2026-09-18 · 3 min de lecture
E-commerce et IA : être cité ne suffit plus
Les assistants IA orientent déjà l'achat, pas seulement la citation. Ce que ça change pour l'e-commerce, et comment savoir si vous captez la vente.
Pour une marque de service, être cité par une IA est déjà la moitié du travail : le lecteur prend contact, compare, puis décide. Pour un site e-commerce, ce n'est que le début. La question qui suit immédiatement « qui l'IA nomme-t-elle ? » est « et ensuite, elle envoie l'acheteur où ? »
C'est là que ça se joue différemment. Un assistant qui répond à « où acheter [un produit] au meilleur prix » ne se contente pas de citer une marque : il oriente un acte d'achat. S'il vous cite mais renvoie vers une marketplace ou un comparateur plutôt que vers votre propre site, vous avez gagné la visibilité et perdu la vente.
Le comparateur généraliste voit très bien Amazon
Sur nos mesures, quand une question porte sur un produit générique plutôt que sur une marque précise, les intermédiaires — marketplaces, comparateurs, sites d'avis — ressortent presque systématiquement parmi les sources les plus citées. C'est un pattern qu'on retrouve secteur après secteur, pas propre à l'e-commerce : dans le camping en Normandie, le nom le plus cité n'est pas un établissement mais l'office de tourisme régional — la logique est la même : l'IA lit d'abord ce qui compare et agrège, pas ce qui vend.
Pour un site marchand, ce constat a une conséquence directe : être « recommandé en tant que marque » et être « le lien vers lequel l'IA pousse l'acheteur » sont deux mesures différentes. La première se travaille comme n'importe quel GEO — présence sur les sources que l'IA lit. La seconde dépend de si vos fiches produit sont exploitables telles quelles par un agent qui doit décider où finaliser l'achat.
Ce qu'un agent regarde sur une fiche produit
Un assistant qui doit recommander un point d'achat a besoin d'informations non ambiguës : prix actuel, disponibilité réelle, délai et coût de livraison, conditions de retour. Une fiche incomplète ou floue sur ces points n'est pas reléguée en second choix — elle est simplement écartée au profit d'une source qui répond plus proprement à ces critères, souvent une marketplace dont c'est justement le métier d'agréger cette information.
Concrètement, ça déplace une partie du travail GEO du texte éditorial vers la structure de la fiche produit elle-même : les données structurées (prix, stock, identifiants produit), la clarté de la politique de retour, et le fait que ces pages ne soient pas bloquées aux robots qui lisent pour le compte d'un assistant.
Comment on le mesure
Un audit GEO classique pose des questions de découverte et de comparaison, et regarde qui est cité. Pour un site e-commerce, on ajoute des questions à intention d'achat directe — « où acheter », « quel est le moins cher pour », « quel site livre le plus vite » — et on regarde deux choses à la fois : est-ce que la marque apparaît, et est-ce que la source citée est le site de la marque ou un intermédiaire. Le deuxième point est souvent le plus révélateur : une marque peut très bien être citée dans le texte de la réponse tout en étant absente des liens que l'IA propose réellement pour acheter.
C'est la méthode qu'on applique à l'étude e-commerce : 40 questions réelles, trois assistants, et un décompte de qui est cité comme source d'achat plutôt que simplement nommé. Pour un site e-commerce, c'est cette distinction — cité versus achetable — qui dit s'il y a un problème à traiter, et lequel.