Un internaute tape une requête sur ChatGPT ou Google. Plutôt que de parcourir dix onglets, il demande à un agent IA de comparer les offres, de sélectionner le meilleur produit et de finaliser la commande. La transaction se conclut sans qu’il ait jamais ouvert un site e-commerce. Ce scénario, encore marginal il y a deux ans, devient une réalité opérationnelle en 2025. C’est ce qu’on appelle le commerce agentique, ou agentic commerce en anglais. Et pour les e-commerçants, il redéfinit la manière dont les clients arrivent, ou n’arrivent plus, sur leurs plateformes.
Qu’est-ce que le commerce agentique ?
Le commerce agentique désigne un modèle dans lequel des agents IA autonomes prennent en charge tout ou partie du parcours d’achat à la place de l’utilisateur humain. Ces agents peuvent rechercher des produits, comparer des prix, lire des avis, vérifier la disponibilité et déclencher un paiement, le tout de manière automatisée, selon les préférences et le budget définis par l’utilisateur.
Le terme « agentique » vient de la notion d’agentivité : la capacité d’un système à agir de façon autonome pour atteindre un objectif. Appliqué au commerce, cela signifie que l’agent ne se contente pas de donner un conseil, il agit. Il sélectionne, il commande, il confirme.
Ce modèle s’appuie sur des systèmes d’IA capables d’interpréter une intention formulée en langage naturel, puis d’exécuter une séquence d’actions sur des plateformes tierces via des API ou des protocoles comme le MCP (Model Context Protocol), que des acteurs comme Anthropic ont commencé à standardiser.
Pour aller plus loin sur les enjeux concrets de cette transformation pour les boutiques en ligne, vous pouvez en savoir plus sur le commerce agentique et les adaptations techniques qu’il implique.
Combien d’achat seront agentique d’ici 2027 ?
Les projections varient selon les sources, mais la tendance est lisible. Des cabinets comme Gartner estiment que d’ici 2028, une part significative des transactions B2C et B2B impliquera un agent IA dans la boucle de décision. Côté B2B, des plateformes comme Amazon Business ou Mirakl testent déjà des workflows où les agents gèrent les réapprovisionnements automatiques selon des seuils de stock.
Côté grand public, l’adoption reste plus progressive. Elle dépend de la confiance accordée à ces agents, de la maturité des interfaces de paiement sécurisées, et de la capacité des e-commerçants à rendre leurs catalogues lisibles par des systèmes automatisés. Les articles à fort taux de réachat, les produits standardisés et les services récurrents sont les premiers concernés.
Comment fonctionne concrètement un agent d’achat IA ?
L’agent reçoit une intention de l’utilisateur : « Trouve-moi un casque audio sans fil sous 150 euros, compatible Mac, livrable avant vendredi. » Il décompose cette requête en critères, interroge plusieurs sources de données, filtre les résultats selon les contraintes, puis présente une sélection ou agit directement si l’utilisateur lui a accordé une autorisation de paiement.
Les systèmes les plus avancés s’appuient sur des couches d’orchestration qui permettent à l’agent d’interagir avec des sites e-commerce, des comparateurs de prix, des plateformes logistiques et des systèmes de checkout en temps réel. Google teste cette logique avec ses fonctionnalités « Buy for me » intégrées à Google Shopping, où l’agent remplit les formulaires et finalise la commande sur le site du marchand.
Pour que cela fonctionne, le site marchand doit exposer ses données de manière structurée : fiches produits complètes, disponibilité en temps réel, politique de retour lisible par machine. Un site mal structuré sera simplement ignoré par l’agent, qui passera à la concurrence.
Quels risques pour la sécurité et le paiement ?
La question du paiement agentique est la plus sensible. Déléguer une autorisation de transaction à un agent IA soulève des enjeux de contrôle, de fraude et de responsabilité. Si l’agent commet une erreur, qui est responsable ? L’utilisateur, la plateforme, le développeur du modèle ?
Les acteurs du secteur travaillent sur des mécanismes de contrôle gradués : l’utilisateur peut fixer un plafond de dépense, exiger une confirmation avant tout achat au-dessus d’un certain montant, ou limiter l’agent à certaines catégories de produits. Des protocoles de sécurité spécifiques aux transactions agentiques émergent, notamment autour de la vérification d’identité et de la traçabilité des actions.
La fraude est un autre angle de vigilance. Un agent mal configuré ou compromis pourrait être détourné pour effectuer des achats non autorisés. La transparence sur les actions réalisées, l’historique consultable et les alertes en temps réel sont des garde-fous que les plateformes devront intégrer nativement.
3 adaptations que les e-commerçants doivent anticiper
La première adaptation touche à la structuration des données produits. Les agents IA ne lisent pas une page comme un humain : ils interrogent des flux structurés, des API, des métadonnées. Un catalogue mal documenté, avec des descriptions vagues ou des attributs incomplets, sera écarté au profit d’un concurrent mieux organisé.
La deuxième concerne le checkout. Les tunnels de conversion conçus pour des humains, avec des étapes multiples, des pop-ups et des formulaires complexes, sont des obstacles pour les agents. Des plateformes comme Shopify ou des solutions headless commencent à proposer des API de checkout directement accessibles par des systèmes automatisés.
La troisième adaptation est plus stratégique : comment maintenir une relation de marque quand l’acheteur final est un agent et non un humain ? La fidélisation, le storytelling, l’expérience sensorielle du site perdent de leur prise. Ce qui compte pour l’agent, c’est la donnée : prix, disponibilité, délai, note moyenne, politique de retour. Les e-commerçants devront soigner ces signaux avec autant d’attention qu’ils en accordent aujourd’hui à leur design.
Le commerce agentique change-t-il le rôle de Google et des comparateurs ?
Oui, profondément. Aujourd’hui, Google capte l’intention de recherche et oriente le trafic vers les sites marchands. Dans un modèle agentique, l’agent IA peut court-circuiter ce passage par le moteur de recherche : il interroge directement les plateformes via des API ou des outils comme les plugins ChatGPT et les connecteurs MCP.
Google n’est pas passif face à cette évolution. Ses expériences avec les « AI Overviews » et les fonctionnalités d’achat intégrées montrent une volonté de rester dans la boucle agentique, en devenant lui-même un orchestrateur d’agents plutôt qu’un simple moteur d’indexation. Pour les e-commerçants, cela signifie que la visibilité ne se jouera plus uniquement sur le référencement classique, mais aussi sur la capacité à être reconnu et sélectionné par des systèmes automatisés.
Faut-il déjà adapter sa stratégie e-commerce ?
Pour la majorité des boutiques en ligne, le commerce agentique reste une tendance émergente plutôt qu’une urgence opérationnelle immédiate. Mais certains signaux méritent attention dès maintenant : la qualité des données produits, la robustesse de l’API catalogue, la lisibilité des conditions de vente par des systèmes automatisés.
Les acteurs qui attendent que le modèle soit mature pour s’y préparer risquent de se retrouver dans la même position que ceux qui ont ignoré le mobile en 2012 ou la voix en 2018. L’adoption progressive des agents dans les usages quotidiens se fait sans annonce fracassante, par accumulation de petits automatismes qui finissent par remodeler les flux d’achat en profondeur.