Cet article a été traduit automatiquement par IA et peut contenir des erreurs.
La façon dont on parle du commerce agentique a changé.
Les consommateurs ne se contentent plus de se tourner vers des outils comme ChatGPT, Perplexity ou Gemini pour découvrir des produits — ils font deux fois plus confiance à ces outils qu'aux conseils de leur entourage (opens in a new tab). Semrush prévoit par ailleurs que le trafic de recherche généré par l'IA dépassera le trafic de recherche traditionnel dès 2028 (opens in a new tab).
Ce n'est pas une tendance à venir. C'est un basculement déjà en cours.
Mais voici le décalage : alors que le comportement des consommateurs a fait un bond en avant, la grande majorité des pages produits e-commerce ne sont absolument pas prêtes pour les moteurs d'IA que les consommateurs privilégient désormais. Une analyse de plus de 400 pages produits dans 35 pays (opens in a new tab) révèle l'ampleur de cet écart — et les revenus qui en dépendent.
Les données parlent
La plupart des pages produits e-commerce manquent du contenu riche, des données structurées et des avis authentiques dont les grands modèles de langage ont besoin pour les recommander en toute confiance aux acheteurs.
La page moyenne obtient seulement 48 sur 100 (opens in a new tab) sur l'échelle de maturité GEO (generative engine optimization). Deux tiers des pages n'obtiennent qu'une note « moyenne » — autrement dit, elles sont au mieux partiellement optimisées et ne donnent guère de raison aux LLM de les mettre en avant.
Le constat le plus frappant : moins de 1 % des pages dépassent un score de 80 (opens in a new tab). Sur 427 pages analysées, une seule a atteint ce seuil.
Le plus grand angle mort reste le contenu généré par les utilisateurs. Avis, notes et questions-réponses — les signaux de preuve sociale que les LLM pèsent le plus — n'obtiennent que 22 % de leur potentiel (opens in a new tab), et plus d'un tiers des pages n'affichent aucun contenu de ce type.
Les données structurées ne font guère mieux. Seules 9 % des pages atteignent un bon score de balisage schema (opens in a new tab), ce qui empêche les agents IA de lire de façon fiable les attributs produits, les prix ou la disponibilité.
L'écart entre l'état actuel des pages produits et ce qu'il faudrait pour la découverte propulsée à l'IA est immense. Les marques qui le combleront les premières prendront une avance décisive.
Pourquoi la fenêtre est plus courte qu'on ne le pense
Selon l'idée reçue, le commerce transactionnel via l'IA — acheter directement dans un LLM — reste embryonnaire. C'est probablement vrai. Mais s'en servir comme excuse pour attendre passe totalement à côté du sujet.
La découverte, c'est déjà l'enjeu. Et quand l'IA est la source de recommandation à laquelle les consommateurs font le plus confiance, les marques qu'elle *ne peut pas* recommander avec assurance n'existent plus vraiment.
Les données cachent aussi un argument financier.
Semrush a constaté que le visiteur moyen issu d'une recherche IA a 4,4 fois plus de valeur (opens in a new tab) qu'un visiteur issu d'une recherche organique classique, en taux de conversion. Au moment où quelqu'un arrive sur une page produit via une recommandation LLM, il a déjà comparé les options et évalué les caractéristiques. Il arrive avec une intention d'achat forte.
Pensez aux débuts du SEO. Les marques qui ont investi avant que le terrain ne se sature ont dominé pendant dix ans. Le GEO marque le même tournant, mais avec une fenêtre plus courte.
L'opportunité est immense — moins de 1 % des pages sont vraiment optimisées pour cette nouvelle ère d'achat. Mais cette fenêtre se refermera bien plus vite avec le GEO qu'avec le SEO.
De la découverte aux canaux de vente
Optimiser pour la découverte par l'IA est la première urgence, mais c'est aussi la base de ce qui vient ensuite — vendre directement dans des canaux propulsés à l'IA.
Les LLM commencent à permettre des recommandations de produits en contexte, des comparaisons et, de plus en plus, des transactions. Mais apparaître dans la découverte reste le point de départ.
Les retailers devront construire sur cette base en intégrant leurs flux produits, en activant des signaux de stock et de prix en temps réel, et en créant des parcours d'achat fluides au sein des environnements IA, pour tirer pleinement parti de ces canaux à mesure qu'ils arrivent à maturité.
La feuille de route est séquentielle :
- Maintenant : posez les bases (opens in a new tab) en optimisant vos données produits pour la découverte par l'IA — données structurées, qualité du contenu, UGC et métadonnées visuelles. Enrichir ces données produit davantage de trafic de recommandation IA dès aujourd'hui, avec des taux de conversion supérieurs aux méthodes de découverte traditionnelles. Plus important encore : sans cette base, rien d'autre ne fonctionne.
- Ensuite : appuyez-vous sur cette base pour activer des canaux de vente natifs IA (opens in a new tab) — en connectant votre infrastructure commerce aux environnements LLM pour que les produits ne soient pas seulement découvrables, mais aussi achetables. Les vannes ne sont pas encore ouvertes, mais les retailers qui construisent cette infrastructure dès maintenant auront une longueur d'avance décisive quand elles le seront.
La question n'est plus « si », mais « quand vous commencez »
Les consommateurs font déjà plus confiance à l'IA qu'aux personnes de leur entourage. Le trafic IA devrait dépasser la recherche traditionnelle d'ici deux ans. Et pourtant, moins de 1 % des pages produits e-commerce sont vraiment prêtes pour ce changement.
La question n'est plus de savoir si l'IA va changer la façon dont les consommateurs trouvent des produits. Elle est de savoir si vos produits seront ceux que l'IA trouvera.
Pour savoir où en sont vos pages produits, testez-les gratuitement avec l'analyseur de maturité GEO (opens in a new tab) ou explorez le jeu de données complet (opens in a new tab) derrière cette analyse.
