⚡ Agents IA : commerce agentique, prudence 2026
Découvrez le commerce agentique en 2026 : agents IA, usages, prudence et risques. Mettez en place une automatisation des achats efficace, sans surprises.
Agents IA : les entreprises face à une révolution encore théorique
Les agents IA capables de rechercher un produit, comparer des offres et passer commande à la place de l'utilisateur inquiètent les entreprises. Si un assistant choisit systématiquement le prix le plus bas, qu'est-ce que ça devient, concrètement, pour la fidélité à une marque ? Et si l'achat se décide dans une conversation avec une IA, qui tient vraiment le volant de la relation client : le commerçant, la plateforme... ou l'assistant ?
Ces questions reviennent déjà dans les échanges avec les investisseurs. Et pourtant, quand on regarde les premiers chiffres communiqués par des entreprises de secteurs très différents - livraison, télécommunications, hôtellerie, assurance ou stockage - l'adoption reste encore marginale. Certaines disent ne voir presque rien de directement attribuable aux agents. D'autres observent un début de trafic, mais à une échelle trop petite pour impacter clairement leur chiffre d'affaires.
D'où l'idée clé : il faut distinguer la promesse de l'usage réel. Les agents peuvent changer la découverte des offres et le parcours d'achat, mais, pour l'instant, les données disponibles ne montrent pas une transformation généralisée. Les signaux précoces permettent tout de même de dire trois choses : ce qui mérite de retenir l'attention, pourquoi les entreprises s'y préparent déjà, et comment évaluer l'évolution sans tomber dans la panique ni l'ignorer.
Pourquoi les entreprises ne constatent-elles pas encore de bouleversement ?
Les déclarations des entreprises interrogées font apparaître un décalage net entre l'attention portée aux agents IA et l'activité réellement mesurée. DoorDash a mentionné quelques centaines de commandes issues de Muse, tout comme d'autres agents. T-Mobile ne voit pas d'activité significative, Hilton juge les réservations négligeables et eBay parle d'un volume très faible. Ally Financial évoque aussi un niveau bas.
Le même contraste ressort quand on regarde les abonnements. Certains analystes se demandent si les assistants vont aider les consommateurs à repérer et résilier des services qu'ils n'utilisent plus. Life Time Group, Public Storage et Hartford Insurance Group disent ne pas avoir observé de résiliations attribuables aux agents. En Inde, le groupe de livraison Eternal estime que le commerce agentique reste quasiment nul.
Rien de tout ça ne prouve que les agents n'auront aucun effet. Ça suggère surtout que, dans les chiffres publiés jusqu'ici, l'impact commercial direct reste limité. Et il y a un autre point, souvent sous-estimé : certaines entreprises ne disposent peut-être pas d'un moyen fiable pour identifier une commande initiée par un assistant. Selon le parcours, l'agent peut se comporter comme un simple « navigateur », utiliser un compte existant ou intervenir à une étape difficile à distinguer d'une visite ordinaire.
L'intérêt déclaré n'est pas une transaction
Meta affirme que plus de 10 millions de personnes aux États-Unis et au Canada ont activé Muse. Mark Zuckerberg dit que plus d'un quart d'entre elles l'ont utilisé pour faire du shopping, plus que pour toute autre activité, et au-delà des attentes de l'entreprise. Meta indique aussi que les achats réalisés via l'outil dépassent en moyenne 200 dollars.
Ces éléments montrent qu'il y a bien de l'intérêt et donnent une idée des usages envisagés. Mais ça ne suffit pas à conclure que les agents déplacent une part importante des ventes. Une activation ne dit rien sur la régularité. Et une intention d'achat ne garantit ni une commande finalisée, ni une substitution à un canal déjà existant.
Il faut aussi garder à l'esprit le contexte des chiffres. Ils portent surtout sur les premières semaines de lancement, et sur des entreprises majoritairement américaines. Plusieurs partenaires commerciaux de Meta (Walmart, Best Buy, Gap) n'avaient pas encore publié de données après le lancement de Muse. Autrement dit, il manque des séries comparables pour mesurer l'évolution dans le temps.
Ce que les premiers chiffres permettent de conclure
À ce stade, la lecture la plus utile est assez simple : l'intérêt est réel, mais l'effet opérationnel mesuré reste faible, ou difficile à isoler. Confondre les deux niveaux, c'est soit surestimer la menace, soit attendre trop longtemps avant de corriger des problèmes concrets.
Pour suivre le phénomène, une entreprise doit au minimum distinguer les usages déclarés, les visites attribuables aux agents, les conversions, les paniers moyens et les effets sur les coûts de service. Sans ça, une hausse de trafic ou une annonce de partenariat ne permet pas de savoir si l'agent attire de nouveaux clients, détourne des ventes déjà existantes, ou génère surtout des demandes plus compliquées à traiter.
Comment les agents IA pourraient-ils transformer le commerce ?
Un agent commercial ne se limite pas à répondre. En théorie, il peut comprendre une demande, chercher des options, appliquer des préférences, comparer des conditions, puis exécuter l'action. C'est précisément ce passage de la recommandation à l'exécution qui attire les entreprises - et qui inquiète les investisseurs.
Un consommateur pourrait, par exemple, demander un hôtel correspondant à un budget, vérifier les dates et les conditions d'annulation, puis réserver. Pour un opérateur télécom, il pourrait comparer des forfaits selon la consommation et changer d'offre. Pour un commerçant, il pourrait trouver le bon produit, vérifier la disponibilité et finaliser le panier. À chaque étape, l'agent peut réduire les frictions. Mais il peut aussi déplacer le point de contact entre l'entreprise et son client.
Découverte des offres et visibilité des marques
Si les utilisateurs délèguent davantage la recherche à un assistant, les entreprises risquent de dépendre des critères utilisés par celui-ci pour trier et présenter les offres. Et là, une marque peut perdre de la visibilité si ses informations sont incomplètes, difficiles à interpréter, ou moins « compatibles » avec les préférences formulées.
Ce n'est pas forcément une bascule vers le prix unique. Les dirigeants interrogés insistent sur la qualité, le service et la confiance dans la marque. Ces éléments peuvent compter dans une recommandation, à condition que l'agent sache les comprendre et les comparer. Une politique de retour claire, des infos fiables sur les stocks ou des avis vérifiables peuvent aussi peser autant qu'une remise.
Le point sensible n'est pas « l'IA efface les marques », mais plutôt la perte de contrôle sur la manière dont elles sont évaluées. Si votre différenciation repose sur l'expérience ou le conseil, il faudra veiller à ce que ces éléments restent visibles, même quand le parcours se résume à quelques options.
Comparaison accrue, pression sur les marges
Un agent peut comparer des offres plus vite qu'un consommateur qui ouvre plusieurs onglets. Si les offres sont facilement substituables, cette comparaison peut faire pression sur les prix et tirer les marges vers le bas. L'effet dépend toutefois du marché : il sera plus direct pour un produit standardisé, et moins automatique pour une prestation où la qualité, la disponibilité ou la relation client jouent un rôle.
Il y a aussi un sujet de distribution. Meta a annoncé vouloir facturer les entreprises pour les transactions facilitées par Muse. Mark Zuckerberg a présenté ces revenus comme une source potentiellement importante. Concrètement, pour un commerçant, il ne s'agit donc pas seulement de savoir si un agent génère des commandes : il faut comparer la marge nette avec les frais, les coûts d'intégration et la valeur des clients acquis.
Le débat n'est pas théorique. InterContinental Hotels indique discuter avec Meta sans arrêter pour autant son modèle de collaboration. Cette prudence peut se comprendre : ouvrir un canal peut apporter une nouvelle audience, mais aussi créer une dépendance à une plateforme qui fixe les règles d'accès et la manière dont l'utilisateur est « raccordé ».
Un parcours d'achat encore fragile
Les agents ne réalisent pas toujours les tâches comme prévu. Chipotle a indiqué que Muse rencontrait des difficultés sur certains achats, notamment quand il fallait appliquer des réductions de fidélité ou gérer des commandes en dehors des horaires habituels. D'après la responsable numérique du groupe, l'arrivée de Muse a fait monter les commandes attribuées aux agents, mais sur un rythme encore limité.
Ce cas rappelle une limite très pratique : l'agent dépend de la qualité du parcours existant. Une remise conditionnelle mal expliquée, une interface instable ou des règles d'éligibilité dispersées peuvent bloquer l'achat. Et l'automatisation peut amplifier les défauts du système au lieu de les corriger.
Que font déjà les entreprises pour s'y préparer ?
Même quand les volumes restent faibles, certaines entreprises ajustent leurs sites pour les rendre plus accessibles aux outils automatisés. Chipotle travaille sur la structure de son code pour aider les agents à naviguer plus facilement et à appliquer correctement les règles de commande. DoorDash discute aussi de ces sujets, même si son dirigeant a qualifié une partie de l'enthousiasme actuel de potentiellement déconnectée de la réalité.
Costco et Extra Space Storage indiquent également une hausse du trafic ou des ventes provenant de chatbots d'IA comme Gemini et ChatGPT, après avoir adapté leur contenu pour ces outils. Elles envisagent donc d'étendre ce travail aux agents. Attention toutefois au vocabulaire : les assistants conversationnels qui orientent l'utilisateur et les agents capables d'exécuter des tâches ne demandent pas exactement les mêmes prérequis, même si les usages se recoupent.
Commencer par les parcours qui cassent
La première étape n'est pas de tout refaire pour une technologie dont l'usage n'est pas encore stabilisé. Il vaut mieux chercher les points où l'utilisateur - ou l'agent - se plante : recherche d'un produit, compréhension des variantes, validation d'une réduction, disponibilité, paiement ou confirmation.
Un audit simple peut suivre ce fil :
- Choisir un cas d'usage précis : recherche d'un produit, comparaison d'offres, réservation ou réabonnement.
- Tester le parcours avec des demandes réalistes : préférences, contraintes, codes promotionnels et cas limites.
- Repérer les infos ambiguës : prix, frais, horaires, conditions, stock et règles de fidélité.
- Mesurer les échecs et leurs causes : abandon, mauvaise option sélectionnée, commande incomplète ou besoin d'intervention humaine.
- Corriger d'abord ce qui aide tout le monde : contenu structuré, règles cohérentes et interfaces prévisibles améliorent aussi l'expérience des clients.
Cette approche évite les dépenses défensives « au cas où ». Rendre un site plus lisible et documenter correctement des règles métier aide même si Muse ne décolle pas. À l'inverse, investir lourdement dans une intégration sans volume, sans cas d'usage solide et sans indicateurs de résultat, c'est parier sur une adoption encore incertaine.
Mesurer la valeur, pas seulement le trafic
Des visites venues d'un assistant ne suffisent pas à dire que ça marche. Les équipes doivent savoir si ça convertit, si les clients sont nouveaux ou déjà acquis, et si ces commandes laissent une marge acceptable une fois qu'on compte les commissions et les coûts de traitement.
Un tableau de bord minimal peut inclure :
- le volume de sessions ou de demandes attribuables à un agent ;
- le taux de conversion et le panier moyen, comparés aux autres canaux ;
- les erreurs de parcours et le recours au service client ;
- le coût d'acquisition, les commissions et la marge nette ;
- l'effet sur la rétention, les retours et les résiliations.
Ces indicateurs doivent être interprétés avec prudence : l'attribution peut être incomplète. En France et en Europe, il faut aussi rester compatible avec les obligations de suivi et de données personnelles, notamment le RGPD. Mieux vaut une mesure moins exhaustive, mais fiable et conforme, qu'une attribution très détaillée obtenue au prix d'une collecte disproportionnée.
Quels risques et arbitrages les dirigeants doivent-ils anticiper ?
Intégrer un agent dans un achat, c'est ajouter une couche de responsabilité plus difficile à démêler. L'assistant peut mal interpréter une consigne, choisir une option inadaptée ou passer une commande erronée. Ensuite, commerçant, plateforme et client peuvent ne pas avoir les mêmes attentes sur la correction du problème.
La sécurité des comptes arrive tout de suite aussi sur la table. Bank of America a alerté sur les risques liés au fait de partager ses identifiants avec des assistants IA. La banque rappelle que les utilisateurs peuvent rester responsables des opérations effectuées via les accès communiqués. En clair : si vous donnez à un outil un accès large à un compte de paiement ou à un espace client, vous augmentez les conséquences possibles d'une erreur - ou d'un usage abusif.
Définir les permissions avant de déléguer
Si une entreprise ouvre ses systèmes à des agents, elle doit décider ce qui est autorisé, et ce qui exige une validation humaine. Consulter une disponibilité n'a pas le même niveau de risque que modifier un contrat, annuler un abonnement ou exécuter un paiement.
Le plus prudent consiste à graduer les permissions : accès en lecture pour les informations non sensibles, confirmation explicite avant les actions coûteuses ou durables, authentification renforcée pour les opérations sensibles. Et surtout : les journaux d'activité doivent permettre de comprendre ce que l'agent a demandé, ce que le système a exécuté, et à quel moment une validation a été donnée.
Oui, ça a un coût : plus d'étapes, moins de fluidité. Mais une automatisation qui produit une transaction contestable sans trace claire déplace le problème vers le support client, la sécurité et les équipes juridiques. Le bon niveau de contrôle dépend de la gravité de l'action, pas du plaisir de « tout automatiser ».
Protéger la relation client sans bloquer les usages
Amazon a d'abord bloqué Muse, en estimant que ses utilisateurs préféreraient son propre assistant d'achat Alexa. L'entreprise a ensuite reconnu qu'elle anticipait une collaboration avec des agents externes. Le parcours d'Insurify va dans le même sens : la plateforme d'assurance avait bloqué Muse, puis a ajusté sa position après avoir introduit une technologie destinée à garantir que les agents présentent des offres exactes.
Ces retours montrent l'arbitrage classique : bloquer un agent peut protéger les données, la qualité des offres et le canal propriétaire. Mais ça peut aussi empêcher des clients d'atteindre l'entreprise via un nouvel intermédiaire. L'autoriser trop tôt peut au contraire exposer à des erreurs, à des frais imprévus ou à une présentation incorrecte des produits.
Pour une entreprise en France, la décision peut se structurer autour de trois questions :
- Le cas d'usage apporte-t-il une valeur vérifiable au client ? Une démonstration ne suffit pas.
- Les risques sont-ils maîtrisés ? Données, permissions, erreurs de commande, responsabilités : tout doit être couvert.
- Le modèle économique reste-t-il viable ? Commissions, coûts de support et perte potentielle de la relation directe doivent entrer dans le calcul.
Si ces conditions ne sont pas réunies, mieux vaut commencer par un pilote limité. Si elles le sont, le canal peut être testé sur des catégories de produits et des opérations bien cadrées, puis étendu seulement après les premiers résultats.
Conclusion
Les agents IA pourraient redistribuer une partie de la découverte des produits et de l'exécution des achats. Mais, pour l'instant, les chiffres disponibles montrent surtout un décalage : beaucoup de promesses, et des usages commerciaux encore limités ou difficiles à isoler. Il est trop tôt pour parler de rupture généralisée. Et il serait tout aussi risqué de ranger le sujet dans le « théorique ».
La bonne approche, pragmatique, consiste à préparer sans surinvestir : améliorer les parcours qui coincent, suivre conversions et marges, sécuriser les accès et tester les agents sur des opérations bien circonscrites. L'ouverture d'un canal doit dépendre de sa valeur réelle pour le client et de son coût complet pour l'entreprise. C'est cette discipline - plutôt que la vitesse d'adoption - qui fera la différence entre un changement durable et un effet d'annonce.