Qu’est-ce qu’un assistant d’achat multimodal ?

Un assistant d’achat multimodal est une intelligence artificielle capable de comprendre un besoin d’achat exprimé sous différentes formes – texte, voix, image, vidéo ou contexte d’usage – puis de guider ou d’exécuter le parcours d’achat.

Mais réduire ces assistants à une simple nouvelle interface e-commerce serait une erreur stratégique. Ils introduisent un changement de paradigme : l’utilisateur ne navigue plus dans un catalogue, il délègue progressivement la recherche, la sélection et parfois la transaction à un agent capable d’agir pour son compte.

Cette évolution rapproche le commerce digital d’un modèle de “conseiller personnel automatisé”. L’assistant devient un point d’entrée unique vers l’offre marchande, capable d’orchestrer plusieurs sources produits, plusieurs canaux et plusieurs interactions dans une même conversation continue.

Ce glissement transforme profondément la relation entre les marques, les plateformes et les consommateurs. Le site e-commerce n’est plus nécessairement l’interface principale : il devient une source de données et de services exploitée par des agents externes ou internes.

Pourquoi ce sujet s’accélère maintenant ?

L’agentic commerce n’est plus une projection théorique : il s’impose déjà dans le marché actuel, avec des signaux très concrets de transformation.

Depuis 2024, les grandes plateformes technologiques intègrent des capacités transactionnelles directement dans leurs assistants IA. Ces agents commencent à être capables de comparer des produits en temps réel, de naviguer sur différents sites, d’agréger des avis et d’automatiser certaines actions utilisateur. Le commerce ne se limite plus à présenter des catalogues : il devient un processus d’accompagnement actif, où l’IA intervient comme un conseiller et un exécutant.

Les plateformes chinoises ont été des précurseurs sur ces logiques dès la fin des années 2010. Taobao et Alibaba ont développé très tôt des parcours interactifs mêlant chat en direct avec les vendeurs, recherche par image et live commerce. Dans ces environnements, l’utilisateur ne se contente pas de naviguer : il interagit, se laisse guider et achète directement à travers des recommandations en temps réel. Cette approche a créé un précédent culturel et technologique que les acteurs occidentaux ne faisaient qu’imaginer jusqu’à récemment.

Aujourd’hui, cette vision se diffuse largement : TikTok Shop et d’autres plateformes sociales intègrent également des expériences immersives, où la découverte produit, la recommandation algorithmique et la conversion se confondent en une même interaction. Les marketplaces traditionnelles renforcent, elles aussi, leur rôle d’écosystèmes complets, en offrant aux assistants IA un accès direct à la transaction et à la donnée client.

Enfin, les progrès récents des modèles multimodaux rendent ces interactions réalistes et scalables : l’IA peut désormais comprendre simultanément l’intention, le contexte, les préférences et les signaux visuels ou conversationnels. La convergence de ces éléments explique pourquoi le sujet de l’agentic commerce s’accélère de manière tangible sur le marché aujourd’hui.

Google devrait être ultra dominant… mais ne l’est pas

D’un point de vue théorique, Google possède presque toutes les briques nécessaires pour dominer l’agentic commerce. Son contrôle de la recherche web, sa maîtrise de la recherche visuelle, son accès massif aux utilisateurs via Android et Chrome ainsi que son avance historique en intelligence artificielle constituent des avantages structurels considérables.

Pourtant, le pouvoir réel sur la transaction reste aujourd’hui largement détenu par d’autres acteurs.

Amazon conserve une position stratégique car il maîtrise la chaîne transactionnelle complète. Cette maîtrise lui permet de capter la donnée comportementale la plus critique : celle qui relie l’intention à l’acte d’achat réel, puis à la fidélisation. Cette continuité transactionnelle constitue un avantage difficile à reproduire.

Par ailleurs, la découverte produit migre rapidement vers des environnements où Google joue un rôle plus indirect. TikTok et Instagram influencent désormais massivement les décisions d’achat en amont de toute recherche active. La logique d’inspiration algorithmique réduit mécaniquement la dépendance aux moteurs de recherche traditionnels.

Enfin, les nouveaux assistants IA généralisés introduisent un risque de désintermédiation inédit. Ces agents peuvent devenir le point d’entrée principal vers l’offre marchande, redistribuant la visibilité des marques indépendamment du référencement classique.

Le marché de l’agentic commerce reste donc ouvert et pourrait être structuré par des acteurs qui ne dominent pas historiquement la recherche.

Ces assistants vont-ils remplacer le search ?

Le search ne disparaît pas, mais sa fonction évolue radicalement.

Historiquement, la recherche constituait le cœur du parcours d’achat digital. L’utilisateur exprimait une requête, analysait une liste de résultats et construisait lui-même son processus de décision.

Les assistants agentiques déplacent ce modèle vers une logique de délégation. L’IA peut agréger l’information, comparer les alternatives et proposer directement des recommandations contextualisées. Le search devient alors une capacité interne à l’agent, invisible pour l’utilisateur final.

Ce changement modifie la notion même de visibilité digitale. L’enjeu ne consiste plus uniquement à être bien positionné dans une page de résultats, mais à être sélectionné par un agent qui arbitre entre plusieurs offres en fonction de critères de performance, de confiance ou de pertinence contextuelle.

Pour les e-commerçants, cette évolution implique une transformation progressive du SEO vers un modèle orienté lisibilité algorithmique et qualité des données exploitables par des agents autonomes.

Comment aborder l’intégration de l’agentic commerce dans un dispositif e-commerce ?

La première consiste à intégrer un assistant directement dans l’expérience propriétaire. Dans ce modèle, l’e-commerçant conserve la relation utilisateur et transforme son site en interface conversationnelle. Cette approche permet de renforcer la conversion, d’augmenter la personnalisation et d’améliorer l’accompagnement client. Elle suppose cependant une forte maturité data et une capacité à connecter l’assistant aux systèmes transactionnels, CRM et logistiques.

La seconde trajectoire repose sur l’exposition de l’offre aux agents tiers. Dans ce scénario, les assistants externes deviennent des prescripteurs capables d’interagir directement avec les catalogues produits. L’enjeu devient alors la qualité de la structuration des données, l’accessibilité des services via API et la capacité à être recommandé par des systèmes automatisés.

Dans cette configuration, un défi majeur apparaît : optimiser son catalogue produit pour un écosystème d’agents, chacun disposant de ses propres logiques de sélection, de scoring et de hiérarchisation. Contrairement au référencement traditionnel, où l’objectif consistait principalement à maximiser la visibilité dans un moteur unique, les e-commerçants devront désormais rendre leurs produits compréhensibles et attractifs pour une multiplicité d’agents, potentiellement opérés par différents acteurs technologiques. Cela implique d’enrichir les données produits, d’améliorer leur normalisation, et de fournir des signaux qualitatifs exploitables par ces systèmes de recommandation automatisés.

Dans la pratique, la majorité des acteurs devra combiner ces deux approches. Les assistants propriétaires permettront d’optimiser l’expérience client existante, tandis que l’exposition aux agents externes deviendra un canal d’acquisition et de distribution supplémentaire.

Cette transformation implique un changement profond dans la conception des plateformes e-commerce. Le site n’est plus uniquement une vitrine transactionnelle, mais une couche de services accessible à des intelligences tierces.

Apprentissages et pièges à éviter pas Quentin Lavallée, AI Engineer

Trois enseignements ressortent très vite dès qu’on met un assistant d’achat en production.

D’abord, il faut commencer simple puis étendre progressivement les capacités. La première brique pertinente est un agent de recommandation connecté au catalogue et au PIM. C’est ce socle qui permet de tester la valeur réelle de l’approche, avant d’ouvrir des intégrations plus complexes.

Ensuite, un bon assistant ne discute pas : il fait progresser l’intention. Il structure la conversation, pose les bonnes questions et fait avancer l’utilisateur pas à pas (usage, contexte, contraintes, type de produit) jusqu’à une recommandation exploitable. La valeur ne vient pas du dialogue, mais de la progression vers une décision.

Enfin, la qualité de la donnée prime sur la sophistication de l’interface. L’agent n’est performant que si l’offre est claire, structurée et reliée à des critères compréhensibles. Dans la pratique, il agit moins comme un moteur de recherche que comme un orchestrateur de données produits, métiers et contextuelles.

L'un des pièges majeurs est de sous‑estimer les limites de l’automatisation. Quand l’agent n’avance plus ou se heurte à une situation ambiguë, il doit proposer un relais humain, sinon il devient une source de friction plutôt qu’un levier de conversion.