Pour les enseignes, l’objectif change. Être cité dans une réponse est une première étape, mais cela ne suffit pas. L’acheteur choisira l’enseigne dont l’assistant peut le mieux décrire les produits et les faire correspondre à sa demande : le prix du jour, les stocks disponibles, le modèle ou la taille qui répond à son besoin.
Les visiteurs venant de l’IA ont plus de valeur
Adobe, qui suit plus de mille milliards de visites sur les sites de retailers américains, a constaté que le trafic provenant des IA avait progressé de 62 % sur un an en juillet. Ces visiteurs affichent un taux de conversion supérieur de 60 % à celui des autres visiteurs et génèrent 53 % de chiffre d’affaires supplémentaire par visite. C’est logique : un acheteur qui a déjà recherché et comparé des produits avec un assistant sait ce qu’il veut, comprend en quoi le produit répond à son besoin et se trouve plus près de l’achat qu’une personne qui commence tout juste sa recherche.
Être cité ne suffit pas à vendre
Le generative engine optimisation (GEO) aide votre marque à être citée dans les réponses des IA, et nous pensons qu’il est indispensable. Mais il ne repose que sur ce qu’un assistant peut lire à votre sujet sur le web. Il peut faire apparaître votre nom ; il ne peut pas indiquer à l’acheteur le prix du jour, la disponibilité d’un produit ou les promotions applicables. Le GEO et l’accès à votre catalogue en temps réel sont complémentaires : le premier vous fait entrer dans la conversation, le second donne à l’assistant des informations utiles à partager une fois que vous y êtes.
Même les contenus web accessibles aux assistants sont souvent incomplets. L’outil AI Content Visibility Checker d’Adobe mesure la part du contenu d’une page qu’une IA peut lire. Dans son analyse d’avril, les fiches produits des sites retail ont obtenu un score de 66 %, contre 75 % pour les pages d’accueil. Cela signifie qu’environ un tiers du contenu d’une fiche produit reste illisible pour un assistant. Beaucoup de pages sont aussi incomplètes : une information absente pour les visiteurs l’est également pour un agent, qui ne peut alors pas déterminer si un produit correspond à la demande de l’acheteur. C’est sur les fiches produits que les questions des clients trouvent leurs réponses ; or, ce sont elles qui obtiennent le score le plus faible.
Donnez aux agents un accès direct à votre catalogue
Une enseigne peut se préparer aux agents IA de plusieurs façons, de l’amélioration de ses données produits à WebMCP. Une autre approche consiste à créer une application retail fondée sur le Model Context Protocol (MCP), un standard ouvert qui permet aux assistants IA de se connecter aux systèmes d’une entreprise. Grâce à elle, ChatGPT ou Claude peuvent interroger votre catalogue avec les prix et les variantes à jour, vérifier la disponibilité en magasin et en entrepôt, constituer un panier et suivre une commande. MCP étant ouvert, la même application fonctionne dans ChatGPT, Claude et les autres assistants qui le prennent en charge.
Cette approche permet aussi à la marque de garder la maîtrise de la conversation. Au lieu de voir un assistant reformuler des informations incomplètes trouvées sur le web, l’acheteur accède, dans ChatGPT ou Claude, à une expérience d’achat conçue par vous : vos produits, vos prix et les informations que vous choisissez de partager.
Prenons l’exemple d’un acheteur qui cherche un smartphone autour de 450 €. Sans connexion au catalogue, l’assistant répond à partir de pages web qui peuvent dater de plusieurs semaines. Avec une application MCP, il présente les modèles que vous avez en stock, avec vos visuels produits et votre logo, au prix du jour et avec leur disponibilité à proximité de l’acheteur.
