L'IA et Agentic Commerce le commerce de détail

Résumé

Le secteur du commerce de détail traverse actuellement une transformation structurelle profonde. À mesure que les assistants conversationnels basés sur l'IA s'imposent comme une interface évolutive pour les achats, le commerce passe d'un environnement axé sur la navigation à un modèle fondé sur l'intention et l'exécution : les clients expriment leurs besoins et les résultats attendus, et les systèmes agissent en conséquence.

Cela implique, dès le départ, que la mise à disposition de données produit exhaustives et lisibles par l'IA est une exigence fondamentale. Si les attributs, les variantes, les prix et les descriptions détaillées ne sont pas précis, structurés et lisibles par l'IA, les articles appropriés ne seront même pas identifiés ; ils ne pourront donc pas être recommandés, comparés ou proposés en toute confiance.

Par ailleurs, les agents IA ne fonctionnent pas comme des êtres humains : ils ne tolèrent pas l'ambiguïté et n'interprètent pas le langage marketing. Leurs décisions résultent de la combinaison de signaux précis : informations produits, disponibilité des stocks, Promesse de Livraison, les options de livraison et les contraintes liées aux conditions générales.

Lorsque ces données sont absentes, inexactes ou peu claires, les expériences agentiques peuvent rapidement échouer. Dans ce contexte, la crédibilité opérationnelle prend le pas sur la persuasion marketing.

De l'expérimentation à l'infrastructure

Cette évolution s'accélère : le commerce agentique quitte la phase d'expérimentation pour devenir une infrastructure à part entière.

Les comportements d'achat pourraient ainsi basculer rapidement dès qu'un point d'inflexion se manifestera. D'un point de vue technique, l'émergence de protocoles destinés à normaliser la connectivité entre les agents et le commerce souligne à quel point la participation deviendra plus facile et plus reproductible.

À mesure que la connectivité se standardise, elle cesse d'être un facteur de différenciation. L'avantage concurrentiel réside désormais au-delà de l'interface, dans la réalité opérationnelle qui conditionne la capacité d'un agent à formuler une promesse et à la tenir.

La promesse faite au client et l'intégrité de cette promesse

C'est pourquoi l'intégrité des promesses s'impose comme l'enjeu central du commerce agentique. Dans le commerce agentique, la promesse n'est pas un simple argument marketing : c'est le résultat même que l'agent est chargé d'atteindre. Les retailers qui s'imposeront seront ceux qui sauront trouver le juste équilibre entre ambition commerciale et faisabilité opérationnelle : répondre aux attentes des clients en formulant des engagements ambitieux, tout en étant capables de les respecter à grande échelle.

De même, il est crucial de souligner que le commerce agentique échoue moins souvent au niveau de la communication qu'à celui de l'exécution : une connectivité sans fiabilité opérationnelle ne fait qu'amplifier les incidents et éroder la confiance des consommateurs.

Le système le plus essentiel pour garantir l'intégrité est la gestion distribuée des commandes (DOM). À l'ère de l'agentique, la gestion distribuée des commandes évolue d'un simple traitement transactionnel vers un moteur stratégique de confiance : elle met en avant les bons produits, valide la disponibilité en temps réel, calcule des délais de livraison fiables, coordonne l'exécution des commandes entre les différents nœuds, gère les exceptions et assure la visibilité après l'achat.

Il ne s'agit pas de problèmes de protocole, mais de défis liés à la mise en œuvre ; et la manière dont un commerçant gère cette situation déterminera s'il parvient à gagner la confiance de ses clients dans le cadre du commerce agentique.

La question de la maturité de l'IA

Il devient donc essentiel de pouvoir évaluer le niveau de maturité de l'IA, qui doit être défini et mesuré en fonction des résultats. Il convient de prendre en compte dès le départ trois piliers fondamentaux qui se renforcent mutuellement :

Optimisation des revenus axée sur l'agent : veiller à ce que les signaux indiquant une intention d'achat plus forte de la part des clients se traduisent par des promesses concrètes),
Amélioration de l'efficacité opérationnelle: éliminer les frictions internes qui se traduisent par des défaillances externes à l'échelle des agents), et
Optimisation prédictive de la rentabilité : ajustement des paramètres, des engagements et des itinéraires à l'aide d'indicateurs de performance et du coût réel, afin de garantir la pérennité du service.

Ensemble, ces piliers définissent la « maturité agentique » : la capacité à produire des résultats concrets, reproductibles et rentables. Atteindre ce niveau de maturité exige une refonte de l'architecture technologique.

Les API restent indispensables, mais elles ne suffisent pas à elles seules pour permettre une exécution dynamique en plusieurs étapes par des clients intelligents.

Le modèle qui se dessine consiste en unecouche « intention/capacité» qui encapsule les API et met à la disposition des agents des « outils » identifiables et régis, ce qui permet de réduire la fragilité, de mettre en place une orchestration contrôlée et de faire évoluer l'exécution sans compromettre la sécurité ni le contrôle.

Parallèlement, les protocoles normalisent la participation ; les couches de capacités normalisent l'exécution ; et le DOM garantit la cohérence opérationnelle.

En attendant

Dans ce nouveau contexte, la question ne se limite plus à capter le trafic de recherche organique, mais devient : « Comment devenir la référence recommandée par l'agent IA lorsqu'un client exprime un besoin précis ? »

Dans le commerce assisté par agent, les suggestions se concentrent naturellement sur les caractéristiques du produit et son prix ; les détaillants devront quant à eux privilégier la disponibilité et la rapidité de livraison, car un agent ne peut recommander que ce qu’il est en mesure de se procurer et de livrer en toute confiance.

Pour les dirigeants, l'ordre du jour est donc clair : considérer la fiabilité comme une stratégie de croissance ; vérifier l'intégrité des promesses avant de déployer à grande échelle les canaux d'agent ; faire du DOM une infrastructure stratégique ; mettre en place des couches d'exécution natives pour l'IA plutôt que des intégrations ponctuelles fragiles ; se préparer au pluralisme des protocoles ; renforcer la rigueur en matière de données opérationnelles ; et faire évoluer les indicateurs clés de performance (KPI) vers la précision des promesses, la prévention des exceptions, les performances de récupération et la marge par promesse.

Introduction : Du parcours de navigation à l'achat piloté par l'intention

Comment l'IA agentique réécrit les règles du commerce de détail

Le nouveau consommateur d'aujourd'hui

C'est un mardi soir, et un client repense au semi-marathon auquel il s'est inscrit spontanément et avec ambition il y a quelques semaines. Il se rend soudain compte qu'il devrait se procurer de nouvelles chaussures de course, car cette question est devenue de plus en plus pressante. Il a donc besoin d'une pointure 44, et il en a besoin avant samedi.

Dans notre quotidien habituel, cela déclenche un schéma bien connu : on ouvre quelques (nombreux) sites marchands, on compare les offres, on vérifie les délais de livraison, et on abandonne parfois plusieurs paniers lorsque la date de livraison semble incertaine.

Mais, dans ce nouveau modèle, le client procède tout autrement. Il indique à un assistant IA ce qu’il souhaite en une seule phrase : « Trouve-moi des chaussures de course en taille 44 qui seront livrées avant samedi, et commande la meilleure option. » En d’autres termes, le client ne parcourt pas les offres. Il exprime son intention.

C'est l'agent qui s'occupe de tout : il explore les différentes options, vérifie les contraintes et, de plus en plus, agit au nom du client.

Cependant, la plupart des conversations sont bien plus complexes que cela. Il est donc nécessaire de réfléchir à la manière dont une expérience conversationnelle de bout en bout pourrait être mise en place. En général, un « entonnoir conversationnel » comporte plusieurs étapes :

Il s'agit là d'un changement majeur qui est au cœur du commerce agentique : le shopping passe de la navigation aux résultats, de la simple consultation à l'action. En d'autres termes, dans le commerce agentique, le « parcours » devient un dialogue, et non plus une succession de clics.

L'entonnoir conversationnel décrit le processus par lequel l'intention se précise progressivement pour aboutir à une commande effective ; à chaque étape, différents facteurs et mécanismes déterminent si l'agent peut poursuivre en toute confiance, s'il doit se montrer prudent, poser une nouvelle question ou échouer.

Pour les retailers, cette distinction est fondamentale, car elle se traduit concrètement à chaque étape du parcours client.

En phase de découverte, cela détermine si vos produits sont identifiables et recommandables par l'agent IA : si les caractéristiques des produits, leurs variantes, leurs prix et leur contenu ne sont pas exacts, structurés de manière cohérente et lisibles par l'IA, un agent ne pourra pas vous sélectionner en toute confiance pour répondre à un besoin spécifique.

En phase de conversion, cela conditionne la capacité de l'agent à valider et à s'engager sur une promesse concrète : la disponibilité, les options de livraison, les délais limites, la capacité et les contraintes opérationnelles deviennent alors les critères décisifs qui transforment l'« intérêt » en un choix concret.

En phase post-achat, il s'agit de garantir une expérience client satisfaisante après la transaction : le suivi du cycle de vie des commandes, la gestion des exceptions, les retours et les politiques de service doivent être présentés de manière à ce qu'un agent puisse les comprendre et y donner suite ; sinon, l'agent ne pourra pas résoudre les problèmes et la charge de travail reviendra aux équipes humaines.

En d'autres termes, cette évolution a des répercussions directes sur l'accessibilité, la fiabilité et la structuration de vos données, sur les technologies que vous choisissez pour mettre en œuvre la « vérité » sur l'ensemble des canaux, et, en fin de compte, sur la réputation et la compétitivité de votre marque ; car dans le commerce agentique, la crédibilité n'est pas un argument marketing : c'est une performance que le système doit démontrer en continu, en temps réel.

La question centrale : le lien n'est pas synonyme de vérité

Les protocoles, bien sûr, améliorent la connexion. Mais, au regard de ce que nous avons dit plus haut sur le comportement, ils ne peuvent garantir que les informations sur lesquelles s'appuie un agent sont exactes. Par conséquent, le commerce par agents accentue un problème de longue date dans le secteur de la vente au détail : l'incertitude opérationnelle.

Si un agent s'engage avec assurance à respecter une date de livraison qu'il ne peut pas tenir, ou vend un produit qui n'est en réalité pas disponible, cet échec ne se résume pas à une simple mauvaise transaction ; il entame la confiance dans l'expérience offerte par l'agent et, par conséquent, dans la marque qui le soutient.

Cela nous amène à une conclusion simple : les gagnants du commerce agentique seront ceux qui feront preuve d'un maximum d'ambition dans les promesses faites à leurs clients, tout en veillant à ne s'engager que sur ce qu'ils sont en mesure de fournir de manière fiable et constante.

Le nouveau rôle de la gestion des commandes : du traitement des commandes à la garantie du respect des engagements

Pour que le commerce agentique fonctionne à grande échelle, les détaillants ont besoin d'une source de référence fiable sur laquelle s'appuyer. C'est là qu'intervient la gestion des commandes.

Contenu de cet article

Dans cette optique, ce livre blanc examine comment l'IA et le commerce agentique transforment le secteur de la vente au détail à travers un prisme central : à mesure que les décisions s'automatisent, l'exécution et le respect des engagements deviennent des facteurs de différenciation. Ce document :

Explique pourquoi l'émergence des protocoles marque une accélération – et pourquoi celle-ci est nécessaire mais insuffisante.
Considère l'intégrité des engagements comme le nouveau terrain d'affrontement en matière de confiance et de performance dans le commerce par intermédiaire.
Présente un modèle de maturité du commerce de détail basé sur l'IA dans trois domaines : la génération de revenus par les agents, l'efficacité opérationnelle et la rentabilité prédictive ; et
Décrit la nouvelle tendance architecturale vers des couches d'intégration basées sur l'intention (exposition des capacités de type MCP) qui permettent aux agents d'exploiter les systèmes opérationnels à grande échelle.

Chapitre 1 : Les protocoles bouleversent le marché du retail

1.1 Comment réagit le marché

Début 2026, le commerce assisté par des agents IA a définitivement cessé d'être un concept spéculatif pour s'imposer comme une réalité de marché. Ce n'est pas un lancement ponctuel qui a déclenché cette évolution, mais une tendance plus générale : les grandes plateformes ont commencé à positionner les assistants IA comme une nouvelle interface commerciale, tandis que le secteur s'est mis à investir dans les infrastructures nécessaires pour rendre viable, à grande échelle, le shopping guidé par des agents.

Selon PwC et d'autres études récentes, le marché de l'IA agentique dans le retail et l'e-commerce devrait atteindre 175,1 milliards de dollars d'ici 2030. 88 % des dirigeants déclarant prévoir d'augmenter leurs investissements en IA agentique.

Les évolutions récentes concernant les protocoles et le commerce basé sur des agents reflètent clairement cette transition, mais elles doivent être considérées comme les signes avant-coureurs d'un changement structurel plus large plutôt que comme la forme définitive du marché.

Ce qui importe avant tout, ce n'est pas quel protocole précis domine à un instant T, mais ce que leur émergence révèle collectivement : le marché converge vers des méthodes standardisées permettant de découvrir des produits, d'évaluer les options et de finaliser des transactions de manière automatisée.

En d'autres termes, le commerce agentique passe de la phase d'expérimentation à celle de la mise en place d'infrastructures.

1.2 Ce que l'incertitude liée aux protocoles implique pour les dirigeants du secteur de la distribution

Nous entrons dans une période marquée par l'évolution, la coexistence et le chevauchement des protocoles, où différentes approches voient le jour pour différentes étapes du parcours et pour différents écosystèmes. Certaines normes pourraient être largement adoptées ; d'autres pourraient rester spécifiques à certains écosystèmes ; d'autres encore pourraient évoluer considérablement au fil du temps.

Pour les commerçants, cette incertitude n'est pas une question secondaire. C'est le contexte même dans lequel ils opèrent. Le secteur ne s'emploie pas à normaliser un protocole unique ; il met en place une pile de protocoles – différentes normes fonctionnant à différents niveaux, chacune permettant de résoudre un goulot d'étranglement spécifique.

Protocoles d'interaction commerciale (par exemple, UCP, ACP) : normalisent la manière dont un agent s'intègre dans le flux commercial d'un détaillant – par exemple, pour découvrir des produits et comparer les options.
Outils et protocoles contextuels (par exemple, MCP) : normaliser la manière dont un agent se connecte aux systèmes sous-jacents au commerce, en transformant des services tels que le catalogue, la tarification, les stocks, le statut des commandes et les politiques en outils exploitables dotés d'entrées et de sorties cohérentes. C'est ce qui permet aux agents d'accéder aux « systèmes de référence » sans avoir recours à des intégrations sur mesure.
Protocoles de coordination entre agents (A2A) : norme ouverte introduite par Google et ses partenaires dans le cadre de la plateforme Google Cloud en 2025. Conçue pour compléter le MCP, l'A2A permet la communication entre agents d'IA. Par exemple, lorsque le MCP interroge des bases de données pour obtenir des informations sur les produits et les stocks, il peut partager ces informations avec un agent interne, qui peut à son tour utiliser l'A2A pour communiquer avec des agents externes.

Dans le commerce agentique, il est également utile de faire la distinction entre les agents externes et les agents internes, car cela a des implications différentes en matière de contrôle et de confiance.

Les agents externes sont gérés par des tiers – une plateforme, un système d'exploitation, une place de marché ou un fournisseur d'IA – et servent d'interface avec le client, en déterminant les informations à afficher et le lieu où effectuer les transactions. Les commerçants peuvent y participer en mettant en avant leurs produits et leurs actions via des protocoles standardisés, mais ils n'ont qu'un contrôle limité sur la logique de classement de l'agent, la conception des conversations ou la manière dont les alternatives sont présentées.

Les agents en interne sont gérés par le détaillant (ou ses partenaires technologiques) et s'intègrent à son environnement numérique, où ils peuvent être étroitement reliés aux systèmes de référence pour le catalogue, les stocks, les engagements, les politiques et le cycle de vie des commandes.

Cela est important car une même intention client peut aboutir à des résultats très différents selon que l'agent est géré en externe ou en interne : les agents gérés en externe exigent davantage en matière de visibilité, de lisibilité par les machines et d'exécutabilité fiable dans de nombreux écosystèmes, tandis que les agents gérés en interne permettent aux détaillants de se démarquer grâce à l'exactitude, à la coordination et à la qualité du service, préservant ainsi l'intégrité de leurs engagements et l'expérience de marque, même lorsque l'interface passe des sites web aux conversations.

Les commerçants devront s'adapter à un environnement dans lequel il pourra s'avérer nécessaire, au fil du temps, de prendre en charge plusieurs interfaces externes : différentes exigences en matière de flux de produits, différents modèles de paiement, différents écosystèmes d'agents et des règles de participation en constante évolution.

Tenter de gérer cette volatilité par des intégrations ponctuelles ne fera qu'engendrer fragilité et dette technique. Chaque nouveau protocole ou changement au sein de l'écosystème pourrait entraîner des retouches, des doublons dans la logique et un risque croissant d'incohérence.

Ce qui revêt donc une importance croissante, c'est le système qui se cache derrière ces interfaces et qui constitue une source fiable et stable d'informations. Concrètement, cela implique de s'assurer que le Order Management System OMS) ou le DOM est capable de servir de pilier opérationnel au commerce agentique : centraliser la visibilité des stocks, calculer des délais de livraison fiables, coordonner l'exécution des commandes entre les différents sites, gérer les étapes du cycle de vie des commandes et mettre ces fonctionnalités à disposition de manière à pouvoir s'adapter aux différentes normes externes à mesure qu'elles évoluent.

Dans ce contexte, la gestion unifiée des stocks n'est pas seulement un outil d'optimisation. Elle devient une nécessité stratégique. Pour que les agents puissent prendre des décisions au nom des clients, ils ont besoin d'informations à jour, cohérentes et exploitables.

Des vues fragmentées des stocks, une logique de traitement des commandes déconnectée ou des calculs incohérents des délais de livraison ne se contentent pas d'alourdir la complexité opérationnelle ; ils sapent la crédibilité du détaillant dans les parcours clients gérés par des agents.

Il en va de même pour l'architecture. Les commerçants doivent se préparer au pluralisme des protocoles en mettant en place des couches de capacités flexibles, plutôt que de lier trop étroitement la logique métier à un format externe unique. Les normes externes doivent être considérées comme des adaptateurs ; l'atout durable réside dans la couche interne de données et d'exécution, capable de prendre en charge plusieurs d'entre elles.

Cela implique de collaborer avec des partenaires technologiques qui possèdent à la fois l'expérience nécessaire en matière d'intégration pour gérer des écosystèmes en constante évolution et une stratégie qui anticipe clairement le commerce basé sur l'IA, plutôt que de le considérer comme une simple tendance passagère dans le domaine des canaux de distribution.

C'est pour ces raisons que la prochaine étape du commerce agentique sera remportée par les commerçants capables d'allier la flexibilité en périphérie à la fiabilité opérationnelle au cœur du système. Et c'est précisément pour cette raison que la gestion des commandes revêt un caractère de plus en plus stratégique et urgent à l'ère de l'IA.

1.3 Pourquoi une « relation sans vérité » est dangereuse dans le commerce axé sur l'action

Même si le marché finit par s'aligner sur des normes plus strictes au fil du temps, les protocoles ne suffisent pas à eux seuls à garantir que les informations sur lesquelles s'appuie un agent sont exactes, à jour et applicables dans la réalité de l'exécution.

Lorsqu'un agent IA prend un engagement au nom d'un client, il le fait en toute confiance. Si cet engagement s'avère erroné (si l'article ne peut pas être expédié, ne peut pas arriver à temps ou ne peut pas être livré comme promis), l'échec est amplifié :

La confiance s'érode plus rapidement, car c'est la crédibilité de l'agent qui est en jeu, tout autant que celle du détaillant.
Les données erronées ont un effet multiplicateur, car un même signal défectueux peut influencer des milliers de décisions automatisées.
La fiabilité devient algorithmique, car les agents peuvent déterminer quels commerçants offrent des résultats constants et lesquels n'en offrent pas.

En résumé, le commerce automatisé ne fait pas que révéler les failles opérationnelles : il risque de les systématiser à grande échelle. Le principal risque stratégique de cette nouvelle phase du commerce n'est donc pas l'absence de connectivité.

C'est d'être connecté à une réalité opérationnelle incertaine.

1.4 Les protocoles de rotation créent : l'exécution devient le facteur de différenciation

Les protocoles vont accélérer l'adoption. Mais en facilitant la connectivité, ils modifient également les règles du jeu en matière de concurrence. Lorsque la connexion se généralise, la différenciation s'opère désormais au niveau :

la qualité des signaux de promesse
la fiabilité de l'exécution des commandes
la rapidité et l'efficacité de la gestion des exceptions
l'intégrité de la visibilité après l'achat

En d'autres termes, le marché cessera de récompenser les détaillants qui se connectent les premiers pour commencer à récompenser ceux qui s'acquittent le mieux de leurs tâches. C'est là que la gestion des commandes prend une dimension stratégique.

1.5 Le fondement manquant : la réalité opérationnelle derrière le protocole

Si les protocoles constituent la couche d'interface du commerce agentique, les détaillants ont néanmoins besoin d'un système capable de répondre aux questions qui importent aux agents, de manière fiable et en temps réel :

Cela peut-il être réalisé d'une manière qui corresponde à l'intention du client ? (et pas seulement « est-ce répertorié ? »)
D'où doit-il être expédié ? (pas seulement « quel est l'endroit le plus proche ? »)
Quand est-ce que ça peut arriver ? (pas seulement « quel est le délai prévu ? »)
Que se passe-t-il lorsque les conditions changent ? (retards, remplacements, scissions, changements d'itinéraire)

Ces questions se situent à la croisée de la gestion des stocks, du calcul des délais de livraison, de la logique de routage et de la gestion du cycle de vie, des domaines généralement gérés par le système OMS les capacités de traitement distribué des commandes.

Cela nous amène à une première conclusion que nous approfondirons dans la suite de cet article : les protocoles facilitent la communication. La vérité opérationnelle permet d'obtenir le résultat escompté.

Dans le chapitre suivant, nous expliquons pourquoi l'intégrité des engagements – c'est-à-dire la capacité à ne s'engager que sur ce qui peut être tenu et à respecter ces engagements de manière constante – devient l'atout concurrentiel déterminant dans le commerce piloté par des agents.

Chapitre 2 : Le nouveau terrain de bataille concurrentiel – L'intégrité des promesses

Comme nous l'avons vu dans le chapitre précédent, les protocoles font leur apparition ; la question qui se pose donc à présent est la suivante : où cela va-t-il nous mener ? À mesure que ces protocoles réduiront les obstacles à la connexion et que les agents pourront accéder de manière fiable aux systèmes commerciaux, le marché jugera de plus en plus les détaillants sur la capacité de leurs systèmes à s'engager de manière fiable.

Dans les parcours centrés sur l'agent, le clic traditionnel, qui occupait une place prépondérante dans l'ancien modèle, ne sera plus le moment décisif qu'il était autrefois. Alors, quels sont désormais les facteurs déterminants de la réussite ?

Dans ce nouveau contexte, c'est l'engagement qui prime. Cela s'inscrit dans la logique selon laquelle un agent IA ne se contente pas de formuler des recommandations, mais sélectionne, planifie et lance de plus en plus souvent des actions en fonction de la possibilité d'atteindre un résultat compte tenu des exigences ou des contraintes du client.

C'est pourquoi l'intégrité des engagements deviendra le terrain d'affrontement concurrentiel : la capacité à prendre des engagements ambitieux, réalistes sur le plan opérationnel, adaptés au contexte et pouvant être mis en œuvre de manière cohérente.

2.1 À l'ère de l'agentique, la promesse s'inscrit dans l'identité de la marque

Dans le commerce, une « promesse » s'accompagne toujours d'informations complémentaires, telles que « en stock », « livraison avant vendredi », « retours gratuits » ou « retrait sous deux heures ». Les clients peuvent interpréter ces affirmations de manière probabiliste et avec une certaine marge d'appréciation. Ils peuvent tout de même acheter, mais en tenant compte d'une incertitude inhérente et en se laissant ainsi une marge de manœuvre face à une éventuelle déception.

Sinon, un commerçant peut choisir de se montrer plus prudent dans la promesse qu'il fait, afin de s'assurer que, si le scénario s'avère plus favorable, le client reste satisfait. Les agents agissent différemment.

Ce qui n'était autrefois que des informations plus souples devient désormais un élément d'aide à la décision : des signaux structurés qui déterminent quelle option est réalisable.

En conséquence, c'est la promesse elle-même qui devient le facteur de différenciation : c'est ce que l'agent évalue, compare et, en fin de compte, optimise.

Concrètement, le processus décisionnel d'un agent dépend de la capacité d'un détaillant à apporter des réponses crédibles à des questions telles que :

Cet article est-il réellement disponible en ce moment dans le réseau de magasins concerné ?
Quelle date de livraison peut-on garantir, compte tenu de l'état des stocks, des performances du transporteur, de la capacité disponible et des heures limites de commande ?
Quelles sont les options de livraison disponibles (expédition depuis le magasin, expédition depuis le centre de distribution, retrait) et lesquelles sont réellement applicables dans ce contexte ?
Que se passe-t-il si les conditions changent : retards, divisions de vol, remplacements, changements d'itinéraire, annulations ?

Ce ne sont pas de simples messages d'information. Ce sont des faits opérationnels. Et dans un monde où l'action prime, les faits opérationnels sont la monnaie d'échange de la confiance.

2.2 Pourquoi la promesse d'intégrité diffère des « meilleures estimations »

L'intégrité des promesses ne se résume pas à proposer des délais de livraison plus optimistes, des données produit plus complètes ou des flux d'interface utilisateur plus fluides. Il s'agit plutôt de la rigueur nécessaire pour faire correspondre ce qui est proposé au moment de la prise de décision avec ce qui peut être réellement mis en œuvre au sein d'un réseau de distribution complexe, compte tenu des aléas du monde réel.

Deux éléments rendent cela plus difficile (et plus important) dans le commerce interpersonnel :

1. L'automatisation augmente le coût des erreurs :

Dans le commerce électronique traditionnel, les promesses non tenues sont source de déception et alourdissent la charge de travail du service client. Dans le commerce agentique, les promesses non tenues peuvent déclencher des engagements autonomes à grande échelle.

Les signaux erronés ne se contentent pas de décevoir les clients : ils déclenchent des décisions automatisées qui doivent ensuite être corrigées par le biais de la gestion des exceptions, des remboursements, des remplacements et de la restauration de la confiance.

2. Les expériences des agents favorisent la comparabilité :

À mesure que les agents interagissent avec de nombreux commerçants, la fiabilité devient visible et comparable. Les agents peuvent ainsi déterminer quels commerçants respectent systématiquement leurs engagements et lesquels manquent régulièrement à leurs obligations.

Au fil du temps, cela engendre un nouveau type de pression concurrentielle : la fiabilité devient un indicateur de performance susceptible d’influencer les recommandations, la sélection et la conversion. C’est pourquoi le risque ne se limite pas simplement aux « livraisons manquées ». Un risque plus profond pourrait émerger sous la forme d’un classement algorithmique de confiance. Les détaillants qui ne parviennent pas à maintenir l’intégrité de leurs promesses pourraient être moins souvent sélectionnés. Non pas parce que leurs produits sont de qualité inférieure, mais parce que leurs engagements ne sont pas fiables.

2.3 Le mode de défaillance caché : des promesses sans fondement concret

L'annonce conjointe de Google et Shopify concernant l'UCP lors du salon NRF 2026 de cette année met en lumière les efforts déployés par le secteur pour normaliser la couche de communication. Mais ces initiatives révèlent également ce que les protocoles ne peuvent pas résoudre : la vérité opérationnelle.

Les protocoles peuvent aider les agents à se connecter, à détecter des opportunités et à lancer des actions commerciales, mais ils ne garantissent pas une disponibilité précise, un calcul fiable des délais de livraison, un routage intelligent ni une exécution cohérente après l'achat.

Cela crée un mode de défaillance caché : le commerce agentique échouera si les agents se connectent à une réalité opérationnelle peu fiable.

Dans ce cas, l'expérience vécue par les agents peut sembler fluide, alors que les résultats s'effondrent : les commandes sont fractionnées de manière inattendue, les délais de livraison sont dépassés, les stocks s'avèrent inexacts, les remplacements ne sont pas gérés, les retours deviennent chaotiques et le service client se retrouve en première ligne pour gérer la situation.

Cette expérience « fonctionne » en tant que conversation, mais échoue sur le plan commercial.

2.4OMS mécanisme de protection des promesses : le nouveau moteur de confiance

Pour garantir l'intégrité des engagements à grande échelle, les détaillants ont besoin d'un système capable de faire bien plus que simplement afficher les informations sur les produits. Ils ont besoin d'un système capable d'évaluer la faisabilité, de calculer les engagements, de coordonner la mise en œuvre et de gérer les exceptions tout au long du cycle de vie.

C'est là que la gestion distribuée des commandes (DOM) opère une transformation majeure : d'infrastructure transactionnelle à moteur stratégique de confiance. Dans un monde agentique, la DOM devient la couche qui :

Offre une visibilité en temps réel sur les stocks afin que les agents ne vendent pas de produits qui ne peuvent pas être livrés
Calcule et gère Promesse de Livraison afin que les délais engagés puissent être respectés
Optimise l'acheminement et la répartition afin que la gestion des commandes reste réalisable et rentable
Coordonne différentes options de traitement des commandes sans créer de risques cachés
Gère les exceptions et la visibilité du cycle de vie afin que les modifications soient traitées avant que la confiance ne soit compromise

En bref : dans le commerce agentique, le DOM ne sert pas seulement à gérer les commandes ; il sert à garantir le respect des engagements.

L'IA ne crée de la valeur que lorsqu'elle permet d'obtenir de réels résultats commerciaux – et non lorsqu'elle est considérée comme une fonctionnalité en quête d'un cas d'utilisation. Un OMS sert de référence absolue en matière de disponibilité des stocks, d'engagements envers les clients et d'exécution des commandes devient le pilier d'un commerce véritablement intelligent et autonome. C'est ce type de base axée sur l'IA qui permet aux détaillants d'atteindre de nouveaux niveaux d'efficacité et d'expérience client.

Klarissa Marenitch

Directeur technique (CTO) du secteur de la distribution, Cognizant

2.5 Agents externes, agents propres. Même exigence en matière de confiance

Que le commerce par agents s'effectue via des plateformes externes ou par le biais d'agents intégrés aux canaux propres au détaillant, l'exigence de confiance reste la même. Les agents doivent s'appuyer sur des données opérationnelles fiables, tant avant qu'après l'achat.

Dans le cadre des expériences avec des agents externes, les protocoles et les flux peuvent certes permettre une participation à grande échelle, mais ils renforcent également la nécessité de disposer de signaux de promesse précis et actualisés, car la marque est évaluée aux côtés de nombreuses alternatives.

Dans le cas des agents propriétaires, les détaillants ont davantage de contrôle sur le contexte et la gouvernance, mais la crédibilité de l'agent dépend toujours de celle des systèmes opérationnels sur lesquels il s'appuie.

Dans les deux cas, ce n'est pas le niveau de sophistication de la conversation qui fait la différence. C'est la fiabilité de l'engagement.

2.6 De la persuasion à la preuve : le nouveau fondement de l'avantage

Le modèle traditionnel du commerce numérique privilégiait la persuasion : la meilleure expérience de découverte, le meilleur message, la meilleure personnalisation. Ces aspects restent importants, mais le commerce agentique modifie l'équilibre.

À mesure que les décisions s'automatisent, le système qui s'impose est celui qui parvient à démontrer sa faisabilité. C'est là le changement stratégique qu'introduit la notion d'intégrité : le commerce repose désormais moins sur ce qu'une marque peut affirmer et davantage sur ce qu'elle peut garantir. Et à mesure que les protocoles rendent la connectivité omniprésente, cette garantie devient un levier de différenciation essentiel.

Au chapitre 3, nous traduirons cela en un modèle de maturité concret, articulé autour de trois domaines de compétences : la facilitation des revenus par les agents, l'amélioration de l'efficacité opérationnelle et l'optimisation prédictive de la rentabilité : autant de fondements dont les détaillants auront besoin pour être compétitifs sur un marché où les agents jouent un rôle central.

Chapitre 3 : Les trois piliers de maturité du retail propulsé par l'IA

La tendance générale est claire : les protocoles réduisent les obstacles à la connectivité des agents, et la promesse d'intégrité devient un facteur de différenciation. La question concrète qui se pose aux responsables du secteur de la vente au détail est de savoir quelle sera la prochaine étape.

« Adopter l'IA » n'est pas une stratégie à part entière, pas plus que le simple déploiement d'un chatbot. Sur un marché orienté vers l'action, la maturité se définit par la capacité d'un retailer à traduire des intentions en résultats concrets, de manière fiable, efficace et rentable. Il convient donc d'envisager une définition de la maturité permettant d'évaluer une stratégie.

Ce chapitre présente trois piliers concrets permettant d'évaluer le degré de maturité du commerce de détail axé sur l'IA. Ensemble, ils constituent un cadre permettant de passer de la phase d'expérimentation à une mise en œuvre à grande échelle.

Ces trois piliers sont les suivants :

Agentic Revenue Enablement : transformer l'intention en conversion grâce à des promesses concrètes
Amélioration de l'efficacité opérationnelle : réduire les frictions internes qui nuisent à la fiabilité externe ; et,
Optimisation prédictive de la rentabilité : faire évoluer la gestion des commandes d'un traitement réactif vers une approche axée sur la rentabilité

Ces piliers sont interdépendants. Les interfaces utilisateur autonomes qui manquent d'efficacité opérationnelle se transforment en sources coûteuses d'échecs. Une IA opérationnelle qui ne garantit pas l'intégrité des promesses permet certes de réaliser des économies en interne, mais ne permet pas d'ouvrir de nouveaux canaux. L'optimisation prédictive, sans données d'exécution fiables, reste purement théorique. La maturité s'acquiert en mettant en place une pile complète.

Examinons-les un par un.

Pilier 1 : Facilitation des revenus des agents

En d'autres termes, transformer l'intention en conversion grâce à des promesses concrètes. Le commerce agentique instaure un nouveau modèle de revenus : les clients arrivent avec une intention forte, exprimée en langage naturel, et s'attendent à ce qu'un agent mène à bien la tâche.

Les avantages sont évidents : un taux de conversion plus élevé, moins d'abandons de panier et une meilleure expérience pour les clients pressés par le temps. Mais pour y parvenir, il existe une condition sine qua non dont nous avons parlé tout au long de cet article : l'agent doit pouvoir agir en fonction de signaux commerciaux fiables et en temps réel, et non d'estimations génériques.

Du point de vue de la maturité, la « facilitation des revenus par les agents » consiste à permettre aux agents (qu'ils soient externes ou internes) d'accéder aux fonctionnalités nécessaires pour transformer les intentions en résultats et de les mettre en œuvre :

Une promesse en tant qu'engagement réfléchi (et non un argument marketing)
Options de traitement des commandes en tant que choix applicables (et non comme des configurations statiques)
Visibilité sur le cycle de vie et gestion du changement (afin que l'expérience reste crédible après l'achat)

Le commerce agentique se manifestera sous deux formes parallèles, à savoir les agents externes et les agents propres, et l'exigence de maturité est la même : le détaillant doit offrir une promesse fondée sur des bases opérationnelles.

Scénarios illustratifs de l'agentivité (comment l'intention se traduit en action) :

Transaction avec un agent externe : l'agent évalue la disponibilité des produits et les délais de livraison possibles par rapport à la date limite fixée par le client, puis choisit une option qu'il peut confirmer.
Agent de pré-achat interne : l'agent s'appuie sur le contexte du client (historique, préférences, localisation) pour proposer une nouvelle commande assortie d'une garantie calculée.
Service après-vente : l'agent résout un problème en proposant une solution concrète (changement d'itinéraire, retrait en magasin, fractionnement de la commande) plutôt que de se contenter de s'excuser ou de remonter le problème à ses supérieurs.

Le point stratégique est que le commerce agentique ne constitue pas une nouvelle couche d'expérience utilisateur. Il vaut mieux le considérer comme un nouveau canal de distribution ; et les revenus ne se concrétisent que lorsque la promesse est tenue.

Pilier 2 : Renforcement de l'efficacité opérationnelle

On peut dire que cela revient à réduire les frictions internes qui nuisent à la fiabilité externe. En effet, c'est souvent en interne que l'IA génère le retour sur investissement le plus rapide dans le secteur de la vente au détail. Mais dans un monde où l'agentivité prime, l'efficacité opérationnelle ne se résume pas à une simple réduction des coûts : elle est le fondement même de la fiabilité.

Les frictions internes entraînent des défaillances externes : délais de résolution trop longs, solutions de contournement manuelles, décisions incohérentes et gestion des exceptions source d'erreurs : autant de promesses non tenues qui apparaissent au grand jour lorsque les agents doivent fonctionner à grande échelle.

L'optimisation de l'efficacité opérationnelle vise à tirer parti de l'IA pour alléger la « routine quotidienne » des principaux acteurs, en particulier là où la fragmentation des systèmes et les processus manuels sont à l'origine de retards et d'erreurs.

À ce stade, ce pilier comprend :

Accès opérationnel conversationnel : permettre aux équipes commerciales et de service d'interroger des données opérationnelles complexes et d'agir à l'aide d'interfaces basées sur l'intention (par exemple, recherche de commandes en langage naturel et actions groupées).
Recherche et intervention inter-systèmes : alléger la charge liée à l'intégration et aux allers-retours incessants en permettant aux agents de disposer d'une vue opérationnelle unique couvrant le DOM, OMS, le WMS, les transporteurs, le CRM et bien d'autres systèmes.
Accompagnement à la préparation des commandes et résolution des problèmes : transformer la complexité technique en conseils clairs et concrets destinés aux vendeurs en magasin et aux équipes chargées de la préparation des commandes, afin de réduire les difficultés liées à la préparation des commandes sur le terrain.
Configuration et modification plus rapides : permettre aux utilisateurs métier et aux intégrateurs de définir la logique d'orchestration et de valider les configurations sans nécessiter de connaissances spécialisées approfondies, ce qui réduit le délai de rentabilisation et les risques opérationnels.

Exemples de scénarios opérationnels (dans lesquels l'IA génère un retour sur investissement mesurable) :

Les équipes du service client filtrent les commandes et y donnent suite en fonction de l'intention exprimée, plutôt qu'à partir de requêtes manuelles
Analyse de l'état des systèmes en parallèle permettant de réduire le temps de traitement moyen et le nombre de cas renvoyés à un niveau supérieur
Processus automatisés de gestion des retours qui transforment les annulations en remplacements ou en solutions alternatives
Prise en charge de la configuration en langage naturel qui simplifie les cycles de configuration complexes

Le point stratégique : l'efficacité opérationnelle n'est plus dissociable de l'expérience client. Dans le commerce agentique, elle en est une condition préalable.

Pilier 3 : Optimisation prédictive de la rentabilité

Cela permet d'évaluer l'évolution de la gestion des commandes, qui est passée d'un traitement réactif à une approche axée sur l'analyse des marges. C'est là que l'IA passe du simple soutien aux humains à l'optimisation des systèmes. La gestion des commandes dans le secteur de la vente au détail a toujours été réactive : elle enregistre les événements, applique des règles et achemine les commandes selon une logique fixe.

Mais à mesure que les promesses deviennent la norme en matière de réussite et que le commerce proactif accélère le rythme des engagements, un modèle réactif ne suffit plus. Le DOM doit évoluer pour devenir un moteur prédictif et auto-optimisant, capable d'équilibrer en temps réel les résultats pour les clients et la rentabilité.

L'optimisation prédictive de la rentabilité consiste à utiliser des modèles d'IA pour anticiper les risques, calculer le coût réel et ajuster les paramètres opérationnels avant que des problèmes ne surviennent. À pleine maturité, cette approche comprend trois mécanismes de contrôle essentiels :

Une gestion plus intelligente des stocks : ajustement dynamique des stocks de sécurité et des marges de sécurité en fonction des tendances de variation et de la détection des anomalies, ce qui réduit les risques de survente et de sous-vente.
Optimisation de la précision des délais de livraison : ajustement continu de la logique de gestion des délais à partir des données historiques et des indicateurs de performance en temps réel (résultats des transporteurs, débit des entrepôts, capacité du réseau), afin d'améliorer le respect des délais de livraison tout en restant compétitif.
Planification des itinéraires optimisée pour la rentabilité : des décisions d'approvisionnement en temps réel fondées sur le coût réel de l'exécution (y compris le coût du risque), l'impact sur la marge et les résultats en matière de service, et non plus uniquement sur des critères de proximité.

Sur un marché axé sur l'action, ce pilier devient un facteur de différenciation stratégique, car il permet aux détaillants de faire ce qui serait autrement impossible : proposer des promesses ambitieuses et attrayantes de manière sélective, mais uniquement lorsqu'elles peuvent être tenues de manière rentable et fiable. C'est là l'essence même de l'intégrité des promesses à grande échelle.

Comment les piliers s'articulent : le « flywheel » de la maturité

Ces piliers se renforcent mutuellement : c'est pourquoi la maturité de l'IA dans le secteur de la vente au détail ne doit pas être évaluée en fonction du nombre de modèles déployés ou de la sophistication de l'expérience utilisateur.

Il convient d'évaluer si le détaillant est en mesure d'obtenir des résultats qui sont :

Exécutable (promesses tenues)
Répétable (opérations efficaces)
Économiquement viable (gestion optimisée en termes de rentabilité)

Au chapitre 4, nous abordons la question architecturale : alors que les agents deviennent l'interface, quel type de couche d'intégration est nécessaire pour exposer les capacités commerciales en toute sécurité et à grande échelle ? Et pourquoi les couches de capacités basées sur l'intention (telles que les interfaces de type MCP) marquent-elles un tournant par rapport aux modèles traditionnels centrés sur les API ?

Chapitre 4 : Évolution architecturale — Des API aux couches d'intention pour l'IA agentique

Les trois premiers chapitres ont décrit les changements en cours dans le secteur de la vente au détail : la prise de décision est de plus en plus pilotée par des agents, les protocoles uniformisent la connectivité, et l'intégrité des promesses devient le principal enjeu concurrentiel.

Ce chapitre examine comment l'architecture sous-jacente doit évoluer pour s'adapter à cette réalité.

Intégration centrée sur l'intention

Les piles technologiques du commerce de détail ont été conçues pour les humains et les applications, et non pour des agents autonomes. Les modèles d'intégration traditionnels partent du principe que les développeurs liront la documentation, mapperont les champs, géreront les versions et mettront en place manuellement l'orchestration entre plusieurs systèmes.

Les agents ne fonctionnent pas ainsi. Ils ont besoin d'une méthode plus sûre et mieux structurée pour identifier les capacités et exécuter des workflows en plusieurs étapes, sans recourir à une infrastructure fragile ou sur mesure.

C'est là que les couches d'intégration centrées sur l'intention entrent en jeu : il s'agit d'abstractions architecturales qui exposent les capacités (ce qu'un système peut faire) plutôt que les points de terminaison (la manière dont un développeur l'appelle). Concrètement, ces couches se situent au-dessus des API et les encapsulent, traduisant ainsi l'intention de l'agent en une exécution fiable du système.

4.1 Pourquoi les architectures centrées sur les API peuvent rencontrer des difficultés avec les agents

Depuis plus d'une décennie, les API constituent le langage universel du commerce numérique. Elles restent indispensables. Cependant, leur mode d'utilisation habituel pose des difficultés lorsque le « client » n'est pas un développeur humain ou une application fixe, mais un agent IA effectuant des tâches dynamiques en plusieurs étapes.

Quatre contraintes reviennent régulièrement :

Prolifération et fragmentation des points de terminaison :
Les infrastructures de commerce d'entreprise regroupent des milliers de points de terminaison répartis entre les systèmes de gestion de la demande (OMS, les systèmes de gestion des stocks (WMS), les systèmes de gestion de la relation client (CRM), les systèmes de gestion des informations produit (PIM), les plateformes de places de marché, les services des transporteurs et les outils d'analyse. Chaque domaine obéit à ses propres modèles et hypothèses. Il peut s'avérer coûteux et délicat de les intégrer dans un flux de travail cohérent géré par des agents.
Découverte basée sur la documentation :
Les intégrations traditionnelles reposent sur l'interprétation humaine de la documentation : quel point de terminaison appeler, avec quelle charge utile, et dans quel ordre ? Les agents ont besoin d'un moyen lisible par machine pour demander « Que pouvez-vous faire ? » et obtenir une réponse fiable.
Orchestration artisanale :
Même les demandes simples des clients nécessitent souvent une orchestration complexe : vérifier la disponibilité, calculer le délai de livraison, choisir l'option de livraison, créer la commande, mettre à jour le suivi, gérer les exceptions. Dans les architectures centrées sur les API, cette orchestration est généralement codée et maintenue par les développeurs, ce qui allonge les délais de mise à jour et engendre des risques opérationnels.
Fragilité au fil du temps :
Les changements de version, les dérives de schéma et les modifications des dépendances transforment les intégrations en projets de maintenance permanents. Les agents fonctionnant à grande échelle accentuent cette fragilité : de petites défaillances ont des répercussions opérationnelles importantes.

Le problème n'est pas que les API « ne fonctionnent pas », mais qu'elles n'ont pas été conçues pour le nouveau mode d'interaction : une autonomie en plusieurs étapes, guidée par l'intention et s'appuyant sur des outils.

4.2 L'évolution de l'abstraction : de la connectivité à la capacité

Pour bien saisir cette nouvelle orientation architecturale, il est utile de mettre en perspective le passage de la connectivité à la capacité. La connectivité pose la question suivante : « Ces systèmes peuvent-ils communiquer entre eux ? » La capacité, quant à elle, demande : « Que peut faire ce système, et comment un agent peut-il l'utiliser en toute sécurité ? »

Dans un modèle centré sur l'intention, les systèmes exposent un ensemble de fonctionnalités de haut niveau, telles que la vérification de la disponibilité, le calcul d'une promesse, la création d'une commande, le réacheminement de la livraison et la récupération d'un numéro de suivi unifié. Ces fonctionnalités doivent pouvoir être identifiées et invoquées de manière prévisible.

L'interface ne porte pas tant sur les points de terminaison que sur les actions et les contraintes. C'est là le principe architectural qui sous-tend les couches de type MCP : une méthode standardisée pour mettre à disposition des « outils » que les agents peuvent détecter et invoquer, tout en respectant les contraintes en matière de sécurité, de gouvernance et d'exploitation.

Deux caractéristiques revêtent une importance particulière pour le commerce agentique :

Découverte déclarative : les agents peuvent interroger le système pour obtenir une liste explicite des fonctionnalités, plutôt que de se fier à la documentation et à un mappage personnalisé.
Orchestration de l'intention à l'exécution : cette couche permet de traduire un objectif (« traiter cette commande en attente en proposant la meilleure alternative ») en une séquence contrôlée d'actions impliquant les API et les systèmes sous-jacents, dans le respect de limites de gouvernance clairement définies.

4.3 Nuance importante : nous ne sommes pas dans un monde post-API

On serait tenté de présenter cette évolution comme un « remplacement des API ». Or, cela est rarement le cas dans les systèmes d'entreprise. Il serait plus juste de dire que les API resteront l'infrastructure de base, mais qu'elles seront de plus en plus encapsulées. Des couches centrées sur l'intention viennent se superposer aux API et aux services existants et jouent le rôle de :

Passerelles compatibles avec l'IA s'intégrant à l'infrastructure existante
Des intermédiaires sécurisés qui gèrent plusieurs systèmes d'arrière-plan (OMS, ERP, WMS, transporteurs) via des fonctionnalités unifiées
Des orchestrateurs fédérés qui gèrent de manière cohérente les flux de travail inter-systèmes et l'état du cycle de vie

Cela reflète les évolutions technologiques antérieures. Lorsque les systèmes gagnent en complexité, les architectures les plus performantes introduisent des abstractions de plus haut niveau qui allègent la charge cognitive et opérationnelle.

Dans le commerce agentique, le concept central est la mise à disposition de capacités pour les clients intelligents.

4.4 Comment cela s'articule avec des protocoles tels que l'UCP

L'UCP et les initiatives similaires se situent à un autre niveau de la pile. Elles visent à normaliser les modèles d'interaction entre les agents et le commerce au sein de l'écosystème. Elles facilitent la connexion et la participation.

Mais comme nous l'avons vu au chapitre 1, il existe une limite : les protocoles ne suffisent pas à eux seuls à garantir que les réponses fournies sont valides sur le plan opérationnel. Cela conduit à une architecture en couches vers laquelle les grandes marques vont converger :

Couche de protocole (par exemple, UCP) : normalise la manière dont les agents se connectent et effectuent des transactions. Interopérabilité entre les plateformes
Couche d'intention/de capacités (de type MCP) : met à disposition des outils lisibles par machine et des flux de travail contrôlés. Primitives d'exécution sécurisées, identifiables et fiables
Couche de vérité opérationnelle (OMS) : calcule la disponibilité, les engagements, l'orchestration et la vérité du cycle de vie. Des engagements exécutables et cohérents

En d'autres termes : les protocoles assurent l'évolutivité de l'interface ; les couches d'intention permettent aux agents d'utiliser le système ; la gestion distribuée des commandes garantit la fiabilité des résultats.

4.5 Pourquoi les couches d'intention revêtent une importance stratégique sur un marché axé sur les agents

Cette évolution architecturale est importante car elle modifie la rapidité et la sécurité avec lesquelles les détaillants peuvent participer au commerce agentique sans créer une surface d'intégration incontrôlée.

Les couches de capacités centrées sur l'intention offrent quatre avantages stratégiques :

Mise en place plus rapide de nouvelles expériences pour les agents : une fois que les fonctionnalités sont exposées de manière standardisée, il est possible de créer de nouveaux parcours pour les agents sans avoir à refaire la logique d'intégration à chaque fois.
Une gouvernance intégrée dès la conception : les capacités peuvent être soumises à autorisation, contrôlées et limitées (ce que les agents peuvent faire, et dans quelles conditions), ce qui réduit les risques par rapport à une exposition ad hoc des API.
Réduction de la fragilité de l'intégration : les modifications apportées aux API sous-jacentes peuvent être absorbées au niveau de la couche de fonctionnalités, ce qui réduit les ruptures en aval.
De meilleures boucles d'apprentissage opérationnelles : lorsque les actions des agents sont exécutées via une couche d'outils unifiée, il devient plus facile d'observer les performances, de détecter les schémas de défaillance et d'améliorer la logique de promesses et de routage, ce qui favorise la maturité prédictive décrite au chapitre 3.

4.6 Le nouveau mandat architectural

La mission architecturale du commerce agentique ne se résume pas à « ajouter de l'IA ». Elle consiste à rendre les systèmes commerciaux centraux accessibles à des clients intelligents, tout en garantissant l'exactitude des données, la sécurité et le contrôle.

Cela signifie concevoir pour :

Au chapitre 5, nous traduisons ces idées en un modèle pratique de maturité pour les détaillants, qui montre comment les entreprises passent de l'expérimentation conversationnelle à la mise en place d'agents intégrés aux processus opérationnels et, à terme, tournés vers l'avenir, au commerce prédictif et autonome.

Chapitre 5 : Un modèle de maturité pour les détaillants

On parle souvent du commerce agentique comme d'une évolution au niveau de l'interface utilisateur : nouvelles interfaces conversationnelles, nouveaux modes de découverte, nouvelles expériences d'achat.

Mais comme nous l'avons souligné dans cet article, le facteur déterminant n'est pas le caractère convaincant du discours. Il s'agit plutôt de savoir si le détaillant est capable de traduire ses intentions en résultats ambitieux, concrets, réalisables et durables.

C'est pourquoi un modèle de maturité est utile : il permet aux dirigeants d'évaluer où ils en sont aujourd'hui, de définir ce qu'est une « bonne » pratique et de déterminer les capacités qu'il faut développer ensuite. Il est important de noter que le parcours de maturité n'est pas linéaire en termes d'« augmentation de l'IA ».

Il s'agit d'une évolution allant de la conversation à l'engagement, et de l'automatisation à l'autonomie encadrée. Examinons un modèle de maturité en quatre étapes conçues pour l'ère de l'agentique.

Niveau 1 : Exercices de conversation

« Nous avons intégré l'IA, mais elle n'est pas encore capable d'agir de manière fiable. »

À ce stade, les détaillants proposent des expériences conversationnelles, souvent sous la forme de chatbots ou de copilotes, mais ces expériences restent largement déconnectées des systèmes opérationnels.

L'IA est capable de répondre aux questions fréquentes, de résumer les conditions générales et de guider les clients, mais elle ne peut pas formuler des promesses fiables ni mener à bien des actions concrètes.

Caractéristiques typiques : l'IA fournit principalement des informations et du contenu d'assistance. Intégration opérationnelle limitée (au mieux : accès en lecture seule, données différées). Les réponses se résument souvent à des estimations génériques ou à des clauses de non-responsabilité. Les cas exceptionnels sont rapidement transférés à des agents humains.
Risques courants : l'expérience semble impressionnante dans les démos, mais ne tient pas la route en conditions réelles. Le manque de confiance empêche les utilisateurs de confier des tâches concrètes au système. La confiance envers la marque peut s'éroder si l'IA prend trop d'engagements ou donne des réponses incohérentes.
Signe de maturité : l'IA est considérée comme une fonctionnalité du canal, et non comme un nouveau modèle d'exécution.

Niveau 2 : Agents connectés

« On peut se rapprocher, mais on ne peut pas toujours s'engager. »

C'est là que les commerçants commencent à relier les expériences des agents aux systèmes de vente en ligne via des API, des flux de données et des protocoles émergents. C'est à ce stade que les avancées de l'écosystème, telles que les efforts de normalisation, commencent à favoriser une participation plus large. Les agents peuvent consulter les catalogues de produits, créer des paniers et lancer des transactions de manière plus structurée.

Cependant, « connecté » ne signifie pas nécessairement « fiable ». Le détaillant peut encore rencontrer des difficultés pour fournir des informations précises en temps réel sur la disponibilité des produits, établir des délais de livraison fiables ou gérer de manière cohérente les modifications apportées après l'achat.

Caractéristiques typiques : la connectivité entre les agents et les plateformes de commerce en ligne est établie (protocoles/flux de données/API). Les agents peuvent déclencher des actions clés (découverte, panier, paiement). La logique des promesses reste toutefois limitée par la qualité des données, la latence ou des règles statiques. La visibilité après l'achat peut être partielle ou fragmentée.
Risques courants : les engagements automatisés accentuent les faiblesses opérationnelles existantes. Les défaillances surviennent « après » l'échange, ce qui donne l'impression que l'expérience est trompeuse. La charge de travail du service client augmente en raison des exceptions et des annulations.
Signal de maturité : l'organisation pratique le commerce agentique, mais sa fiabilité est inégale.

Niveau 3 : Agents ayant une expérience de terrain

« Nous pouvons nous engager parce que nous disposons d'une source fiable. »

À ce stade, le commerce par agents gagne en crédibilité, car le détaillant dispose d'une couche de données opérationnelles fiables qui garantit l'intégrité des engagements pris. Au lieu de se contenter d'indications approximatives, les agents peuvent accéder à des informations de disponibilité en temps réel, calculer des délais de livraison réalistes et prendre des décisions d'exécution des commandes s'appuyant sur une logique de gestion des commandes en temps réel.

C'est là que OMS du traitement transactionnel à la protection des engagements : il s'agit de garantir que ce qui a été promis puisse être tenu, et de gérer le cycle de vie lorsque la réalité évolue.

Caractéristiques typiques : la disponibilité en temps réel et le calcul des délais de livraison reposent sur des données opérationnelles. Orchestration des commandes le traitement des exceptions sont accessibles aux agents et soumis à des règles. La visibilité après-vente est centralisée et exploitable. Les flux de travail visant à améliorer l'efficacité interne réduisent les frictions (service client, magasins, opérations commerciales).
Risques courants : la complexité ne réside plus dans la question « pouvons-nous y parvenir ? », mais dans celle de savoir « pouvons-nous adapter la gouvernance à l'échelle ? ». La coexistence de plusieurs systèmes de référence nécessite toujours une conception minutieuse de l'orchestration. La gestion du changement devient tout aussi importante que la qualité des modèles.
Signal de maturité : on peut faire confiance aux agents pour qu'ils agissent, car leurs engagements sont exécutoires.

Niveau 4 : Commerce autonome prédictif

« Nous ne nous contentons pas d'exécuter, nous optimisons. »

Le plus haut niveau de maturité ne consiste pas simplement à accroître l'automatisation pour elle-même. Il s'agit plutôt de contrôle prédictif : des systèmes qui anticipent les risques, ajustent les paramètres en temps réel et optimisent en permanence à la fois les résultats pour les clients et la rentabilité.

Ici, OMS le réseau de distribution fonctionnent comme un système d'apprentissage. Les délais de livraison sont ajustés de manière dynamique en fonction des indicateurs de performance ; les marges de sécurité sont adaptées en fonction de la variance ; les décisions d'approvisionnement sont optimisées en fonction du coût réel et du risque de rupture de stock, et non pas uniquement de la proximité.

Les agents peuvent alors travailler avec une plus grande autonomie, car le système lui-même est résilient : il est capable de détecter les problèmes à un stade précoce, de proposer des solutions de rechange et de mettre en œuvre des mesures de reprise sans compromettre la confiance.

Caractéristiques principales : optimisation dynamique des stocks tampons et de la fiabilité des stocks. Ajustement continu des engagements de livraison à partir des indicateurs de performance et de capacité. Routage optimisé pour le profit sur la base du coût réel (y compris le coût du risque). La prévention des exceptions et la reprise automatisée deviennent la norme. Les couches « intention/capacité » permettent de rendre l'autonomie contrôlée évolutive.
Risques courants : nécessite une rigueur rigoureuse en matière de données et des outils opérationnels performants. Impose des limites claires en matière de gouvernance pour permettre une action autonome. Les organisations doivent harmoniser les incitations entre les départements du numérique, des opérations et des finances.
Signe de maturité : le détaillant se distingue par sa fiabilité et sa maîtrise des marges, à grande échelle.

Comment utiliser ce modèle : une approche pragmatique de l'évaluation

Les détaillants peuvent utiliser le modèle de maturité comme outil de diagnostic selon les trois dimensions présentées au chapitre 3 :

Optimisation des revenus par les agents : les agents peuvent-ils transformer l'intention en conversion grâce à des engagements sincères ?
Amélioration de l'efficacité opérationnelle : les équipes sont-elles capables d'agir et de se remettre rapidement sur pied sans fragmentation des tâches manuelles ?
Optimisation prédictive de la rentabilité : le réseau logistique peut-il s'auto-optimiser en fonction des risques et des marges ?

Ce qu’il faut retenir, c’est que la maturité ne se mesure pas à l’apparence « alimentée par l’IA » de l’interface. Elle se mesure à la capacité du détaillant à produire des résultats qui sont :

Exécutable (intégrité de la promesse)
Répétable (opérations efficaces)
Économiquement viable (gestion axée sur la rentabilité)

Au chapitre 6, nous traduisons ces éléments en implications stratégiques pour les responsables de marque et les responsables de la distribution : quelles priorités fixer dès maintenant, quels indicateurs mesurer et comment se préparer à un monde où la fiabilité deviendra un facteur concurrentiel évalué par des machines.

Chapitre 6 : Implications stratégiques pour les dirigeants du secteur de la distribution

Le commerce agentique redéfinit les règles de la concurrence dans le retail. À mesure que les protocoles réduisent les obstacles à la connexion et que les agents deviennent une interface évolutive pour les achats, la différenciation ne repose plus sur celui qui offre l'expérience conversationnelle la plus convaincante, mais sur celui qui est capable de fournir les résultats les plus fiables.

Concrètement, les décideurs du retail doivent appréhender le commerce agentique non comme un simple canal additionnel, mais comme un test stratégique de leur crédibilité opérationnelle.

Ce chapitre présente les implications pour les DSI, les directeurs techniques, les responsables du numérique et les responsables opérationnels, ainsi que les mesures à prendre en conséquence.

6.1 Considérer la fiabilité comme une stratégie de croissance, et non comme un indicateur opérationnel

Dans le e-commerce traditionnel, la fiabilité est généralement traitée comme un KPI opérationnel : respect des délais de livraison, taux d'annulation, taux de retour, arriéré du service client. Dans un monde axé sur les agents, ces indicateurs prennent une nouvelle dimension. Ils pourraient devenir des signaux en amont qui influencent la décision des agents de recommander, de choisir et de s'engager auprès d'un détaillant dès le départ.

L'implication stratégique est claire : la fiabilité devient un facteur déterminant pour la demande. Les détaillants capables de respecter systématiquement leurs engagements seront avantagés dans les parcours pilotés par des agents, car ces derniers peuvent identifier les marques qui offrent des résultats prévisibles.

À l'inverse, les retailers peu fiables s'exposent à une pénalité d'un nouveau genre : non pas une perte de clients, mais une exclusion algorithmique — ils seront tout simplement moins sélectionnés par les agents IA, jugés moins fiables.

Action recommandée pour les dirigeants : faire de l’« intégrité des promesses » un indicateur clé de performance pour les cadres, au même titre que la conversion et la marge. Identifier les points de défaillance des promesses et en déterminer les causes (disponibilité, logique des promesses, capacité, performances des opérateurs, gestion des exceptions).

6.2 Vérifier l'intégrité des promesses avant de faire évoluer les canaux agentiques

De nombreuses entreprises seront tentées de commencer par l'interface : lancer un assistant, se connecter à un protocole, mettre en place un flux. Mais la courbe d'adoption récompensera les détaillants qui auront d'abord veillé à ce que les fondements soient fiables.

Si un agent parvient à se connecter mais que la promesse n'est pas fiable, l'évolutivité de l'expérience ne fait qu'amplifier les défaillances, de manière autonome.

Action recommandée pour les dirigeants : réaliser un « audit de conformité des engagements » sur les principales catégories et les principaux circuits de livraison. Quantifier les écarts de précision entre les résultats promis et ceux obtenus. Identifier les points de source d'incertitude au sein du système (précision des stocks, politique de marges de sécurité, heures limites, variations entre transporteurs, exécution en magasin).

6.3 Repositionner le DOM en tant qu'infrastructure stratégique

Le commerce agentique place la gestion des commandes au cœur de l'expérience client. Lorsque les promesses deviennent le fondement du succès, la gestion des commandes (DOM) n'est plus un simple système de back-office. C'est la couche qui valide la faisabilité, calcule les engagements, coordonne l'exécution entre les différents nœuds et gère les exceptions avant que la confiance ne soit rompue.

Cela redéfinit également la logique d'investissement. Les améliorations apportées à la visibilité des stocks, au calcul des délais de livraison, à l'optimisation des itinéraires et à la gestion du cycle de vie ne constituent pas seulement des améliorations opérationnelles, mais sont indispensables pour rester compétitif sur des marchés axés sur les agents.

Actions recommandées pour les dirigeants : considérer les capacités du système de gestion des commandes (OMS) comme un levier stratégique pour générer du chiffre d'affaires, renforcer la confiance et améliorer les marges (et pas seulement pour maîtriser les coûts). Aligner OMS sur les plans des canaux de distribution afin que les engagements et leur mise en œuvre évoluent de concert.

6.4 Mettre en place une couche d'exécution native pour l'IA, et non un ensemble disparate d'intégrations

Les protocoles aideront les agents à se connecter au commerce. Mais les détaillants ont toujours besoin d'un moyen sécurisé et réglementé pour mettre leurs capacités (et pas seulement leurs points de terminaison) à la disposition de clients intelligents. C'est là que les couches d'intention/de capacité (abstractions de type MCP) prennent toute leur valeur stratégique : elles permettent aux systèmes d'annoncer ce dont ils sont capables, facilitent une orchestration contrôlée et encapsulent les API sous-jacentes pour garantir la résilience.

Cela revêt une importance particulière dans les environnements de vente au détail complexes où l'exécution dépend de plusieurs systèmes :OMS, WMS, ERP, CRM, transporteurs, places de marché. En l'absence d'une couche de capacités de niveau supérieur, les expériences basées sur des agents ont tendance à entraîner des intégrations fragiles et à poser des risques en matière de gouvernance.

Actions recommandées pour les dirigeants : passer d'une approche axée sur l'exposition des terminaux à une approche axée sur l'exposition des capacités (outils « détectables » et soumis à autorisation). Définir les limites de gouvernance relatives à l'autonomie des agents (ce que les agents peuvent faire, dans quelles conditions et avec quelles autorisations). Concevoir le système de manière à garantir l'observabilité et l'auditabilité des actions des agents.

6.5 Se préparer au pluralisme des protocoles et à la volatilité des écosystèmes

L'UCP est un standard majeur, mais il ne sera pas la seule norme d'interface. Les détaillants doivent s'attendre à une période de pluralisme des protocoles : formats multiples, attentes en constante évolution et exigences changeantes en matière de plateformes.

Le risque stratégique réside dans la mise en place de solutions ponctuelles étroitement liées les unes aux autres, qui doivent être repensées à chaque fois qu'un protocole évolue. L'avantage stratégique réside quant à lui dans la mise en place d'une base interne stable, fondée sur la vérité et les capacités, capable de s'adapter aux changements externes.

Actions recommandées pour les dirigeants : considérer les protocoles externes comme des « adaptateurs » et non comme des fondements. Investir dans des couches opérationnelles internes fiables et performantes, capables de servir plusieurs écosystèmes externes. Concevoir des modèles de participation qui préservent la personnalisation tout en répondant aux besoins d'interopérabilité.

6.6 Harmoniser la gestion des données avec la décentralisation de la prise de décision

Le commerce par agents renforce la délégation de la prise de décision. La qualité des données n'est donc plus seulement un enjeu analytique, mais un risque transactionnel. Les agents s'appuient sur des signaux structurés – disponibilité, délais de livraison, options d'exécution, politiques – et toute inexactitude sera amplifiée.

Cela ne se limite pas aux stocks et à la livraison. Les politiques de retour, les règles de remplacement, les conditions d'éligibilité, les horaires d'ouverture des magasins, les heures limites des transporteurs et les exceptions régionales constituent autant d'éléments opérationnels sur lesquels les agents peuvent s'appuyer.

Actions recommandées pour les dirigeants : étendre les programmes de « qualité des données » au-delà du contenu des produits pour englober la réalité opérationnelle. Définir les responsabilités concernant les données d'entrée (précision des stocks, capacité, performances des transporteurs, règles des polices). Mettre en place un apprentissage en boucle fermée : en cas d'échec de l'exécution, le système doit en tirer des enseignements.

6.7 Repenser les indicateurs clés de performance (KPI) pour un marché axé sur les agents

Les indicateurs clés de performance (KPI) traditionnels restent pertinents, mais le commerce agentique rend nécessaire l'adoption de nouveaux indicateurs permettant de mesurer la confiance et la crédibilité de l'exécution. Les détaillants doivent désormais gérer la performance non seulement au moment de la conversion, mais tout au long du cycle de vie de la promesse.

Exemples de nouveaux indicateurs clés de performance (KPI) :

Taux de respect des délais (conformité entre la date promise et la date de livraison)
Taux de disponibilité vérifié (disponibilité affichée par rapport à la réalité)
Taux de prévention des incidents (problèmes résolus avant que le client ne prenne contact)
Taux de réussite de la récupération automatisée (réacheminements, substitutions, résolutions proactives)
Marge par contrat (rentabilité ajustée en fonction du niveau de service et du risque)
Actions recommandées pour les dirigeants : mettre en place un tableau de bord de l'intégrité des engagements en tant qu'outil interfonctionnel (développement numérique + opérations + finances). Lier l'expansion des canaux de communication à des seuils de fiabilité, et non plus uniquement à des indicateurs d'engagement.

6.8 Le message clé pour les dirigeants : passer de « l'adoption de l'IA » à la « préparation à l'agentique »

L'erreur la plus courante que commettent les dirigeants est de considérer le commerce agentique comme une innovation en amont et de traiter les opérations comme une préoccupation en aval. C'est tout le contraire. À mesure que les agents deviennent l'interface, les opérations deviennent l'expérience et la capacité du détaillant à s'engager devient la marque.

La transition stratégique consiste à passer de la création d'expériences connectées à la production de résultats concrets :

De la persuasion à la preuve
De la rencontre à l'engagement
De l'automatisation à l'autonomie contrôlée

En conclusion, nous rassemblons ces différents éléments et résumons l'argument central de cet article : les protocoles permettront au commerce par intermédiaire d'agent de se développer partout, mais les détaillants qui s'imposeront seront ceux qui investiront dans la véracité opérationnelle et garantiront l'intégrité, car sur un marché où interviennent des agents, la fiabilité devient le facteur de différenciation le plus précieux.

Un mot de notre partenaire en conseil et intégration, CLEVER AGE

« Du point de vue de Clever Age, en tant que société de conseil et d'intégration de systèmes, le Order Management System ou gestion distribuée des commandes) n'est pas seulement un composant, mais la colonne vertébrale opérationnelle essentielle à la mise en œuvre efficace d'une Agentic Commerce ambitieuse Agentic Commerce . »

Si les agents IA jouent un rôle essentiel dans l'intelligence et la prise de décision en matière de relation client (par exemple, la personnalisation, la négociation ou l'optimisation avant achat), le OMS le cadre matériel et transactionnel nécessaire à ces décisions, tant pour garantir le respect des engagements pris que pour assurer une exécution logistique sans faille.

Afin d'anticiper le développement futur des Agentic Commerce pour nos clients, nous estimons que OMS l'un des points d'intégration les plus critiques, car il relie la couche décisionnelle frontale basée sur l'IA à la chaîne logistique physique :

Réduction de la complexité de l'intégration : OMS de couche API unique et normalisée entre les différents systèmes de référence (WMS, ERP, TPV, gestion des transporteurs) et la nouvelle couche IA/agents. Cela simplifie l'architecture et accélère la mise sur le marché des nouveaux canaux pilotés par des agents.
Centre de données d'inventaire et de commandes : un OMS centralise tous les événements et les données liés aux stocks et aux commandes, créant ainsi un ensemble de données propre et structuré. Nous utiliserons ces données avec nos clients pour former et affiner les agents de commerce, offrant un mécanisme de rétroaction en boucle fermée pour une prise de décision autonome. À l'instar des données produit, la qualité des décisions agentiques est directement proportionnelle à la qualité des données de l'OMS (tant les niveaux de stock que les états d'exécution des commandes).
Assurer la pérennité grâce à la modularité : nous recommandons une OMS modulable pouvant être dissociée des ERP monolithiques et des systèmes de commerce omnicanal(e). Cette approche permet à l'entreprise de commerce de s'adapter rapidement à de nouveaux modèles d'exécution des commandes pilotés par des agents, sans avoir à remplacer intégralement ses systèmes d'entreprise centraux. Cela sera également essentiel pour les schémas omnicanal(e), les scénarios de places de marché et, à terme, les approches B2B.

Lors de la mise en œuvre OMS le commerce agentique, nous recommandons de donner la priorité à :

Conception du modèle logique : définition de la logique sophistiquée et fondée sur des règles au sein de OMS gérer les cas limites et les contraintes opérationnelles que les agents IA pourraient négliger. Notre expertise consistera à traduire les règles métier en une logique d'exécution à toute épreuve.
Évolutivité et résilience : il faut s'assurer que le OMS gérer l'explosion potentielle du nombre de transactions générées par une flotte d'agents autonomes fonctionnant en permanence. La haute disponibilité et la planification du basculement deviennent des exigences incontournables.
Transfert de l'expérience client : gestion d'une transition fluide des responsabilités entre l'agent commercial (qui gère la recherche de produits et le processus de paiement) et le OMS qui gère la communication avec le client après l'achat, les retours et le suivi des commandes). Cela garantit une expérience cohérente qui renforce la confiance.

En résumé, l'agent IA est le cerveau qui détermine les besoins du client, tandis que OMS le système nerveux central qui décide comment et où ces besoins seront satisfaits de manière efficace et rentable. Sans un OMS moderne et configuré de manière intelligente, la promesse du commerce agentique restera une expérience superficielle dépourvue d'un mécanisme d'exécution solide.

Olivier Martinerie
Responsable des alliances et des partenariats
Clever Age
https://www.clever-age.com/

Conclusion : de la connexion à l'engagement, puis à la confiance

Le secteur du retail entre dans une période de mutations structurelles profondes. À mesure que les agents IA deviennent une interface dominante pour les achats, le commerce bascule de la navigation produit vers la détermination et la concrétisation d'intentions.

Il ne s'agit pas d'un simple canal supplémentaire, mais d'un nouveau modèle décisionnel dans lequel des choix de plus en plus nombreux seront délégués, automatisés et exécutés pour le compte du client.

Les signaux du marché sont désormais sans équivoque. Les initiatives de normalisation, telles que le protocole UCP (Universal Commerce Protocol) de Google et Shopify, reflètent une tendance plus large du secteur visant à rendre évolutive l'interaction entre les agents et le commerce. Ces protocoles permettront de réduire les coûts de participation et d'accélérer l'adoption. Mais ils mettent également en lumière une vérité fondamentale au cœur du commerce agentique : la connexion n'est pas synonyme de confiance.

Le commerce agentique ne fonctionne efficacement que lorsque les agents s'appuient sur des données opérationnelles fiables et à jour. Les agents ne réagissent pas aux expériences persuasives comme le font les consommateurs humains : ils répondent à des signaux structurés et crédibles.

Lorsque les informations sur la disponibilité sont inexactes, que les délais de livraison annoncés sont trop optimistes ou que la visibilité après l'achat fait défaut, les problèmes sont amplifiés, car les agents s'engagent en toute confiance et peuvent reproduire ces décisions à grande échelle. Dans ce contexte, la fiabilité devient mesurable, comparable et de plus en plus déterminante.

C'est pourquoi l'intégrité des promesses s'impose comme le nouveau terrain de bataille concurrentiel dans le retail. Les marques gagnantes ne seront pas celles qui promettent le plus, mais celles qui s'engagent uniquement sur ce qu'elles peuvent tenir, et qui le font avec ambition et constance.

Ce qui fait la différence, ce n'est plus la qualité de la conversation, mais la crédibilité des objectifs ambitieux.

Pour répondre à cette exigence, il ne suffit pas d'une simple interface d'IA. Il faut une infrastructure conçue pour permettre une exécution autonome :

Un système OMS qui garantit le respect des engagements grâce à une disponibilité en temps réel, un calcul précis des engagements, une orchestration intelligente et un contrôle du cycle de vie
Une efficacité opérationnelle qui réduit les frictions internes et accélère la reprise lorsque la situation évolue
Optimisation prédictive qui ajuste les tampons, les promesses et le routage en fonction des indicateurs de performance et du coût réel
Des couches de fonctionnalités centrées sur l'intention qui permettent à des clients intelligents d'utiliser les systèmes commerciaux en toute sécurité et à grande échelle, sans prolifération d'intégrations fragiles

Ensemble, ces capacités définissent la « préparation à l'agentique ». Elles permettent aux détaillants non seulement de participer au commerce agentique, mais aussi d'y être compétitifs, de manière fiable, reproductible et rentable.

Le message central de ce livre blanc est clair : les protocoles d'IA agentique permettront au commerce autonome de se généraliser. Mais les gagnants seront ceux qui auront investi dans la réalité opérationnelle qui sous-tend ces protocoles. À l'ère du shopping autonome, la question n'est plus de savoir si vos systèmes peuvent se connecter. La vraie question est : votre entreprise est-elle capable de s'engager et de tenir ses promesses, à chaque transaction ?

À l'avenir, cependant, la notion de « promesse » devrait également s'élargir. Aujourd'hui, la plupart des consignes données aux agents s'articulent autour d'une triade bien connue : la disponibilité, le prix et la rapidité. Mais à mesure que les agents deviendront l'interface par défaut du commerce, ils s'efforceront de plus en plus de répondre non seulement aux attentes du client, mais aussi à ce qui compte vraiment pour lui.

Dans la pratique, cela pourrait introduire de nouveaux critères dans le processus décisionnel : l'empreinte carbone, la gestion des déchets, les normes en matière de main-d'œuvre et d'approvisionnement, la longévité des produits, leur réparabilité, ainsi que le respect des attentes en matière d'éthique et de développement durable. C'est là que l'intégrité des engagements revêt une importance encore plus grande.

Le prochain enjeu ne résidera pas seulement dans la capacité à promettre ce qui est réalisable et à tenir ces promesses, mais aussi à formuler des engagements encore plus ambitieux tout en tenant compte d’un éventail plus large de contraintes. Les détaillants qui s’imposeront seront ceux qui sauront traduire des valeurs complexes en engagements concrets : non seulement « livré d’ici vendredi », mais « livré d’ici vendredi avec l’option la moins impactante disponible, provenant d’une source qui répond à vos critères, avec un compromis clair si vous souhaitez une livraison plus rapide ».

Le commerce agentique marque donc un tournant profond : il s'agit désormais non plus d'optimiser les transactions, mais d'optimiser la confiance. Les gagnants seront ceux qui mettront en place des systèmes fiables permettant aux agents de prendre des décisions en toute confiance, qu'il s'agisse de rapidité, de coût, de service ou de l'ensemble croissant de critères éthiques et de durabilité que les consommateurs confieront aux machines.

Dans ce futur, la compétence la plus précieuse ne sera pas la capacité à entrer en contact avec des agents. Ce sera la capacité à prendre des engagements qui restent crédibles à mesure que la définition de la « promesse client » s'élargit.

IA et commerce agentique : comment l'intelligence artificielle transforme le retail

Dans ce livre blanc