Commerce agentique : le Universal Commerce Protocol de Google et la révolution du shopping par IA

La fin de l’ère du parcours-achat

Pendant trois décennies, le commerce en ligne a reposé sur une hypothèse fondamentale : un être humain est assis devant un écran, parcourt les listes de produits, compare les options et clique sur « Acheter ». Cette hypothèse est désormais en train de s’effondrer. Lors de la conférence annuelle de la National Retail Federation en janvier 2026, le PDG de Google, Sundar Pichai, a dévoilé le Universal Commerce Protocol (UCP), un cadre standardisé conçu pour permettre aux agents IA de découvrir, comparer, négocier et acheter des produits de manière autonome pour le compte des consommateurs. L’annonce ne s’est pas faite de manière isolée. Les partenaires co-développeurs incluaient Shopify, Etsy, Wayfair, Target, Walmart, Visa, Mastercard et Stripe — une coalition représentant l’intégralité de la chaîne du commerce moderne, des plateformes de marketplace aux infrastructures de paiement.

Le timing n’est pas une coïncidence. Les données comportementales des consommateurs provenant de plusieurs cabinets d’études indiquent qu’environ 45 % des consommateurs intègrent désormais des outils d’IA dans leurs décisions d’achat, que ce soit via des recommandations de chatbots, des flux de produits sélectionnés par l’IA ou des commandes initiées par assistant vocal. Les dernières projections de McKinsey situent le marché adressable total du commerce agentique entre 3 000 et 5 000 milliards de dollars d’ici 2030. Ce que Google a fait avec l’UCP n’est pas simplement le lancement d’un produit — c’est la proposition de la plomberie d’un nouvel internet commercial, où les principaux « acheteurs » ne sont pas des personnes mais des agents logiciels agissant pour leur compte.

Cet article examine ce qu’est l’UCP, en quoi le commerce agentique diffère du commerce en ligne traditionnel, ce que signifie l’AI Engine Optimization pour les détaillants, et pourquoi les cinq prochaines années pourraient représenter la transformation la plus significative du commerce de détail depuis l’invention du panier d’achat en ligne.

Qu’est-ce que le Universal Commerce Protocol ?

Le Universal Commerce Protocol se comprend le mieux comme un langage commun permettant aux agents IA et aux détaillants de communiquer. Aujourd’hui, lorsqu’un consommateur utilise un chatbot pour trouver un produit, ce bot scrape généralement des pages web, interprète du HTML non structuré et fait des suppositions éclairées sur les attributs du produit. L’UCP remplace ce processus fragile par des données commerciales structurées et lisibles par les machines que les agents IA peuvent consommer directement.

En son coeur, l’UCP définit des schémas standardisés pour les catalogues de produits, les prix, la disponibilité, les options d’expédition, les politiques de retour et l’exécution des transactions. Un détaillant qui implémente l’UCP expose son inventaire non pas comme un site web conçu pour des yeux humains, mais comme une API conçue pour la consommation par les agents. L’agent peut interroger le catalogue, filtrer par n’importe quel attribut, comparer les prix simultanément entre plusieurs détaillants compatibles UCP, vérifier le stock en temps réel et finaliser un achat — tout cela sans qu’une seule page web ne se charge dans un navigateur.

La coalition derrière l’UCP est stratégiquement exhaustive. Shopify apporte des millions de petits et moyens commerçants. Walmart et Target représentent les grandes surfaces. Etsy couvre les marchés artisanaux et de niche. Visa, Mastercard et Stripe gèrent la couche de paiement, garantissant que les transactions initiées par les agents puissent être authentifiées et réglées de manière sécurisée. Google lui-même fournit l’infrastructure d’IA — ses modèles Gemini — et l’écosystème de recherche qui sert déjà de point de départ à la plupart des découvertes de produits.

Le protocole fonctionne sur trois couches. La couche de découverte permet aux agents de rechercher et filtrer les catalogues de produits à l’aide de requêtes sémantiques. La couche de négociation prend en charge les interactions de tarification dynamique, les offres groupées et l’intégration des programmes de fidélité. La couche de transaction gère l’autorisation de paiement, la passation de commande et la communication post-achat (mises à jour d’expédition, retours). Chaque couche est conçue pour être modulaire : un détaillant peut implémenter la découverte sans activer les transactions autonomes, offrant une montée en charge progressive.

Du commerce parcouru par l’humain au commerce acheté par l’agent

Le passage du commerce parcouru par l’humain au commerce acheté par l’agent n’est pas incrémental ; il est architectural. Dans le modèle actuel, toute l’expérience e-commerce — de la photographie produit au placement du bouton de paiement — est optimisée pour la psychologie humaine. Les tests A/B déterminent les couleurs des boutons. Les descriptions de produits sont rédigées pour convaincre. Les minuteries d’urgence créent la peur de manquer une opportunité. Rien de tout cela n’a d’importance pour un agent IA.

Un agent ne répond pas aux déclencheurs émotionnels. Il évalue les produits sur des attributs structurés : prix, spécifications, avis agrégés en scores de sentiment, générosité de la politique de retour, rapidité d’expédition et coût total de possession. Les détaillants qui gagneront dans le commerce agentique ne seront pas ceux avec les meilleures pages d’atterrissage, mais ceux avec les données les plus propres, les algorithmes de tarification les plus compétitifs et les temps de réponse d’API les plus rapides.

Cela crée une inversion profonde. Dans le commerce humain, la fidélité à la marque et les dépenses marketing créent des avantages défensifs. Dans le commerce agentique, l’avantage défensif réside dans la qualité des données et la compétitivité algorithmique. Un petit détaillant avec des données produits parfaitement structurées et des prix compétitifs peut surpasser une grande marque dont le catalogue est enfermé dans des systèmes hérités et dont les prix sont gonflés par les frais marketing.

Les recherches sur le comportement des consommateurs suggèrent que la transition ne sera pas binaire. Les modèles d’adoption précoce indiquent un spectre : des achats entièrement autonomes pour les produits de consommation courante à faible réflexion (fournitures ménagères, accessoires électroniques basiques), une comparaison assistée par agent pour les achats de gamme moyenne (électronique, mobilier), et une décision humaine avec recherche par agent pour les achats à forte réflexion (produits de luxe, gros appareils électroménagers). Le chiffre de 45 % d’adoption représente les consommateurs qui utilisent l’IA à un moment quelconque de leur parcours, pas ceux qui délèguent une autorité d’achat de bout en bout. Mais la trajectoire est claire : à mesure que la confiance dans les recommandations de l’IA grandit et que les systèmes agentiques démontrent leur valeur, le seuil d’autonomie augmentera.

La prévision de McKinsey de 3 à 5 000 milliards de dollars d’ici 2030 reflète cette courbe d’adoption progressive. Même si seulement 15 à 20 % du volume total du commerce en ligne devient entièrement piloté par les agents d’ici la fin de la décennie, le marché adressable total est énorme étant donné la trajectoire du commerce en ligne mondial vers 8 000 milliards de dollars par an.

AI Engine Optimization : le nouveau SEO

Si le commerce agentique est le nouveau paradigme, l’AI Engine Optimization (AEO) en est la discipline. Tout comme le Search Engine Optimization est apparu lorsque Google est devenu la porte d’entrée d’internet, l’AEO émerge alors que les agents IA deviennent la porte d’entrée du commerce.

L’AEO diffère du SEO de manière fondamentale. Le SEO optimise la correspondance de mots-clés, l’autorité des liens et les signaux d’engagement des utilisateurs au sein d’une page de résultats de recherche. L’AEO optimise la précision des données structurées, la fiabilité des API et le positionnement concurrentiel dans les cadres décisionnels des agents. Un agent IA ne se soucie pas de votre méta-description. Il se soucie de savoir si votre schéma de données produit spécifie correctement qu’une veste est imperméable, disponible en taille L et expédiable sous deux jours.

Les premières pratiques d’AEO se cristallisent autour de plusieurs piliers. Premièrement, la complétude des données : chaque attribut de produit qu’un agent pourrait interroger doit être présent et exact. Les champs manquants sont éliminatoires — un agent ne peut pas recommander un produit qu’il ne peut pas évaluer intégralement. Deuxièmement, la conformité aux schémas : implémenter l’UCP ou des formats de données structurées comparables pour que les agents puissent analyser les catalogues sans deviner. Troisièmement, la réactivité de tarification dynamique : les agents compareront les prix en millisecondes, ce qui signifie que les moteurs de tarification doivent se mettre à jour en temps réel et répondre aux signaux concurrentiels. Quatrièmement, les données d’avis et de réputation : les agents agrègent le sentiment des avis de manière programmatique, faisant des retours clients authentiques un input direct de classement. Cinquièmement, la fiabilité transactionnelle : les agents pénalisent les détaillants avec des taux d’erreur élevés, des API de paiement lentes ou des erreurs fréquentes de rupture de stock.

Les implications pour les budgets marketing sont significatives. Dans un monde où les agents IA servent d’intermédiaires pour les achats, la publicité display traditionnelle, le marketing d’influence et même les campagnes de recherche de marque perdent une grande partie de leur valeur. Le budget se déplace vers l’infrastructure de données, le développement d’API, les systèmes de tarification dynamique et — de manière cruciale — vers le paiement pour un placement premium dans les écosystèmes de recommandation des agents. L’évolution du modèle économique de Google est évidente ici : l’UCP est gratuit à implémenter, mais le positionnement premium dans les recommandations de l’agent d’achat Gemini sera presque certainement monétisé.

Implications pour les détaillants et réponses stratégiques

Pour les détaillants établis, le commerce agentique présente à la fois une menace et une opportunité. La menace est la désintermédiation : si un agent IA gère l’ensemble du parcours d’achat, le site web du détaillant devient un backend de traitement des commandes plutôt qu’une expérience de marque orientée client. Les relations clients migrent du détaillant vers la plateforme de l’agent. L’image de marque, construite pendant des décennies à travers le design des magasins et le marketing, perd de sa pertinence lorsque le client ne voit jamais une vitrine.

L’opportunité réside dans l’excellence d’exécution. Les détaillants dotés d’une logistique supérieure, d’une précision d’inventaire et d’une flexibilité tarifaire prospéreront sur les marchés intermédié par les agents. L’investissement de Walmart dans la technologie de la chaîne d’approvisionnement et la visibilité en temps réel des stocks le positionne bien. L’écosystème de commerçants de Shopify, avec des millions de petites entreprises, pourrait devenir le catalogue de longue traîne que les agents interrogent pour des produits de niche indisponibles chez les grands détaillants.

Des réponses stratégiques émergent déjà. Plusieurs grands détaillants construisent leurs propres capacités d’agents — des « copilotes d’achat » sous leur propre marque qui guident les clients à travers leur catalogue spécifique. Cela préserve la relation client même lorsque l’interface passe du site web à l’agent. D’autres investissent dans des produits exclusifs ou des marques de distributeur qui ne peuvent être trouvés que via leurs propres canaux, créant une rareté que les agents ne peuvent pas arbitrer.

Les partenaires de paiement de la coalition UCP font face à leur propre transformation. Visa et Mastercard doivent s’assurer que leurs réseaux peuvent gérer les transactions initiées par les agents avec une authentification appropriée. L’implication de Stripe suggère que le modèle de paiement en tant que service s’étend naturellement au commerce par agent — Stripe traite déjà des transactions sans interface consommateur visible dans de nombreux contextes d’abonnement et B2B.

Le problème de la confiance et les questions de gouvernance

Le plus grand obstacle du commerce agentique n’est pas la technologie mais la confiance. Les consommateurs doivent avoir confiance qu’un agent IA agissant en leur nom optimise véritablement pour leurs intérêts et non pour les revenus publicitaires de la plateforme. Ce n’est pas une préoccupation hypothétique. Les résultats de recherche actuels de Google mélangent déjà résultats organiques et emplacements payants. Lorsqu’un agent IA « recommande » un produit, cette recommandation sera-t-elle basée uniquement sur les critères du consommateur, ou sera-t-elle influencée par les dépenses publicitaires du détaillant ?

Le cadre de gouvernance du commerce agentique est pratiquement inexistant. Le droit actuel de la protection des consommateurs suppose un humain prenant une décision d’achat consciente. Lorsqu’un agent effectue une transaction de manière autonome — par exemple, recommander des fournitures ménagères au « meilleur » prix –, qui est responsable si le produit est défectueux ? Si l’agent sélectionne une alternative moins chère mais de moindre qualité ? Si la comparaison de prix de l’agent a été manipulée par un détaillant exploitant le schéma UCP ?

Les organismes de régulation ont à peine commencé à aborder ces questions. Le règlement européen sur l’IA (AI Act) fournit un cadre pour les systèmes d’IA à haut risque, mais les agents commerciaux relèvent probablement de la catégorie « risque limité » ne nécessitant que des obligations de transparence. Les États-Unis n’ont pas de cadre fédéral. L’autorégulation de l’industrie à travers la coalition UCP pourrait combler le vide initialement, mais l’histoire de l’autorégulation industrielle dans les marchés numériques offre peu de garanties.

Les dimensions liées à la vie privée ajoutent une complexité supplémentaire. Un agent d’achat efficace a besoin de données exhaustives sur le consommateur : historique d’achats, préférences de marques, contraintes budgétaires, composition du foyer, restrictions alimentaires. Ce profil de données est extraordinairement précieux et extraordinairement sensible. La spécification technique de l’UCP inclut des protocoles de partage de données, mais la gouvernance en matière de vie privée autour des données consommateurs détenues par les agents reste sous-développée.

La route à suivre : 2026-2030

Le lancement de l’UCP marque le début, et non la conclusion, de la transition vers le commerce agentique. L’année 2026 verra probablement des implémentations pilotes par les principaux partenaires UCP, avec des achats assistés par agent concentrés dans les catégories où les attributs des produits sont facilement structurables : électronique grand public, produits ménagers et habillement aux tailles standardisées.

D’ici 2027-2028, les dynamiques concurrentielles devraient accélérer l’adoption. Les détaillants non présents sur l’UCP ou sur des protocoles comparables se retrouveront invisibles pour les agents IA, tout comme les entreprises sans site web sont devenues invisibles au début des années 2000. L’écart de « préparation agentique » entre les leaders technologiques et les retardataires se creusera.

D’ici 2030, si les projections de McKinsey se confirment, le commerce agentique pourrait représenter le principal canal de découverte et d’achat pour les biens de consommation courante et un canal d’assistance significatif pour les achats réfléchis. Les gagnants seront les plateformes qui contrôlent les écosystèmes d’agents (Google, Apple, Amazon), les détaillants avec des données propres et une logistique compétitive, et les réseaux de paiement qui permettent des transactions fluides initiées par les agents. Les perdants seront les marques qui se sont appuyées sur une différenciation pilotée par le marketing sans investir dans l’infrastructure de données que les agents exigent.

Le secteur du commerce de détail a déjà connu des transformations majeures — des grands magasins aux centres commerciaux, des centres commerciaux au e-commerce, du bureau au mobile. Chaque transition a récompensé les précurseurs qui ont compris le nouveau paradigme et pénalisé ceux qui se sont accrochés à l’ancien. Le commerce agentique, propulsé par des protocoles comme l’UCP, représente le prochain basculement de ce type. La question pour chaque détaillant, société de paiement et plateforme n’est pas de savoir si cela se produira, mais s’ils seront prêts le moment venu.

Sources et lectures complémentaires

• Google Announces Universal Commerce Protocol at NRF 2026 — Google Blog
• The Rise of Agentic Commerce — McKinsey & Company
• AI in Consumer Purchasing: 2026 Adoption Survey — Salesforce Research
• Universal Commerce Protocol Technical Overview — Shopify Engineering
• Agentic Commerce and the Future of Retail — Harvard Business Review