L'état du commerce basé sur l'IA en 2026 : ce qui est prêt, ce qui ne l'est pas et les domaines prioritaires

Voie 1 : Découverte agentique (l’interface LLM)

La voie 1 correspond à l’interface LLM : c’est ce qui se produit lorsque votre client est activement présent, qu’il interagit avec un assistant IA tel que ChatGPT ou Gemini, et que cet assistant l’aide à découvrir, évaluer et s’orienter vers l’achat d’un produit. Le client est impliqué dans le processus, et l’agent est un intermédiaire sophistiqué, sensible au contexte.

Vous avez probablement déjà fait des achats de cette manière. Ce phénomène est en cours, il se développe rapidement et a des implications claires sur la manière dont vous structurez vos données produit et votre présence numérique.

Comment fonctionne le modèle

Lorsqu’un client ouvre ChatGPT et demande : « Quelle est la meilleure machine à expresso professionnelle pour un petit café disposant d’un budget d’environ 3 000 € ? », il s’agit d’une découverte par l’agent.

Le modèle puise alors dans ses données d’entraînement, la navigation Web en temps réel, les flux de produits structurés et tout autre signal qu’il peut trouver pour formuler une recommandation. Votre produit apparaît dans cette réponse, ou bien il n’y apparaît pas.

Ce n’est pas une hypothèse. C’est déjà ainsi qu’une partie significative et croissante de vos clients commence à faire ses achats.

Les plateformes à l’origine de cette évolution vers l’agentique

Perplexity a développé tout un produit autour de la découverte d’achats, les aperçus IA de Google redéfinissent ce qui apparaît au-dessus de la ligne de flottaison dans les résultats de recherche, et ChatGPT explore encore ses capacités en matière d’achats. Dans tous ces scénarios, c’est toujours le client qui prend la décision finale – mais l’agent dicte exactement ce qu’il voit et ce qu’il prend en considération.

Considérez l’IA moins comme un outil de transaction et davantage comme un conseiller commercial encyclopédique. Elle a lu tout ce qui a jamais été écrit sur votre catégorie de produits et peut avoir une conversation nuancée à ce sujet avec votre client. Sauf que ce conseiller est disponible 24 heures sur 24, parle toutes les langues et sert des milliers de clients simultanément.

Voie 2 : Transactions par procuration (l’acheteur délégué)

Il s'agit de la transaction agentique déléguée. Un client donne à un agent IA une instruction permanente et un budget, et l'agent effectue les achats de manière autonome en arrière-plan. Le client est totalement écarté du processus, et l'agent prend des décisions financières en son nom.

Fonctionnement du modèle agentique délégué

Un client décide qu’il ne veut plus se soucier d’une catégorie d’achats récurrents – produits d’entretien, consommables de bureau, intrants B2B standard – et délègue la décision à une IA. Il définit les paramètres : « Trouve-moi un fournisseur de café moins cher ; tu disposes d’un budget mensuel de 50 €, assure-toi qu’il s’agisse d’une marque durable et trouve toujours le prix le plus bas. » L’agent surveille, sélectionne et effectue ensuite les achats de manière autonome. 

Pour le client, c’est véritablement utile. Ça élimine une charge cognitive de faible valeur. Pour les entreprises qui répondent de manière fiable aux critères de l’agent, ça représente des revenus récurrents qui ne dépendent pas de la nécessité de capter l’attention du client chaque mois. Ça transforme les achats d’une corvée active en un processus en arrière-plan qui est géré à leur place.

Pourquoi l’infrastructure déléguée n’est pas encore prête

En tant que concept, le commerce délégué est véritablement séduisant. Mais l’infrastructure nécessaire pour le faire fonctionner en toute sécurité n’existe pas encore à grande échelle.

Le problème central réside dans l’authentification et la détection des fraudes. Lorsqu’un paiement parvient aujourd’hui à votre prestataire de paiement, des systèmes sophistiqués déterminent s’il est légitime en se basant sur des modèles de comportement humain. Un agent IA exécutant un paiement génère des signaux qui semblent complètement différents – et, dans de nombreux cas, ressemblent exactement à de la fraude. Les faux refus constituent un risque réel, tout comme les transactions frauduleuses qui passent entre les mailles du filet en imitant le comportement d’un agent.

Les banques ne sont pas encore équipées pour gérer cette distinction. Les protocoles qui permettraient à un paiement de porter des signaux vérifiés indiquant « ceci a été autorisé par un humain et exécuté par un agent de confiance » sont encore en cours de développement.

Il reste ensuite la question non résolue des chargebacks. Si un agent IA effectue un achat et que le client déclare : « Je n’ai pas autorisé cette transaction spécifique », le cadre de responsabilité devient extrêmement flou. Les prestataires de paiement et les régulateurs sont encore en train d’étudier ces implications. Tant qu’ils ne l’auront pas fait, la mise en place d’une infrastructure importante autour des paiements par agent délégué comporte un risque.