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.

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 : présence et complétude des champs structurés Schema.org Product / Offer / Review.

Mesure name, description, brand, image, sku, GTIN, MPN, offer.price, priceCurrency, availability, shippingDetails, hasMerchantReturnPolicy, AggregateRating, BreadcrumbList. Ce socle conditionne la confiance qu'un agent place dans la page lorsqu'il cite un produit.

Premier pilier du score : un agent peut-il atteindre la page (HTTP, robots, sitemap, perf) et lire le contenu produit sans dépendre exclusivement du JavaScript ?

Fusionne l'accès réseau / crawl (statut HTTP, canonical, robots.txt, meta robots, présence dans le sitemap, llms.txt, TTFB, sondes bot) et la lisibilité rendu (HTML brut vs Playwright : nom, prix, disponibilité, description, JSON-LD). Si la page est bloquée ou si les faits produit n'apparaissent qu'après hydratation client, les agents qui n'exécutent pas de JS ne verront rien.

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 qui aide un agent à décider de recommander le produit (cas d'usage, audience, différenciation, FAQ, specs, avis).

Au-delà des champs Schema.org, l'agent a besoin d'éléments qualitatifs : pour qui, dans quel contexte, en quoi le produit se distingue. Notre score combine extraction structurée, embeddings Gemini et un juge LLM Flash Lite pour évaluer ces dimensions.

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.