Key insights pour les marques à l'ère agentique

En Europe, une part croissante des décisions d'achat est déjà filtrée par des agents d'IA avant même que l'utilisateur ne clique sur un site ou n'ouvre une application. Les marques ne se battent plus uniquement pour l'attention humaine, mais pour être retenues – ou écartées – par des systèmes qui comparent, synthétisent et expliquent les options à la place du consommateur.

Cette bascule vers l'agentic commerce ne relève plus de la prospective : elle est mesurable dans les usages quotidiens des consommateurs européens et commence à reconfigurer les leviers de croissance des marques.

1. Le premier client dans le funnel est un agent, pas un humain

Avant qu'un consommateur européen n'achète un produit, un outil d'IA peut déjà avoir réduit la sélection à trois options et expliqué pourquoi certaines références ont été éliminées. L'IA devient ainsi l'interface primaire de découverte, de comparaison et de recommandation, au moment exact où les préférences se forment et où se jouent les arbitrages critiques.

McKinsey estime qu'à horizon 2030, l'agentic commerce pourrait orchestrer entre 3 000 et 5 000 milliards de dollars de transactions au niveau mondial, en influençant la découverte, la décision et, progressivement, l'exécution des achats. En Europe, même un scénario d'adoption modérée aurait un impact matériel sur le retail et les secteurs de biens de consommation.

Pour les directions marketing et e-commerce, la question stratégique se déplace : il ne s'agit plus seulement de « convertir » un visiteur, mais de rester visible et convaincant quand le premier « client » dans le funnel est un agent d'IA. Dans ce contexte, la visibilité ne se gagne plus uniquement par le placement, la publicité ou l'UX, mais par la capacité d'une offre à être retrouvée, comparée et défendue dans la logique de l'agent.

2. L'IA est déjà la couche d'évaluation par défaut en Europe

Les dernières données McKinsey montrent que 84% des consommateurs en France, Allemagne et Royaume-Uni déclarent utiliser des outils d'IA dans leur quotidien, bien au-delà de la simple expérimentation. 38% les utilisent déjà pour rechercher des produits ou services et décider quoi acheter.

Dans le parcours d'achat, l'IA se manifeste surtout « en amont » de la transaction, à l'étape où les préférences se forment et où les options sont réduites. Les usages les plus fréquents sont : comparer marques, modèles, prix et avis (63%), apprendre sur une catégorie ou un produit (55%), et découvrir de nouveaux produits ou s'inspirer (46%).

Autrement dit, l'IA fonctionne déjà comme une couche générique d'évaluation, pas comme un gadget cantonné à quelques verticales « tech ». L'usage reste modérément différencié selon les catégories : la plupart se situent dans une bande étroite de 30 à 36% d'adoption pour l'aide à la décision, avec une légère surreprésentation dans les univers plus complexes (fashion, santé, électronique, travel).

Un cas fait exception : l'optique, qui affiche un taux d'adoption d'environ 13%, nettement inférieur au reste. Ici, la valeur perçue repose fortement sur l'essayage physique, l'évaluation en magasin et des décisions peu fréquentes, zones où les outils actuels offrent peu de valeur marginale par rapport à l'expérience offline.

Pour les marques, la leçon est claire : l'opportunité near-term dépend moins de l'étiquette de la catégorie que de la capacité de l'IA à créer de la valeur dans l'évaluation sans exiger une validation physique.

3. Gagner la bataille de la « machine legibility » : l'Agent Engine Optimization

À mesure que la découverte et la comparaison migrent vers des interfaces conversationnelles, l'avantage compétitif dépend de plus en plus de la capacité des marques à être accessibles et interprétables par des agents, et pas seulement visibles par les consommateurs humains. McKinsey parle de « machine legibility » : la crédibilité structurée remplace progressivement la simple présence dans les résultats d'un moteur de recherche. C'est ce que nous appelons l'optimisation pour le SEO & GEO.

On voit émerger l'équivalent d'un nouveau SEO : l'Agent Engine Optimization.

Trois chantiers deviennent prioritaires :

• Renforcer la qualité et la structure de la data produit : métadonnées riches, attributs normalisés, taxonomie stable, descriptions explicites des usages, des limites et des trade-offs.
• Aligner la promesse sur des preuves objectivables : avis, études, tests indépendants, mentions expertes, qui servent de carburant aux synthèses produites par les agents.
• Soigner les fondations techniques : PIM robuste, qualité des flux, cohérence des nomenclatures, exposition API, pour nourrir en temps réel les agents qui interrogent l'écosystème de la marque. Busony accompagne les e-commerçants dans cette mise à niveau.

Ce travail ne relève pas du « nice to have » : les enseignes qui n'investissent pas dans leur surface agentique risquent de devenir invisibles en amont. Un audit SEO & GEO 360° permet d'identifier ces angles morts, avant que le consommateur n'atteigne leurs interfaces propriétaires.

4. Optimiser pour l'explicabilité, pas seulement la conversion

Les données européennes tracent une frontière nette dans la façon dont les consommateurs font confiance à l'IA tout au long du parcours. La confiance est maximale quand l'IA soutient le jugement (synthèse d'avis, mise en lumière des compromis, recommandations argumentées) et chute dès qu'elle se rapproche de l'action (pré-remplissage de panier, checkout autonome, réassort automatique).

Ce n'est pas un rejet de la compétence de l'IA, mais une résistance à une autorité illimitée. Le confort est élevé tant que les actions de l'agent sont réversibles, explicitement autorisées et faciles à auditer, et il décroît dès que les actions deviennent persistantes, opaques ou difficiles à annuler.

Pour les marques, cela implique de concevoir des expériences agentiques qui :

• Rendent le raisonnement visible : expliquer pourquoi telle référence est proposée ou écartée, sur quels critères, avec quelles concessions.
• Rendent l'autorité explicite : définir clairement ce que l'agent est mandaté pour faire (proposer, pré-remplir, exécuter sous conditions, etc.).
• Rendent la reprise de contrôle triviale : confirmer, ajuster, annuler en un geste, avec un historique compréhensible.

Dans un monde d'agents, la différenciation ne se joue plus seulement sur un copywriting persuasif ou un front-end léché, mais sur la capacité à exprimer une proposition de valeur en « raisons pourquoi » structurées, utilisables autant par un humain que par une machine. Les marques qui ne savent pas expliciter qui elles servent, pour quels cas d'usage, avec quels compromis et quelles preuves, seront reléguées en dehors des short-lists générées par les agents.

5. Penser en web d'agents, pas en super-assistant unique

L'écosystème qui se dessine n'est pas celui d'un méga-assistant monopolistique, mais celui d'un web d'agents : agents personnels, agents de retailers, agents « brokers » qui négocient et orchestrent au nom du consommateur. Cette architecture est en train de se structurer autour de standards ouverts d'agentic commerce et de paiements (Agentic Commerce Protocol – ACP, Agent2Agent – A2A, Agent Payments Protocol – AP2, Universal Commerce Protocol – UCP).

Dans ce monde, posséder son propre agent n'est ni nécessaire ni suffisant pour « posséder » la relation client. Ce qui reste déterminant, c'est la capacité de la marque à :

• Être joignable et négociable par tout agent dûment autorisé, via des APIs et des protocoles bien définis.
• Rester merchant of record : identité, autorisation de paiement, politique commerciale, fulfillment et service après-vente, même si la découverte et la négociation sont déléguées à des agents.
• Différencier les agents de confiance des bots malveillants, en instrumentant finement l'accès aux données et aux fonctions critiques.

Construire un agent propriétaire orienté consommateur peut faire sens là où la marque a une forte autorité de catégorie et peut offrir une exploration guidée réellement supérieure. Mais l'avantage compétitif durable se déplacera vers la capacité à être évalué, recommandé et exécuté de manière fiable dans un paysage multi-agents, quel que soit l'interface que le client choisit.

6. Concevoir une trajectoire de délégation centrée sur la confiance

Les données de McKinsey montrent que la délégation ne progressera pas de façon uniforme vers une autonomie totale. Les consommateurs européens sont aujourd'hui plus enclins à déléguer des tâches cognitives ponctuelles (recevoir des suggestions, comparer des options, valider un panier pré-rempli) qu'à confier une autorité continue ou implicite (gestion d'abonnements, réassort automatique sans confirmation).

Cette prudence peut se lire comme un conservatisme, mais aussi comme un cahier des charges pour la délégation acceptable : réversibilité, responsabilité claire en cas de problème, consentement explicite sur le périmètre d'action. Pour les marques, le bon réflexe n'est pas de freiner l'investissement dans l'autonomie, mais de le structurer en « roadmap de délégation » :

1. Phase 1 – Assistance : l'agent aide à choisir, synthétise les options, suggère des bundles, pré-remplit un panier, mais laisse la décision finale et la validation au client. 2. Phase 2 – Autonomie conditionnelle : l'agent peut exécuter certaines actions (réassort, renouvellement) dans un périmètre clairement défini, avec des limites de montant, des alertes systématiques et une annulation facile. 3. Phase 3 – Orchestration avancée : pour certains cas d'usage complexes (voyage, santé, déménagement…), l'agent orchestre bout-en-bout, mais dans un cadre contractuel transparent, avec des rails d'identité, d'autorisation et de paiements normalisés (AP2, etc.).

Si ce schéma se confirme, l'adoption de l'autonomie ne sera pas un saut vers le « full automated commerce », mais une progression sélective et conditionnelle, modulée par la capacité des utilisateurs à définir, surveiller et ajuster le périmètre de leurs agents. Là encore, l'Europe pourrait offrir un blueprint d'un agentic commerce conscient de la confiance, plutôt qu'un retard structurel.

7. Nouveaux arbitrages marketing et business model

Dans un environnement où « les agents parlent en premier », une partie du funnel média classique se trouve court-circuitée. Les arbitrages de budget entre branding, performance, retail media et CRM devront intégrer un nouveau poste : la capacité à nourrir et influencer les couches d'IA qui structurent les décisions en amont.

On voit se dessiner plusieurs pistes de création de valeur :

• Monétisation de bundles multi-marques optimisés par agents, avec des modèles de partage de valeur entre partenaires.
• Nouvelles formes de négociation temps réel sur prix, garanties, services, opérées agent-à-agent dans des cadres protocolaires définis (ACP, A2A, UCP).
• Monétisation d'insights issus des interactions agentiques (dans le respect des cadres de confidentialité), pour informer le développement produit et la segmentation.

Dans ce paysage, le coût d'acquisition client ne se résume plus à un achat d'impressions, mais à la capacité d'être détecté comme solution pertinente dans le flux de signaux interprétés par les agents (intents, contexte, contraintes). Les marques gagnantes seront celles qui auront investi tôt dans leur lisibilité pour les agents, tout en restant transaction-ready dès que la confiance des consommateurs permettra d'augmenter le niveau de délégation.