Le vocabulaire du commerce agentique.

Protocole OpenAI qui structure le dialogue entre ChatGPT et un retailer pour permettre la transaction conversationnelle.

ACP encadre l'échange catalogue, prix, stocks, fidélité et checkout entre ChatGPT et le merchant. Il coexiste avec UCP côté Google. Les retailers qui supportent les deux protocoles maximisent la couverture des surfaces génératives.

Catégorie de commerce où les agents IA conversationnels (ChatGPT, Gemini, Perplexity, Copilot) prennent en charge la découverte, la recommandation et parfois la finalisation d'achat à la place de l'utilisateur.

Le commerce agentique transforme la chaîne d'acquisition. L'agent IA interroge l'intention, sélectionne quelques produits jugés pertinents et restitue une réponse synthétique au lieu d'une page de résultats. La marque devient invisible si elle n'est pas extractible et compréhensible par le modèle. Les protocoles Google UCP et OpenAI ACP formalisent cette nouvelle infrastructure.

Méthodologie qui calcule deux scores parallèles pour chaque audit - un agent générique (notre crawler) et IA majeures (Gemini + OpenAI) - moyennés pour donner le global.

Le score combiné est la moyenne arithmétique du score agent-agnostic et du score IA majeures. L'écart entre les deux est un signal métier : si les IA majeures voient mieux que les agents génériques, le site dépend d'accords ou d'allowlists privées ; si c'est l'inverse, Gemini / OpenAI butent sur un timeout ou un rendu JS-only malgré un balisage HTML correct.

Discipline qui optimise les contenus pour qu'ils soient compris, extraits et cités par les moteurs génératifs (ChatGPT, Gemini, AI Mode, Perplexity).

GEO étend le SEO classique avec les contraintes propres aux LLMs : extractibilité du HTML brut, structure Schema.org, profondeur sémantique du contenu, fraîcheur des prix et stocks. L'objectif n'est plus de ranker dans une SERP mais d'être choisi comme source fiable par un modèle qui synthétise une réponse.

User-agent officiel d'OpenAI qui crawle les pages publiques pour entraîner ChatGPT et alimenter ses recherches.

GPTBot, OAI-SearchBot et ChatGPT-User permettent à OpenAI de découvrir, indexer puis citer une page. Bloquer GPTBot dans robots.txt prive votre marque de visibilité dans ChatGPT, sans bénéfice business clair pour le e-commerce. Google-Extended joue le même rôle pour Gemini et AI Overviews.

Optimisation spécifique des contenus e-commerce pour qu'ils soient retenus comme sources fiables par les LLMs lors de la génération de réponses.

LLMO se concentre sur la clarté sémantique des attributs, la profondeur des données de comparaison et la fraîcheur des informations. Les cas d'échec typiques : descriptions génériques en masse, attributs incomplets, absence d'enrichissement éditorial.

Fichier proposé à la racine d'un site pour aider les LLMs à comprendre la structure et les contenus prioritaires.

Inspiré de robots.txt, llms.txt est un standard émergent (non officiel pour l'instant) qui décrit en markdown le contenu clé d'un site, les pages produit, les FAQ. Bonus différenciant à faible poids dans notre score, mais signal positif clair pour les agents.

Deuxième sous-score : faits produit observables. Mode agent-agnostic (Schema.org + cohérence HTML) ET mode IA majeures (faits réellement extraits par Gemini / OpenAI).

Côté agent-agnostic : Schema.org Product / Offer / Review parsed depuis notre crawler - name, brand, description, image, sku, identifiers (GTIN / MPN), price, currency, availability, shipping, returnPolicy, rating, reviews, breadcrumbs, cohérence HTML / JSON-LD, entité et parité. Côté IA majeures : JSON strict extrait par Gemini et OpenAI depuis l'URL, avec preuves textuelles courtes, statut de confiance multi-provider (verified_by_both, single_provider, conflict, not_observable) et détection des conflits sur les champs clés.

Premier pilier du score : un agent peut-il atteindre la page (HTTP, robots, sitemap, perf) et la lire - à la fois côté crawler externe et côté Gemini / OpenAI ?

Combine l'atteignabilité agent-agnostic (statut HTTP, canonical, robots.txt, meta robots, sitemap, llms.txt, TTFB, sondes bot, HTML brut vs rendu Playwright) et la confirmation de récupération côté IA majeures (Gemini url_context = SUCCESS, OpenAI cite le pathname cible). Quand notre fetch est intercepté par un WAF, les critères dépendants du HTML deviennent « non mesurables » plutôt que faussement à zéro.

Vocabulaire JSON-LD standardisé qui décrit un produit, son offre, ses avis et son fournisseur de manière exploitable par les moteurs et les agents IA.

Le balisage Product expose nom, description, marque, image, identifiant (GTIN, MPN, SKU), offre (prix, devise, disponibilité), AggregateRating, Review, BreadcrumbList. C'est le langage commun que tous les LLMs lisent en priorité pour citer un produit avec confiance.

Troisième sous-score : densité éditoriale décisionnelle. Mesurée à la fois par règles + embeddings (agent-agnostic) et par extraction IA strict (IA majeures).

Au-delà des faits de base, un agent a besoin d'éléments qualitatifs : pour qui, dans quel contexte, quels différenciateurs, quels avis. Côté agent-agnostic : extraction structurée et embeddings sémantiques sur le contenu rendu. Côté IA majeures : Gemini et OpenAI listent useCases, audience, differentiators, decisionSupport et evidence en JSON strict - uniquement ce qu'ils observent réellement, sans connaissance préalable ni source tierce.

Protocole Google qui permet à AI Mode et Gemini de finaliser des achats à partir d'un flux Merchant Center conforme.

UCP exige des attributs Merchant Center spécifiques (identifiants, expédition, retours, taxes) pour que l'agent commerce puisse confirmer un achat sans redirection. Le flux Google Merchant Center devient une source d'autorité cross-canal.

Récupération stricte d'une URL par un provider IA, sans utiliser sa connaissance préalable ni de source tierce. Mesure ce qu'un agent IA lit vraiment de votre page.

Côté Gemini : gemini-2.5-pro + tool url_context uniquement (google_search désactivé), avec rejet des facts si url_retrieval_status ≠ SUCCESS. Côté OpenAI : gpt-5.5 + tool web_search (Responses API, tool_choice required), avec validation côté code que la réponse cite bien le pathname cible (rejet sinon). Le prompt impose un JSON strict, interdit l'usage de connaissance préalable, la déduction depuis le slug d'URL et toute source tierce. Si le provider ne peut pas réellement charger l'URL, il doit renvoyer tous les champs à null - pas d'invention.