Agentic Commerce : pourquoi les agents IA ne prendront pas le contrôle de l'ensemble du commerce électronique

Une définition qui laisse place à l'ambiguïté

À l'heure actuelle, ce terme n'est pas encore utilisé de la même manière partout. Certains articles y incluent déjà les assistants d'achat basés sur l'IA ou les services de conseil par chat – c'est-à-dire des systèmes qui s'apparentent davantage au « conversational commerce » ou à la « vente guidée ». D'autres, en revanche, réservent le terme « agentic commerce » aux seuls scénarios dans lesquels un agent agit réellement de manière autonome et effectue des transactions.

Il convient donc d'adopter une définition plus précise pour cet article : on entend ici les systèmes qui prennent en charge de manière autonome au moins certaines étapes du processus d'achat, de la recherche à la comparaison, jusqu'à la finalisation de la transaction.

Commerce agentique vs commerce conversationnel

Dans la pratique, les frontières sont floues. D’un côté, on trouve le « conversational commerce », dans lequel l’IA, sous la forme d’un assistant d’achat, aide à choisir les produits et à prendre la décision d’achat, mais où l’humain reste activement impliqué dans le processus d’achat. De l’autre côté, on trouve l’« agentic commerce » au sens strict, c’est-à-dire des scénarios dans lesquels un agent effectue des recherches, prend des décisions et exécute des transactions de manière autonome. De nombreuses solutions actuelles se situent encore aujourd’hui entre ces deux extrêmes.

Un assistant d'achat basé sur l'IA propose des conseils sous forme de dialogue, dans le cadre desquels les utilisateurs posent activement des questions et sont impliqués dans le processus d'achat. (Source : illustration réalisée par Entirely Demo Shop)

Cela ressort également de nombreux exemples concrets qui font actuellement l'objet de discussions sous le label « Agentic Commerce ». Souvent, il s'agit encore principalement dela recherche de produits, de la comparaison et de l'accompagnement à l'achatassistés par l'IA – c'est-à-dire davantage de « commerce conversationnel » ou d'« assistance à l'achat » que de processus d'achat entièrement autonomes.

Ce qui distingue les systèmes agentiques

IBM définit les agents d'IA comme des systèmes qui exécutent des tâches de manière autonome en concevant des flux de travail à l'aide des outils disponibles. Contrairement aux simples chatbots basés sur des règles, les agents modernes sont capables de raisonner, de planifier et d'agir de manière inter-systèmes et inter-plateformes.¹

Trois caractéristiques distinguent fondamentalement ces systèmes des anciennes applications d'IA utilisées dans le commerce : ils agissent de manière autonome, c'est-à-dire sans qu'un être humain ait à valider chaque étape. Ils réagissent de manière dynamique aux changements de leur environnement, par exemple lorsqu'un produit est soudainement en rupture de stock ou qu'un concurrent baisse ses prix. Et ils sont interopérables: grâce à des API ouvertes et à des interfaces standardisées, ils peuvent communiquer avec différents systèmes et plateformes sans être liés à un seul fournisseur.

Restez informé des dernières nouveautés en matière de personnalisation : inscrivez-vous à la newsletter Epoq. Inscrivez-vous dès maintenant !

Concrètement, cela se traduit par le déroulement suivant : un utilisateur indique qu'il a besoin d'un produit précis, et l'agent prend le relais à partir de là. Il recherche les offres, vérifie les délais de livraison, tient compte des promotions en cours et peut, s'il y est autorisé, conclure directement l'achat. La différence par rapport à un chatbot classique ou à un système de recommandation ne réside pas seulement dans la rapidité, mais aussi dans la capacité d’agir: l’agent ne se contente pas de faire des suggestions, il agit.

Cela est rendu possible grâce à la combinaison de plusieurs technologies: les modèles linguistiques de grande envergure (LLM) pour la compréhension du langage et la logique décisionnelle, les architectures d'agents autonomes pour la gestion des tâches, ainsi que les API ouvertes et les protocoles standardisés pour l'intégration des systèmes.

Facteur n° 1 : préférence connue ou inconnue

Est-ce que quelqu'un achète toujours la même marque de lessive dans le même format ? Dans ce cas, un agent peut s'en charger les yeux fermés. La préférence est connue, la décision est triviale.

Quelqu'un cherche-t-il un nouveau parfum adapté à son nouveau mode de vie ? Dans ce cas, ses préférences sont inconnues, voire instables. La personne reste alors impliquée dans la décision.

Facteur n° 2 : achat répété ou découverte

Les achats courants, tels que les fournitures de bureau, les consommables ou les compléments alimentaires, se prêtent parfaitement à l'automatisation. La valeur ajoutée réside dans la commodité. Les utilisateurs ne souhaitent tout simplement pas s’occuper eux-mêmes de ce type d’achats. Cela se reflète également dans le débat actuel : selon un article publié par OMR, les agents IA répondent avant tout à un besoin de commodité et de gain de temps, en particulier pour les produits du quotidien et les achats récurrents.²

Les nouveaux achats, pour lesquels l'inspiration, la comparaison et la découverte de l'inconnu font partie intégrante de l'expérience, ne peuvent pas être délégués, car l'expérience elle-même fait partie de la valeur.

Facteur n° 3 : implication lors de l'achat

Pour les achats à faible implication (produits de grande consommation, c'est-à-dire des produits standardisés et interchangeables, ainsi que des biens de consommation bon marché), les consommateurs ne souhaitent souvent pas prendre de décision active. L'automatisation est ici la bienvenue.

Les achats à fort engagement (mode, mobilier, cadeaux, produits lifestyle) sont chargés d'émotions. Flâner, comparer, découvrir : voilà ce qui constitue l'expérience. Aucun agent ne peut remplacer cette expérience, car il ne s'agit pas d'un problème à résoudre.

Plus la préférence est méconnue, plus l'achat est marqué par la découverte et plus l'implication est forte, plus la boutique reste un point de référence essentiel (Source : illustration propre)

Ce qui importe donc, ce n’est pas de savoir si un achat s’effectue en ligne ou en magasin, mais s’il doit être réalisé de la manière la plus efficace possible ou s’il doit être vécu comme une expérience à part entière. Plus la préférence, la fidélité et l’utilité fonctionnelle occupent le devant de la scène, plus le recours à un agent est indiqué. Plus la découverte, l’inspiration et l’émotion marquent l’achat, plus l’expérience d’achat humaine en magasin reste importante.

La conclusion principale : l'« Agentic Commerce » automatise l'efficacité, pas l'émotion.

Si vous êtes un magasin de produits de base

Quiconque vend des biens de consommation, des produits standardisés ou des fournitures de bureau est confronté à un défi structurel : à l'ère de l'« agentic commerce », l'agent achète auprès de ceux qu'il connaît. Les grands acteurs connus, disposant de données produit fiables et d'API ouvertes, sont privilégiés, car les agents trouvent en priorité ce qui est structuré de manière lisible par machine.

Concrètement : si ta boutique n'est pas « lisible par les agents », c'est-à-dire si elle ne propose pas de données produit structurées ni d'interfaces ouvertes, il sera de plus en plus difficile d'être pris en compte dans les processus d'achat basés sur des agents. Non pas parce que le client ne t'apprécie pas, mais parce que l'agent ne te trouve pas.

De plus, les LLM influencent actuellement surtout la phase de découverte. Ils aident à comprendre l’intention de l’utilisateur et à le rediriger vers les commerçants adaptés. C’est précisément pour cette raison que la qualité des données produit, une classification claire et l’accessibilité technique revêtent une importance capitale. Le moment de l’achat proprement dit et tout ce qui contribue à instaurer la confiance – du paiement à la fidélisation, en passant par l’identité et la gestion des risques – restent toutefois étroitement liés au commerçant.

Domaines d'activité des boutiques de produits de base :

• Structurer et normaliser les données produit
• Mettre en place l'accès à l'API pour les agents
• Concevoir des processus de réapprovisionnement adaptés à l'automatisation
• Fournir des informations en temps réel sur les prix et la disponibilité

Si vous êtes une boutique proposant des expériences

Mode, art de vivre, décoration d'intérieur, bijoux, cadeaux : dans ces domaines, le commerce agentique a moins d'influence sur le processus d'achat. Lorsqu'il s'agit d'un achat personnel, comme le cadeau d'anniversaire idéal pour sa meilleure amie, la plupart des gens préfèrent décider eux-mêmes.

Cela ne signifie toutefois pas que les boutiques axées sur l’expérience puissent ignorer cette évolution. Ceux qui automatisent davantage leurs achats courants grâce à des agents ont globalement moins de temps et de patience pour des expériences d’achat médiocres. À cela s’ajoute le fait que la découverte et la sélection pourraient à l’avenir s’effectuer davantage via des LLM ou des assistants IA. Dans ce contexte, on entend de plus en plus souvent parler de « zero-click commerce ». Ce terme décrit l’idée selon laquelle les utilisateurs passent de moins en moins par eux-mêmes les étapes classiques du processus d’achat. Il reste à voir jusqu’où cela ira. Mais une chose est claire : même les achats inspirés commencent de plus en plus souvent par une question posée à un assistant IA. La qualité des données produit et la compatibilité technique restent donc essentielles, même pour les boutiques axées sur l’expérience. Ceux qui ne sont pas référencés perdent des visiteurs potentiels avant même qu’ils n’entrent dans la boutique.

Dans le même temps, même si la découverte pourrait à l’avenir s’effectuer davantage via des interfaces externes, la boutique ne disparaîtra pas du parcours client. Des analyses récentes, notamment celles d’Adyen, montrent que ces systèmes peuvent constituer pour les commerçants un canal supplémentaire permettant d’atteindre des utilisateurs ayant une forte intention d’achat. Par ailleurs, les interfaces de chat neutres ne suscitent pas automatiquement ce sentiment de familiarité, d’orientation et d’univers de marque qu’une boutique en ligne ou un site web de marque peut transmettre. C’est précisément cette dimension émotionnelle de l’expérience d’achat qu’il ne faut pas sous-estimer ; elle constitue une raison majeure pour laquelle la boutique en ligne reste pertinente, même à l’ère de l’« agentic commerce ».³ La boutique en ligne reste le lieu où se créent la confiance, l’expérience de marque et la fidélisation client ; les canaux externes peuvent compléter cela, mais ne peuvent pas le remplacer. Pour vous, en tant que commerçant, cela signifie avant tout que la boutique doit être suffisamment forte en tant qu’espace d’expérience pour justifier les visites, et pas seulement en tant que canal de transaction. La personnalisation et l’inspiration gagnent ainsi en importance, et non l’inverse.

Domaines d'activité pour les boutiques d'expériences :

• Renforcer le magasin en tant qu'espace d'expérience et développer l'inspiration, la découverte et le conseil numérique comme atouts majeurs
• Utiliser la personnalisation dans le commerce électronique comme facteur de différenciation afin de proposer un contenu pertinent au bon moment et de fidéliser la clientèle au-delà de l'achat ponctuel
• Façonner activement la confiance, l'univers de la marque et la relation directe avec les clients
• Garantir l'accessibilité pour les assistants IA afin que les modèles de langage de grande envergure (LLM) puissent comprendre correctement les produits et les recommander

En résumé: pour les boutiques de produits de grande consommation, l’accent est principalement mis sur les données produits, les interfaces et les processus de réapprovisionnement. Les boutiques axées sur l’expérience, en revanche, devraient investir en particulier dans une expérience de recherche personnalisée, le conseil numérique, des sources d’inspiration pertinentes et la fidélisation de la clientèle, tout en renforçant la confiance et l’univers de la marque, deux atouts qu’aucun canal externe ne peut remplacer. Pour les deux types de boutiques, des données produit fiables et une interopérabilité technique constituent la base commune. La différence réside dans les priorités et les axes stratégiques.

Les agents et les boutiques apprennent de différentes manières

Les agents travaillent eux aussi avec des préférences, mais ils apprennent différemment. Un agent externe sait ce qu’un utilisateur lui dit : « J’ai besoin de lessive, en poudre, sans parfum, de la marque X. » Il connaît les consignes explicites et l’interaction directe. Ce qu’il ne voit pas, c’est que ce même utilisateur ajoute à chaque fois de l’adoucissant à son panier dans la boutique, mais n’en achète presque jamais. Ou qu’il consulte régulièrement des produits d’une certaine gamme de prix sans les acheter, jusqu’à ce qu’un élément déclencheur spécifique se présente.

C'est précisément là que réside la différence : une boutique en ligne tire des enseignements d'un éventail de comportements beaucoup plus large – clics, paniers, temps passé sur le site, requêtes de recherche, achats répétés et articles qui n'ont finalement pas été achetés. Cela donne une image nettement plus nuancée de ce qui est vraiment pertinent pour un client – au-delà de ce qu'il exprime explicitement.

La personnalisation dans la boutique reste un atout majeur

C’est précisément pour cette raison que la personnalisation des boutiques en ligne n’est pas un concept dépassé, mais un atout à part entière. Elle ne se contente pas de proposer des recommandations de produits plus pertinentes: elle facilite l’orientation, accélère la découverte et rend l’expérience d’achat cohérente et personnalisée. En particulier lorsque les clients souhaitent parcourir les produits, comparer et décider par eux-mêmes, la pertinence ne résulte pas uniquement de l’efficacité, mais aussi d ’un timing adapté, du contexte et d’une approche personnalisée.

La pertinence ne génère pas seulement des conversions, mais favorise également la fidélisation

La personnalisation n'agit pas seulement au moment de l'achat. C'est un outil essentiel pour inciter les clients à revenir sur la boutique, par exemple grâce à des recommandations pertinentes, des e-mails personnalisés ou des contenus qui font écho à leurs intérêts passés. À l'heure où la découverte de produits se fait en partie via des interfaces externes, cette relation directe avec le client devient encore plus précieuse. Ceux qui la cultivent bénéficient d'un avantage qu'aucun acteur externe ne peut reproduire.

Rendre la boutique accessible aux agents

• Structurer et normaliser les données produit: des données produit précises, complètes et riches sur le plan sémantique constituent la base permettant aux agents de comprendre et de classer correctement les offres.
• Vérifier l'accessibilité des API: si vous souhaitez rendre vos produits accessibles à des systèmes et agents externes, vous devez déterminer dès le début si le catalogue de produits, les prix, la disponibilité et les conditions de livraison peuvent être consultés de manière structurée. Pour les boutiques de produits de base, l'accent est mis sur le niveau transactionnel, c'est-à-dire la possibilité pour les agents de consulter directement les prix, la disponibilité et les processus de commande. Pour les boutiques d’expérience, l’accent est principalement mis sur la facilité de recherche : des données produit structurées et riches sur le plan sémantique, ainsi qu’un balisage de schéma, afin que les modèles de langage grand public (LLM) puissent comprendre correctement les produits et les recommander.
• Repenser la visibilité: un bon référencement sur Google reste important, mais ne suffit pas à lui seul. Les informations sur les produits doivent non seulement être indexables, mais aussi compréhensibles sur le plan sémantique par les systèmes d'IA.
• Intégrer la protection des données dès le départ: la transparence, le consentement et la conformité au RGPD ne sont pas des aspects secondaires dans les processus d'achat automatisés, mais bien des conditions préalables indispensables.
• Suivre l'évolution technique: les prestataires de paiement, les plateformes de commerce en ligne et les systèmes de boutique en ligne mettent déjà en place l'infrastructure nécessaire pour permettre aux agents d'interagir en toute sécurité avec les données produit, le panier et le processus de paiement.

Améliorer l'expérience d'achat pour les consommateurs

• Renforcer la personnalisation: les préférences, le comportement et le contexte restent essentiels pour créer des expériences pertinentes dans la boutique en ligne et fidéliser les clients à long terme.
• Améliorer la recherche sémantique: les utilisateurs et les agents formulent de plus en plus souvent leurs requêtes en langage naturel. Une bonne recherche doit comprendre l'intention, et pas seulement faire correspondre des mots-clés.
• Renforcer le conseil numérique en magasin: les assistants d'achat basés sur l'IA peuvent apporter leur aide, formuler des recommandations et faciliter la découverte des produits en magasin.
• Façonner l'inspiration de manière réfléchie: notamment pour les achats nécessitant un engagement plus important, le fait de flâner fait partie intégrante de l'expérience. Les boutiques devraient activement favoriser ces moments, et non pas simplement les écourter de la manière la plus efficace possible.
• Renforcer activement la fidélisation de la clientèle: pour rester dans la course à l’ère de l’Agentic-Commerce, il ne faut pas seulement miser sur la visibilité, mais aussi sur les visites répétées. Des e-mails personnalisés, des contenus et des recommandations de produits adaptés aux préférences d’un client peuvent inciter de manière ciblée à revenir sur la boutique en ligne et renforcer le lien direct avec la marque.

Plus d'informations sur la personnalisation >>