La participation au shopping par IA est une décision de contrôle
Les distributeurs peuvent permettre aux clients de découvrir des produits via un assistant IA tout en gardant le contrôle de la vente, du compte client et du service après l’achat. Pour participer, ils doivent décider quelles parties de la relation client un agent externe peut gérer et quelles règles s’appliquent. Meta, Google, Microsoft et OpenAI déplacent la découverte produit et le checkout vers des interfaces conversationnelles, et chacun a un intérêt commercial à attirer l’activité d’achat vers ses services.
L’augmentation du trafic rend ces décisions déterminantes. Shopify, qui bénéficie du fait que les marchands réalisent davantage de transactions via sa plateforme, a indiqué que le trafic piloté par l’IA vers ses boutiques avait été multiplié par huit sur un an au premier trimestre 2026, tandis que les commandes issues de recherches alimentées par l’IA avaient presque été multipliées par 13. Target, qui bénéficie de l’attraction des acheteurs vers son activité retail, a signalé une hausse de 2 000 % du trafic piloté par l’IA vers ses propriétés numériques sur la même période, contre une croissance globale de près de 400 % sur l’ensemble des sites retail.
Ces taux de croissance montrent une activité en expansion, mais la décision de participation d’un distributeur dépend aussi de la taille du canal, de sa rentabilité et de l’autorité qu’accorde une intégration. L’accord doit définir le contrôle sur le checkout, l’identité, la fidélité, l’exécution des commandes et le service client. Les distributeurs choisissent déjà quelle part de ce travail un service externe peut effectuer.
L’accès aux produits et l’autorisation d’achat sont deux décisions distinctes
L’expansion de Muse par Meta, son agent IA personnel, montre combien de services peuvent devenir accessibles via une interface unique. Meta a annoncé dix connecteurs retail, des intégrations reliant Muse à Walmart, Best Buy, Gap, American Eagle Outfitters, Sephora, Ulta, Wayfair, DICK’S Sporting Goods, Fanatics et Michael Kors. L’entreprise a également annoncé Shop Pay et PayPal comme options de paiement, ajouté Instacart pour les courses alimentaires et indiqué Expedia comme prochain ajout pour la planification de voyages.
Avec une telle gamme de services, les autorisations derrière chaque connexion comptent. Un connecteur peut fournir un accès à des services d’achat tout en laissant au distributeur et à la plateforme le soin de s’accorder sur les actions que l’agent peut effectuer. Pour un distributeur, la question opérationnelle est de savoir ce que Muse peut faire après qu’un client a manifesté de l’intérêt pour un produit.
Shopify offre aux marchands des contrôles distincts sur la distribution des produits et le checkout. Via Shopify Catalog, les marchands peuvent sélectionner les partenaires IA qui reçoivent leurs données produit. Les marchands éligibles peuvent aussi décider, canal par canal, si les clients peuvent finaliser leurs achats via un checkout direct, de sorte que le partage d’un catalogue et l’autorisation d’une transaction restent deux choix séparés.
Ces choix produisent des expériences d’achat différentes selon les plateformes externes. Shopify indique que certains environnements proposent le checkout dans l’interface, tandis que d’autres ouvrent un navigateur intégré à l’application connecté aux systèmes de commerce existants du marchand. L’interface peut donc changer pendant que le marchand utilise ses systèmes établis pour traiter la vente.
Shopify indique que les marchands restent le merchant of record sur l’ensemble des canaux pris en charge, conservant le rôle de vendeur dans la transaction. Les commandes reviennent dans Shopify Admin avec le canal IA d’origine identifié, tandis que l’infrastructure de Shopify continue de gérer le traitement des paiements, le calcul des taxes, la détection de fraude et l’exécution des commandes. Les marchands conservent également leurs relations clients et leurs données, selon Shopify, ce qui maintient les achats initiés à l’externe connectés aux opérations existantes.
OpenAI traite des obligations continues du marchand via son Agentic Commerce Protocol, un ensemble de règles destiné à connecter les agents d’achat aux systèmes de commerce. Dans ce cadre, OpenAI indique que les marchands restent responsables de l’exécution des commandes, des retours, du support et de la communication client après un achat via ChatGPT. Les contrôles de canal de Shopify et l’attribution par OpenAI des responsabilités post-achat couvrent différentes dimensions de la participation : l’autorisation de réaliser une transaction et la responsabilité une fois la transaction terminée.
Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.
Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.
La continuité client exige des connexions de compte et de fidélité
La gestion de cette responsabilité continue est plus simple lorsque les informations de compte du distributeur restent disponibles pendant l’interaction. Pour Walmart, le fait de garder son propre assistant impliqué préserverait aussi son rôle dans le service au client et la finalisation de la vente. Lors de la conférence Technology, Media & Telecom de Morgan Stanley en mars, Daniel Danker, vice-président exécutif de Walmart, a décrit des projets visant à faire fonctionner Sparky, l’assistant de Walmart, au sein de services externes, dont ChatGPT et Gemini.
Danker a décrit une séquence qui commence lorsqu’un service IA externe identifie un produit Walmart en réponse à la demande d’un client. Lorsque le client sélectionne le produit, Sparky peut prendre le relais dans l’interaction d’achat pendant que le client reste dans ce service. Les clients pourraient rester connectés à Walmart, permettant à ses systèmes de conserver des informations telles que les produits déjà présents dans leurs paniers et de les utiliser dans les décisions d’achat suivantes.
Target relie un intérêt commercial similaire, celui de conserver ses clients, à son programme de fidélité. Le distributeur indique que les expériences d’achat via AI Mode et Gemini de Google, Microsoft Copilot et ChatGPT d’OpenAI prennent en charge la découverte de produits et les paniers multi-articles. Les clients peuvent également connecter leurs comptes Target Circle, donnant à la relation de fidélité existante de Target un rôle dans un achat qui commence en dehors de ses propres propriétés numériques.
Les connexions de compte exigent que les systèmes échangent des informations, ce qui est au cœur du travail de Wayfair avec Google sur le Universal Commerce Protocol, ou UCP. UCP standardise la manière dont les agents et les distributeurs échangent les informations nécessaires à la découverte produit, aux paniers, au checkout et aux paiements. Pour Wayfair, relier ces étapes crée une autre voie vers les ventes ; pour Google, cela fait entrer davantage d’activité d’achat dans ses services.
Wayfair indique qu’UCP permettrait aux acheteurs de passer de la découverte au checkout sur des fiches Google éligibles tout en laissant Wayfair comme merchant of record. Le distributeur continuerait à contrôler les prix, l’exécution des commandes et le service client. Dans cette proposition, les clients interagiraient dans l’environnement de Google tandis que Wayfair conserverait ces décisions et obligations commerciales.
Google a également ajouté la liaison d’identité à UCP afin que les distributeurs participants puissent relier les acheteurs à des comptes existants et à des avantages de fidélité. Les agents peuvent récupérer les prix et les stocks en temps réel directement depuis les catalogues des distributeurs, réunissant les informations client avec l’offre actuelle du distributeur. Chaque capacité répond à un besoin d’intégration spécifique : le plan de Walmart préserve le contexte du compte et du panier, Target relie la fidélité, et UCP fournit une méthode partagée pour échanger des informations commerciales.
Le blocage de Muse par Amazon montre comment les distributeurs peuvent refuser une autorisation
Ces intégrations dépendent d’un accord entre le distributeur et le service externe. Selon Bloomberg, Amazon a demandé à Meta de retirer Amazon de l’expérience d’achat de Muse, Meta a refusé, et Amazon a ensuite bloqué Muse sur Amazon.com. Le blocage a commencé le 20 septembre, plaçant Amazon en dehors du groupe de partenaires retail annoncé par Meta.
Amazon et Meta ont des intérêts concurrents sur la question de savoir qui contrôle l’accès aux acheteurs d’Amazon : Meta veut que Muse traite les demandes d’achat, tandis qu’Amazon veut garder la main sur la manière dont des logiciels externes utilisent sa boutique. Dans des déclarations rapportées par d’autres publications, Amazon a affirmé n’avoir pas autorisé Muse à accéder à son site et a soutenu que les applications qui achètent pour le compte des clients devraient respecter la décision de participation d’un fournisseur. Les clients tentant d’utiliser Muse sur Amazon voyaient des messages expliquant que l’accès par un agent IA non autorisé violait les conditions d’utilisation d’Amazon.
Amazon a mis son refus en pratique. Là où Shopify propose des paramètres de canal et où Walmart, Target et Wayfair décrivent des formes de participation convenues, Amazon a demandé son retrait puis a fait respecter son refus par le blocage. Le différend porte sur l’accès par Muse ; la réponse d’Amazon à d’autres accords possibles de shopping par IA reste une décision distincte.
Les données produit rendent l’accès autorisé utile
Une fois l’accès autorisé, un agent a besoin d’informations produit exploitables pour aider un client à acheter. Les agents lisent et comparent des informations structurées, des données organisées en champs que les logiciels peuvent interpréter, en parallèle des pages web que les distributeurs conçoivent pour les personnes. Les distributeurs participants ont donc besoin de catalogues qui prennent en charge la découverte pilotée par logiciel aussi bien que la navigation client.
Microsoft identifie les spécifications produit, les prix et la disponibilité comme des entrées importantes pour le shopping par IA. L’entreprise a ajouté la prise en charge des flux produit compatibles UCP, des fichiers structurés d’informations de catalogue, dans Microsoft Merchant Center, donnant aux distributeurs un moyen de fournir ces informations à Copilot. Microsoft en bénéficie lorsque ces informations rendent son service d’achat plus utile, tandis que les distributeurs y gagnent un moyen de présenter les faits produit au système qui interprète la demande d’un acheteur.
Google Merchant Center joue un rôle similaire dans la découverte au sein des expériences d’achat de Google et fonctionne séparément de Microsoft Merchant Center. Google indique que son shopping conversationnel utilise les informations produit soumises et avertit que des flux incomplets peuvent empêcher les clients de trouver des produits via des outils assistés par IA. L’exhaustivité des flux influe donc sur la présence ou non d’un produit parmi les options proposées à un acheteur.
Les attributs produit conversationnels de Google étendent cette exigence à des demandes plus longues et plus spécifiques. Les distributeurs peuvent fournir des descriptions plus riches qui correspondent à la manière dont les gens expliquent leurs besoins dans une conversation. Cela donne aux systèmes de Google des éléments plus pertinents à évaluer lorsqu’ils décident quels produits correspondent à une requête détaillée.
Stripe étend ce travail de préparation des descriptions produit aux systèmes transactionnels. En tant que fournisseur de paiements, Stripe a un intérêt commercial à rendre les achats pilotés par agent opérationnels ; l’entreprise conseille aux distributeurs de rendre les informations produit, les prix, la disponibilité et les politiques lisibles par machine et directement interrogeables, afin que les agents puissent demander les informations dont ils ont besoin. Stripe recommande également des systèmes capables d’accepter les actions autorisées que les clients délèguent à des agents, reliant la capacité à évaluer une offre à l’autorisation de l’acheter.
La découverte, les commandes et la publicité nécessitent des mesures distinctes
Une fois qu’un agent peut trouver et évaluer des produits, les distributeurs doivent mesurer ce qui se passe ensuite. Shopify Admin identifie le canal IA d’origine pour les commandes prises en charge, reliant un achat au service qui l’a généré. Les AI performance insights de Google dans Merchant Center mesurent une étape différente : les apparitions de la marque et des produits dans AI Mode et AI Overviews.
Google compare également la part de voix d’un distributeur, c’est-à-dire sa présence relative, à celle de marques similaires dans les services IA de Google. Les fonctionnalités AI Visibility de Microsoft, encore en cours de développement, visent à montrer comment les systèmes IA trouvent, présentent et citent les produits et informations d’une entreprise. Ces mesures aident les distributeurs à observer la découverte, tandis que l’attribution des commandes enregistre un événement commercial ultérieur ; déterminer si une apparition a causé une vente exige une évaluation distincte.
Le placement payant ajoute un autre événement à mesurer, car les plateformes et les activités publicitaires en bénéficient lorsque les marques achètent de la visibilité. Roundel, l’activité retail media de Target, a lancé en février un test publicitaire dans ChatGPT qui permet à Target et aux marques Roundel participantes de placer des annonces sponsorisées à côté de conversations d’achat pertinentes. Les annonces sont identifiées séparément, et leur pertinence suit le sujet que le client est en train d’aborder.
La croissance existante des referrals de Target explique son intérêt commercial pour ce test. Lors de l’annonce, Target a indiqué que le trafic provenant de ChatGPT vers son site augmentait en moyenne d’environ 40 % par mois. L’évaluation de la publicité exige de distinguer cette croissance des visites de l’effet additionnel du placement sponsorisé.
Google teste également des annonces shopping dans AI Mode, où des distributeurs sponsorisés peuvent apparaître à côté de recommandations produit organiques. Son format Direct Offers permet aux marques participantes de présenter des offres pendant des interactions d’achat pilotées par IA. Les tests de Google et de Target offrent aux marques des moyens payants d’atteindre des clients qui recherchent des produits dans des services conversationnels externes, étendant le retail media au-delà des sites web et applications détenus par les distributeurs.
Les autorisations des agents nécessitent une application technique
À mesure que la découverte, la publicité et l’achat passent par des services externes, les accords commerciaux ont besoin de contrôles techniques correspondants. Les distributeurs et les plateformes doivent établir quelles informations produit un agent peut recevoir, où le checkout peut avoir lieu, comment l’identité du client sera vérifiée et quelle entreprise porte la responsabilité de la transaction. Shopify, Google, Microsoft et OpenAI développent des protocoles pour connecter les interfaces IA aux systèmes marchands, intégrant ces autorisations et responsabilités dans la communication entre organisations distinctes.
L’application de l’accord exige aussi d’identifier le logiciel qui émet une requête. L’intention d’achat d’un client laisse en suspens plusieurs questions : quel agent agit, quelle autorité il détient et si ses actions restent dans le cadre de cette autorité. L’infrastructure retail doit donc distinguer les logiciels légitimes délégués par les clients du trafic automatisé indésirable.
Les observations réseau d’Akamai montrent pourquoi cette distinction compte dans le commerce. Entre juillet et décembre 2025, le commerce a représenté 47,9 % du trafic de bots IA observé par Akamai sur son réseau. Le dénominateur couvre le trafic de bots IA observé dans tous les secteurs, de sorte que ce chiffre décrit la part du commerce dans cette activité plutôt que la part du trafic e-commerce générée par des bots IA.
Akamai a un intérêt commercial dans la demande de services de gestion du trafic et de sécurité, ce qui constitue un contexte pertinent pour ses conclusions. Son observation regroupe l’activité des bots IA sans classer chaque bot comme malveillant ou comme agent autorisé d’un acheteur. Les distributeurs doivent toujours évaluer les agents et les requêtes individuellement lorsqu’ils accordent l’accès aux systèmes de produit, de compte et de checkout.
Stripe identifie l’autorisation, les pistes d’audit, la détection de fraude et l’identification des agents de confiance comme des contrôles nécessaires à cette évaluation. Les pistes d’audit enregistrent les actions pour un examen ultérieur, tandis que l’identification des agents de confiance aide les systèmes à reconnaître les logiciels agissant dans le cadre d’autorisations convenues. Stripe prévoit d’adapter ses outils de fraude pour distinguer les agents d’achat autorisés des bots indésirables, permettant à l’activité autorisée de se poursuivre tandis que l’autatisation en dehors de ces autorisations peut être restreinte ou bloquée.
En conclusion
Les distributeurs peuvent participer au shopping par IA sans céder chaque composante de la relation client. La découverte produit, le checkout, l’accès au compte et le service sont des décisions distinctes, et chaque intégration doit rendre ces frontières explicites. Rester merchant of record préserve les responsabilités autant que le contrôle.
Pour les dirigeants, le point de départ est l’autorité accordée à chaque agent. Les accords commerciaux doivent définir ce à quoi l’agent peut accéder et ce qu’il peut faire, tandis que les systèmes techniques appliquent ces autorisations et enregistrent ses actions. La qualité du catalogue, les connexions d’identité et les contrôles antifraude déterminent si une expérience d’achat convenue peut fonctionner de manière fiable.
La performance doit aussi être évaluée au-delà de la croissance du trafic. Les apparitions produit, les referrals, les commandes finalisées et les placements payants mesurent différentes étapes du processus d’achat. Les décisions concernant des investissements supplémentaires doivent tenir compte de la taille du canal, de sa rentabilité et du coût de service de ces clients.
Le choix pratique consiste à déterminer quels agents admettre, à quelles conditions et pour quelles tâches. Ces conditions doivent être assez précises pour être appliquées et assez souples pour être révisées à mesure que le comportement des clients et l’économie des canaux deviennent plus clairs.
Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.
Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.


