Depuis quelques mois, les agents IA e-commerce sont présentés comme la prochaine grande révolution du commerce en ligne.
Demain, nous dit-on, des agents IA chercheront les produits à notre place, compareront les offres, analyseront les avis, négocieront peut-être les prix, et nous proposeront enfin l’article parfait, au bon moment, au bon prix, selon nos goûts les plus subtils.
C’est séduisant. Très séduisant même.
Le problème, c’est que la réalité est souvent un peu moins docile que les présentations PowerPoint.
Une étude récente, AgenticShop: Benchmarking Agentic Product Curation for Personalized Web Shopping, (https://arxiv.org/pdf/2602.12315) apporte justement un peu de rigueur dans ce débat. Et ses conclusions sont beaucoup moins triomphales que le discours ambiant.
Agents IA e-commerce: le problème n’est pas de chercher. Le problème est de bien choisir.
L’étude part d’un constat simple : acheter en ligne est devenu à la fois plus facile et plus fatigant.
Les catalogues sont immenses. Les avis sont innombrables. Les prix changent. Les frais de livraison s’ajoutent. Les promotions parasitent la lecture. Les mêmes produits apparaissent sur plusieurs plateformes. Et le consommateur doit comparer, vérifier, trier, arbitrer.
C’est précisément là que les agents IA sont censés intervenir : réduire la charge cognitive du client et lui proposer une sélection de produits adaptée à ses besoins.
Très bien.
Mais encore faut-il mesurer sérieusement ce que veut dire “adaptée”.
Car trouver un produit n’est pas personnaliser.
Trouver une paire d’écouteurs n’est pas recommander la bonne paire d’écouteurs pour une personne donnée, avec son budget, son usage, sa sensibilité aux avis, ses préférences esthétiques, ses contraintes de livraison et ses arbitrages implicites.
C’est toute la différence entre une recherche et une décision.
Et cette différence est immense.
Les agents IA e-commerce actuels restent très loin d’une vraie curation personnalisée
Le benchmark AgenticShop évalue plusieurs systèmes agentiques dans des scénarios de shopping réalistes.
Les auteurs ne se contentent pas de demander à une IA de retrouver un produit précis. Ils testent trois grandes situations d’achat :
- Target Finding : l’utilisateur cherche un produit précis.
- Alternative Selection : l’utilisateur cherche une catégorie et veut comparer plusieurs options.
- Open Exploration : l’utilisateur n’a pas de requête explicite et attend une curation proactive.
C’est beaucoup plus proche de la réalité du e-commerce.
Car les clients ne viennent pas toujours avec une demande parfaitement formulée. Ils hésitent. Ils explorent. Ils comparent. Ils changent d’avis. Ils arbitrent entre prix, marque, style, disponibilité, livraison, avis et intuition.
Et c’est précisément là que les agents actuels montrent leurs limites.
Selon l’étude, même les meilleurs systèmes testés n’atteignent souvent que des performances modestes, autour de 30 à 35 % dans plusieurs scénarios de curation personnalisée. En exploration ouverte, les résultats chutent encore davantage.
Autrement dit : ces agents peuvent impressionner en démonstration mais ils restent très fragiles lorsqu’on leur demande de faire ce qu’un bon vendeur, un bon merchandiser ou un bon moteur de personnalisation doivent faire : comprendre une situation d’achat et proposer une réponse vraiment pertinente.
Bien chercher ne suffit pas
L’un des enseignements les plus intéressants de l’étude est celui-ci : la capacité à retrouver un produit ne se transforme pas automatiquement en capacité à personnaliser.
Certains agents savent localiser un produit. Ils peuvent retrouver une marque, une référence, une catégorie.
Mais cela ne veut pas dire qu’ils savent choisir le bon produit pour le bon utilisateur.
Ils échouent souvent sur des dimensions très concrètes :
- le respect du budget ;
- la prise en compte des frais de livraison ;
- l’analyse des avis ;
- la disponibilité réelle ;
- les variantes produit ;
- les préférences esthétiques ;
- les contraintes implicites ;
- la comparaison sérieuse entre alternatives.
C’est une leçon importante pour le e-commerce.
Nous avons trop tendance à confondre trois choses :
- search : trouver ;
- “personnalisation”: proposer ;
- individualisation: décider en fonction d’une situation individuelle.
Ce ne sont pas les mêmes problèmes.
Et les traiter comme s’ils étaient identiques est l’une des grandes confusions du moment.
L’hallucination n’est pas un détail technique. C’est un problème commercial.
L’étude relève aussi des erreurs très concrètes.
Des agents inventent parfois des liens produits. Ils génèrent des URLs invalides. Ils pointent vers des pages 404. Ils fournissent des pages de résultats au lieu de fiches produits. Ils justifient des recommandations sur des informations qui ne sont pas vérifiées. Ils peuvent affirmer qu’un produit respecte un budget alors que son prix réel le dépasse.
Dans une conversation générale, c’est gênant.
Dans le commerce, c’est plus grave.
Parce qu’une recommandation produit n’est pas seulement une phrase plausible. C’est une promesse faite au client.
Si l’agent recommande un produit inexistant, hors budget, mal attribué, sans avis suffisants ou indisponible, il ne produit pas une “petite erreur”. Il crée de la friction, de la déception, de la défiance, voire une perte de conversion.
Le problème n’est donc pas seulement technologique. Il est économique. Il est commercial. Il est réputationnel.
La personnalisation n’est pas une conversation polie
Cette étude académique est aussi intéressante parce qu’elle remet en question une idée très répandue : le futur de la personnalisation serait nécessairement conversationnel.
L’agent IA discuterait avec le client, lui poserait des questions, affinerait progressivement son besoin, puis proposerait le produit idéal.
Pourquoi pas. Dans certains cas, ce sera très utile.
Mais il y a une limite que l’on oublie souvent : le client ne vient pas toujours sur un site marchand pour dialoguer. Il vient la plupart du temps pour aller plus vite.
Lui demander de préciser, reformuler, expliquer, détailler, comparer, arbitrer avec une IA, c’est parfois l’aider.
Mais c’est parfois aussi lui faire porter une partie du travail que le système devrait faire lui-même.
Un bon vendeur en magasin ne se contente pas de ce que le client lui dit.
Il observe. Il voit l’hésitation. Il voit le produit regardé mais pas touché. Il voit le produit touché mais reposé. Il tient compte du moment, du contexte, de l’attitude, du rythme, parfois même du silence.
La vraie personnalisation ne consiste donc pas seulement à faire parler le client.
Elle consiste aussi à comprendre ce qu’il dit déjà sans parler.
Ce que cette étude dit, en creux, du futur du e-commerce
Le futur du e-commerce ne sera probablement pas uniquement agentique.
Il sera décisionnel.
Les agents IA auront leur place. Mais ils devront s’appuyer sur des systèmes capables de prendre de meilleures décisions commerciales qu’eux, en temps réel.
Quel produit pousser ? À quel visiteur ? À quel moment ? Avec quel stock ? Avec quelle marge ? Avec quelle plausibilité d’achat ? Avec quel niveau de confiance ?Avec quel risque de friction ? Avec quelle preuve vérifiable ?
C’est là que se joue la valeur.
Pas seulement dans l’interface. Pas seulement dans la conversation. Pas seulement dans une réponse élégante.
Dans la qualité de la décision.
Et c’est aussi là que les approches purement génératives montrent leurs limites. Elles peuvent formuler, synthétiser, comparer, assister. Mais elles doivent être reliées à des données fiables, à des règles commerciales, à des signaux comportementaux, à des contraintes opérationnelles et à une logique de performance mesurable.
Sinon, elles produisent ce que l’époque produit déjà en abondance : des réponses séduisantes à des problèmes mal posés.
Le vrai sujet : passer de l’agent qui parle à l’agent qui décide juste
Le commerce agentique n’est pas une mauvaise nouvelle. Au contraire.
Il ouvre des perspectives considérables. Mais il faut arrêter de croire qu’un agent devient pertinent parce qu’il sait tenir une conversation.
La vraie question est plus exigeante : sait-il choisir correctement ? Sait-il vérifier ? Sait-il comparer ? Sait-il respecter un budget ? Sait-il intégrer les avis ? Sait-il éviter les liens faux ? Sait-il tenir compte de la disponibilité ? Sait-il comprendre une préférence implicite ? Sait-il arbitrer entre pertinence, marge, stock et probabilité d’achat ?
Pour l’instant, la réponse semble être : pas assez.
Et c’est précisément pour cela que les années qui viennent seront passionnantes.
Parce que la prochaine bataille du e-commerce ne se jouera pas seulement entre sites avec ou sans agents IA.
Elle se jouera entre ceux qui ajouteront une couche conversationnelle à des décisions moyennes, et ceux qui sauront réellement industrialiser une décision commerciale personnalisée, situationnelle, fiable et mesurable.
L’agent est visible.
Mais le moteur de décision reste décisif.
Merci donc à l’étude AgenticShop d’avoir eu cette élégance rare : objectiver froidement une réalité que les prophètes du commerce agentique, les acheteurs pressés de croire et les marchands de miracles pressés de vendre, préféraient jusqu’ici laisser flotter dans le brouillard confortable des promesses.
Pour aller plus loin : découvrez comment @NetUp aide les sites e-commerce à passer d’une personnalisation basée sur des profils moyens à une personnalisation situationnelle, décisionnelle et mesurable. Prenez RV ici.
FAQ
Les agents IA peuvent-ils personnaliser l’expérience e-commerce ?
Ils peuvent contribuer à la personnalisation, notamment en aidant à chercher ou comparer des produits. Mais leur capacité à produire une recommandation réellement adaptée à une situation individuelle reste encore très limitée.
Quelle est la différence entre search, recommandation et personnalisation ?
Le search consiste à trouver un produit. La recommandation consiste à proposer une option. La personnalisation consiste à décider quelle option est la plus pertinente pour un visiteur donné, dans un contexte donné.
Pourquoi les agents IA sont-ils encore limités en e-commerce ?
Ils peuvent halluciner des liens, mal interpréter les prix, négliger les avis, ignorer des contraintes implicites ou recommander des produits qui ne correspondent pas réellement au besoin du visiteur.
Qu’est-ce que le commerce agentique ?
Le commerce agentique désigne l’usage d’agents IA capables d’assister ou d’automatiser certaines étapes du parcours d’achat : recherche, comparaison, sélection, recommandation ou aide à la décision.
Quel est le vrai enjeu de l’IA dans le e-commerce ?
Le vrai enjeu n’est pas seulement de faire parler un agent IA avec le client, mais de prendre de meilleures décisions commerciales en temps réel : quel produit montrer, à quel visiteur, à quel moment, avec quel objectif business.