Commerce agentique : vos produits ne doivent plus seulement être visibles, ils doivent être recommandables

Pendant vingt ans, une grande partie du e-commerce s’est construite autour d’une mécanique relativement claire : être référencé, générer du trafic, attirer le consommateur sur une page produit et optimiser la conversion.
L’arrivée des agents IA commence à modifier cette séquence.

Dans son étude 2026 consacrée au commerce agentique, publiée avec KPMG, la FEVAD décrit une nouvelle couche d’intermédiation entre le consommateur et le marchand. Les agents peuvent déjà comprendre une intention, comparer des offres et préparer un achat. À terme, certains pourront également exécuter des actions pour le compte de l’utilisateur.
Le changement est considérable : avant même qu’un consommateur ne consulte une fiche produit, une IA peut avoir commencé à sélectionner les produits qu’elle considère comme pertinents.

Du moteur de recherche au moteur de décision

Un moteur de recherche fournit traditionnellement une liste de résultats.
Un agent IA va plus loin. Il cherche à comprendre une demande formulée en langage naturel :

« Je cherche un casque pour travailler dans un open space, avec une bonne réduction de bruit, confortable pendant plusieurs heures et compatible avec mon PC et mon téléphone. »

L’agent peut alors analyser plusieurs produits, comparer leurs caractéristiques et ne présenter qu’un nombre réduit d’options.
La FEVAD et KPMG résument bien ce déplacement : l’enjeu n’est plus uniquement d’obtenir un clic, mais d’être compris, retenu et recommandé par une nouvelle génération d’intermédiaires.

Autrement dit, le produit qui gagne n’est pas nécessairement celui qui possède uniquement la meilleure position dans une page de résultats.
C’est aussi celui dont l’information permet à l’IA de comprendre clairement :
ce qu’est le produit, à qui il s’adresse, dans quels contextes il est pertinent, quelles sont ses caractéristiques, ses contraintes et pourquoi il répond à l’intention exprimée.

Le phénomène est déjà visible

Il ne s’agit plus seulement d’un scénario prospectif.
Selon les chiffres publiés par la FEVAD et KPMG, 31 % des cyberacheteurs utilisent déjà l’IA générative dans leurs achats en ligne. Chez les personnes utilisant régulièrement l’IA, cette proportion atteint 73 %. Les auteurs estiment que, si la dynamique se poursuit, près d’un Français sur deux pourrait avoir recours au commerce agentique d’ici 2030.
Cela intervient sur un marché e-commerce français qui représentait 196,4 milliards d’euros en 2025, en croissance de 7 %, pour 3,2 milliards de transactions.

Le sujet n’est donc pas de savoir si le commerce traditionnel disparaît.
Il s’agit de comprendre où se déplace la décision.

La qualité de la donnée produit devient stratégique

Cette évolution donne une importance nouvelle au catalogue produit.
Un humain peut parfois interpréter une fiche imparfaite. Il peut regarder une photo, parcourir plusieurs avis ou comprendre implicitement qu’un produit correspond probablement à son besoin.
Une machine doit pouvoir identifier les informations, les rapprocher de l’intention et évaluer leur fiabilité.

Une caractéristique absente, ambiguë ou contradictoire peut donc avoir une conséquence différente de celle que nous connaissions avec le SEO classique : le produit ne perd pas seulement quelques positions.
Il peut ne pas entrer dans la sélection de l’agent.
La FEVAD identifie ainsi explicitement parmi les enjeux du commerce agentique la qualité des données produits, leur visibilité dans les réponses générées et l’adaptation des infrastructures des marchands.

SEO, AEO et GEO : trois logiques complémentaires

Le SEO reste essentiel. Les moteurs de recherche ne disparaissent pas et les sites marchands restent au cœur du parcours.
Mais deux nouvelles disciplines prennent progressivement de l’importance.

L’AEO, Answer Engine Optimization, consiste à rendre une information suffisamment structurée et explicite pour qu’un moteur de réponse puisse la comprendre et l’utiliser dans sa réponse.
Le GEO, Generative Engine Optimization, cherche plus largement à améliorer la capacité d’un contenu, d’une marque ou d’une offre à être compris et exploité par les systèmes d’IA générative.

Dans le commerce agentique, ces logiques dépassent le contenu éditorial d’un site.
Elles concernent directement la donnée produit.
Un titre clair, des attributs correctement renseignés, une description précise, des informations de compatibilité, d’usage, de dimensions, de matériaux ou de contenu de la boîte deviennent des données qu’un agent peut mobiliser pour décider si un produit répond ou non à une intention.

Être visible ne suffit plus

C’est probablement le changement conceptuel le plus important.
Pendant longtemps, une marque pouvait raisonner principalement en termes de visibilité :
- Est-ce que mon produit apparaît ?

La question devient progressivement :
- Est-ce qu’une IA comprend suffisamment mon produit pour le recommander ?

Ces deux questions ne produisent pas les mêmes exigences. Un produit peut être parfaitement indexé et pourtant être difficile à recommander si ses informations sont partielles, incohérentes ou trop peu explicites.
La recommandabilité devient ainsi une nouvelle dimension de la performance produit.

Ce que les marques peuvent préparer dès maintenant

Il serait prématuré de reconstruire toute une stratégie e-commerce autour d’agents qui sont encore en pleine évolution. En revanche, plusieurs fondamentaux sont déjà utiles aujourd’hui et le resteront quelle que soit la technologie utilisée demain :

1. Fiabiliser les données produits : caractéristiques complètes, cohérentes et réellement exploitables.

2. Structurer les contenus autour des intentions d’achat, pas uniquement autour des mots-clés.

3. Éliminer les ambiguïtés entre titres, descriptions, attributs, spécifications et contenus enrichis.

4. Mesurer la recommandabilité, c’est-à-dire la capacité réelle d’un système d’IA à comprendre le produit et les situations dans lesquelles il doit être proposé.

5. Surveiller les changements de contenu, d’offre et de disponibilité, car un produit pertinent mais indisponible ou mal présenté peut rapidement sortir d’une recommandation.

Ce travail ne sert d’ailleurs pas uniquement aux futurs agents IA. Il améliore aussi la qualité du catalogue, l’expérience client, les moteurs de recherche internes et les assistants shopping déjà intégrés aux grandes plateformes.

Vers un commerce pensé aussi pour les machines

Le commerce agentique ne signifie probablement pas la disparition du site marchand, du SEO ou du marketing traditionnel.
Il ajoute une nouvelle audience.
À côté du consommateur, les marques devront désormais penser aux systèmes qui lisent, comparent et interprètent leurs produits pour lui.

La FEVAD et KPMG parlent d’un déplacement de la valeur vers cette nouvelle couche d’intermédiation. Les infrastructures « agent-ready », les API et les catalogues structurés pourraient ainsi prendre une importance croissante dans la chaîne de valeur du commerce numérique.
Pour les marques, la conséquence peut se résumer simplement :

Demain, avant de convaincre un acheteur, il faudra peut-être d’abord être compris par son agent.

Chez OKTee, c’est précisément pour cette raison que nous distinguons désormais visibilité et recommandabilité : être présent dans un catalogue ne garantit plus qu’un produit soit compris, retenu et proposé au bon moment.
Le commerce agentique ne fait que commencer. Mais la qualité de la donnée nécessaire pour s’y préparer peut, elle, être travaillée dès aujourd’hui.

Source principale : étude FEVAD × KPMG 2026, Commerce agentique : quels enjeux pour l’e-commerce ?, publiée le 17 septembre 2026 : https://www.fevad.com/etude-fevad-kpmg-commerce-agentique/