Commerce agentique : les marques doivent se préparer à être recommandées par l'IA

À l​‌’occasion de la matinée Ilec du 18 septembre consacrée aux tendances Tech et IA à fort impact pour les marques de grande consommation, Joan Burkovic, cofondateur et CEO de GetMint, a présenté les perspectives du commerce agentique et les leviers d​‌’action à la disposition des industriels. Son message : les marques doivent adapter leurs stratégies digitales à la maturité réelle des nouveaux parcours d​‌’achat, sans attendre que l​‌’ensemble des fonctionnalités du commerce agentique soit opérationnel.

De la recherche par mots-clés à l​‌’expression des intentions

Avec les moteurs de recherche traditionnels, le consommateur formule quelques mots-clés, consulte plusieurs résultats et construit lui-même sa décision. Les assistants IA introduisent une logique différente : l​‌’utilisateur décrit son besoin en langage naturel, précise ses contraintes et affine sa demande au fil de la conversation.

L​‌’IA peut également tenir compte du contexte et des préférences de l​‌’utilisateur pour produire une réponse personnalisée. Pour les marques, cela signifie que les contenus doivent désormais répondre à des intentions beaucoup plus précises que les requêtes traditionnelles.

Cette évolution concerne directement les produits du quotidien : un consommateur peut demander une recommandation alimentaire adaptée à un régime particulier, à un budget ou à une occasion de consommation, plutôt que rechercher une catégorie de produits.

Trois étapes du commerce agentique, à des niveaux de maturité différents

GetMint distingue trois grandes étapes dans l​‌’évolution des parcours d​‌’achat : la « découvrabilité », la décision et l​‌’action.

La première consiste à être trouvé et recommandé par l​‌’IA. C​‌’est aujourd​‌’hui le terrain le plus accessible aux marques, grâce à l​‌’optimisation des contenus, des données produits et de leur présence en ligne.

La deuxième concerne la délégation du choix à l​‌’agent. Elle suppose que celui-ci dispose d​‌’informations fiables et complètes, mais aussi que le consommateur lui accorde suffisamment de confiance.

Enfin, la troisième étape correspond à l​‌’achat réalisé par l​‌’agent pour le compte de l​‌’utilisateur. Les infrastructures techniques et les protocoles de paiement restent en cours de développement. Selon GetMint, les marques doivent donc concentrer leurs efforts immédiats sur la découvrabilité et l​‌’évaluation, tout en assurant une veille sur les nouveaux dispositifs transactionnels.

Faire de la donnée produit un levier de visibilité

Pour améliorer leur présence dans les réponses des IA, les industriels disposent de trois leviers complémentaires.

Le premier concerne la marque : mesurer sa visibilité selon les intentions de recherche, les marchés et les moteurs, puis identifier les sources consultées par les IA. Les contenus éditoriaux, qu​‌’ils soient publiés sur les sites des marques ou sur des sites tiers, jouent ici un rôle important.

Le deuxième porte sur les produits. La qualité des fiches et des flux de données devient déterminante pour permettre aux moteurs de comprendre leurs caractéristiques et leur pertinence. GetMint souligne notamment l​‌’importance des flux Google Shopping et des pages produits Amazon pour les marques présentes sur ces plateformes.

Le troisième levier est publicitaire, avec l​‌’émergence de formats permettant de positionner les produits dans les nouveaux environnements conversationnels.

Sur la méthode, GetMint recommande de partir des intentions d​‌’achat qui pèsent le plus dans le chiffre d​‌’affaires – best-sellers, requêtes et pages qui convertissent, avis clients – en se concentrant sur les un ou deux modèles d​‌’IA les plus utilisés par les clients de la marque, plutôt que sur l​‌’ensemble des moteurs. Ces intentions doivent être mesurées de façon répétée, les modèles d​‌’IA étant probabilistes et évolutifs : une même question peut produire des réponses différentes d​‌’une fois à l​‌’autre. Reste enfin à vérifier, par des modèles mathématiques, que l​‌’évolution de la visibilité résulte bien des actions menées et non du bruit statistique – ce qui a conduit GetMint à se doter d​‌’une cellule de recherche mathématique dédiée.

L​‌’enjeu n​‌’est donc plus seulement d​‌’être visible sur une requête générique, mais de démontrer pourquoi un produit répond à une intention particulière.

Un canal commercial dont les premiers résultats se dessinent

Les données américaines présentées par GetMint suggèrent que le trafic issu des assistants IA, encore minoritaire, peut présenter une valeur commerciale significative.

Selon les chiffres Adobe Analytics cités lors de l​‌’intervention, le trafic provenant de l​‌’IA affichait en juillet 2026 un taux de conversion supérieur de 60 % à celui des autres sources de trafic sur les sites retail américains. Ces résultats, propres au marché américain, illustrent l​‌’intérêt de suivre ce nouveau canal sans présumer de performances équivalentes pour toutes les catégories de grande consommation.

Le principal enseignement de cette intervention est que le commerce agentique ne doit pas être envisagé comme une transformation unique et immédiate. Pour les marques nationales, la priorité consiste dès aujourd​‌’hui à mesurer leur visibilité dans les réponses des IA, à enrichir leurs données produits et à adapter leurs contenus aux intentions des consommateurs. La capacité à être compris et recommandé par les assistants conversationnels pourrait ainsi devenir un nouveau facteur de compétitivité dans les parcours d​‌’achat de demain.

Jowzi : l​‌’IA au service des courses alimentaires et de la visibilité des marques

Développé par Jow, Jowzi est un agent IA dédié aux courses alimentaires, qui accompagne le consommateur de l​‌’inspiration culinaire jusqu​‌’à la constitution du panier et au paiement. Il propose des menus personnalisés selon les préférences du foyer et les stocks du distributeur, mémorise les besoins exprimés en langage naturel et facilite les achats récurrents grâce à des listes intelligentes.

Pour les marques de grande consommation, ce type d​‌’agent ouvre de nouvelles perspectives de visibilité et de retail media : les produits peuvent être recommandés directement dans les recettes, les listes de courses et les résultats de recherche personnalisés, au plus près de l​‌’intention d​‌’achat. Il illustre ainsi le passage d​‌’une logique d​‌’exposition publicitaire à une logique de recommandation intégrée au parcours d​‌’achat.