Le commerce agentique (en anglais: agentic commerce) désigne une évolution du commerce électronique dans laquelle des agents logiciels fondés sur l’intelligence artificielle participent activement aux décisions d’achats. Ces agents peuvent assister un utilisateur humain ou agir de manière partiellement autonome pour rechercher des produits, comparer des offres et exécuter des transactions.
Contrairement au «e-commerce» traditionnel, centré sur la navigation humaine à travers des interfaces graphiques (pages web, filtres, clics), le «commerce agentique» repose sur des interactions conversationnelles et sur l’exécution d’actions par des systèmes capables de raisonner, de planifier et d’agir sur des systèmes tiers.
Concept et définition
Le «commerce agentique» correspond au passage d’un modèle de sélection manuelle des produits à un modèle orienté par l’intention. L’utilisateur exprime un besoin ou un objectif (par exemple: «acheter un produit répondant à certaines contraintes»): l’agent d’IA le transforme en une suite d’actions commerciales.
Deux niveaux d’autonomie sont possibles:
l'achat assisté par IA: l’utilisateur interagit avec une interface d’IA générative pour rechercher, comparer et sélectionner des produits. La validation finale de la transaction reste humaine;
l'achat délégué: l’utilisateur confie à un agent autonome la réalisation d’un objectif, l’IA exécute plusieurs actions successives: sélection, commande et paiement.
Dans les deux cas, l’agent ne se limite pas à produire du contenu textuel, mais agit directement sur des systèmes commerciaux.
Infrastructure technologique
La mise en œuvre du «commerce agentique» repose sur des infrastructures permettant aux agents d’interagir de manière fiable avec les plateformes de commerce et de paiement.
Protocoles et standards
Plusieurs spécifications ouvertes interviennent à des niveaux différents de l’infrastructure du commerce agentique:
l’Agentic Commerce Protocol (ACP), développé par OpenAI et Stripe, concerne principalement le checkout réalisé par des agents;
l’Universal Commerce Protocol (UCP), porté notamment par Google et Shopify, couvre un parcours commercial plus large, de la découverte des produits aux opérations postérieures à l’achat;
l’Agent Payments Protocol (AP2), initié par Google, fournit un cadre d’autorisation pour les paiements réalisés par des agents;
le Model Context Protocol (MCP), initialement développé par Anthropic, permet aux agents d’interagir avec des outils et des sources de données;
x402, initié par Coinbase, utilise le mécanisme HTTP 402 pour des paiements numériques programmatiques.
Une comparaison technique publiée en 2026 présente ces spécifications comme des couches complémentaires plutôt que comme des standards interchangeables.
Agents visuels et agents «headless»
Les agents utilisés dans le commerce agentique peuvent fonctionner selon deux modes principaux:
les agents visuels: ils interagissent avec des interfaces existantes en analysant des pages web ou des captures d’écran, de manière similaire à un utilisateur humain;
les agents «headless»: ils communiquent directement avec les systèmes des marchands, via des interfaces programmatiques (API), sans passer par une interface graphique, et permettent des transactions plus rapides et plus fiables.
Écosystème
Le «commerce agentique» mobilise un écosystème composé de plusieurs catégories d’acteurs:
fournisseurs de technologies d’intelligence artificielle;
plateformes de commerce électronique adaptant leurs infrastructures aux interactions machine-à-machine;
acteurs du paiement développant des mécanismes de validation adaptés aux agents logiciels;
cabinets de conseil et organismes de recherche analysant les impacts économiques et organisationnels de ces évolutions.
En septembre 2026, Meta a lancé aux États-Unis Muse, un agent personnel capable de poursuivre des tâches d’achat en arrière-plan. Au lancement, les paiements reposent sur Link de Stripe, tandis que Shop Pay est annoncé comme une intégration à venir.
Adoption et impact économique
L’adoption du commerce agentique progresse avec la diffusion des modèles de langage à grande échelle. Les premiers usages concernent principalement les achats répétitifs ou à faible implication émotionnelle, pour lesquels l’optimisation automatisée est particulièrement efficace.
Cette évolution pourrait modifier les mécanismes traditionnels de mise en avant des produits, les agents privilégiant des critères objectifs tels que le prix, la disponibilité ou les caractéristiques techniques, plutôt que des signaux publicitaires.
Implications pour les détaillants
Optimisation pour les agents (GEO)
Le commerce agentique conduit les détaillants à compléter les pratiques classiques de SEO par une optimisation orientée vers les moteurs génératifs et les agents d’IA (souvent désignée sous le terme de Generative Engine Optimization). Cette approche repose notamment sur:
la structuration précise des données produits;
la cohérence des informations de prix, de stock et de livraison;
la capacité à fournir des descriptions adaptées aux requêtes formulées par les agents.
Risques d’homogénéisation
L’optimisation algorithmique peut conduire à une concentration de la demande sur un nombre limité de produits jugés «optimaux» par les agents, au détriment de la diversité de l’offre. D'autre part, de légères modifications des modèles d’IA peuvent entraîner des variations importantes dans les choix effectués par les agents.
Enjeux éthiques et réglementaires
Le commerce agentique soulève plusieurs questions:
les biais algorithmiques: les agents peuvent reproduire des biais liés à la présentation ou à l’ordre des données;
la responsabilité: la délégation d’actes d’achat à des agents logiciels modifie les responsabilités entre utilisateurs, fournisseurs et plateformes;
le cadre juridique: ces pratiques s’inscrivent dans des réglementations émergentes, telles que l’AI Act européen, qui impose des exigences de transparence et de supervision humaine pour certains systèmes d’IA.
123(en) Amine Allouah, Omar Besbes, Josué D. Figueroa, Yash Kanoria et Akshit Kumar, «What Is Your AI Agent Buying? Evaluation, Implications and Emerging Questions for Agentic E-Commerce», arXiv, (lire en ligne)
