Qu’est-ce que le commerce agentique ?

Les agents d’IA sont des systèmes alimentés par l’intelligence artificielle qui exécutent des tâches de manière autonome en concevant des workflows à l’aide des outils disponibles. Alors que les bots classiques basés sur des règles peuvent répondre à des prompts scriptés, les agents intelligents modernes ont des fonctionnalités plus étendues : ils peuvent raisonner, planifier et agir sur plusieurs systèmes et plateformes d’IA.

Contrairement aux expériences d’e-commerce traditionnelles, qui nécessitent qu’une personne recherche manuellement des produits, compare les options, lise les avis et procède au paiement en suivant plusieurs étapes, le commerce agentique transfère une grande partie de ce travail aux agents d’IA. Dans un flux traditionnel, les acheteurs doivent passer d’un onglet et d’un détaillant à l’autre pour évaluer les choix et saisir manuellement leurs informations lors du paiement.

Avec le commerce agentique, des assistants d’achat alimentés par l’IA recueillent de manière proactive les exigences, analysent plusieurs détaillants en temps réel, évaluent les produits en fonction des préférences et des contraintes des utilisateurs, et effectuent des achats ou des recommandations au nom de l’utilisateur. Cette approche rationalise ainsi le processus.

Le commerce agentique ne se limite pas aux achats en ligne. Il s’applique à un large éventail d’expériences commerciales, notamment les voyages et la billetterie, les abonnements et les services numériques, ainsi que les intégrations physiques dans la vente au détail.

Le commerce agentique fait partie de la prochaine phase d’intégration de l’IA générative dans le commerce. Une étude réalisée en 2026 par l’IBM Institute for Business Value a révélé que 45 % des consommateurs utilisent déjà l’IA pour une partie de leur parcours d’achat.

Son utilisation va de l’interprétation des avis à la recherche d’offres, ce qui indique que les habitudes des consommateurs évoluent vers des décisions d’achat influencées par l’IA générative. D’autres recherches suggèrent que le commerce agentique pourrait générer entre 3 000 et 5 000 milliards de dollars à l’échelle mondiale à l’horizon 2030¹.

La tendance actuelle est façonnée par les progrès de l’IA générative et les écosystèmes d’outils, des modèles d’OpenAI utilisés dans les assistants aux intégrations dans la vente au détail qui touchent de plus en plus les plateformes comme Amazon.

Les premières générations d’IA dans la vente au détail, telles que les moteurs de recommandation ou les chatbots, étaient réactives et nécessitaient des instructions humaines pas à pas. Les agents d’IA modernes se distinguent de trois manières :

• Autonomie : ils peuvent agir sans intervention constante de l’utilisateur, en suivant des cadres et des garde-fous prédéfinis.
• Raisonnement : ils adaptent leurs recommandations et leurs actions en fonction de l’évolution des conditions, telles que les changements de prix ou l’épuisement des stocks.
• Interopérabilité : ils s’intègrent à de nombreuses plateformes et workflows d’IA grâce à des API ouvertes et des connecteurs open source, permettant ainsi l’automatisation sur plusieurs systèmes.

Alors que l’IA commerciale précédente se limitait à répondre à des requêtes et à faire des suggestions de produits statiques, les agents actuels peuvent fonctionner comme des assistants d’achat, des agents d’achat ou des agents commerciaux. Ils peuvent être intégrés à des applications telles que ChatGPT, Gemini ou Perplexity. Grâce à l’interaction en langage naturel, ils font correspondre l’intention de la requête à des données produit structurées et gèrent les paiements et autres tâches sur les plateformes d’e-commerce et les systèmes de vente au détail physiques.

Ces agents d’achat ne se contentent pas de recommander une paire de chaussures ; ils naviguent sur les plateformes d’e-commerce, comparent les prix de plusieurs détaillants, appliquent des coupons et finalisent les achats en utilisant des méthodes de paiement préautorisées.

À mesure que le commerce agentique évolue, les comportements et les attentes des consommateurs évoluent également. Aujourd’hui, les clients ont l’habitude de se rendre sur un site ou une plateforme spécifique pour rechercher des produits ou des services particuliers. Cependant, le commerce agentique brouille ces frontières et rend ces mêmes produits et services accessibles à l’achat par d’autres moyens.

Par exemple, un consommateur peut avoir besoin de commander à nouveau un article ménager, de réserver un hôtel ou de renouveler un abonnement. Dans un modèle traditionnel, il se rendrait sur un ou plusieurs sites Web pour effectuer ces tâches. Avec le commerce agentique, il peut plutôt demander l’aide d’un agent d’IA, qui effectue alors la transaction via une interface conversationnelle ou un service connecté. Si bien que l’utilisateur n’a pas besoin de se rendre sur le site Web ou l’application du détaillant.

L’adoption s’accélère également tant pour les entreprises que pour les consommateurs. De nombreuses start-ups proposent désormais des composants déployables pour l’orchestration, l’évaluation et la gouvernance des agents. Ces composants sont souvent basés sur des cadres open source afin de faciliter leur utilisation.

Le commerce agentique passe généralement par plusieurs étapes, reliant la contribution humaine à l’action indépendante des agents d’IA :

Au cœur du commerce agentique se trouve la relation entre l’utilisateur et l’agent. Les utilisateurs définissent des objectifs, des autorisations et des contraintes, telles que des limites de budget ou des préférences de marque. Par exemple, un consommateur peut demander à un agent d’IA : « Trouve-moi une tente de camping à moins de 150 euros livrée au plus tard vendredi. » L’agent d’achat interprète la demande, accède aux données structurées des produits et applique des filtres en fonction du prix, des caractéristiques et de la disponibilité de livraison.

Si elle est effectuée correctement, cette interaction s’apparente davantage à une conversation guidée qu’au remplissage d’un formulaire, ce qui améliore l’expérience utilisateur tout en respectant les autorisations et les contraintes.

L’IA agentique va au-delà des outils d’IA standard en planifiant des workflows en plusieurs étapes, en appelant des API externes et en ajustant les actions en cours de route. Cette complexité permet des actions autonomes telles que la surveillance des variations de prix en temps réel, le réapprovisionnement des stocks lorsqu’ils sont faibles et la finalisation des achats sans approbation humaine répétée. L’autonomie est généralement hiérarchisée de manière à ce que les achats à faible risque soient entièrement automatisés, tandis que les achats coûteux ou sensibles peuvent encore nécessiter une approbation humaine.

Dans l’exemple précédent de la tente de camping, l’agent autorisé recherche dans plusieurs bases de données de détaillants auprès de différents fournisseurs afin de comparer les offres en temps réel. Il peut également utiliser un protocole d’agent à agent pour négocier des bonus, tels que des articles groupés ou des remises de fidélité.

Le commerce agentique fait en sorte que le processus de découverte de produits soit moins axé sur la recherche ou la navigation et davantage sur la réalisation d’un objectif précis. Les agents analysent les données sur les produits provenant de plusieurs sources. Ils comparent des facteurs tels que le prix, la disponibilité, le délai de livraison et les avis.

À mesure que les capacités agentiques évoluent, ces processus deviennent de plus en plus multimodaux, c’est-à-dire qu’ils intègrent du texte, des images, l’historique des utilisateurs et des données structurées. Cette évolution suscite un intérêt croissant pour l’optimisation pour les moteurs génératifs (GEO), qui se concentre sur la structuration du contenu des produits afin que les LLM et les agents puissent l’interpréter. Au lieu de se contenter d’optimiser les recherches humaines, les marques ont désormais besoin de données sur les produits lisibles par les machines, d’attributs normalisés et de métadonnées claires afin que les systèmes d’IA puissent les découvrir et les utiliser.

Afin que le commerce agentique fonctionne à l’échelle, les détaillants et les fournisseurs de services doivent rendre leurs systèmes accessibles via des interfaces lisibles par les machines. Cette accessibilité implique généralement la mise à disposition d’API pour les catalogues de produits, les prix et la disponibilité en temps réel, ainsi que les politiques de retour, les garanties et d’autres informations.

Ces interfaces permettent la communication entre les commerçants et les agents d’IA afin que ces derniers puissent valider les stocks et effectuer des achats pour le compte des utilisateurs. Cette intégration fait de plus en plus l’objet de discussions autour de normes émergentes ou proposées, souvent appelées « protocoles de commerce agentique » (ACP). Ces normes visent à définir la manière dont les agents d’IA et les commerçants échangent ce type d’informations structurées.

Les paiements par agent constituent un élément clé du processus de commerce agentique. Ces dernières années, les principales plateformes d’e-commerce et les fournisseurs de paiement ont étendu les capacités des API afin de prendre en charge les workflows d’achat automatisés et la gestion des abonnements. Les achats agentiques sont effectués à l’aide de systèmes d’authentification déléguée, tels que le protocole AP2 (Agent Payments Protocol) de Google, les identifiants tokenisés compatibles avec l’IA de Visa ou l’intégration de Stripe avec le paiement instantané dans l’application ChatGPT. Ces systèmes d’authentification garantissent la transparence des transactions et fournissent des pistes d’audit pour faciliter la détection des fraudes.

Une fois l’achat terminé, les agents peuvent se charger d’autres tâches, telles que le suivi des expéditions et la gestion des retours. Ils peuvent également proposer des recommandations de produits après-vente, tels que des accessoires ou des articles complémentaires, afin d’aller au-delà de la vente initiale.

Le commerce agentique offre de nombreux avantages, notamment :

• Traitement des transactions plus rapide et plus efficace
• Possibilité d’étendre les activités d’achat à de grands volumes
• Personnalisation des offres en temps réel
• Réduction des frictions lors du paiement grâce aux paiements agentiques
• Meilleure précision opérationnelle avec moins de supervision manuelle

Les agents d’IA permettent aux consommateurs de réduire le temps de recherche et d’accélérer la prise de décision en leur proposant des recommandations de produits personnalisées basées sur leur historique d’achat et leurs préférences. Pour les entreprises, le commerce agentique offre de nouvelles voies pour la découverte de produits et la possibilité de monétiser les interactions avec les agents grâce à des offres ciblées ou groupées.

L’adoption du commerce agentique se heurte à certains obstacles, notamment :

• Disponibilité des données : certains détaillants sont confrontés à la fragmentation des données sur les produits entre différents systèmes, ce qui limite la découvrabilité et l’interopérabilité.
• Confiance : une étude d’IBM montre que 83 % des consommateurs partagent des inquiétudes similaires concernant la confidentialité, l’utilisation abusive des données et le démarchage commercial non sollicité. De plus, certains clients préfèrent encore les transactions manuelles aux transactions automatisées.
• Adaptation des systèmes existants : les systèmes existants de paiement et de lutte contre la fraude ont été conçus pour une vérification humaine, et non pour des intermédiaires machines. Les entreprises qui souhaitent adopter des expériences de commerce agentique devront se moderniser.

Bien que le commerce agentique soit souvent évoqué dans le contexte des achats en ligne, ses applications s’étendent à tous les domaines dans lesquels les achats et les transactions sont complexes, répétitifs ou urgents. À mesure que les agents d’IA acquièrent la capacité d’interagir directement avec les fournisseurs et les systèmes de paiement, le commerce agentique est envisagé comme un moyen de coordination pour un large éventail d’activités commerciales.

Les entreprises peuvent utiliser le commerce agentique pour automatiser les décisions d’approvisionnement, en particulier pour les achats courants ou à faible risque. Les agents d’IA peuvent valider les fournisseurs agréés, négocier des prix en fonction du volume et passer des commandes. Dans le contexte de la chaîne d’approvisionnement, ils peuvent également répondre aux besoins ou aux ruptures de stock en recherchant d’autres fournisseurs en temps réel.

Environ 61 % des responsables des achats (PDF) citent les risques géopolitiques et d’approvisionnement comme de principales préoccupations. De même, d’ici 2028, la moitié des 2 000 plus grands fabricants devraient mettre en œuvre des chaînes d’approvisionnement circulaires alimentées par l’IA. Le commerce agentique fournit la couche transactionnelle et de coordination qui rend cela possible.

Dans le secteur de la vente au détail, les agents d’IA gèrent les achats récurrents, comparent les prix de plusieurs détaillants en temps réel et passent des commandes en fonction des préférences ou des contraintes définies par l’utilisateur. Ils coordonnent les commandes en ligne avec le retrait en magasin ou la livraison locale, réduisant ainsi les frictions entre les différents canaux. Pour les détaillants, cette fonctionnalité pourrait déplacer la concurrence vers les données produits lisibles par les machines, la disponibilité et la fiabilité de l’exécution, plutôt que vers la seule visibilité de la marque.

Le commerce agentique est de plus en plus utilisé pour la gestion des abonnements, des licences et des services basés sur l’utilisation dans le domaine numérique. Les agents d’IA peuvent surveiller l’utilisation des abonnements, annuler les services sous-utilisés, mettre à niveau les forfaits lorsque les seuils sont atteints ou changer de fournisseur de services en fonction de critères de prix ou de performance. Ce cas d’utilisation se concentre davantage sur l’optimisation après-achat que sur la découverte initiale.

Dans le secteur du voyage et de l’hôtellerie, le commerce agentique prend en charge les workflows de réservation de bout en bout, y compris les vols, l’hébergement, le transport terrestre et d’autres éléments. Les agents d’IA peuvent surveiller les prix, modifier les réservations lorsque les conditions changent et gérer automatiquement les remboursements ou les crédits, dans les limites d’approbation prédéfinies.

Les entreprises qui souhaitent adopter le commerce agentique doivent :

1. Normaliser les données produit afin qu’elles soient lisibles à la fois par les humains et par les machines.
2. Intégrer des API ouvertes pour permettre des interactions fluides entre les agents.
3. Appliquer des garde-fous clairs pour maintenir la confiance et la conformité.
4. Repenser le référencement pour l’IA afin que les agents, et pas seulement les humains, puissent trouver des offres et agir en conséquence.

Les premiers utilisateurs du commerce agentique pourront influencer la manière dont ces systèmes intelligents gèrent la découverte, la recommandation et la fidélisation au sein de l’écosystème.