Un agent d'achat IA est un système logiciel — le plus souvent construit sur un grand modèle de langage — qui agit pour le compte d'un acheteur pour découvrir, évaluer, sélectionner et (de plus en plus) acheter des produits. Les agents diffèrent des outils de recherche classiques sur trois points : ils raisonnent sur l'intention, ils comparent entre sources, et ils peuvent passer à l'action.
En 2026, les agents IA en commerce existent sur un spectre. La majorité aujourd'hui sont consultatifs (ils recommandent, l'humain achète). Une minorité croissante est transactionnelle (ils achètent dans une permission cadrée). Tous changent ce que les marchands doivent exposer.
Une taxonomie des agents commerce
| Type d'agent | Ce qu'il fait | Exemples (2025–2026) |
|---|---|---|
| Shopping en surface de réponse | Recommande des produits dans une réponse IA (chat, search overview) | ChatGPT Shopping, Perplexity Shop, Google AI Overviews, Amazon Rufus |
| Agent navigateur / computer-use | Pilote un vrai navigateur pour le compte d'un utilisateur | OpenAI Operator, Claude computer use, Comet, Rabbit |
| Agent plateforme embarqué | Assistants in-app dans les marketplaces ou apps marchandes | Amazon Rufus, Shopify Sidekick, Klarna AI Assistant |
| Agent vertical développé | Agents sur-mesure pour des tâches de niche (achats, cadeaux, réassort) | Acheteurs entreprises, apps agents indé |
| Agent-pay autonome | Transige avec des credentials délégués | Démos Stripe ACP, pilotes Visa IC, pilotes Mastercard Agent Pay |
Le flux canonique d'achat par agent
Ramenés à l'essentiel, la plupart des achats médiés par agent suivent la même forme en huit étapes. Nommez les étapes et le mandat marchand devient évident.
- Formation de l'intention. L'utilisateur énonce un objectif (« Il me faut des chaussures de running pour un semi-marathon sous 150 €, imperméables de préférence »).
- Décomposition. L'agent décompose l'intention en attributs filtrables, contraintes et préférences.
- Récupération. L'agent interroge les sources — APIs de recherche, index de surfaces de réponse, APIs marketplace, récupération de données catalogue pré-ingérées.
- Comparaison. Les offres sont comparées sur prix, score de match, ajustement aux politiques, délai de livraison, confiance marchand.
- Désambiguation. L'agent remonte 1 à 3 candidats à l'utilisateur, ou restreint seul si la permission le permet.
- Engagement. L'utilisateur sélectionne, ou l'agent procède sur permission déléguée.
- Transaction. Le paiement est initié — soit en remettant l'utilisateur à un checkout, soit via un token agent-pay.
- Après-vente. Suivi, livraison, retours — idéalement observables par l'agent pour la référence future de l'utilisateur.
Une traversée plus granulaire se trouve dans Anatomie d'un achat par agent.
Ce que les agents consomment vraiment côté marchand
À travers la taxonomie ci-dessus, les agents lisent trois grandes catégories de donnée marchande :
- Donnée catalogue. Titres produits, identifiants, attributs, catégories, visuels, prix, disponibilité. Voir catalogues produits pour IA.
- Donnée politique. Régions et fenêtres de livraison, retours, garantie, restrictions d'âge ou géographiques, termes d'abonnement.
- Donnée de confiance. Identité marchand, notations, provenance, certifications, ancienneté du domaine, moyens de paiement acceptés.
Les meilleurs agents aujourd'hui mixent plusieurs sources : flux structurés quand disponibles (type Google Merchant Center), pages structurées (schema.org), APIs ouvertes, et, en recours, scraping HTML avec modèles de vision. Chaque recours est plus coûteux, plus lent, moins fiable — en pratique, une pénalité de ranking pour le marchand.
Où les agents coincent
Les modes de panne valent d'être énumérés parce que chacun est une opportunité marchand.
- Ambiguïté d'identifiant. Deux listings pour le même SKU avec des titres différents. L'agent ne peut pas déduplicater.
- Flicker de prix. Le prix sur la PDP diffère du prix en checkout. L'agent perd confiance dans le marchand.
- Murs de consentement. Le consentement RGPD bloque le rendu. L'agent traite la page comme vide.
- Disponibilité dynamique. En stock sur la PDP, rupture au checkout. Les agents pénalisent les marchands dont les flux traînent.
- Trous de politique. La page retours n'est que de la prose. L'agent ne peut pas vérifier « retours gratuits sous 30 jours ».
- Mismatch de région. Page servie en anglais mais offre valide seulement dans un pays précis. L'agent mésinterprète.
Rails de paiement agent
L'agent-pay est le plan transactionnel du protocole. Trois initiatives qui se chevauchent en 2026 :
- Stripe Agentic Commerce — tokens scopés agent, contrôles de dépense, pistes d'audit.
- Visa Intelligent Commerce — credentials carte liés à l'agent avec autorité déléguée.
- Mastercard Agent Pay — identité agent + credentials tokenisés, vérification côté marchand.
- Outillage PayPal agent — endpoints transactionnels pour applications agents.
Ces rails convergent vers un besoin partagé : permettre à un agent de présenter un credential de paiement scopé, révocable, auditable et identifiable comme agent. Les marchands verront de plus en plus les commandes payées par agent comme une classe distincte. Nous en suivons la comparaison dans standards, schémas et protocoles.
Conséquences pour les marchands
Opérationnellement :
- Supposez que votre PDP sera lue par au moins un agent par semaine sous 12 mois ; structurez en conséquence.
- Supposez que des commandes vont commencer à arriver avec des tokens agent-pay ; vérifiez que votre PSP supporte le schéma.
- Supposez que votre politique de retours sera parsée ; représentez-la comme de la donnée.
- Supposez que vos concurrents aux flux plus forts apparaîtront d'abord sur les surfaces de réponse ; investissez dans l'hygiène de flux.
- Supposez que la surface de réponse est un nouveau canal d'acquisition, pas une menace ; designez pour le handoff.
Questions fréquentes
Les agents IA achètent-ils chez les petits marchands aujourd'hui ?
Oui, sélectivement. Le shopping en surface de réponse (Perplexity, ChatGPT) route vers des marchands directs dont les catalogues sont récupérables. L'agent-pay autonome est en pilote avec des marchands entreprise début 2026.
Dois-je construire un chatbot pour être prêt ?
Non. Le travail d'infrastructure — catalogue, politiques, flux, identifiants — est séparé de toute UI conversationnelle. Beaucoup de marchands n'ont pas besoin de construire un agent en interne.
Puis-je bloquer les agents IA ?
Vous pouvez signaler (robots.txt, chaînes user-agent, fingerprinting) mais le coût pratique d'être injoignable monte. Le meilleur défaut est l'exposition sélective avec des termes commerciaux clairs.
Où aller ensuite
- Scénarios concrets dans cas d'usage.
- Les standards et protocoles qui portent ce qui précède.
- Préparation de niveau opérateur dans la checklist de readiness.