D’ici quelques années, une part croissante des recherches et des parcours d’achat en ligne passera par des interfaces conversationnelles basées sur des modèles de langage (LLM). L’expérience d’achat ne commencera plus par Google ou par la navigation sur un site e-commerce, mais par une conversation avec une IA capable de comprendre un besoin, comparer des options et réaliser une transaction.
Et si ceci n’était plus uniquement de la prospective ? Les premières briques technologiques de ce futur existent déjà : on parle désormais d’Agentic Commerce.
Une bascule du “search” vers l’orchestration
Dans un modèle traditionnel, l’utilisateur formule une requête, explore plusieurs résultats, compare, puis décide. Ce processus est fragmenté, séquentiel, et largement à la charge du consommateur.
Avec les agents IA, cette logique est inversée. L’utilisateur exprime une intention, parfois complexe ou incomplète. L’agent interprète cette demande, interroge différentes sources, arbitre entre plusieurs options et, de plus en plus, exécute l’action finale. La recherche, la comparaison et la transaction tendent à fusionner dans une même interaction.
Face à cette transformation, plusieurs modèles d’intégration aux LLM émergent.
1. L’émergence de nouvelles architectures d’accès au e-commerce
Le premier repose sur des logiques d’interopérabilité via des protocoles standardisés, souvent rapprochés de ce que l’on désigne comme Model Context Protocol (MCP). Derrière ce terme se dessine une évolution structurante : les LLM ne sont plus uniquement des moteurs de génération de texte, mais des orchestrateurs capables d’activer des “outils” externes.
Concrètement, une entreprise expose ses capacités (catalogue produit, prix, stock, fonctionnalités transactionnelles) sous forme d’API. Le LLM peut alors les découvrir, les interroger et les mobiliser dans une réponse. L’offre n’est plus seulement indexée : elle devient directement exploitable par l’agent.
Des initiatives comme celles menées par Walmart avec OpenAI, ou Carrefour avec Google autour de Gemini, s’inscrivent dans cette logique. Elles traduisent un basculement : le site e-commerce n’est plus uniquement une destination, mais une brique fonctionnelle dans un écosystème piloté par des agents.
Cette évolution pose une question immédiate : si demain la transaction est intégrée nativement dans le LLM, que reste-t-il du front e-commerce ?
2. Des expériences de marque directement dans les LLM
En parallèle, certaines entreprises choisissent une approche plus contrôlée en intégrant leurs services directement dans les environnements conversationnels, via des “tools” ou « modules ».
Ces intégrations permettent de déléguer une partie de l’expérience au LLM tout en conservant une logique métier propre. Dans le secteur du travel, Accor intègre son application ALL ACCOR dans ChatGPT.
La recherche d’hôtels (en précisant sa destination et ses dates de séjour) peut être initiée directement dans l’interface conversationnelle du LLM, avec un routage vers les systèmes internes d’Accor pour produire la réponse. Techniquement, le LLM agit ici comme une couche d’orchestration : il interprète la demande, appelle le service de la marque, puis restitue le résultat dans la conversation.
Pour l’instant, la transaction n’est pas encore réalisable sur ChatGPT. Pour encore combien de temps ? À mesure que les capacités de paiement s’intègrent dans ces environnements, l’ensemble du parcours, de l’intention à l’achat, pourrait être absorbé par l’interface conversationnelle.
L’intérêt pour les marques est évident :
- Être présent sur ce qui pourrait devenir le nouveau carrefour d’audience du web
- Comprendre les usages conversationnels des clients
Ces intégrations permettent aux marques d’observer les intentions exprimées dans les prompts, les critères réellement utilisés par les consommateurs ou encore les nouvelles logiques de découverte produit. Ces signaux peuvent ensuite alimenter les stratégies de contenu, d’offre et d’expérience digitale de la marque.
3. La réinvention des logiques d’acquisition
Comme à chaque déplacement d’audience, les modèles publicitaires s’adaptent. Les premières formes de “paid” apparaissent dans les environnements conversationnels. Elles reprennent certains codes du search advertising, mais dans un contexte radicalement différent : ici, il n’y a plus de page de résultats, mais une réponse synthétique générée par l’IA.
Certaines marques, comme Club Med, expérimentent ces liens sponsorisés apparaissant dans les réponses générées par les LLM, notamment dans ChatGPT.
- la marque achète une visibilité sur certaines thématiques
- un lien sponsorisé apparaît dans la réponse conversationnelle
- l’utilisateur peut ensuite être redirigé vers l’offre
L’enjeu n’est donc plus seulement d’apparaître, mais de s’intégrer de manière crédible dans une recommandation. À terme, ces formats pourraient évoluer vers des logiques de transaction directement embarquée, transformant les LLM en véritables plateformes d’acquisition et de conversion.
4. Vers l’internalisation de l’expérience conversationnelle ?
Face au risque de désintermédiation, certaines marques font un choix différent : développer leurs propres agents conversationnels, directement intégrés à leurs écosystèmes (site, app, messaging).. L’objectif est clair : conserver la maîtrise de la relation client, capter les données d’interaction et contrôler la recommandation.
Dans la beauté, ce mouvement est déjà avancé. L’Oréal a par exemple lancé Beauty Genius, un assistant conversationnel basé sur l’IA générative et agentique, capable de :
- réaliser des diagnostics personnalisés (peau, cheveux)
- proposer des routines sur mesure
- recommander des produits en s’appuyant sur un corpus propriétaire (données dermatologiques, historique client, catalogue)
- connecter directement le conseil à l’achat
L’architecture combine LLM, systèmes de RAG (Retrieval Augmented Generation) et données propriétaires, dans un environnement maîtrisé. Ce type d’agent ne se limite plus à un chatbot : il reproduit une partie de l’expérience d’un conseiller en magasin, avec un niveau de personnalisation difficile à atteindre via une navigation classique.
Cette stratégie présente un avantage évident en matière de connaissance client. Mais elle se heurte à une limite structurelle : l’audience. Les LLM généralistes deviennent des points d’entrée massifs, difficiles à contourner. Construire un agent propriétaire suppose donc de continuer à investir fortement dans l’acquisition.
Les impacts stratégiques pour les marques et les distributeurs
Ces transformations posent plusieurs questions structurantes.
1. Le risque d’un cercle vicieux de visibilité
Si les consommateurs interagissent principalement avec des LLM, le trafic vers les sites de marque pourrait diminuer. Or ce trafic alimente le SEO, la production de signaux d’autorité et indirectement la visibilité dans les systèmes d’IA. Moins de trafic pourrait donc signifier moins de visibilité dans les réponses générées par les LLM.
2. Le site e-commerce comme infrastructure
Si la recherche d’information et la transaction migrent vers les agents IA, les sites e-commerce pourraient devenir les infrastructures transactionnelles alimentant les LLM. ainsi, les front-offices conversationnels appartiendraient aux plateformes d’IA, tandis que les marques conserveraient les systèmes : catalogue, logistique, paiement, CRM.
N.B. : Compte tenu des investissements réalisés dans l’e-commerce depuis plus de 20 ans, il est peu probable que les entreprises acceptent passivement cette évolution.
3. La guerre des prix se transforme en guerre du contenu
Être présent dans un LLM est une chose. Être recommandé par le LLM en est une autre. Dans un univers conversationnel, la visibilité dépendra de :
- la qualité et la structuration des données
- la richesse des contenus
- l’autorité informationnelle
- la capacité à répondre précisément aux intentions utilisateur
Une nouvelle discipline émerge donc : le GEO (Generative Engine Optimization). Et ce phénomène pourrait profondément modifier l’équilibre entre marques et distributeurs. Car un consommateur ne cherche généralement pas un distributeur. Il cherche un produit une solution à un besoin, une inspiration.
Or les marques disposent souvent d’un avantage : elles produisent davantage de contenu, elles possèdent l’expertise produit et elles maîtrisent leur storytelling. Les distributeurs devront donc probablement dépasser la seule logique de prix et développer des stratégies de contenu et de données à l’échelle de leur écosystème, incluant leurs fournisseurs.
En conclusion
L’Agentic Commerce ne constitue pas une simple évolution de l’expérience utilisateur. Il s’agit d’un changement d’architecture du commerce digital. Les marques et les distributeurs doivent désormais arbitrer entre plusieurs impératifs :
- s’intégrer dans les écosystèmes LLM
- optimiser leur visibilité dans ces environnements
- préserver leur accès à la donnée et à la relation client.
Ceux qui sauront articuler ces dimensions ne se contenteront pas de s’adapter. Ils contribueront à définir les nouvelles règles du commerce digital.
