Que signifient les agents de shopping IA pour les sites web et les flux produits des marques de mode ?

Les agents de shopping IA déplacent une partie du parcours d'achat des sites web des marques vers des assistants comme ChatGPT et l'AI Mode de Google, où les consommateurs demandent des produits, les comparent et, de plus en plus, passent commande sans visiter le site de la marque. Pour les marques de mode, cela signifie que les données produit structurées, les prix et les stocks, transmis via des flux et des protocoles, deviennent aussi importants que le site web lui-même. Les canaux propres de la marque se démarquent alors par ce que les agents peuvent difficilement offrir : le service, le conseil sur la coupe et la relation.

Qu'est-ce que le shopping agentique ?

Le shopping agentique désigne des assistants IA qui agissent pour le compte d'un consommateur : ils interprètent une demande, comme une tenue pour un mariage d'été dans un budget donné, effectuent des recherches chez différents distributeurs, comparent les options et, avec l'accord du consommateur, passent la commande. Jusqu'en 2025, la plupart des assistants se contentaient de renvoyer vers les sites des distributeurs. Depuis, les plateformes ont ajouté le paiement au sein de la conversation, ce qui change la question de savoir à qui appartient le moment de l'achat.

Quels protocoles et quelles plateformes comptent en 2026 ?

Au lancement, OpenAI a rendu Instant Checkout disponible pour les vendeurs Etsy américains et annoncé que plus d'un million de marchands Shopify suivraient, en citant des marques comme Glossier, SKIMS, Spanx et Vuori. OpenAI a précisé que les résultats produits sont organiques et non sponsorisés, que les marchands paient une commission sur les achats finalisés et que la disponibilité d'Instant Checkout n'améliore pas le classement d'un article. Lorsque plusieurs marchands vendent le même article, ChatGPT prend en compte des facteurs comme la disponibilité, le prix, la qualité et le fait que le marchand soit ou non le vendeur principal.

L'Universal Commerce Protocol de Google a été codéveloppé avec Shopify, Etsy, Wayfair, Target et Walmart et soutenu par des entreprises comme Zalando et Macy's, selon PYMNTS. Google a également présenté un Business Agent qui permet aux consommateurs de dialoguer avec une marque directement dans la recherche, Reebok et Poshmark figurant parmi les premiers utilisateurs cités.

Lire aussi

Comment l'IA peut-elle identifier la cause des retours dans la mode ?

Quel trafic les assistants IA envoient-ils vers les sites de commerce ?

Les volumes progressent rapidement à partir d'une base réduite. Adobe a indiqué en janvier 2026 que le trafic provenant de sources d'IA générative vers les sites de commerce américains avait augmenté de 693 % sur un an pendant la saison des fêtes 2025 et que ce trafic convertissait 31 % mieux que les autres sources, les visiteurs passant aussi plus de temps sur le site. Ces chiffres concernent l'ensemble du commerce américain et non spécifiquement la mode, et les visites issues de l'IA restent une faible part du trafic total pour la plupart des marques, mais la tendance est claire.

Les assistants propres aux marques illustrent l'autre versant de cette évolution. Ralph Lauren, par exemple, a lancé en septembre 2025 Ask Ralph dans son application, un assistant conversationnel construit avec la technologie Azure OpenAI de Microsoft qui suggère des produits Polo Ralph Lauren disponibles en stock et vise à reproduire en ligne l'expérience d'un conseil auprès d'un styliste en magasin. Ces assistants maintiennent la conversation et les données dans le canal propre de la marque, mais dépendent des mêmes données produit et de stock structurées que les agents tiers.

De quoi les agents ont-ils besoin en matière de données produit et de flux ?

La documentation d'OpenAI sur l'Agentic Commerce Protocol décrit des flux produits régulièrement actualisés au format CSV ou JSON, comprenant identifiants, descriptions, prix, stocks, médias et options de livraison, des attributs facultatifs comme les avis améliorant le classement et la confiance. Pour les marques de mode, cela se traduit par un programme de travail concret sur les données :

• Des attributs complets par variante : taille, couleur, composition, coupe, entretien, occasion et descripteurs de style en langage clair.
• Des informations exactes sur les tailles et la coupe, idéalement avec des mesures, car les agents ne peuvent pas laisser les consommateurs essayer les articles.
• Des prix et des stocks en temps réel, car un agent qui recommande une taille indisponible nuit à la confiance envers l'agent comme envers la marque.
• Des images de haute qualité avec des vues homogènes, et des visuels générés par IA clairement signalés lorsqu'ils sont utilisés.
• Des conditions de livraison et de retour claires sous forme de données structurées, car les agents les comparent d'un marchand à l'autre.

L'IA générative peut aider à produire à grande échelle des textes descriptifs à partir d'attributs structurés, mais des allégations inventées sur les matières ou la coupe représentent un risque lorsque les agents les répètent aux consommateurs. Les responsables des données produit doivent considérer les textes rédigés par l'IA comme des ébauches à vérifier par rapport aux données sources.

Qu'advient-il du site propre de la marque et du clienteling ?

Si la découverte et le paiement migrent vers les assistants, les marques perdent une partie du contact direct avec les consommateurs et une partie de leurs données first-party. Dans le cadre de l'Agentic Commerce Protocol, le marchand reste le vendeur officiel et reçoit la commande, de sorte que la relation client n'est pas entièrement perdue, mais le parcours de navigation se déroule ailleurs. Les marques réagissent en développant leurs propres assistants conversationnels, en renforçant la fidélisation et le clienteling pour que les clients qu'elles valorisent viennent directement à elles, et en veillant à l'exactitude de leurs données partout où les agents les lisent. Pour de nombreuses marques de mode, la réponse la plus réaliste est mixte : participer là où les agents apportent une demande incrémentale, tout en donnant aux clients fidèles des raisons d'acheter en direct, comme le conseil personnalisé, l'accès en avant-première, les retouches et des retours simples en magasin. Les partenaires wholesale sont confrontés à la même évolution, puisque les agents peuvent comparer l'offre propre d'une marque avec celles de ses distributeurs et des marketplaces pour le même article.

Lire aussi

Contrôles qualité par IA des données PIM : détecter les attributs manquants, erronés et incohérents

Que doivent faire les marques de mode dès maintenant ?

1. Auditez les données produit pour vérifier l'exhaustivité des attributs, des tailles et des images par variante.
2. Assurez-vous que les flux actualisent les prix et les stocks suffisamment souvent pour éviter la survente.
3. Décidez de participer ou non aux programmes de paiement via les agents, en pesant les commissions, l'accès aux données et la maîtrise de la présentation.
4. Suivez le trafic et les commandes provenant des assistants IA comme un canal distinct dans vos outils d'analyse.
5. Renforcez la relation directe grâce au clienteling et à la fidélisation, que les agents peuvent difficilement reproduire.