Une part croissante du parcours d'achat se déroule hors du site de la marque : les consommateurs découvrent, comparent et parfois achètent sur des plateformes, sur les médias sociaux ou avec des chatbots et des assistants. Le site reste central pour la transaction, mais il n'est plus toujours le point d'entrée. Cet article mesure l'ampleur du phénomène et propose des actions concrètes pour réduire la dépendance aux plateformes, anciennes comme nouvelles. Les chatbots et assistants numériques s'imposent comme les nouveaux carrefours d'audience, et requièrent des entreprises qu'elles adoptent de nouvelles pratiques comme le GEO (Generative Engine Optimization), qui vise à rendre les contenus d'une marque ou institution compréhensibles, retenus et cités dans les réponses de moteurs génératifs.
Le phénomène de zéro clic, une recherche qui se termine sans visite d'un site, n'est pas né avec les chatbots. Selon Similarweb, environ 45 % des recherches Google s'achevaient déjà sans clic en 2016, la réponse s'affichant directement dans la page de résultats. SparkToro constatait qu'elles étaient devenues majoritaires dès le deuxième trimestre 2019, et Similarweb les estime aujourd'hui à 68 %. Si elle n'est pas neuve, la part des visites qui ne génèrent aucun clic est en augmentation et atteint maintenant la barre des 2/3.
Les moteurs de réponses génératifs (ChatGPT, Gemini, Perplexity, aperçus IA de Google...) contribuent fortement à cette progression : l'extrait du site source est remplacé par une synthèse, voire par une recommandation. Mais les clics ne disparaissent pas pour autant. D'après Pew Research, les internautes cliquent sur 8 % des recherches accompagnées d'un aperçu IA, contre 15 % sans. Néanmoins, le passage des réponses aux résultats divise le taux de clic par deux environ.
Tout le monde peut faire le constat d'une adoption rapide de l'IA. Ainsi, dès 2025, la moitié des consommateurs utilisaient les chatbots dans leur parcours d'achat, contre 38 % l'année précédente, la progression la plus rapide en vingt-cinq ans de baromètre du Crédoc. Concernant l'achat en ligne en France, La Fevad nous apprend dans sa dernière étude que 31 % des acheteurs en ligne utilisent l'IA générative. Certes, ces chiffres ne mesurent pas la même chose, mais ils illustrent une évolution que personne ne peut ignorer.
Aperçus IA de Google : une exposition à mesurer marque par marque
Google a déployé ses aperçus IA en France avec environ deux ans de retard sur les États-Unis. Pour l'instant, elles n'apparaissent que sur 10 à 15 % des réponses à des requêtes transactionnelles. Similarweb estime toutefois qu'elles couvrent plus de 20 % des recherches dans le monde, et leur attribue l'essentiel de l'accélération du phénomène zéro clic entre 2024 et 2026.
Dans les pays où le dispositif est déployé depuis plus longtemps, les baisses d'audience organique chez les éditeurs oscillent entre 20 et 40 %. C'est un ordre de grandeur, pas une prévision : il concerne des contenus informationnels que les synthèses reprennent directement. Néanmoins, les marques et les e-commerçants sont exposés différemment, car leurs requêtes de comparaison ressemblent à des contenus éditoriaux, leurs requêtes de marque et de transaction beaucoup moins. L'exposition réelle d'une marque se lit dans ses propres données : la Search Console de Google permet de repérer les pages dont les clics reculent alors que les impressions se maintiennent.
Commerce agentique : se préparer à un nouveau paradigme
Le commerce agentique désigne des achats délégués à un agent IA, qui recherche, compare puis commande pour le compte de l'utilisateur. Son usage réel reste pour le moment embryonnaire : la grande majorité des consommateurs qui utilisent l'IA dans leur parcours d'achat ne concluent pas leur transaction par ce biais. Il faut donc en parler comme d'une projection, et non comme d'une réalité de marché.
Ces projections sont pourtant spectaculaires. McKinsey estime ainsi que le commerce agentique pourrait représenter entre 3.000 et 5.000 MM$ de ventes dans le monde d'ici 2030, dont jusqu'à 1.000 MM pour le seul commerce de détail B2C américain. En France, la Fevad avance, en extrapolant les usages actuels, que près d'un Français sur deux pourrait recourir au commerce agentique d'ici 2030. Si ces estimations reposent sur des hypothèses d'adoption à confirmer, elles dessinent un scénario auquel de nombreuses marques adhèrent.
Ainsi, selon le rapport Pulse de PayPal, 80 % des entreprises françaises dotées d'un site de vente en ligne ont déjà intégré l'IA dans leurs opérations courantes. Il s'agit donc de se préparer à un changement majeur, un nouveau paradigme du commerce en ligne. Une conséquence se dessine alors : un agent qui compare des offres lit des données avant de lire des pages, et une marque dont les produits ne sont pas décrits de façon exploitable par une machine a peu de chances d'être retenue.
Où l'IA intervient dans le parcours d'achat
Pour ne pas rester théorique, la gouvernance Data / IA doit se traduire dans le fonctionnement quotidien. Quatre éléments structurent les décisions : les modèles, les agents, les accès aux données et les coûts de calcul.
Les modèles : évaluer la qualité sur les tâches réelles
Selon une enquête McKinsey / ConsumerWise menée dans cinq pays européens, 63 % des consommateurs français ont utilisé au moins un outil d'IA au cours des trois derniers mois, un niveau proche de la moyenne européenne. À partir de ce constat, la question utile est celle des étapes où l'IA pèse le plus. Parmi les consommateurs qui recourent à l'IA générative pour leurs achats, la même enquête distingue trois étapes : Découverte et inspiration (environ 50 % des utilisateurs) : plateformes sociales et chatbots dominent, et le point d'entrée se situe le plus souvent hors du site. C'est l'étape la plus exposée, car une marque absente de la réponse n'est pas envisagée. Comparaison et validation (environ 40 %) : chatbots, sites et avis se partagent l'arbitrage. La marque peut y reprendre la main si elle reste visible dans les réponses. Transaction et après-vente (moins de 25 %) : paiement, réachat, panier et service après-achat restent majoritairement à l'initiative du consommateur, et la marque en garde le contrôle, pour l'instant.
Selon une enquête McKinsey / ConsumerWise menée dans cinq pays européens, 63 % des consommateurs français ont utilisé au moins un outil d’IA au cours des trois derniers mois, un niveau proche de la moyenne européenne. À partir de ce constat, la question utile est celle des étapes où l’IA pèse le plus. Parmi les consommateurs qui recourent à l’IA générative pour leurs achats, la même enquête distingue trois étapes :
- Découverte et inspiration (environ 50 % des utilisateurs) : plateformes sociales et chatbots dominent, et le point d’entrée se situe le plus souvent hors du site. C’est l’étape la plus exposée, car une marque absente de la réponse n’est pas envisagée.
- Comparaison et validation (environ 40 %) : chatbots, sites et avis se partagent l’arbitrage. La marque peut y reprendre la main si elle reste visible dans les réponses.
- Transaction et après-vente (moins de 25 %) : paiement, réachat, panier et service après-achat restent majoritairement à l’initiative du consommateur, et la marque en garde le contrôle, pour l’instant.
L'écart entre la présence de l'IA dans le parcours (73 %) et les achats finalisés après une recommandation de chatbot (13 %) résume la situation : l'IA influence beaucoup plus qu'elle ne conclut. Le parcours n'a donc pas disparu, il s'est déplacé en amont.
Plateformes d'hier, assistants d'aujourd'hui : une même dépendance
Le phénomène de zéro clic n'est que la dernière forme d'une dépendance ancienne. Le référencement naturel lit historiquement la visibilité des marques à un algorithme qu'elles ne contrôlent pas. Les médias sociaux ont permis de constituer des audiences, puis ont progressivement réduit la portée organique des publications au profit de la publicité. Les places de marché ont apporté des ventes tout en conservant la relation avec l'acheteur. Les chatbots et les assistants intégrés aux appareils reprennent maintenant ce rôle d'intermédiaire, avec des règles de sélection des marques peu documentées et susceptibles de changer sans préavis.
Le schéma est récurrent, mais sans être systématique : une plateforme offre un accès avantageux, les marques y investissent, puis les conditions se durcissent. Passer d'une plateforme à une autre sans changer de logique revient à déplacer la dépendance, pas à la réduire. Le risque est une perte de clients sans erreur commerciale, par exemple une disparition des réponses d'un assistant après un changement de modèle ou de sources.
Pour agir, il faut d’abord mesurer. Quatre indicateurs, suivis à intervalle régulier, cartographient la dépendance :
- la part du chiffre d’affaires dont le premier contact a lieu sur un canal détenu (site, application, e-mail, points de vente) plutôt que tiers ;
- la part des clients identifiés, avec leur consentement, et joignables directement ;
- la présence de la marque dans les réponses génératives, sur un panel de requêtes représentatif testées sur plusieurs chatbots et assistants ;
- le trafic et les commandes provenant des assistants et des aperçus IA, isolés comme canaux distincts.
Ces indicateurs n'ont pas de seuil universel : chaque marque définit avec sa direction le niveau de dépendance acceptable, canal par canal.
Première priorité : détenir la relation avec le client
La première recommandation d'Isoskèle ne dépend d'aucune plateforme : soigner les supports que la marque détient (application mobile, newsletter, programme de fidélité, service client, points de vente...) pour alimenter une base de profils de clients et de prospects, sans reposer sur le seul site web. Cela suppose d'orchestrer ces points de contact, c'est-à-dire de décider ce que chacun apporte à la connaissance client et comment les données remontent vers une base commune, plutôt que d'optimiser chaque actif isolément. L'objectif est une relation directe dont la marque garde la maîtrise, quelles que soient les évolutions des plateformes.
Construire une relation directe solide demande un travail de fond : une base consentie se construit à chaque contact (achat, inscription, avis, demande de service...) et exige une contrepartie claire pour le client. La transaction et l'après-vente forment le terrain le plus favorable, puisque la donnée de première main y est encore captée directement. Proposer la création d'un compte après un achat sans compte, ou unifier l'identifiant client entre le site, l'application et le service client, sont des chantiers que les équipes peuvent engager sans attendre.
Seconde priorité : être lisible et cité par les IA, en commençant par les fiches produit
La seconde priorité vise la visibilité dans des environnements que la marque ne contrôle pas. Le GEO complète ainsi la première sans la remplacer. Si l'objectif du SEO est d'assurer une bonne place à votre marque dans une liste de résultats de recherche, le GEO vise à optimiser la présence de votre marque dans la réponse elle-même. Il recouvre plusieurs champs d'actions : le contenu (réponses directes aux questions d'achat, faits vérifiables), l'autorité et les sources tierces (avis, presse, comparateurs, forums), les données structurées, et l'accessibilité technique pour les agents IA.
Ces actions ne se réalisent pas dans les mêmes délais. Ainsi, l'autorité et les avis s'acquièrent lentement et dépendent de tiers ; le balisage et l'accessibilité technique relèvent des équipes internes. Les équipes d'Isoskèle recommandent de commencer par le balisage des fiches produit, là où se joue la comparaison. Le format de référence, Product Schema, est un vocabulaire standardisé qui décrit un produit dans le code de la page : nom, marque, identifiants, prix, disponibilité, avis... Il permet à une IA de lire ces informations sans les déduire d'une page avec une présentation complexe. Le besoin est documenté : selon Adobe, 66 % du contenu d'une fiche produit est lisible par une IA, contre 75 % pour les pages d'accueil. Sur un catalogue de plusieurs milliers de références, un tiers de contenu invisible représente un volume considérable.
Quatre actions rapides peuvent alors être réalisées en interne :
- auditer un échantillon de fiches (les meilleures ventes) avec le validateur schema.org et le test de résultats enrichis de Google ;
- compléter les propriétés essentielles lorsqu’elles existent (nom, image, description, marque, identifiant produit, prix, devise, disponibilité, avis…) ;
- vérifier la cohérence entre balisage, page visible et flux produits, en particulier pour les prix et les stocks, et s’assurer que ces informations figurent dans le code initial de la page, que certains robots n’exécutent pas ;
- intégrer le balisage au gabarit du site, pour que chaque nouvelle fiche en bénéficie par défaut.
Si le balisage rend une offre lisible, il ne garantit pour autant ni sa citation ni sa recommandation, car les assistants arbitrent aussi selon l'autorité et la pertinence de la source. Il reste la condition minimale pour qu'une IA détecte l'existence d'une offre, et il se contrôle en relançant l'audit.
Retour d’expérience Isoskèle
...
Garder la maîtrise de ce qui peut l'être
Les statistiques d'usage décrivent un parcours en partie déplacé, mais non disparu. Si le phénomène de zéro clic existe depuis de nombreuses années, l'IA accentue ses effets et préfigure de l'avènement du commerce agentique. Pour vous préparer à cette évolution majeure, les équipes d'Isoskèle vous incitent à adopter deux mesures : évaluer votre dépendance aux plateformes, anciennes comme nouvelles, et investir d'abord dans la relation directe avec vos clients, et ensuite dans l'amélioration de la lisibilité des offres par les chatbots et assistants. Ce premier pas est à la portée de toute équipe : auditer les fiches des produits les plus vendus et relever la part des clients joignables directement. Ces deux mesures fournissent le point de départ chiffré d'une stratégie de réduction de la dépendance aux plateformes.
