur une plateforme tierce appartenant à un grand réseau d’audience.
L’exemple le plus concret réside dans les applications (les GPTs) publiées par les marques au sein de ChatGPT. Des acteurs comme Accor, Sephora ou Cdiscount ont développé des modules spécifiques permettant aux utilisateurs de l’IA d’OpenAI d’interagir directement avec leur catalogue sans quitter l’interface du chatbot.
Une autre variante est le Business Agent testé sur Google, qui permet au consommateur d’entamer une discussion avec le service client de la marque directement depuis les résultats de recherche sponsorisés.
4. Autonomous commerce : la délégation d’achat (UCP)
Il s’agit du stade le plus avancé, celui qui se rapproche de la vision de l’agent 100 % autonome. Un agent tiers, mandaté par le client, réalise un achat dans l’écosystème de la marque sans que l’utilisateur n’ait à naviguer sur le site marchand.
Cette réalité prend forme avec des protocoles comme l’Universal Commerce Protocol (UCP), actuellement en phase de test aux États-Unis par des acteurs technologiques et des distributeurs comme Walmart. L’utilisateur trouve un produit via un assistant IA global. L’agent, qui connaît l’adresse de livraison et les préférences de paiement du client, se connecte au panier du commerçant via l’UCP et finalise la transaction.
L’achat s’effectue sans friction, redéfinissant complètement l’interface marchande traditionnelle.
La « Decision Layer » : où se jouera l’acte d’achat demain ?
Cette fragmentation des parcours fait émerger un concept clé dans l’industrie : la « Decision Layer », ou couche de décision. La question stratégique pour les marques n’est plus seulement de savoir comment vendre, mais de déterminer à quel endroit exact le consommateur (ou son intelligence artificielle) prendra la décision d’acheter. Trois scénarios se dessinent.
Scénario 1 : La décision en amont dans l’AI Search
Dans ce scénario, le client s’en remet totalement aux recommandations de l’assistant IA global. Il pose une question complexe (« Quelle est la meilleure assurance habitation pour un appartement au 3ème étage avec une véranda ? ») et s’arrête à la proposition générée par l’IA.
La décision d’achat est prise très tôt dans le parcours. La marque n’a plus d’autre choix que d’exceller en GEO et en GEA pour faire partie de l’unique recommandation poussée par l’algorithme.
Scénario 2 : La décision chez la marque, enrichie par l’IA
Ici, le client identifie son besoin et se rend sur le site de sa marque préférée ou de son distributeur habituel. Il délègue la décision non pas à un acteur technologique tiers, mais au Branded Agent de l’entreprise. L’acte d’achat est « sécurisé » dans l’environnement propriétaire.
L’enjeu pour la marque est de s’assurer que son agent offre un niveau de conseil et de fluidité supérieur à ce que le consommateur trouverait sur un moteur de recherche généraliste.
Scénario 3 : La décision déléguée à un agent tiers autonome
Le client configure ses règles métiers (« Achète cette référence de croquettes pour chien dès que le prix baisse de 10 % ») et laisse un agent autonome exécuter la transaction via l’UCP. La décision échappe en partie au marketing émotionnel de la marque.
La fidélisation se joue alors sur la capacité de l’entreprise à être techniquement interopérable avec ces agents et à proposer des conditions commerciales (disponibilité, prix, logistique) que l’algorithme jugera optimales.
FAQ
Quelle est la différence entre le SEO et le GEO ?
Le SEO (Search Engine Optimization) vise à positionner une page web dans une liste de liens pour générer du trafic. Le GEO (Generative Engine Optimization) cherche à intégrer les données de la marque directement dans le texte généré par l’IA, afin qu’elle soit citée et recommandée comme la meilleure solution lors d’une requête conversationnelle.
Le commerce agentique menace-t-il les sites e-commerce classiques ?
Il ne menace pas les sites, mais il en transforme l’usage. Si une partie des achats de commodité peut être déléguée à des agents tiers, les sites propriétaires resteront indispensables pour les achats impliquants, l’expérience de marque et le service client, à condition d’intégrer eux-mêmes des agents de marque performants.
Faut-il prioriser un agent propriétaire ou la visibilité dans ChatGPT ?
Cela dépend de votre tunnel de conversion. Si vos clients ont besoin d’inspiration très en amont, la présence sur les LLM externes (GEO) est prioritaire. Si vos clients viennent déjà sur votre site mais peinent à trouver le produit précis dans un catalogue complexe, développez d’abord un agent propriétaire (Branded agent).
