Pourquoi les recherches shopping sur l'IA générative ont-elles augmenté de 4 700 % en un an ?

Les recherches liées au shopping sur les plateformes d'IA générative ont augmenté de 4 700 pour cent entre juillet 2024 et juillet 2025, selon le rapport State of Fashion 2026 co-publié par Business of Fashion et McKinsey & Company. Près d'un quart des consommateurs mondiaux utilisent désormais l'IA générative comme point de départ principal pour la découverte, tandis que 41 pour cent des consommateurs déclarent faire davantage confiance aux résultats de recherche de l'IA générative qu'aux annonces de recherche payantes. Pour les détaillants de mode, les implications s'étendent au-delà de la découverte jusqu'aux questions fondamentales de visibilité, d'architecture des données produits et d'acquisition de trafic.

Quel volume de trafic les détaillants de mode reçoivent-ils des plateformes d'IA ?

Le passage de l'expérimental au structurel est mesurable dans les données de référencement. Selon SimilarWeb, ChatGPT a représenté 16 pour cent du trafic entrant de Zara et 8 pour cent de celui de H&M et Aritzia entre juin et août 2025. 53 pour cent des consommateurs américains qui ont utilisé l'IA générative pour la recherche au T2 2025 l'ont également utilisée pour les aider à faire leurs achats.

Adobe Analytics rapporte que le trafic provenant de l'IA vers les sites de vente au détail américains a augmenté de 393 pour cent en glissement annuel au T1 2026, les visiteurs référés par l'IA convertissant 42 pour cent mieux que tout autre trafic en mars 2026. Cet avantage de conversion représente un renversement : un an plus tôt, le même trafic IA convertissait 38 pour cent moins bien. Adobe a également indiqué que les consommateurs arrivant sur les sites de vente au détail américains depuis les plateformes d'IA s'engagent 14 pour cent plus, passent 59 pour cent plus de temps sur le site et rebondissent 33 pour cent moins, et ajoutent des articles à leur panier 28 pour cent plus que les autres acheteurs.

Qu'est-ce que l'optimisation des moteurs génératifs et pourquoi est-elle importante pour la mode ?

Le GEO garantit que le contenu est visible et optimisé pour les modèles d'IA générative. Contrairement à l'optimisation traditionnelle pour les moteurs de recherche, qui se concentre sur le classement dans les pages de résultats, le processus d'optimisation d'un moteur génératif pour le commerce électronique consiste à organiser les données produits de sorte que les assistants IA recommandent et mentionnent votre gamme de produits, et diffère du SEO e-commerce en ce qu'il cible le flux structuré et les données de page que le modèle examine avant de décider d'un produit.

Ces changements font des réponses des chatbots IA le nouveau SEO, selon McKinsey. Bien que les moteurs de recherche restent dominants, générant environ 80 pour cent de tout le trafic de recherche, la montée rapide de la découverte pilotée par l'IA met en évidence un changement fondamental dans la façon dont les gens trouvent et évaluent les produits. Le trafic de référencement LLM dans la mode et le sport a été multiplié par environ vingt en glissement annuel tout au long de 2025, et pendant le cycle des fêtes 2025, 96 pour cent des citations de mode sur Gemini sont allées à des sources non-détaillants.

Comment les détaillants de mode doivent-ils aborder l'optimisation des flux de produits pour l'IA ?

Si les pages produits sont la surface la moins lisible par machine, et que le flux est ce que Google et OpenAI instrumentent pour les réponses conversationnelles, le flux de données produits est le point de départ. Les exigences techniques diffèrent des flux shopping traditionnels.

• Flux de produits enrichis pour l'IA avec des données structurées détaillées incluant titres, descriptions, spécifications, attributs et images que les outils génératifs peuvent analyser et recommander, et attributs produits granulaires tels que compatibilité, matériau, dimensions et balises de cycle de vie afin que l'IA puisse associer avec confiance votre produit à l'intention de l'acheteur
• Flux connectés à Google Merchant Center avec des GTIN propres, taxonomie et attributs riches
• Avis et notes dans votre flux, car la spécification de flux ChatGPT accepte le nombre d'avis produits et la note moyenne comme champs au niveau du flux
• Prix synchronisés sur votre flux, site et toutes les places de marché afin que les agents IA ne rencontrent pas d'incohérences, balisage de schéma sur chaque page produit, et champs de politique d'expédition et de retour

Déployez un schéma sur chaque page produit incluant Product, Offer, AggregateRating, BreadcrumbList, FAQPage et Organization mappé à un JSON-LD propre que les agents peuvent explorer. Les outils IA s'appuient sur des données produits normalisées et littérales pour faire correspondre les résultats à l'intention de l'utilisateur, améliorant la pertinence avec des recommandations de produits plus personnalisées.

Quels détaillants de mode déploient des outils de shopping IA ?

22 millions de personnes ont visité l'Assistant Zalando en 2026, contre un peu plus de 2 millions au cours des deux premières années. Zalando rapporte que les interactions avec l'assistant durent trois fois plus longtemps que les recherches conventionnelles et comptent en moyenne plus de deux questions par conversation. Le détaillant européen de mode en ligne Zalando a dévoilé son premier agent de shopping IA qui permettra aux clients d'acheter des produits d'autres détaillants via l'application Zalando, Zalando prévoyant de lancer le paiement assisté par IA sur sa plateforme Zalando Extended en 2027, permettant aux clients d'acheter des produits d'autres détaillants en ligne sans quitter l'application Zalando, les agents IA aidant à finaliser les achats.

Chez Zalando, le rapport State of Fashion 2026 indique que l'IA générative a réduit les coûts de production d'images de 90 pour cent. Revolve a rapporté des augmentations significatives de l'engagement client grâce à ses expériences avec la recherche alimentée par l'IA générative.

Quels changements opérationnels cela nécessite-t-il de la part des équipes commerce de mode ?

Pour garantir que leurs produits soient visibles et favorisés par les modèles d'IA, les marques doivent repenser leurs infrastructures de marketing digital et de commerce électronique, où les données sémantiquement riches et le contenu accessible par API seront essentiels au succès. Plus de 35 pour cent des dirigeants déclarent utiliser déjà l'IA générative dans des domaines tels que le service client en ligne, la création d'images, la rédaction, la recherche de consommateurs ou la découverte de produits.

Le changement nécessite une coordination entre des fonctions auparavant séparées. Les systèmes d'IA accumulent des informations provenant de la couverture éditoriale, des discussions Reddit, des commentaires de créateurs, des avis produits, des données commerciales structurées, des publications sur les réseaux sociaux et de signaux d'autorité plus larges pour générer des réponses conversationnelles. ChatGPT et Claude s'appuient sur des médias éditoriaux tels que Vogue et Business of Fashion, Reddit apparaît dans les cinq principales sources de citation pour les cinq principaux moteurs, et Wikipédia agit comme un nœud de pont entre les modèles à orientation éditoriale.

Contrairement aux moteurs de recherche qui renvoient des liens classés, les grands modèles de langage comme ChatGPT, Gemini et Perplexity synthétisent les informations et font remonter les produits en fonction de la pertinence contextuelle, du contenu structuré et des signaux tiers comme les avis et les mentions éditoriales. Cela signifie que les budgets traditionnels de SEO et de recherche payante peuvent nécessiter une réaffectation. Les données Adobe montrent que le trafic provenant de l'IA vers les sites de vente au détail américains a augmenté de 393 pour cent en glissement annuel au T1 2026, et en mars 2026, les visiteurs référés par l'IA ont converti 42 pour cent mieux que le trafic non-IA.

Quels sont les risques de ne pas optimiser pour la découverte IA ?

L'invisibilité est le risque principal. Une page produit peut sembler impeccable à un humain et rester invisible à un agent IA si les données sous-jacentes sont rares ou incohérentes, car la découverte dans le commerce IA est régie par la qualité des données, pas par la conception de la page. Les acheteurs sont de plus en plus disposés à effectuer des achats à partir de recommandations basées sur l'IA, comme en témoigne la croissance de 84 pour cent du revenu par visite piloté par l'IA sur les sites de vente au détail américains entre janvier et juillet 2025.

L'industrie est aux prises avec un sentiment de consommation faible et la montée du commerce dit agentique, dans lequel les agents IA peuvent gérer l'ensemble du processus d'achat au nom des acheteurs, de la comparaison des prix entre détaillants à la finalisation du paiement. Dans les années à venir, les agents de shopping IA autonomes pourraient même agir au nom des consommateurs, accomplissant des tâches allant de la surveillance des prix à l'achat de produits. Les détaillants de mode sans données produits lisibles par machine risquent l'exclusion de ces flux d'achat automatisés dans leur intégralité.