Introduction
Le e-commerce a déjà connu plusieurs mutations majeures : mobile-first, social commerce, explosion des marketplaces, personnalisation algorithmique.
Aujourd’hui, une nouvelle transformation structurelle émerge : l’Agentic Commerce, où des agents d’IA agissent de plus en plus comme des « acheteurs délégués » pour les utilisateurs.
Avec des agents comme ChatGPT (Atlas) et Perplexity (Comet), l’intelligence artificielle ne se contente plus de recommander des produits : elle explore activement le web, compare les offres, synthétise les informations et oriente la décision, tout en restant supervisée par l’humain.
Nous entrons ainsi dans une nouvelle ère du commerce digital, où une part croissante des parcours d’achat pourra être médiée par des agents.
Qu’est-ce que l’Agentic Commerce ?
L’Agentic Commerce désigne un modèle dans lequel des agents intelligents agissent au nom du consommateur pour effectuer des actions liées à l’achat, de la recherche à la transaction.
Contrairement aux systèmes classiques de recommandation, ces agents peuvent :
- Rechercher simultanément sur plusieurs sources compatibles (sites, APIs, protocoles dédiés)
- Comparer les prix et conditions selon des critères précis (budget, délais, conditions de retour)
- Analyser les avis clients et les signaux de confiance structurés
- Évaluer les délais de livraison et les contraintes logistiques
- Synthétiser les différences entre options et expliciter les arbitrages
- Prioriser une option argumentée en fonction des contraintes définies par l’utilisateur, tout en lui laissant la décision finale dans la plupart des cas actuels
Il ne s’agit plus d’une simple suggestion, mais d’une logique d’exploration active et d’orchestration automatisée du parcours d’achat.
Le parcours d’achat devient hybride : humain + agent, avec des degrés d’autonomie qui augmenteront progressivement à mesure que les standards et la confiance se renforcent.
ChatGPT (Atlas) et Perplexity (Comet) : premiers signaux concrets
ChatGPT (Atlas), connecté à l’Agentic Commerce Protocol (ACP) pour le checkout instantané avec certains marchands et Perplexity (Comet), capable d’agréger et de structurer des résultats multi-sources
montrent déjà des capacités avancées :
- Navigation ou interrogation multi-sources (sites, APIs, contenus structurés)
- Comparaison structurée des offres (prix, délais, caractéristiques)
- Synthèse argumentée des options avec mise en avant des compromis
- Reformulation claire des différences en langage naturel, dans un format conversationnel
Nous ne sommes plus uniquement face à un moteur de recherche, mais face à des agents capables d’interpréter le web et des catalogues structurés pour prendre des décisions préparatoires à l’achat.
Cela change profondément la manière dont les marques doivent structurer leur présence en ligne : données, architecture, signaux de confiance et intégration aux nouveaux protocoles deviennent des leviers de visibilité auprès des agents.
Google a lancé en 2026 le Universal Commerce Protocol (UCP), une nouvelle norme ouverte pour le commerce agentif qui fonctionne tout au long du parcours d’achat, de la découverte et de l’achat à l’assistance post‑achat, et dont la fonctionnalité de paiement n’est pour l’instant disponible que pour certains marchands éligibles aux États‑Unis via le Mode IA de la recherche et Gemini (Lien source).
Pourquoi l’Agentic Commerce change les règles du e-commerce
1. La visibilité devient dynamique
Historiquement, la visibilité reposait sur :
- Le SEO et la capacité à se positionner sur des requêtes humaines
- Les budgets publicitaires et le paid media
- Les algorithmes de marketplace
Avec un agent IA, la hiérarchie peut être reconstruite dynamiquement à chaque intention d’achat, en temps réel.
L’agent compare, croise et synthétise plusieurs sources, en pondérant prix, délais, fiabilité, avis et contraintes personnalisées plutôt qu’un simple classement statique de pages.
La position ne dépend plus uniquement d’un classement SEO, mais de la qualité, de la structure et de la cohérence des données que les agents peuvent exploiter.
2. La donnée structurée devient stratégique
Un site mal structuré sera mal interprété ou sous-exploité par les agents.
L’optimisation ne concerne plus uniquement l’UX humaine, elle concerne aussi la lisibilité machine et la conformité à des standards comme MCP, ACP ou UCP.
Cela implique :
- Fiches produits complètes (attributs, variantes, visuels, contexte d’usage)
- Informations claires et comparables sur prix, stock, délais et conditions
- Données structurées propres (schémas produit, offre, avis, marchand)
- Transparence sur les politiques de livraison, de retour et de frais supplémentaires
- Architecture technique performante et compatible avec les protocoles agentiques
Le SEO évolue vers une logique de compréhension algorithmique avancée où le contenu est pensé à la fois pour l’humain et pour les agents.
3. La comparaison s’accélère
Un agent peut comparer plusieurs marchands et plusieurs produits , en quelques secondes, dès lors que les données sont accessibles et structurées.
La concurrence devient plus rationnelle sur les critères explicites (prix, délais, conditions), mais aussi sur les signaux de confiance et de qualité.
La différenciation ne peut plus être uniquement tarifaire.
Les marques doivent renforcer :
- Leur crédibilité (preuves de fiabilité, avis, conformité)
- Leur proposition de valeur (services, garanties, expérience)
- Leur réputation (notes, mentions externes, cohérence des engagements)
- Leur cohérence globale, en particulier l’alignement entre ce qui est affiché aux humains et ce qui est exposé aux agents.
L’enjeu énergétique et économique
Le développement des agents IA soulève une question stratégique : comment concilier automatisation massive et viabilité énergétique ?
Selon McKinsey, même dans des scénarios modérés, les agents d’IA pourraient médiatiser entre 3 000 et 5 000 milliards de dollars de commerce consommateur global d’ici 2030 (Lien source).
La performance digitale de demain devra intégrer :
- Sobriété technique (sites performants, requêtes optimisées, réduction des redondances de calcul)
- Optimisation des ressources (priorisation des cas d’usage automatisés à forte valeur ajoutée)
- Arbitrage entre automatisation, coût énergétique et bénéfice business réel, plutôt qu’une course aveugle à la complexification.

