Google, OpenAI, Amazon, Meta : la bataille pour savoir comment les clients trouvent la mode

En novembre 2025, Walmart a intégré environ 200 000 produits dans ChatGPT, permettant aux clients d'acheter sans jamais quitter le chat. En mars 2026, l'enseigne s'était retirée. Selon The Paypers, le pilote dans le chat a produit des taux de conversion environ trois fois inférieurs à ceux des utilisateurs qui cliquaient vers le site de Walmart. Quelques semaines plus tard, OpenAI battait elle-même en retraite sur le modèle de paiement qu'elle avait lancé en fanfare six mois plus tôt.

Ce revirement est l'indice le plus parlant dans la lutte que se livrent Google, OpenAI, Amazon et Meta pour le moment où un client décide ce qu'il achète. Réponse courte à la question de savoir qui gagne : personne ne maîtrise encore la découverte de la mode, mais les plateformes qui détiennent déjà les données de paiement, de catalogue et de publicité prennent de l'avance. Amazon annonce près de 12 Md USD de ventes annualisées supplémentaires grâce à son assistant, Meta affirme que 60 Md USD par an transitent désormais par ses outils publicitaires entièrement automatisés, et Google transforme ses 50 milliards de fiches produits en un agent capable d'acheter à la place du client.

Pour les marques de mode, l'enjeu n'a rien d'abstrait. Celui qui contrôle la couche conversationnelle décide quels produits le client voit, quel détaillant reçoit la commande, qui conserve les données clients et qui paie une commission pour ce privilège. Les 18 derniers mois ont apporté quatre réponses différentes à cette question.

Qu'est-ce que chaque plateforme a réellement lancé pour le shopping ?

Google a été le premier à passer à l'échelle. Lors de sa conférence I/O du 20 mai 2025, il a annoncé une expérience d'achat dans AI Mode qui combine ses modèles Gemini avec le Shopping Graph, qui comptait selon Google plus de 50 milliards de fiches produits, dont plus de 2 milliards actualisées chaque heure. Le même jour, il a lancé aux États-Unis, via Search Labs, un essayage virtuel qui permet de voir chemises, pantalons, jupes et robes sur une photo de soi en pied, et présenté en avant-première un paiement agentique : le client suit un prix, définit taille, couleur et budget, puis touche « acheter pour moi » dès que le prix baisse. Le 13 novembre 2025, Google a déployé ce paiement aux États-Unis avec des marchands de lancement comme Wayfair, Chewy, la marque de prêt-à-porter Quince et certains marchands Shopify, et ouvert les fonctions d'achat à tous les utilisateurs de l'application Gemini aux États-Unis.

OpenAI a lancé Instant Checkout le 29 septembre 2025. Les utilisateurs américains des offres Free, Plus et Pro pouvaient acheter des articles à l'unité auprès de vendeurs Etsy américains directement dans ChatGPT, et OpenAI a indiqué que plus d'un million de marchands Shopify, dont Glossier, Skims, Spanx et Vuori, suivraient. Les marchands paient une commission sur les achats ; les clients ne paient rien de plus. La fonction reposait sur l'Agentic Commerce Protocol, développé par OpenAI avec Stripe et publié en open source. Le 24 novembre 2025, OpenAI a ajouté la « recherche shopping », un mode propulsé par une version de GPT-5 mini qui pose des questions de précision et produit un guide d'achat.

Amazon a gardé le client dans ses murs. Son assistant Rufus a gagné en 2025 une mémoire, le suivi des prix et l'achat automatique : les membres Prime peuvent fixer un prix cible et laisser Rufus acheter quand il est atteint, avec un délai d'annulation de 24 heures. Lens Live, lancé en septembre 2025, intègre Rufus à l'appareil photo pour scanner des produits en temps réel, et Amazon a indiqué que l'usage de Lens avait progressé de 45 % sur un an. Son bouton « Buy for Me » va plus loin : Amazon peut acheter pour le compte d'un client sur le site propre d'une marque lorsque l'article n'est pas vendu sur Amazon.

L'approche de Meta est la moins visible pour les clients et sans doute la plus lourde de conséquences pour les budgets des marques. Plutôt qu'un chatbot d'achat, Meta a automatisé la publicité elle-même. Sa suite Advantage+ crée, cible et place les annonces de bout en bout, et son assistant Meta AI compte plus d'un milliard d'utilisateurs mensuels, selon Mark Zuckerberg.

Pinterest, cinquième prétendant, a construit son assistant sur ce qu'il appelle un Taste Graph. Lors de sa conférence de résultats du deuxième trimestre 2026, l'entreprise a indiqué que le Pinterest Assistant était accessible à la grande majorité des utilisateurs américains fin juillet, qu'il traite plus de 80 milliards de recherches par mois, pour la plupart visuelles et commerciales à plus de la moitié, et que plus de 96 % des recherches textuelles ne mentionnent aucune marque. La génération Z représente plus de la moitié de ses 640 millions d'utilisateurs mensuels.

Pourquoi Instant Checkout d'OpenAI a-t-il calé ?

OpenAI avait l'audience, mais pas l'habitude d'achat. Selon des informations résumées par Shopifreaks en mars 2026, le bouton d'achat d'origine convertissait à moins de 1 %, contre une moyenne du secteur de 3 à 4 %, et l'adoption par les marchands restait limitée. La réponse d'OpenAI a été de passer à un modèle d'applications dans lequel les détaillants construisent leur propre vitrine dans ChatGPT et gèrent eux-mêmes la transaction. Le travail de développement, et le paiement, retombent ainsi sur le marchand. Shopify a indiqué qu'il ne construirait pas d'application ChatGPT avec paiement ; Etsy n'a donné aucun calendrier.

L'expérience de Walmart montre pourquoi les détaillants ont salué ce changement. Son assistant Sparky est arrivé chez les abonnés payants de ChatGPT en mars 2026, mais cette fois les clients se connectent avec leur compte Walmart, synchronisent leur panier et finalisent l'achat dans le système de Walmart. Un haut responsable a qualifié de peu satisfaisante l'expérience précédente dans le chat ; selon Shopifreaks, Walmart l'a jugée « rudimentaire ».

La documentation produit d'OpenAI traduit la même prudence. Elle précise que les résultats de la recherche shopping sont organiques, que les conversations ne sont jamais partagées avec les détaillants et que l'outil « peut commettre des erreurs sur des détails produit comme le prix et la disponibilité ». Elle indique aussi que les articles Instant Checkout ne sont pas favorisés dans les classements, même si l'activation de la fonction fait partie des facteurs pris en compte lorsque plusieurs marchands vendent le même produit.

Comment Google transforme-t-il la recherche en caisse ?

Le pari de Google est que le protocole, et non le chatbot, est le véritable prix. Le 11 janvier 2026, à l'occasion du salon annuel de la National Retail Federation, il a lancé le Universal Commerce Protocol (UCP), un standard ouvert couvrant la découverte, l'achat et le support après-vente. Constellation Research a recensé 20 soutiens au lancement, dont Shopify, Etsy, Wayfair, Target, Best Buy, PayPal, Visa, Stripe et American Express. UCP alimente un paiement dans AI Mode via Google Pay.

Google a ajouté deux produits commerciaux par-dessus. Un Business Agent répond aux questions sur les produits avec la voix de la marque directement dans la recherche, disponible dès le lancement chez Lowe's, Poshmark et Reebok. Vidhya Srinivasan, vice-présidente de Google en charge de la publicité et du commerce, l'a décrit comme « un conseiller de vente virtuel qui peut simplement répondre aux questions sur les produits avec la voix de la marque ». Un pilote Direct Offers permet aux annonceurs de proposer livraison gratuite, packs ou réductions aux clients dans AI Mode ; il a été testé avec des marchands Shopify, e.l.f. Cosmetics, Petco et Samsonite, entre autres.

Le premier grand groupe de prêt-à-porter à passer en production a été Gap Inc. Le 24 mars 2026, il a commencé à proposer le paiement dans Gemini de Google pour Gap, Old Navy, Banana Republic et Athleta : une cliente qui cherche une tenue pour un mariage ou un entretien peut acheter les suggestions dans la même conversation, a rapporté RetailDetail.

Que fait Amazon de différent, et que lui rapporte-t-il ?

Amazon est le seul prétendant à avoir chiffré les ventes générées par son assistant. Dans ses résultats du quatrième trimestre 2025, il indique que plus de 300 millions de clients ont utilisé Rufus au cours de l'année et que l'assistant a généré près de 12 Md USD de ventes annualisées supplémentaires, contre un rythme de 10 Md USD annoncé après le troisième trimestre. Les clients qui ont utilisé Rufus en faisant leurs achats ont converti à des taux supérieurs de plus de 60 % à ceux qui ne l'ont pas fait, selon des données de novembre 2025. Il s'agit d'estimations de l'entreprise reposant sur ses propres hypothèses d'attribution, et non de chiffres audités.

L'avantage est structurel. Rufus répond à des questions sur un catalogue qu'Amazon contrôle, à partir d'historiques d'achats qu'Amazon possède, et la vente se conclut dans le paiement d'Amazon. Buy for Me prolonge cette logique au-delà de sa boutique : Amazon indique que le catalogue de la fonction est passé de 65 000 produits au lancement à plus de 500 000 en novembre 2025.

Lorsqu'un article n'est pas disponible via Buy for Me, Rufus peut afficher un bouton « Shop Direct » qui renvoie vers le marchand. Amazon a aussi ajouté un détecteur d'offres personnalisé pour des événements comme le Prime Day et le Black Friday, fondé sur la navigation, le panier et la liste d'envies, et indiqué que Rufus avait reçu plus de 50 améliorations techniques en 2025. Pour une marque de mode qui vend via Amazon, cela signifie que l'assistant, plus que la page de résultats, décide de plus en plus de la variante, de la couleur ou du produit concurrent présenté au client. Pour une marque qui n'y vend pas, Buy for Me signifie qu'Amazon peut tout de même être l'endroit où le client la découvre, et que la relation client reste chez Amazon plutôt que chez la marque.

Les marques perdent-elles le contrôle lorsqu'un agent IA achète à leur place ?

Le cas test le plus net est venu de petites marques de mode et de cadeaux. En janvier 2026, Modern Retail a rapporté que des vendeurs indépendants avaient découvert leurs produits référencés sur Amazon via Buy for Me sans y avoir consenti. Mochi Kids, une marque de vêtements pour enfants de Salt Lake City, a vu apparaître un catalogue d'environ 4 000 produits et reçu environ 16 commandes Buy for Me. Une enquête auto-déclarée menée par une propriétaire concernée a recueilli 145 réponses de marques qui estimaient avoir été référencées sans consentement. Amazon a indiqué que ces programmes étaient des tests, qu'il avait reçu des retours positifs et que les entreprises pouvaient s'en retirer à tout moment par e-mail. Amanda Stewart, de Mochi Kids, a résumé simplement le point de vue des marques : « Cela crée de la défiance ».

Cet épisode illustre trois risques qui valent pour toutes les plateformes. Premièrement, les prix et les conflits de canaux : une artiste a déclaré à Modern Retail que des produits réservés à la vente en gros avaient été référencés, ce qui soulève des questions de taxe de vente et de prix. Deuxièmement, les données : lorsqu'un agent achète pour le compte du client, la marque peut recevoir une commande provenant de l'adresse d'une plateforme plutôt qu'une relation client. Troisièmement, l'exactitude : un agent qui travaille à partir de données collectées automatiquement peut afficher des tailles, des prix ou des stocks périmés, un problème qu'OpenAI reconnaît dans sa propre documentation.

Comment la publicité IA de Meta change-t-elle l'économie des marques de mode ?

Pour la plupart des marques de mode, la plus grande plateforme de shopping IA n'est pas un chatbot, mais un système publicitaire. La directrice financière de Meta, Susan Li, a indiqué aux investisseurs en octobre 2025 que le chiffre d'affaires annualisé passant par ses solutions automatisées de bout en bout avait atteint 60 Md USD. Elle a précisé qu'un nouveau modèle de classement avait généré en test une hausse de plus de 2 % des conversions sur Instagram, et que le déploiement de son modèle Lattice sur les publicités d'applications avait apporté un gain de près de 3 % des conversions. Mark Zuckerberg a déclaré que les IA métier de Meta permettraient à des dizaines de millions d'entreprises de multiplier leurs conversations avec leurs clients.

La contrepartie est la perte de contrôle. Les campagnes automatisées choisissent les créations, les audiences et les emplacements au sein des systèmes de Meta, la marque fournissant budget, flux produits et contenus. Les gains de conversion reviennent aux annonceurs, mais aussi la dépendance à un modèle dont ils ne peuvent pas inspecter le raisonnement. Pinterest fait une offre similaire depuis l'autre bout : son directeur général Bill Ready a expliqué aux analystes que l'assistant n'était pas un produit à « construire maintenant et monétiser plus tard », et que « l'IA seule n'a ni style ni goût. Ce sont les gens qui ont du style et du goût ».

Quelles sont les limites et les contre-arguments ?

Trois réserves tempèrent le récit d'une ruée de l'IA sur le marché. La première est l'échelle. Les chiffres d'Amazon et de Meta sont considérables, mais ils s'inscrivent dans des groupes déjà immenses ; ni l'un ni l'autre n'a précisé quelle part de l'effet vient de l'habillement. Ce sont des estimations d'entreprises, et celle d'Amazon repose sur des hypothèses d'attribution quant à ce que les clients auraient acheté autrement.

La deuxième est le comportement. L'expérience d'OpenAI et de Walmart suggère que les clients utilisent le chat pour chercher, mais préfèrent toujours acheter là où ils font confiance à la politique de retour et au guide des tailles. C'est un enjeu particulier dans la mode, où la coupe, la matière et les retours comptent plus que dans l'électronique ou les articles de maison. OpenAI cite d'ailleurs l'électronique, la beauté, la maison et le jardin, la cuisine et l'électroménager, ainsi que le sport et le plein air, et non l'habillement, parmi les catégories où la recherche shopping est particulièrement performante.

La troisième est le contre-argument des plateformes elles-mêmes : les agents IA ont davantage besoin des détaillants que l'inverse. Google présente son Business Agent comme un moyen pour les marques de répondre aux questions avec leur propre voix, et Carrie Tharp, vice-présidente de Google Cloud, a déclaré aux détaillants au NRF en janvier 2026 : « L'IA n'est pas un concurrent des détaillants. Elle devrait être leur superpouvoir. » Le choix de Gap de vendre dans Gemini plutôt que d'attendre traduit un calcul : être présent dans la conversation est moins risqué que d'en être absent. Les marques bien décrites, bien approvisionnées et bien notées pourraient simplement être recommandées plus souvent, où que se déroule la conversation.

Que doivent faire les marques de mode dès maintenant ?

1. Traiter les données produit comme une vitrine Les agents lisent des flux, pas des campagnes. Des attributs complets sur la coupe, la matière, la gamme de tailles et le stock sont ce qui fait recommander et décrire correctement un produit.
2. Auditer les endroits où vous êtes déjà référencé Vérifiez si Buy for Me, le Shopping Graph de Google ou la recherche shopping de ChatGPT affichent vos produits, et si les prix, les lignes réservées à la vente en gros et la disponibilité sont exacts.
3. Garder le paiement final autant que possible Le pilote Walmart et le virage d'OpenAI suggèrent qu'un paiement contrôlé par le marchand convertit mieux et protège la relation client. Privilégiez les intégrations qui renvoient le client vers votre compte et votre politique de retour.
4. Choisir les protocoles de façon délibérée UCP et l'Agentic Commerce Protocol sont des standards ouverts aux soutiens différents. Évaluez les commissions, le partage des données et la propriété de la fiche client avant d'activer l'un ou l'autre.
5. Séparer les budgets média et commerce pour l'IA Les outils publicitaires automatisés de Meta et de Google et leurs fonctions de shopping conversationnel récompensent des données d'entrée différentes. Mesurez l'incrémentalité de chacun plutôt que de vous fier à l'attribution déclarée par les plateformes.
6. Tester l'essayage et les outils de coupe avec les données de retours L'essayage virtuel est gratuit sur Google ; savoir s'il réduit les retours dans vos catégories est une question empirique à laquelle vos propres données peuvent répondre.
7. Définir des règles pour les référencements non autorisés Préparez un processus de retrait et d'escalade, afin qu'un agent qui vend vos produits sans consentement soit détecté rapidement, et non par un client déconcerté.