Imaginez un client qui vous a trouvé via ChatGPT. Il a demandé une valise cabine conforme aux règles de Ryanair, a reçu trois suggestions, et l'une d'elles était la vôtre. Il clique et arrive sur votre page produit. Ce qu'il voit lui plaît : la finition, le prix, peut-être la marque elle-même.

Maintenant, il a des questions. Est-ce qu'elle passe aussi chez easyJet ? La version quatre roues est-elle plus lourde ? Que couvre vraiment la garantie ? Existe-t-il un bagage assorti pour le reste de la famille ?

Où va-t-il les poser ? Il pourrait rouvrir ChatGPT et demander là-bas : des questions sur votre produit, posées chez quelqu'un d'autre, avec les mots de quelqu'un d'autre. Sur votre site, il n'y a nulle part où les poser. Il y a un menu, une FAQ enfouie dans le footer, peut-être un formulaire de contact qui répond sous 48 heures. Et une barre de recherche qui n'a jamais été conçue pour des questions : elle attend un nom de produit et renvoie une grille de vignettes, la même interaction qu'en 2012.

C'est le paradoxe du moment. Le client qui arrive depuis un assistant sort tout juste d'une conversation. Puis il entre dans votre boutique, et il n'y a personne à qui parler. L'étape la plus frustrante de son parcours est désormais celle qui vous appartient.

Notre dernier article défendait l'idée que le milieu du funnel, l'intérêt et la considération, est la seule partie qu'une marque peut encore posséder. Celui-ci porte sur ce que cela demande concrètement, à commencer par la mission la plus élémentaire de toutes : aider les gens à trouver.

ChatGPT vous a fait découvrir. Faire la visite, c'est votre rôle.

Rendons à l'assistant ce qui lui revient. Il a fait exactement ce qu'on attendait de lui : il vous a mis face à quelqu'un qui ne vous connaissait peut-être pas encore, ou seulement de nom. C'est la découverte au sens de nos deux derniers articles, être découvert, et elle se joue de plus en plus sur un terrain qui ne vous appartient pas.

Et ces visiteurs valent cher. Selon Adobe, le trafic venu des assistants IA vers les sites de retail américains a converti 54 % mieux que le reste du trafic en mai 2026, un renversement complet par rapport à l'année précédente. Une fois sur le site, ces visiteurs restent 53 % plus longtemps par visite et consultent 23 % de pages en plus. Ils arrivent préqualifiés, curieux, et prêts à creuser. [1]

La suite est une autre mission : leur faire découvrir qui vous êtes. Votre gamme, votre expertise, ce qui vous distingue des deux autres noms cités par l'assistant. En boutique, c'est ce que fait un bon vendeur dans les cinq premières minutes. En ligne, le client qui vient de passer vingt minutes à tout demander à ChatGPT s'attend à pouvoir continuer à tout demander.

Cette attente n'est d'ailleurs pas nouvelle. Dans les tests utilisateurs de Baymard, environ la moitié des participants passent en priorité par la barre de recherche pour trouver un produit, et dans l'une de ses études, 34 % y ont tapé des questions sans rapport avec un produit : politique de retour, annulation d'une commande. Sur deux tiers des sites, ces questions ne renvoient qu'une grille de produits. [2]

Le client veut donc pouvoir tout demander, comme dans ChatGPT. Vous, vous voulez que la réponse vienne de vous : vos mots, votre catalogue, vos règles. Tout le brief est là.

Alors pourquoi ne pas laisser ChatGPT répondre à votre place ? D'une certaine façon, il le fait déjà : c'est comme ça que le client vous a trouvé. Mais ChatGPT est un assistant généraliste, pas un produit e-commerce : le shopping est un cas d'usage parmi d'autres, à côté des devoirs, de l'écriture et du code. Dans l'étude qu'OpenAI a elle-même menée sur les usages de 2025, les questions sur des produits représentaient environ 2 % des messages envoyés à ChatGPT, moins que le tutorat (10 %) ou la programmation (4 %). [5] Il n'est pas conçu pour être le vendeur d'une boutique, et encore moins de la vôtre. Il voit votre catalogue à travers un feed produit, pas à travers les attributs, les contenus et les règles que votre équipe a construits, et il répondra toujours pour son utilisateur plutôt que pour votre marque.

Il y a aussi ce que contient l'échange lui-même. La façon dont les clients décrivent leur besoin, les contraintes qu'ils ajoutent, leur réponse à la question de clarification : c'est la donnée d'intention la plus riche qu'une marque collectera jamais. Quand la conversation a lieu chez l'assistant, cette donnée reste chez l'assistant. Quand elle a lieu sur votre site, elle est à vous : pour affiner les réponses, combler les trous de votre catalogue, et apprendre ce que les gens cherchent et que vous ne vendez pas encore. C'est cette partie de l'échange qu'il vous faut posséder.

Gardez la barre de recherche. Arrêtez de lui demander de comprendre.

Soyons clairs : la recherche lexicale ne va pas disparaître. Quand quelqu'un tape un nom de produit ou une référence, la correspondance par mots-clés est rapide, peu coûteuse et exactement ce qu'il faut. Amazon, dont la recherche par mots-clés fait référence, a tracé la même ligne : depuis mai 2026, sa barre de recherche accepte aussi des questions en langage naturel, auxquelles répond Alexa for Shopping, l'assistant qui a remplacé Rufus. [6]

Le problème, c'est tout le reste. Le benchmark 2026 de Baymard classe 56 % des sites « médiocres ou pires » sur la recherche, et les échecs se concentrent là où les clients décrivent au lieu de nommer : un usage, un besoin de compatibilité, un problème à résoudre. L'exemple le plus parlant est une recherche chez Home Depot qui combine le style et la capacité d'un réfrigérateur. Elle ne renvoie aucun résultat, alors que les filtres du site, appliqués à la main, trouvent 45 produits correspondants. [2] Le catalogue connaissait la réponse. La barre de recherche n'a pas su lui poser la question.

C'est la première mission de l'agent de marque : transformer une intention vague en requête structurée, partout où c'est possible. Pas pour remplacer la structure de votre catalogue, mais pour s'en servir. Vos catégories, vos attributs et vos filtres représentent des années de merchandising. Le rôle de l'agent est de traduire une phrase dans ce langage.

Reprenons notre client et sa valise cabine. « Quelque chose qui passe chez Ryanair » contient une contrainte qu'aucun mot-clé ne captera jamais. Ryanair autorise 55×40×20 cm avec l'option Priority, et 40×30×20 cm pour le bagage gratuit sous le siège. Un agent qui connaît votre catalogue transforme la phrase en requête : bagage cabine, hauteur ≤ 55 cm, profondeur ≤ 20 cm. Et comme la phrase est ambiguë, il fait ce qu'un moteur à mots-clés n'a jamais su faire. Il commence par poser une question : avec Priority, ou le bagage gratuit sous le siège ?

Deux choses rendent cette traduction possible. L'agent doit comprendre le langage, ce que les grands modèles font désormais bien. Et il doit savoir comment votre catalogue est organisé : quels attributs existent, comment ils s'appellent, quelles valeurs ils prennent, lesquels sont fiables. Cette seconde partie est la plus difficile, et elle est différente pour chaque marque.

Travailler ainsi garde aussi la réponse honnête. Une requête structurée peut être montrée au client sous forme de filtres qu'il voit et qu'il peut ajuster. Il voit comment il a été compris, et votre merchandising reste la colonne vertébrale de la réponse.

Ce qui ne rentre pas dans un filtre

La structure ne fait pas tout. Une bonne partie de ce que demandent les clients n'a aucune colonne dans votre base produits.

Prenons une cliente skincare chez un retailer comme Oh My Cream!, qui écrit : « Je cherche une crème hydratante qui ne peluche pas sous mon fond de teint. J'ai la peau grasse à midi, mais elle tiraille après le nettoyage. » Une partie de cette demande est structurée. Peau mixte, déshydratation : les pages produit d'Oh My Cream! comportent déjà des champs pour les types de peau et les préoccupations, et l'agent doit en faire des filtres. [3] Mais « ne peluche pas sous le fond de teint » n'est un attribut nulle part. L'information se trouve dans les descriptions de texture, dans les notes de l'équipe sur chaque produit, dans les conseils d'utilisation, dans les avis.

Même chose pour les questions de notre introduction. Ce que couvre la garantie, où sont fabriqués les produits, si la marque répare ou remplace : rien de tout cela n'est dans le catalogue. C'est dans les pages de FAQ, les récits de marque, les guides d'achat et les conseils d'entretien, tout ce contenu que votre équipe a mis des années à écrire.

La deuxième mission de l'agent est donc d'exploiter tout le contenu non structuré que vous pouvez lui donner, et de bien s'en servir. La recherche sémantique fait une partie du chemin : elle fait correspondre le sens plutôt que les chaînes de caractères, si bien que « ne peluche pas » peut retrouver « ne laisse aucun résidu ». Mais la recherche seule ne renvoie que des paragraphes. L'agent doit les combiner avec la requête structurée de l'étape précédente : filtrer sur ce qui est certain, puis classer ce qui reste d'après ce que dit réellement le contenu.

Il y a là une ironie. Les marques réécrivent ce même contenu pour que ChatGPT puisse le lire. Adobe classe la cosmétique en tête pour la lisibilité par l'IA, précisément grâce à ses listes d'ingrédients denses, ses tutoriels et ses guides pratiques. [1] Si votre contenu est assez bon pour être lu par l'assistant de quelqu'un d'autre, il est assez bon pour alimenter le vôtre.

Une règle vaut partout : l'agent ne dit que ce que le contenu permet d'affirmer. Si aucune page ne dit qu'une crème tient sous le maquillage, l'agent ne l'affirme pas. C'est la couche de responsabilité décrite dans notre dernier article, appliquée à la découverte. [4]

Vos règles, pas celles de l'assistant

Comprendre le client et connaître le catalogue ne suffit toujours pas. Deux produits peuvent répondre aussi bien l'un que l'autre au même besoin, et il est rare que le choix entre les deux vous soit indifférent. C'est la troisième mission : appliquer vos propres règles métier à ce qui est montré.

Certaines règles s'écrivent, tout simplement. Pousser la nouvelle collection ce mois-ci. Masquer les produits sous un certain seuil de stock. Et pour un retailer multimarque qui a sa propre marque, privilégier la marque maison quand elle correspond vraiment au besoin. Pensez à un concept store beauté qui vend trente marques à côté de sa propre ligne de soins : quand deux crèmes hydratantes conviennent aussi bien l'une que l'autre, il veut que la sienne passe en premier. Un assistant générique ne saura jamais que cette préférence existe. Votre agent doit l'appliquer à chaque réponse, de façon visible ou non, et jamais au détriment de la pertinence.

D'autres règles s'apprennent mieux qu'elles ne s'écrivent. Quels produits les clients achètent réellement ensemble. Quand suggérer un deuxième article aide, et quand cela agace. Quelle association convertit chez un nouveau visiteur mais pas chez un client fidèle. Personne ne les écrit, parce que personne ne les connaît à l'avance. Un agent présent dans des milliers de conversations peut les apprendre, à condition que ces conversations restent les vôtres.

Cette dernière partie n'est pas gratuite. Écrire une règle demande une ligne de configuration. En apprendre une demande une infrastructure : capter chaque conversation et ce qui l'a suivie (le clic, l'ajout au panier, l'achat, le retour), la croiser avec les données du catalogue et des commandes, et faire tourner les modèles qui transforment le tout en meilleures recommandations. C'est la boîte à outils classique de la recommandation, filtrage collaboratif et modèles de propension, désormais alimentée par ce que les clients disent et plus seulement par ce sur quoi ils cliquent. Un fournisseur de modèles peut sortir demain un modèle de langage plus intelligent. Il ne peut pas livrer cette boucle d'apprentissage, entraînée sur vos clients. C'est ce qui s'accumule avec le temps, et c'est ce qui reste difficile à copier.

Mettez ces trois missions bout à bout et vous obtenez ce qu'une barre de recherche n'a jamais été conçue pour être : une visite guidée de votre marque, avec les mots que vous avez choisis. Le client demande ce qu'il veut, comme il le ferait dans ChatGPT. La réponse vient de votre catalogue, de votre contenu et de vos règles.

Voilà pour les fondations. Une fois que le client a trouvé le bon produit, une nouvelle question se pose : que lui suggérer d'autre, et quand se taire ? Le cross-sell et l'upsell existent depuis toujours, et ils ont presque toujours été maladroits. Ce sera le sujet de notre prochain article.

Sources