D'ici 2028 les agents IA seront dix fois plus nombreux que les vendeurs humains. Pourtant moins de 40 % des équipes commerciales tireront un vrai gain de productivité de ces agents (Gartner, novembre 2025). Le commerce agentique redéfinit dès maintenant le commerce en ligne et les ventes complexes à haute valeur : une nouvelle forme d'achat où chaque agent devient un acteur du parcours client. Cette page explique ce qu'est l'agentic commerce, les protocoles qui structurent cette évolution du commerce électronique et la façon dont votre entreprise peut transformer cette vague d'agents en résultat commercial mesurable.
Qu'est-ce que le commerce agentique et pourquoi s'impose-t-il maintenant ?
Une définition précise du commerce agentique
Le commerce agentique (agentic commerce) désigne un nouveau modèle économique du commerce dans lequel un agent d'intelligence artificielle recherche, compare et peut aller jusqu'à exécuter un achat pour le compte d'un utilisateur ou d'une entreprise. Ce n'est plus un simple service client qui répond à une question posée une fois : l'agent perçoit un besoin, agit sur plusieurs systèmes et prend des décisions intermédiaires sans validation humaine à chaque étape. La plateforme qui héberge cet agent devient alors un acteur du parcours d'achat au même titre que le client ou la marque. Cette nouvelle forme d'achat s'applique aussi bien à un produit grand public qu'à une vente complexe entre entreprises, ce qui explique pourquoi le terme recouvre des réalités très différentes selon le secteur observé.
Comment fonctionne un agent IA dans un parcours d'achat ?
Un agent de commerce agentique suit généralement trois temps :
- la découverte, où l'agent interroge un catalogue ou une base de connaissances pour cerner l'offre disponible
- la décision, où il compare les options selon des critères fixés à l'avance (prix, délai, compatibilité)
- la transaction, où il déclenche l'action finale via une API ou un flux de travail standardisé
Ce triptyque forme le socle du parcours d'achat agentique. Ce fonctionnement en trois temps repose sur un agent capable de comprendre une requête en langage naturel plutôt qu'une commande formatée. Il se déroule en quelques secondes pour un produit simple et sur plusieurs jours pour une décision engageant un budget important. Dans ce second cas l'agent ne conclut pas seul : il prépare le terrain, resserre les options et transmet un dossier qualifié à un client ou à un conseiller au moment où l'humain apporte la valeur la plus forte.
Achat assisté ou achat délégué : quelle différence ?
Deux régimes coexistent aujourd'hui. Dans l'achat assisté l'agent prépare le terrain mais un utilisateur humain valide la décision finale. Dans l'achat délégué l'agent exécute seul dans les limites d'un mandat défini à l'avance (budget maximal critères de qualité délai). Les entreprises qui vendent des produits à forte considération privilégient largement le premier régime : la valeur du panier justifie qu'un humain garde la main sur l'action décisive.
Pourquoi le commerce agentique n'est pas un chatbot ?
Un chatbot répond à une question posée. Un agent agentic agit : il peut interroger un système de gestion des stocks reformuler une recommandation et déclencher une étape du parcours d'achat sans attendre une nouvelle sollicitation. Cette capacité d'action autonome change la nature de l'expérience proposée au client, au même titre qu'un bon conseil délivré au bon moment change l'issue d'une vente. La nuance mérite d'être posée clairement avant d'aller plus loin :
Quels sont les enjeux et les risques du commerce agentique ?
Trois risques structurent désormais le débat. Le premier concerne les biais algorithmiques : un agent capable d'agir seul peut reproduire les biais présents dans l'ordre d'affichage ou dans la donnée qui l'alimente. Le second touche la responsabilité : déléguer un acte d'achat à un logiciel redistribue les responsabilités entre l'utilisateur, le fournisseur et la plateforme. Le troisième relève de la politique réglementaire et de la sécurité : en Europe l'AI Act classe certains usages du commerce agentique parmi les systèmes à haut risque qui imposent une transparence, une traçabilité et une supervision humaine renforcées, au même titre que la politique de confidentialité appliquée à chaque information collectée sur le client. Ces enjeux expliquent en partie pourquoi l'adoption reste prudente face au besoin réel du marché : selon Gartner, seulement 1 % des applications logicielles d'entreprise intégraient de l'intelligence artificielle agentique en 2024, un chiffre qui devrait atteindre 33 % d'ici 2028. L'équipe juridique est généralement associée tôt à ces projets, car un agent autonome qui interagit directement avec un consommateur engage la responsabilité de l'entreprise dès la première interaction, bien avant toute signature.
Quels sont les avantages concrets du commerce agentique ?
Les bénéfices identifiés par les études de marché convergent vers trois axes :
- une réduction des frictions dans le tunnel d'achat, l'agent éliminant les étapes redondantes
- une personnalisation plus fine, chaque recommandation s'ajustant à l'historique réel du client
- une baisse des abandons de panier, l'agent relançant une décision interrompue au bon moment
Selon une étude 2026 de l'IBM Institute for Business Value, 45 % des consommateurs utilisent déjà l'IA pour une partie de leur parcours d'achat, un signal que l'expérience utilisateur attendue a changé côté acheteur.
Les protocoles qui rendent le commerce agentique possible
ACP, UCP, MCP, AP2, x402 : cinq standards, un seul objectif
Cinq protocoles structurent aujourd'hui l'infrastructure IT du commerce agentique, chacun avec un rôle précis dans la chaîne agent-catalogue-paiement. Ensemble ils forment un standard ouvert que la plupart des grands acteurs du commerce en ligne ont fini par adopter plutôt que de développer leur propre solution de paiement fermée. Voici comment ces cinq briques se répartissent la chaîne de valeur :
Le Agentic Commerce Protocol (ACP) codéfini par OpenAI et Stripe est le protocole agentic commerce de référence pour encadrer le paiement déclenché par un agent. L'Universal Commerce Protocol (UCP) porté par Google standardise l'exposition d'un catalogue produit à n'importe quel agent tiers. Le Model Context Protocol (MCP) permet à un agent d'interroger une base de connaissances d'entreprise de façon sécurisée. AP2 encadre la délégation d'un mandat d'achat avec des garde-fous explicites. x402 gère les micro-paiements déclenchés directement par un agent sans intervention humaine intermédiaire (source : Wikipédia FR, section "Infrastructure technologique", consultée en septembre 2026). Ensemble ces protocoles font basculer la transaction d'une logique humaine vers des échanges machine à machine que seule une technologie de gouvernance solide peut sécuriser. Kleio implémente nativement MCP et UCP pour exposer le catalogue de ses clients aux agents tiers, y compris pour les entreprises opérant en France et dans le reste de l'Europe.
Comment ces protocoles s'articulent-ils dans une transaction ?
Dans une transaction type l'agent découvre l'offre via MCP compare les options d'un catalogue produit structuré selon UCP puis déclenche le paiement via ACP ou x402 selon le montant engagé. Cette articulation évite qu'un même acteur ne verrouille toute la chaîne et laisse chaque entreprise choisir son opérateur de paiement.
Cette modularité protège aussi le client final : si un protocole évolue ou si un fournisseur change les autres maillons de la chaîne continuent de fonctionner sans interruption du parcours d'achat en cours.
Construire en interne ou choisir une plateforme : quel écart de temps réel ?
Avant d'arbitrer entre les deux options, un repère chiffré s'impose :
Kleio livre une plateforme de commerce agentique du lancement du projet à la mise en production en 8 à 12 semaines, contre plusieurs mois pour un projet équivalent construit en interne sur un cloud généraliste. L'écart tient moins à la puissance du modèle qu'au travail d'intégration et de structuration de la donnée réalisé en amont dans une ontologie métier prête à l'emploi. Ce niveau de service managé dispense l'équipe juridique et l'équipe technique d'une bonne partie des arbitrages qu'un chantier interne impose habituellement.
Du panier e-commerce à la vente complexe : les cas d'usage du commerce agentique
Retail et e-commerce : le terrain déjà occupé par les agents IA
C'est le cas d'usage le plus documenté aujourd'hui : un assistant d'achat ou un agent d'achat gère la recommandation de produit, le panier, le checkout automatisé et le paiement déclenché sans confirmation manuelle, directement depuis le site web du marchand ou via une messagerie tierce. Cette transformation du commerce en ligne repose sur une interface conversationnelle plutôt que sur une interface classique de navigation : les achats en ligne et le paiement en ligne deviennent des expériences digitalisées de bout en bout. L'impact est déjà mesuré sur le taux de conversion de nombreux marchands, même si cette innovation reste jeune et demande une réelle expertise pour éviter qu'une recommandation mal calibrée ne nuise à la confiance du client. Selon une analyse d'E-Commerce Nation publiée en décembre 2025 le shopping piloté par des agents pourrait capter jusqu'à 20 % du e-commerce mondial d'ici 2030. C'est un terrain mature mais concentré sur des produits à faible considération où le taux de conversion et le taux d'abandon de panier restent les indicateurs suivis en priorité par chaque fournisseur.
Approvisionnement B2B : la commande automatisée à grande échelle
Le second cas d'usage concerne l'approvisionnement entre entreprises. Selon Gartner, les agents IA intermédieront plus de 15 000 milliards de dollars de dépenses B2B d'ici 2028 et 90 % des achats B2B seront gérés par des agents IA sous trois ans (Gartner, IT Symposium/Xpo 2025, cité par Digital Commerce 360, novembre 2025). La logistique et la gestion des stocks deviennent alors des données que l'agent consulte directement plutôt que des étapes manuelles, avec une traçabilité complète de chaque commande passée entre un acheteur professionnel et son fournisseur. Cette logistique pilotée par agent réduit aussi le délai entre la demande et la disponibilité réelle du produit, un point que chaque logistique d'entreprise suit désormais de près sur un cloud partagé avec ses partenaires.
Ventes complexes et à haute valeur : l'angle que la majorité des définitions ignore
Les définitions dominantes du commerce agentique décrivent un panier ou un produit simple. Elles laissent de côté un cas d'usage entier : les ventes complexes et à haute valeur, où le parcours dure plusieurs semaines et implique un conseiller humain à un moment clé. Un bien immobilier, un voyage sur mesure ou un véhicule ne se choisissent pas comme un article de grande consommation. Le budget engagé est élevé, la décision se prend rarement seul et plusieurs allers-retours avec un interlocuteur humain restent nécessaires avant la signature.
C'est précisément le terrain où un agent doit augmenter un conseiller plutôt que le remplacer. La marque qui réussit cette transition prend une avance stratégique difficile à rattraper, car elle capte l'attention du client dès la phase de recherche tout en gardant intacte la confiance que seul un humain compétent peut inspirer sur une décision aussi engageante. Cette zone reste aujourd'hui la moins documentée des dix résultats qui dominent la recherche sur le commerce agentique, alors qu'elle concentre certains des cycles de vente les plus rentables pour une entreprise.
Comment préparer son entreprise au commerce agentique ?
Où en est votre entreprise face au commerce agentique ?
Avant d'investir dans une plateforme encore faut-il savoir où se situe votre entreprise. Le diagnostic ci-dessous se répond en moins de deux minutes et positionne votre organisation sur cinq critères concrets plutôt que sur une intuition :
Chaque réponse alimente une recommandation d'action directement exploitable par votre stratégie commerciale, sans jargon technique superflu. Une équipe qui vend un simple produit de shopping courant n'a pas les mêmes priorités qu'une équipe juridique en charge de la transparence contractuelle sur un cloud partagé avec ses partenaires, ni les mêmes attentes qu'un consommateur final habitué à un parcours rapide.
Structurer sa donnée produit : le prérequis technique n°1
Un agent ne peut recommander correctement que ce qu'il comprend. Une fiche produit incomplète ou mal structurée produit une recommandation fausse même avec le meilleur modèle du marché. La gestion de la donnée produit conditionne donc la qualité de chaque interaction agentique avant même de parler d'intelligence artificielle. Un attribut manquant, un prix obsolète ou une disponibilité non synchronisée suffisent à casser la confiance qu'un client accorde à une recommandation générée automatiquement.
Ce chantier concerne aussi bien les catalogues produits classiques que les fiches plus complexes d'un bien immobilier ou d'un forfait de voyage, où chaque critère (surface, quartier, date de disponibilité) doit être décrit dans un format que l'agent interprète sans ambiguïté. Optimiser ce format dès le départ évite ensuite d'avoir à optimiser dans l'urgence une fiche produit qui génère déjà des recommandations approximatives auprès des clients.
Exposer son catalogue aux agents IA via API, MCP et UCP
Une fois la donnée structurée reste à la rendre accessible. Cela suppose d'exposer son catalogue via une API documentée et compatible avec les protocoles vus plus haut. Kleio expose nativement le catalogue de ses clients via MCP et UCP, ce qui évite un chantier d'intégration distinct pour chaque agent tiers appelé à interroger le catalogue. Sans cette étape un agent externe reste aveugle à l'offre réelle de l'entreprise même si sa donnée produit interne est parfaitement structurée.
Repenser l'organisation commerciale autour des agents et des conseillers augmentés
La statistique posée en introduction mérite d'être rappelée avant d'agir :
Un conseiller augmenté dispose des mêmes informations que l'agent qui l'assiste et garde la main sur les moments où la relation humaine fait la différence. C'est cette répartition claire des rôles entre agent et conseiller qui transforme une intention stratégique vague en résultat commercial mesuré. Optimiser cette organisation demande de revoir les objectifs de chaque conseil donné au client plutôt que de simplement ajouter une couche digitale de plus à une pile logicielle déjà chargée.
Kleio, la plateforme d'agentic commerce pour les ventes complexes et high-value
Le Knowledge Engine : la brique qui élimine les hallucinations
Le Knowledge Engine de Kleio repose sur trois bases dédiées (produit, document, mémoire) séparées d'une couche de gouvernance. Cette architecture atteint 99 % de précision sur les requêtes avec des réponses en moins de trois secondes et zéro hallucination documentée. C'est la réponse directe au risque de fiabilité évoqué plus haut : un agent ne peut recommander de façon fiable que s'il s'appuie sur une donnée gouvernée plutôt que sur un modèle générique interrogé à l'aveugle.
Cette séparation des trois bases permet aussi de tracer précisément l'origine de chaque recommandation, un point que les équipes juridiques et conformité examinent de près à mesure que l'AI Act encadre les usages classés à haut risque. Un agent qui explique la source de sa réponse inspire davantage confiance qu'un modèle générique qui se contente d'un résultat plausible.
L'Agentic Orchestration : des milliers d'agents IA au service de vos ventes
La brique Agentic Orchestration déploie, versionne et route des milliers d'agents IA collaborants qui exécutent des flux de vente complexes de bout en bout. C'est ce niveau d'orchestration qui transforme la prolifération d'agents évoquée en introduction en un levier réellement piloté plutôt qu'en un risque de fragmentation supplémentaire.
Chaque agent orchestré reste versionné et traçable, ce qui permet à une entreprise de faire évoluer un flux de vente sans casser les parcours en cours de production. C'est cette gestion fine du cycle de vie qui distingue une plateforme mature d'un empilement d'automatisations ponctuelles.
La Triple Business Ontology : une infrastructure pré-buildée pour 7 industries
La Triple Business Ontology structure trois couches (fonction industrie client) pré-construites pour 7 industries :
- Travel & Hospitality
- Automotive
- Real Estate
- Wholesale
- Manufacturing
- Insurance
- Energy & Utilities
Ce travail de modélisation réalisé en amont explique l'écart de délai mentionné plus haut : Kleio livre une plateforme opérationnelle en 8 à 12 semaines parce que l'ontologie métier n'est pas à construire depuis zéro pour chaque entreprise cliente.
Ils ont fait le choix de Kleio : Orpi, Havas Voyages, Selectour, Altarea Cogedim
Le cas Orpi illustre l'écart. Le réseau a mis sa plateforme conversationnelle en ligne sur le site orpi.com et dans ses 1 250 agences en trois mois au service de 8 000 conseillers capables de traiter un volume de demandes bien plus large qu'auparavant. Guillaume Martinaud, CEO d'Orpi, résume l'enjeu : « Le parcours immobilier de demain sera de plus en plus assisté par l'IA et nous avons choisi de prendre les devants. C'est un outil qui exploite l'immense richesse de notre donnée pour mieux servir nos clients et nos 8 000 conseillers. »
Havas Voyages, Selectour et Altarea Cogedim suivent la même logique dans le voyage et l'immobilier de promotion : une plateforme d'agentic commerce déployée sur un parcours d'achat complexe plutôt que sur un simple panier.
Vous voulez évaluer ce que Kleio changerait sur vos propres cycles de vente, là où un client hésite encore à acheter faute d'un accompagnement suffisant ? Prenez contact avec un expert Kleio via le formulaire de contact pour cadrer un premier périmètre avant même de prendre rendez-vous.
