Les chatbots ont quitté la simple bulle de dépannage pour entrer dans la zone la plus sensible de l’e-commerce : la décision d’achat. En France, l’IA conversationnelle s’est installée dans les usages à grande vitesse, au point que 4 Français sur 10 (soit 24,5 millions d’utilisateurs) ont utilisé un chatbot en septembre 2025, avec un pic à près de 74 % chez les 15-24 ans, selon Mediamétrie. Longtemps cantonnées à la recherche d’informations ou à des conseils pratiques, ces conversations basculent progressivement vers la vente en ligne : plusieurs études pointent qu’environ un tiers des demandes adressées aux agents conversationnels concerne déjà des marques ou des produits.
Dans les faits, ce virage répond à une fatigue bien identifiée : la navigation e-commerce traditionnelle, ses filtres et ses pages à rallonge, peine à recréer l’échange avec un bon vendeur en magasin. Le commerce conversationnel promet de combler ce manque via une technologie conversationnelle capable de comprendre un besoin, de proposer une alternative et d’accompagner jusqu’au paiement. Avec l’arrivée d’agents dits « transactionnels », capables non seulement de recommander mais aussi de comparer et parfois d’acheter, la conversation devient un canal complet. Et, de plus en plus, un nouveau point de passage obligé pour les marques qui veulent rester visibles dans les réponses générées par l’intelligence artificielle.
Commerce conversationnel : l’essor des chatbots vendeurs et des agents transactionnels
Le mouvement n’est pas né hier. Dès 1996, Ask Jeeves esquissait déjà l’idée d’un assistant qui « trouve pour vous », avant que Bing ne revendique en 2009 un positionnement d’aide à la décision intégrant comparaison et recommandations. La différence, en 2026, tient à la puissance des modèles et à l’intégration : les nouveaux assistants ne se contentent plus d’orienter, ils structurent le choix et rapprochent l’utilisateur de l’acte d’achat, parfois sans quitter l’interface.
Perplexity a été l’un des premiers à mettre en avant une brique shopping fin 2024, puis OpenAI a officialisé des expérimentations de résultats produits dans ChatGPT au printemps 2025, avec fiches enrichies (prix, avis) et liens d’achat. OpenAI a ensuite présenté une fonction de recherche shopping s’appuyant sur des mécanismes de recherche approfondie, destinée à affiner la sélection. Ce glissement vers des vendeurs numériques ne relève plus de la démo : il se manifeste lorsque l’agent synthétise des fiches produits, établit un comparatif et reformule une recommandation en fonction des contraintes de l’acheteur, comme le ferait un conseiller en rayon.
De l’assistance à la vente : quand la conversation remplace la recherche par mots-clés
La logique bascule : au lieu de taper des requêtes et d’éplucher des listes, l’utilisateur questionne, précise, élimine. Cette évolution s’articule avec un changement plus large dans la recherche en ligne, documenté par l’émergence de nouvelles pratiques autour des moteurs génératifs, qui interrogent la place historique du référencement par requêtes. Certains acteurs du marketing y voient même un tournant structurel, au-delà du SEO classique, comme l’illustre cette analyse sur l’érosion du marketing par mots-clés. Dans ce cadre, la conversation devient une interface de tri, et l’agent un filtre actif, qui peut influencer ce qui est vu… et ce qui ne l’est pas.
Google, Amazon, Microsoft : l’intégration des fonctions marchandes met la pression sur les marques
Jusqu’ici, l’équilibre du commerce digital reposait sur des rôles relativement stables : la découverte « push » côté réseaux sociaux, la recherche « pull » côté moteurs, et l’achat « delivery » côté marketplaces. Les agents transactionnels viennent brouiller ces frontières en couvrant plusieurs moments du parcours. Et surtout, ils s’appuient sur des plateformes déjà massives, ce qui accélère l’adoption au-delà des seuls « power users » de chatbots.
Google a multiplié les annonces autour du shopping dopé à l’IA : essai virtuel, recherche visuelle, nouvelles expériences dans Google Shopping, et rapprochement avec Gemini. L’idée est de rendre la sélection plus rapide, mais aussi plus « assistée », avec des recommandations conversationnelles et des fonctions d’achat intégrées. Dans le même temps, Microsoft a poussé Copilot Shopping, notamment dans Edge, dans la continuité d’expériences déjà entrevues à l’époque de Cortana. Amazon, enfin, avance avec Rufus et une série de fonctionnalités destinées à la recherche et à la décision, de guides d’achat à des formats audio de résumés d’avis.
Du parcours d’achat à la délégation : l’enjeu de la désintermédiation
Ce qui change, c’est que l’agent peut devenir l’écran principal de la décision. Pour les marques, le risque n’est pas seulement de perdre du trafic, mais d’être « aplaties » dans une réponse, au même niveau qu’un concurrent, sans contrôle fin du récit. Cette dynamique est au cœur des débats sur le web « agentique » et le basculement vers une ère où l’on délègue des tâches, plutôt que d’explorer soi-même. Sur ce point, les stratégies d’IA agentique appliquée au marketing deviennent un sujet de gouvernance autant que de performance, car l’intermédiaire conversationnel redéfinit l’accès au client.
Expérience client, automatisation et interaction vocale : les nouveaux standards (et leurs limites)
Pour les e-commerçants, la promesse est double : améliorer l’expérience client et industrialiser l’automatisation sans dégrader la relation. Les cas d’usage les plus visibles se situent sur l’assistance immédiate (disponibilité, tailles, compatibilités), la réduction de l’abandon de panier via des relances contextualisées, et le service client 24/7 avec suivi de commande et retours simplifiés. Sur des canaux déjà installés comme WhatsApp ou Messenger, la conversation devient un guichet unique, plus proche des usages quotidiens.
La frontière se déplace aussi vers l’interaction vocale. Les assistants sont particulièrement adaptés aux achats récurrents (« recommander le même café ») et aux questions brèves, là où un catalogue complet reste plus difficile à explorer. Le SMS, de son côté, conserve un rôle d’alerte et de rappel, notamment sur les paniers laissés en suspens. Mais la performance tient à un point critique : la qualité des réponses. Les bots basés sur des scripts rigides peuvent créer l’effet inverse, avec des boucles et des réponses vagues qui génèrent du volume au support humain au lieu de l’absorber.
Les déploiements les plus efficaces s’appuient sur des bases de connaissances unifiées (tickets historiques, documentation interne, fiches produits) pour produire des réponses ancrées dans les règles réelles de l’entreprise. Cette logique se prolonge dans la manière de concevoir des parcours complets, proches d’un tunnel de vente, mais dialogués : l’approche des tunnels conversationnels illustre ce passage d’une simple bulle d’aide à une orchestration de bout en bout, de la découverte au post-achat. À mesure que ces systèmes se généralisent, la question n’est plus seulement « faut-il un chatbot ? », mais comment éviter que la conversation devienne un écran opaque entre la marque et son client.
