Commerce agentique : les agents IA comme intermédiaires d'achat

Le commerce agentique (agentic commerce) déplace la décision d'achat de la page de résultats vers le dialogue avec un agent IA. Au lieu de parcourir eux-mêmes les boutiques, les utilisateurs formulent un objectif, et l'agent découvre, compare et, idéalement, achète le produit. Pour la vente B2B en Europe, une nouvelle couche de visibilité, pilotée par les machines, s'intercale ainsi entre la marque et le client. Cet article fait le point sur la notion, les protocoles, les plateformes et la mesure, et propose un plan d'action pour les entreprises en Europe.

Pourquoi le commerce agentique devient un enjeu maintenant

La condition de l'achat agentique est simple : les gens doivent utiliser des systèmes d'IA au quotidien. C'est précisément devenu une réalité dans la région DACH. En Allemagne, 67 % des personnes de 16 ans et plus utilisaient l'IA générative, comme ChatGPT, Microsoft Copilot ou Google Gemini, soit un bond de 27 points de pourcentage par rapport à l'été 2024 (40 % à l'époque). Parmi les utilisateurs, ChatGPT arrive en tête avec 43 %, suivi de Copilot avec 39 %, Gemini avec 28 % et Perplexity avec 1 %. Ces chiffres de Bitkom concernent l'Allemagne, et non l'ensemble de la région DACH, mais ils indiquent la tendance : l'interface de chat devient l'interface standard. Qui n'y apparaît pas n'existe pas au moment de la présélection.

Ce basculement touche le marketing à un endroit sensible. Lorsque l'agent fait les recherches et les comparaisons, des points de contact classiques comme la fiche produit ou le clic payant sortent en partie du champ de vision du client. La marque doit au contraire apparaître dans la réponse générée elle-même. C'est précisément là que le commerce agentique rejoint la Generative Engine Optimization (GEO) : la visibilité dans la réponse de l'IA est le ticket d'entrée dans le processus d'achat agentique.

Fonctionnement : découverte, protocoles et vitrines des plateformes

Le commerce agentique n'est pas synonyme de recherche de produits par IA. Il est utile de distinguer trois étapes. Découverte : l'agent trouve et cite des produits dans sa réponse, mais l'achat se fait toujours sur la boutique en ligne. Présélection : l'agent restreint activement les options et fait des recommandations. Achat autonome : l'agent déclenche la transaction dans l'interface de l'IA. L'e-commerce classique s'arrête au clic de l'utilisateur sur le bouton de commande ; le commerce agentique transfère cette étape à l'agent. Les deux premières étapes sont aujourd'hui très répandues, la troisième est techniquement possible, mais pas encore généralisée.

Pour que l'agent puisse vendre, il faut une couche d'infrastructure. Plusieurs standards s'affrontent sur ce terrain :

• Agentic Commerce Protocol (ACP) : développé par OpenAI avec Stripe et publié en open source. Il définit comment un agent déclenche une commande et traite le paiement. L'ACP a servi de base à l'Instant Checkout dans ChatGPT. Selon OpenAI, l'ACP reste l'infrastructure qui relie les utilisateurs aux marchands tout au long du parcours d'achat.
• Universal Commerce Protocol (UCP) : le standard ouvert de Google pour l'achat agentique. En janvier 2026, Google a annoncé que l'UCP permettrait une nouvelle fonction de paiement sur les fiches produits éligibles de l'AI Mode et de l'application Gemini, grâce à laquelle les clients finalisent directement leur achat chez certains marchands américains. Parmi ses partenaires, Google cite notamment Shopify, Etsy, Wayfair, Target et Walmart. Selon la presse spécialisée, en mai 2026, ce paiement était réservé aux marchands américains éligibles et apparaissait alors pour la première fois également dans les résultats de recherche classiques. Le même mois, Google a annoncé le déploiement du paiement UCP au Canada et en Australie, puis au Royaume-Uni. Google ne mentionne pas la région DACH.
• Model Context Protocol (MCP) : standard ouvert développé par Anthropic pour connecter des agents à des outils et à des sources de données, confié depuis décembre 2025 à l'Agentic AI Foundation, sous l'égide de la Linux Foundation. Le MCP n'est pas un protocole de paiement mais la passerelle générique par laquelle un agent peut récupérer des données structurées sur les produits et les stocks. L'ACP et l'UCP gèrent la finalisation de l'achat, le MCP gère l'accès aux données. Ces standards se font donc en partie concurrence et se complètent à des niveaux différents.

Dans l'interface, ces protocoles deviennent des vitrines visibles. Dans l'AI Mode de Google apparaît un nouveau format publicitaire, les Direct Offers : les marchands peuvent diffuser des offres exclusives, comme une remise de 20 %, directement dans l'AI Mode auprès d'utilisateurs prêts à acheter, Google déterminant par IA à quel moment une offre est pertinente. Parmi les marques participant au pilote figurent notamment Petco, e.l.f. Cosmetics, Samsonite et Rugs USA. OpenAI avait présenté en septembre 2025 l'Instant Checkout, qui permettait de finaliser un achat directement dans ChatGPT. En mars 2026, OpenAI a réduit la voilure : les achats doivent désormais passer par des applications de marchands et de partenaires au sein de ChatGPT. D'après The Information, très peu de marchands avaient rejoint le dispositif. Chez Perplexity et Microsoft Copilot, des interfaces comparables, proches de l'achat, voient le jour. Pour le marché DACH, un point est décisif : ces programmes pilotes démarrent d'abord aux États-Unis avec des marchands sélectionnés. Le marché autrichien est donc moins mature que le marché américain.

Le GEO comme prérequis : comment faire citer ta marque dans les réponses de l'IA

Avant de pouvoir acheter, un agent doit connaître la marque et la citer. La visibilité dans les réponses génératives obéit à d'autres règles que le positionnement classique. L'étude sur la Generative Engine Optimization menée dans l'entourage de Princeton montre qu'une optimisation ciblée peut augmenter jusqu'à 40 % la visibilité dans les réponses génératives. L'étude souligne que les stratégies les plus efficaces varient selon le domaine, mais met en avant les contenus enrichis sur le fond. Concrètement, pour le commerce agentique, cela signifie :

• Front-Loading : l'information décisive, à savoir ce qu'est le produit, à qui il s'adresse et combien il coûte, doit figurer dans les premières phrases, pas à la fin. Les systèmes d'IA extraient de préférence des affirmations claires placées en début de texte.
• Answer Islands : des blocs de réponse autonomes et complets, qui répondent entièrement à une question précise, se citent plus facilement qu'une information dispersée.
• Brand Mentions plutôt que backlinks : pour qu'une marque soit citée dans les réponses de l'IA, sa mention cohérente dans le bon contexte compte souvent davantage que le backlink classique. Les systèmes génératifs agrègent les mentions issues de nombreuses sources.
• Statistiques et citations : selon la recherche sur le GEO, des chiffres sourcés et des affirmations vérifiables augmentent la probabilité qu'un contenu soit retenu comme source.

Bonnes pratiques : données structurées et hygiène des flux pour les agents IA

Dès que la marque est citée, l'agent a besoin de faits lisibles par les machines pour pouvoir comparer et acheter. Les mesures suivantes constituent le socle technique :

• Soigner le balisage Product : des données structurées conformes à schema.org/Product, avec prix, disponibilité, marque et identifiants uniques (GTIN, MPN), fournissent à l'agent des attributs fiables plutôt que des valeurs devinées.
• Tenir les flux produits à jour : les flux doivent refléter rapidement les changements de prix et de stock. Un agent qui recommande un produit qui n'est plus disponible abîme immédiatement la confiance dans la marque.
• Garder des attributs de disponibilité et de prix cohérents : des prix contradictoires entre le flux, le balisage schema et la boutique amènent l'agent à juger la source peu fiable.
• Mettre à disposition un fichier llms.txt : le fichier llms.txt placé à la racine du site sert de guide lisible par les machines pour les systèmes d'IA. Il peut renvoyer vers les informations produit essentielles, les conditions commerciales et les sources de données, et faciliter ainsi l'intégration dans les processus agentiques. Ce standard est facultatif et n'est pas exploité par tous les fournisseurs, mais il fait partie de l'hygiène des flux d'une boutique lisible par les machines.

Pour les fournisseurs B2B en Europe, cela signifie concrètement : d'abord remettre les données en ordre, ensuite seulement piloter l'ACP ou l'UCP. Un flux techniquement propre est la condition pour apparaître tout simplement dans les parcours d'achat agentiques.

Erreurs fréquentes et question de la confiance

L'erreur stratégique la plus fréquente consiste à supposer que les consommateurs vont immédiatement déléguer l'achat autonome à l'IA. Les données disent clairement le contraire. Selon une enquête de Gartner menée auprès de 322 consommateurs américains, la disposition à laisser l'IA prendre seule des décisions d'achat atteignait au maximum 11 %, et uniquement dans des catégories à faible risque comme les soins personnels et les produits ménagers. Les personnes interrogées acceptent plus volontiers la présélection : 31 % laisseraient l'IA restreindre le choix pour les produits ménagers, 28 % pour l'électronique personnelle. Ces chiffres sont issus d'une enquête américaine et ne sont pas transposables tels quels à la région DACH, mais le schéma est solide : confiance dans l'IA pour la recherche et la présélection, réserve face à l'achat autonome.

Le même schéma s'est observé dans ChatGPT. Selon une source citée par The Decoder, les utilisateurs y recherchaient des produits, mais achetaient rarement. The Decoder y voit l'une des raisons pour lesquelles OpenAI a revu à la baisse son propre système de paiement.

La conséquence stratégique s'appelle Human-in-the-Loop. La stratégie de conversion devrait maintenir l'humain au seuil de la décision plutôt que de le remplacer. Qui optimise pour la prochaine étape, centrée sur l'achat, devrait en même temps investir dans l'étape de présélection, aujourd'hui dominante.

Une deuxième erreur consiste à négliger la dépendance aux plateformes. Si l'agent contrôle la vitrine, la plateforme contrôle les conditions. Des formats de remise comme les Direct Offers peuvent exercer une pression sur les marges, et la dépendance à un seul fournisseur est un risque réel. Le constat de Bitkom selon lequel 68 % estiment que l'Allemagne dépend trop des États-Unis et de la Chine en matière d'IA reflète cette inquiétude à l'échelle de la société. Qui teste le commerce agentique devrait sécuriser délibérément la maîtrise de ses données et sa relation directe avec le client.

Métriques et mesure : trafic référent issu de l'IA et nouveaux indicateurs GEO

Le trafic issu de l'IA est réputé plus proche de l'achat, car l'agent a déjà clarifié le besoin. Cette hypothèse ne peut être vérifiée que si le trafic est mesuré proprement. Dans GA4, les visites référentes issues de ChatGPT, Perplexity, Gemini ou Copilot peuvent être isolées à l'aide des sources de référence et de filtres regex, puis analysées comme un groupe de canaux dédié. C'est seulement ainsi qu'on voit si les sessions IA convertissent réellement mieux.

Au-delà des classements traditionnels, des indicateurs propres au GEO s'imposent :

• Share of Voice : la fréquence à laquelle la marque est citée dans les réponses de l'IA aux questions pertinentes, par rapport à la concurrence.
• Citation Rate : la part des réponses qui citent ta propre source ou renvoient vers elle.
• Commandes attribuées à l'IA : les commandes qui peuvent être rattachées à une session IA ou à un paiement agentique.

Ces métriques sont encore jeunes et non standardisées, mais elles forment le cœur d'un reporting fiable sur le commerce agentique. Qui les met en place tôt peut quantifier la valeur de la visibilité IA par rapport au funnel classique.

B2B en Europe : achats, protection des données, maturité

Dans le B2B, l'achat agentique dépasse le cadre de la consommation. Gartner prévoit que d'ici 2028, les agents IA serviront d'intermédiaires pour plus de 15 billions de dollars américains de dépenses B2B et que 90 % de tous les achats B2B passeront par des agents IA d'ici trois ans. Ces chiffres sont une prévision internationale et non un état des lieux propre à l'Europe, mais ils donnent l'ampleur du bouleversement qui attend les achats.

Parallèlement, l'humain reste central dans le processus B2B. Selon Gartner, 69 % des acheteurs B2B préfèrent valider avec des commerciaux les informations générées par l'IA. Cette enquête ne précise aucune région et ne constitue donc pas un résultat établi pour l'Europe. Elle étaye toutefois la thèse selon laquelle, en B2B, l'IA complète la force de vente au lieu de la remplacer : les vendeurs humains jouent le rôle de validateurs de confiance.

En Europe, deux facteurs s'ajoutent. Premièrement, le contexte réglementaire : la protection des données au titre du RGPD et les exigences du règlement européen sur l'IA déterminent la manière dont les processus d'achat agentiques peuvent traiter les données. Deuxièmement, la maturité : les principales vitrines des plateformes démarrent aux États-Unis. On ne sait pas encore si ni quand elles arriveront dans la région DACH. Les entreprises européennes disposent donc d'une fenêtre pour bâtir leurs données et leur visibilité avant que les parcours d'achat agentiques ne soient largement disponibles localement. Remarque : les développements réglementaires sont fournis à titre informatif et ne remplacent pas un conseil juridique.

Plan d'action pratique et pour aller plus loin

Pour les entreprises en Europe, un ordre pragmatique se dégage. Premièrement, développer la visibilité dans le shopping IA en optimisant les contenus selon les principes du GEO (Front-Loading, Answer Islands, chiffres sourcés, Brand Mentions cohérentes). Deuxièmement, assurer l'hygiène des flux, c'est-à-dire tenir propres le balisage Product, les flux produits et les attributs de prix et de disponibilité, et mettre à disposition un fichier llms.txt. Troisièmement, piloter de manière ciblée l'ACP et l'UCP dès que les plateformes arrivent sur ton marché, en commençant par les gammes les moins risquées. Quatrièmement, mettre en place la mesure : isoler le trafic référent issu de l'IA dans GA4 et suivre le Share of Voice, le Citation Rate ainsi que les commandes attribuées à l'IA. Cinquièmement, piloter activement les risques, notamment la pression sur les marges due aux formats de remise et la dépendance aux plateformes, et sécuriser la relation directe avec le client.

Le commerce agentique est donc moins un outil isolé qu'un déplacement de l'interface. Les entreprises qui rendent dès maintenant leurs données lisibles par les machines et sont présentes dans les réponses de l'IA posent les bases pour exister tout simplement dans la prochaine étape du commerce en ligne.