Le Agentic Commerce Protocol (ACP) est une norme open source régie par OpenAI et Stripe. Avec l’ACP, les agents d’IA peuvent aider les acheteurs à effectuer des achats au sein de conversations.
Les interactions ACP font partie du commerce agentique [EN], dans lequel les personnes peuvent découvrir des produits, prendre des décisions et finaliser des achats sans quitter la conversation qu’elles ont avec un agent IA.
Comme le Universal Commerce Protocol (UCP), un autre protocole standard ouvert pour le commerce agentique co-développé par Shopify et Google, l’ACP est le protocole sous-jacent qui détermine comment un agent d’IA, un marchand et un système de paiement collaborent pour créer l’expérience d’achat agentique.
Sans des protocoles comme l’ACP, chaque agent IA aurait besoin d’une intégration personnalisée avec chaque marchand et chaque prestataire de paiement pour finaliser un achat. L’ACP remplace ces intégrations par un langage commun pour valider les identifiants de paiement, confirmer les commandes, et approuver ou rejeter les achats.
Quel est l’état actuel de l’ACP ?
Instant Checkout dans ChatGPT, optimisé par ACP, qui a été lancé en septembre 2025 et a permis aux acheteurs de finaliser leurs achats sans jamais quitter la discussion.
Mais OpenAI a annoncé en mars 2026 qu’Instant Checkout déplacerait les achats vers des applications tierces. Les acheteurs peuvent toujours découvrir des produits dans ChatGPT, mais ils paieront leurs achats via l’application ou le site web du détaillant.
Cela signifie que l’ACP exécute toujours l’infrastructure reliant ChatGPT aux marchands, mais qu’il ne gère plus la transaction complète.
Comment fonctionne l’ACP ?
Lorsqu’un acheteur décrit ce qu’il recherche, ChatGPT classe les résultats en fonction des requêtes précédentes, de la disponibilité, du prix, et du fait qu’un marchand soit le vendeur principal. L’ACP extrait les résultats de produits auprès de marchands dont les flux répondent aux exigences de l’ACP.
Pendant le pilote, un bouton d’achat apparaissait directement dans ChatGPT si les marchands avaient activé le paiement instantané. L’acheteur a confirmé les informations de livraison, a sélectionné un moyen de paiement, et a finalisé la commande sans quitter l’interface.
La transaction a été effectuée via la plateforme de commerce et l’infrastructure de paiement du marchand, par le biais d’une API. Stripe gérait le traitement des paiements par défaut, bien que les marchands puissent utiliser leur propre fournisseur de paiement compatible ACP. Le marchand acceptait ou refusait les commandes, et il gérait l’exécution et l’assistance comme il le ferait normalement.
Ce qui séduisait les acheteurs et les marchands, c’était l’immédiateté. Les acheteurs pouvaient acheter des produits dans ChatGPT, sans passer par une boutique en ligne pour finaliser l’achat.
Désormais, les acheteurs doivent finaliser l’achat via le site web ou l’application du marchand.
Ce que le commerce agentique signifie pour les spécialistes du marketing B2C, en ce moment
De plus en plus de consommateurs utilisent des agents d’IA pour découvrir, étudier et acheter des produits. Le rapport 2026 de Klaviyo sur les tendances des consommateurs en matière d’IA a révélé que 39 % des consommateurs ont acheté un produit sur la base d’une recommandation de l’IA au cours des 6 derniers mois. De plus, 27 % déclarent avoir découvert un nouveau produit grâce à une recommandation de l’IA, puis avoir fait des recherches à son sujet.
Le rapport a également révélé que 30 % des recherches IA contiennent 8 mots ou plus, et 52 % contiennent 3 à 7 mots, avec plusieurs descripteurs. 78 % incluent un contexte émotionnel ou personnel au moins une partie du temps. Ces requêtes personnelles et de longue traîne sont importantes, car les agents IA les utilisent comme signaux des préférences personnelles, du contexte et de l’intention. Chaque réponse à chaque requête future est influencée par ces signaux personnels.
Par exemple, une personne a peut-être déjà demandé à un agent IA des conseils pour gérer un syndrome de stress tibial. Lorsqu’elle recherchera plus tard des chaussures de course à pied, elle pourrait obtenir des recommandations de chaussures offrant une bonne stabilité sur différentes surfaces plutôt que des modèles de course légers, car l’agent IA sait que celles-ci peuvent être plus adaptées en cas de syndrome de stress tibial.
Les requêtes de recherche contextuelles de longue traîne exigent des descriptions de produits et des avis plus détaillés et contextualisés. Cela implique davantage de détails, qui parlent à des cas d’usage spécifiques, au contexte personnel, et au positionnement du produit par rapport aux autres sur le marché.
Autrement dit, le commerce agentique est plus qu’un simple changement de canal. C’est l’effondrement des phases de découverte, de recherche, et parfois d’achat en un seul canal. Avant l’IA, les acheteurs découvraient des produits sur un ou plusieurs canaux, puis se rendaient sur les canaux propriétaires d’une marque pour comparer et acheter. Aujourd’hui, le commerce agentique consolide davantage ce parcours en ligne en un seul endroit.
Les canaux propriétaires restent importants, tout comme le SEO traditionnel. Mais le commerce agentique influence la manière dont les marques doivent présenter leurs données produit ; elles apparaissent donc sur des canaux d’IA pour rivaliser dans ces nouveaux espaces.
Comment préparer votre marque au commerce agentique
Si vous disposez déjà d’une base SEO solide, vous êtes bien positionné pour étendre votre visibilité à l’optimisation pour les moteurs de réponse (AEO). Considérez les étapes suivantes comme complémentaires à vos efforts SEO, afin d’être prêt à fournir le contexte et le niveau de détail requis pour une requête de recherche par IA :
1. Auditer et enrichir vos données et métadonnées produit
Les LLM utilisent des bots pour explorer et indexer vos pages. Si des données sont manquantes ou inaccessibles, elles ne seront pas prises en compte.
Vérifiez les données de vos produits afin d’en garantir le niveau de détail et l’exactitude. Des descriptions vagues ou incomplètes, des attributs manquants, et un inventaire obsolète réduisent la fréquence à laquelle les agents d’IA recommandent vos produits.
Pour préparer votre catalogue aux recommandations de l’IA, commencez par le contenu lui-même :
- Standardiser des attributs tels que les matériaux, les couleurs, les unités de mesure, etc., afin que les agents IA puissent les interpréter de manière cohérente.
- Rédigez les titres et les descriptions des produits dans une langue claire et naturelle. Efforcez-vous de répondre aux questions en tenant compte du contexte et de la situation. Au lieu de « whey protein powder », pensez plutôt à « whey protein powder avec 25 g de protéines par portion, et sans édulcorants artificiels, idéal pour la récupération après l’entraînement ».
Ensuite, assurez-vous que les robots d’exploration LLM peuvent lire votre contenu. Voici ce qu’il faut retenir :
- Les LLM utilisent des robots d’exploration comme GPTBot et PerplexityBot qui respectent vos règles robots.txt par défaut. Assurez-vous que les pages produit clés ne sont pas bloquées par erreur. Un sitemap XML complet aide également, en fournissant aux robots d’exploration une cartographie complète de votre site, afin qu’ils ne passent pas à côté de pages produit plus récentes ou plus difficiles à trouver.
- Ajoutez le balisage schema.org à vos pages produit sous forme de JSON-LD, afin que les robots d’exploration de l’IA puissent lire les informations clés sur les produits, telles que les noms, les descriptions, les images, les prix et la disponibilité.
- Auditez la présence de Global Trade Item Numbers (GTIN) et de Stock Keeping Units (SKU). Les agents IA les utilisent pour vérifier que les produits existent et qu’ils sont représentés avec précision. Des identifiants manquants peuvent faire disparaître des produits des recommandations, totalement.
2. Suivre et mesurer l’attribution des LLM
Commencez à identifier le trafic du site et les conversions provenant des LLM. Par exemple, lorsque des visiteurs arrivent via ChatGPT, suivez-les à l’aide d’un paramètre UTM (p. ex., utm_source=chatgpt.com). C’est votre premier signal indiquant que le commerce agentique pourrait devenir un canal de revenus significatif pour votre marque.
Vous pouvez même utiliser un assistant d’IA conversationnelle, comme l’application Klaviyo pour ChatGPT ou le connecteur Claude [EN], pour analyser le trafic et les conversions générés par des LLM à l’aide de prompts simples.
3. Transformez les signaux du commerce agentique en contenu marketing
Utilisez les informations issues des requêtes AEO pour guider le contenu des nouvelles pages produit et les campagnes omnicanales. Si vous ne disposez pas des ressources nécessaires pour étoffer toutes vos descriptions de produits d’un seul coup, laissez plutôt les données d’attribution vous guider.
Par exemple, si vous constatez davantage de trafic attribué à l’IA vers votre catégorie de produits « robes d’été », cela peut être le signal qu’il faut ajouter plus de contexte aux descriptions, ajouter davantage de photos de produits, et lancer une nouvelle campagne qui tient compte des signaux contextuels.
Klaviyo Composer, l’agent marketing IA intégré de Klaviyo, peut :
- Créez des campagnes multicanales. À partir d’un prompt, de votre catalogue de produits et du contexte client complet issu de Klaviyo CRM B2C, l’agent marketing IA crée des campagnes et des flux prêts à l’envoi, avec des suggestions d’audience, des messages personnalisés et des recommandations de calendrier.
- Respectez les critères de votre marque. L’agent marketing IA génère dans votre style et selon vos règles spécifiques dès le premier résultat. Vous conservez un contrôle stratégique total, et rien n’est lancé sans votre validation.
- Affinez votre vision. Dans une conversation à plusieurs tours, l’agent marketing IA vous aide à obtenir exactement le bon résultat, grâce à une conversation naturelle et au téléversement de fichiers. Composer apprend également au fil de l’eau, de sorte que chaque décision est plus intelligente que la précédente.