Commerce agentique : définition, fonctionnement et enjeux pour l'e-commerce

Le commerce agentique désigne l'achat en ligne réalisé par un agent d'intelligence artificielle pour le compte d'une personne : l'agent reçoit une demande, cherche les produits, les compare et va jusqu'au paiement. Le client ne navigue plus dans la boutique : il délègue.

On en parle surtout pour le checkout et pour les nouveaux protocoles qui permettent à un assistant de payer. Mais avant de payer, l'agent doit trouver le bon produit, et pour cela il utilise les mêmes outils de la boutique qu'une personne : le catalogue, les données structurées et la recherche interne.

Ce guide explique ce qu'est le commerce agentique, comment fonctionne un achat délégué et où en sont les standards. Il montre ensuite, à partir de mesures sur 4 358 e-commerces italiens, où un agent s'arrête aujourd'hui, et par où il vaut mieux commencer.

Qu'est-ce que le commerce agentique

Le commerce agentique (en anglais agentic commerce) est un modèle d'achat dans lequel un logiciel autonome agit à la place du client. Il ne se contente pas de suggérer : il exécute une séquence d'actions dans une ou plusieurs boutiques, jusqu'à la commande.

La différence avec ce que font déjà les assistants IA tient en trois marches, souvent confondues :

L'essentiel de ce qui s'écrit sur l'IA et l'e-commerce concerne les deux premières marches : comment être cité par ChatGPT, comment apparaître dans les réponses de Google. Le commerce agentique proprement dit, c'est la troisième.

Ce qui change par rapport à l'e-commerce traditionnel

• Qui visite la boutique. Une part croissante des visites vient de logiciels, pas de personnes. Un agent ne regarde pas les images, ne se laisse pas guider par la mise en page et n'essaie pas un deuxième mot si le premier ne fonctionne pas.
• Comment la demande est formulée. Une personne tape « chaussures trail 43 ». Un agent transmet la demande de son utilisateur telle quelle : « chaussures pour courir sur chemin, j'ai les pieds plats, moins de 120 euros ».
• Où se décide l'achat. La comparaison entre boutiques peut se faire hors du site, dans l'assistant. La boutique qui ne répond pas de façon lisible sort de la liste avant que le client ne s'en aperçoive.

Comment fonctionne un achat délégué

Un achat réalisé par un agent passe par six étapes, et presque toute l'attention se porte aujourd'hui sur la deuxième et la cinquième : être trouvé par l'IA et payer en sécurité. La troisième, la recherche dans la boutique, est celle où l'agent s'arrête le plus souvent.

Pour trouver un produit, l'agent utilise les outils que la boutique met à sa disposition : le flux, les données structurées et la recherche interne. Il transmet à la recherche la demande de son utilisateur telle quelle, sans la reformuler et sans regarder les images. Un client humain qui ne trouve pas change de mot. Un agent, en général, demande une fois et travaille avec ce qu'il reçoit.

Les protocoles du commerce agentique : où en est-on

En octobre 2026, il existe des standards ouverts pour presque chaque étape de l'achat délégué. La plupart sont opérationnels aux États-Unis ; en Europe, ce sont surtout les paiements qui ont démarré.

Ce que nous apprend le retrait du checkout de ChatGPT

Le cas le plus instructif de l'année est celui d'OpenAI. Le checkout dans ChatGPT était né en septembre 2025. Selon Forrester, en février 2026, une trentaine de boutiques Shopify y participaient. En mars, OpenAI a expliqué que la première version n'offrait pas la flexibilité souhaitée : les marchands reviennent à leur propre checkout et ChatGPT se concentre sur la découverte des produits.

Au même moment, Shopify a activé par défaut les Agentic Storefronts pour les boutiques qui vendent aux États-Unis : les produits apparaissent dans les assistants IA, l'achat se conclut sur le site de la boutique.

Le partage qui s'impose est donc simple : l'IA fait découvrir, la boutique vend. Pour un e-commerçant, cela ne réduit pas le problème, cela le déplace. Quand l'agent ou le client arrive sur le site, il doit trouver tout de suite le bon produit.

L'étape que personne ne mesure : la recherche interne

Sur les e-commerces italiens, une demande formulée comme l'écrit une personne obtient en moyenne 3,7 réponses pertinentes sur 10. C'est le résultat de nos mesures sur la recherche interne de 4 358 boutiques.

Les protocoles décrits plus haut traitent de l'avant (être trouvé par l'IA) et de l'après (payer en sécurité). Entre les deux se trouve une étape que presque personne ne mesure : le moment où quelqu'un, personne ou agent, cherche un produit dans la boutique.

Comment nous l'avons mesuré

Nous posons à chaque boutique 25 recherches construites à partir de son catalogue. Dix sont dans la langue de l'acheteur, et cinq d'entre elles sont des phrases complètes, comme « je cherche une gourde pour le bureau qui ne fuie pas ». Les questions restent identiques d'un relevé à l'autre et sont jugées selon des critères objectifs, vérifiables dans l'archive de chaque mesure.

Ce que nous avons trouvé

Une page vide, pour une personne, est un désagrément : elle change de mot, essaie un filtre, regarde les catégories. Un agent, en général, ne le fait pas. Il transmet la demande de son utilisateur telle quelle et travaille avec ce qu'il reçoit. Si la réponse est vide, pour lui ce produit n'existe pas.

Une précision importante : nous mesurons des questions écrites comme les écrit une personne, pas le comportement d'un assistant précis. Le lien avec les agents est un raisonnement, pas une mesure. C'est toutefois un raisonnement prudent : un agent qui ne lit que le texte fera difficilement mieux qu'une personne qui peut aussi regarder les photos.

Pour approfondir ce point : Commerce agentique : le problème n'est pas le checkout, c'est la recherche interne. Le classement à jour est ici.

La technologie adoptée ne prédit pas le résultat

Disposer d'un moteur de recherche payant rapporte en moyenne un quart de réponse en plus sur dix. À plateforme égale, cela rapporte souvent moins que rien. Le réflexe le plus courant, quand la recherche ne fonctionne pas, est de changer de technologie. Les données invitent à mesurer d'abord.

Même logiciel, résultats opposés

Dans les boutiques PrestaShop qui utilisent le même moteur de recherche tiers (117 boutiques), le score va de 9 à 75 points sur 75. Dans les 49 boutiques WooCommerce équipées de ce moteur, la moitié se situe entre 25 et 51 points, avec un minimum de 6 et un maximum de 68. Même plateforme, même moteur : pour le client, la différence est entre trouver et ne pas trouver.

Moteurs payants contre recherche native

Seules 540 boutiques sur 4 358 (12 %) utilisent un moteur de recherche identifiable. Les autres utilisent celui fourni avec la plateforme. En moyenne, celles qui ont un moteur obtiennent 41,3 points contre 32,4, mais environ 6 de ces 9 points viennent du simple fait d'avoir un moteur, que le score récompense. Net, l'avantage est d'environ 3 points sur 75. Sur les demandes en langage naturel, il est de 3,96 contre 3,69 réponses pertinentes sur 10.

À l'intérieur d'une même plateforme, le constat est encore plus net. Sur Shopify :

Deux moteurs payants sur trois se situent sous la recherche incluse dans la plateforme. Sur les demandes en langage naturel, la recherche native les bat tous. Et 163 des 540 boutiques dotées d'un moteur identifiable se situent sous la moyenne de celles qui n'en ont aucun.

Il en va de même pour les assistants conversationnels en vitrine : les boutiques Shopify qui en ont un répondent aux demandes en langage naturel 4,0 fois sur 10, celles qui n'en ont pas 5,4. L'investissement est allé à l'interface, tandis que la recherche sous-jacente continue de ne pas trouver.

Une précaution nécessaire : un moteur est souvent installé par qui a déjà un problème, par exemple un catalogue grand ou difficile. Ces données ne démontrent donc pas qu'un moteur aggrave les choses. Elles démontrent qu'en avoir un ne garantit pas un meilleur résultat.

Et les plateformes ?

Les plateformes, entre elles, sont très éloignées :

Les recherches qui aboutissent à une page vide vont de 9 % sur Shopify à 32 % sur WooCommerce. Cela semble contredire la thèse, mais ce n'est pas le cas : l'écart se joue entre configurations par défaut, pas entre outils achetés. La recherche native de WooCommerce cherche les mots dans le titre par une requête sur la base de données, celle de Shopify non. Ce qui compte, c'est la configuration de la recherche et le texte sur lequel elle travaille.

Le catalogue : un texte qui travaille deux fois

En moyenne, 23 % des noms de produit sur les e-commerces italiens ne disent pas ce qu'est le produit. Dans 530 boutiques, cette part atteint la moitié du catalogue ou la dépasse.

Un client qui lit « XK-2205 noir » regarde la photo et comprend que c'est un sac à dos. Un agent ne lit que le texte, et la recherche interne aussi. Si le mot « sac à dos » n'est pas dans le nom, celui qui cherche « sac à dos » ne le trouvera pas.

Le même texte décide de deux choses différentes. Hors du site, les assistants IA construisent leurs réponses surtout à partir des fiches produit : un nom muet réduit les chances d'être recommandé. Sur le site, ce nom est la matière première de la recherche. Une seule intervention sur le catalogue sert donc deux fois : à l'IA qui vous cite de l'extérieur et à la recherche qui doit trouver de l'intérieur.

En pratique, un catalogue prêt pour le commerce agentique a :

• des noms qui disent ce qu'est le produit, avec les mots des clients et pas seulement les codes internes ;
• des attributs structurés et cohérents (matière, taille, couleur, usage), pas enfouis dans la description ;
• des catégories aux noms compréhensibles, les mêmes que ceux utilisés dans les noms de produit ;
• des prix, disponibilités et variantes alignés entre le site, les flux et les données structurées.

Ce que l'on sait et ce que l'on ne sait pas

Que les assistants IA deviennent un lieu où l'on découvre les produits est un fait. Qu'ils deviennent le lieu où l'on achète reste une prévision.

En 2018, on prêtait au voice shopping 40 milliards de dollars de ventes d'ici 2022. Ce marché n'a jamais décollé. En 2026, le checkout dans ChatGPT a été réduit après quelques mois, et selon une analyse de Forrester, finaliser l'achat dans l'assistant est l'usage le moins répandu parmi ceux qui utilisent ChatGPT pour faire leurs achats.

Il vaut donc mieux distinguer trois choses :

La bonne nouvelle, c'est que la première affirmation ne dépend pas de la troisième. Une recherche qui ne comprend pas les demandes des personnes fait perdre des ventes aujourd'hui, avec ou sans agents. La corriger est un investissement rentable dans les deux scénarios.

Une limite déclarée de nos mesures : 852 boutiques ont refusé le relevé avec des systèmes anti-robots, et parmi elles figurent beaucoup des marques les plus connues. C'est leur choix légitime, et nous ne le contournons pas. Sur ces boutiques, nous ne pouvons donc rien dire. Notons toutefois qu'une boutique qui bloque les logiciels automatiques pourrait aussi bloquer les agents de ses clients.

Par où commencer : cinq étapes pour un e-commerçant

Avant d'acheter une technologie, mesurer ce que trouve aujourd'hui un client, ou un agent, avec celle que l'on a déjà. Le travail suit ensuite un ordre précis.

1. Mesurer la recherche telle qu'elle est. Poser à sa boutique les questions que posent réellement les clients, y compris les phrases complètes, et compter combien aboutissent à un produit pertinent. Comparer le résultat au reste du marché.
2. Corriger la langue du catalogue. Des noms qui disent ce qu'est le produit, des attributs structurés, des catégories cohérentes. C'est l'intervention la plus rentable, et elle sert aussi hors du site.
3. Configurer la recherche existante. Synonymes, tolérance aux fautes, champs de recherche, gestion des recherches sans résultat. Souvent, la recherche native bien configurée suffit.
4. Ne changer de moteur que si les chiffres le justifient. Si après les trois premières étapes la recherche reste sous le marché, ou si le catalogue est trop grand pour la plateforme, la migration a du sens.
5. Rendre la boutique lisible par les agents. Données structurées complètes, flux à jour, prix et disponibilités cohérents. Décider en connaissance de cause quels agents laisser entrer, au lieu de les bloquer par défaut. Suivre l'arrivée des protocoles en Europe.

Après chaque intervention, une deuxième mesure sur les mêmes questions dit si elle a fonctionné.

Questions fréquentes sur le commerce agentique

Qu'est-ce que le commerce agentique ?

C'est l'achat en ligne réalisé par un agent d'intelligence artificielle pour le compte d'une personne. L'agent reçoit une demande, cherche et compare les produits et peut aller jusqu'au paiement, dans les limites fixées par l'utilisateur.

Quelle différence entre commerce agentique et commerce conversationnel ?

Dans le commerce conversationnel, le client dialogue avec un assistant, mais c'est lui qui décide et achète. Dans le commerce agentique, l'assistant agit : il effectue la recherche, choisit parmi les options et finalise la commande.

Le commerce agentique est-il déjà disponible en Europe ?

En partie. Les assistants IA qui cherchent et comparent des produits sont déjà disponibles en français. Les paiements exécutés par des agents démarrent en Europe, avec les banques et les réseaux de cartes ; les services d'achat dans les assistants ont surtout démarré aux États-Unis.

Quels sont les protocoles du commerce agentique ?

Les principaux sont l'Agentic Commerce Protocol d'OpenAI et Stripe, l'Universal Commerce Protocol de Google, l'Agent Payments Protocol pour les paiements, les programmes de Visa et Mastercard pour reconnaître les agents et le Model Context Protocol pour l'accès aux données.

Faut-il changer de moteur de recherche pour être prêt ?

Pas forcément. Dans nos mesures, à plateforme égale, la recherche native bien configurée fait souvent mieux que les moteurs payants. La langue du catalogue compte davantage.

Par où commence un e-commerçant qui veut se préparer ?

En mesurant ce que trouve aujourd'hui sa recherche interne avec les vraies questions des clients. Puis par le catalogue, la configuration et seulement ensuite, si nécessaire, par la technologie.

Méthode et sources

Les données sur la recherche interne sont des relevés automatisés de Massimo Ivaldi – A Search Company, à jour d'octobre 2026. Le score représente un seuil minimal fondé sur des caractéristiques vérifiables de l'extérieur, pas un jugement global sur la boutique ni sur les capacités générales de la technologie utilisée.

• Échantillon : 4 358 e-commerces italiens avec un score, sur près de 7 000 testés ; 852 ont refusé le relevé avec des systèmes anti-robots.
• Tests : 25 recherches par boutique, construites à partir de son catalogue ; 10 dans la langue de l'acheteur, dont 5 phrases complètes. Les questions restent identiques d'un relevé à l'autre.
• Moyenne en langage naturel : calculée sur les 3 691 boutiques ayant reçu au moins 20 des 25 questions. Sur les 4 358, elle descend à 3,3, car dans 428 boutiques la mesure s'est arrêtée plus tôt.
• Score : sur 75 points ; le classement public montre les boutiques qui dépassent 50.
• Critères complets : critères de mesure · classement

Sources externes

• Retail Gazette, OpenAI pivots ChatGPT shopping strategy after Instant Checkout underwhelms (mars 2026)
• Stellagent, OpenAI Ends Instant Checkout, Pivots to Retailer App Integration Model (mars 2026)
• Pimberly, What is UCP? Universal Commerce Protocol Explained
• Spark, Google's AP2: How the Agent Payment Protocol Standardizes AI Commerce
• Visa, Visa and Banks Across Europe Reach the Next Phase of Agentic Commerce (2 juillet 2026)
• AI2Work, Santander and Mastercard Complete Europe's First Live AI Agent Payment
• Weaverse, Shopify Agentic Storefront is live in ChatGPT (mars 2026)
• Paz.ai, OpenAI Just Killed Native Checkout in ChatGPT (synthèse de l'analyse Forrester)