Le 24 mars 2026 OpenAI a confirmé la dépriorisation d’Instant Checkout. Sur ChatGPT Shopping, l’achat se termine désormais sur le site marchand. L’assistant shopping reste un nouveau canal de recherche de produits, nourri par des sources web et des données produit. Voici comment ce commerce assisté fonctionne vraiment, comment y rendre un produit visible et où ce moteur de recherche s’arrête pour les achats complexes.
Comment fonctionne ChatGPT Shopping depuis son lancement ?
Une frise datée : d’avril 2025 à octobre 2026
Cinq jalons situent ChatGPT Shopping aujourd’hui. Le 28 avril 2025 OpenAI ouvre les résultats shopping dans ChatGPT (LSA). Le 29 septembre 2025 arrive Instant Checkout avec l’Agentic Commerce Protocol, développé avec Stripe pour les États-Unis et les vendeurs Etsy. Le 24 novembre 2025 Shopping Research lance le guide d’achat personnalisé. Le 24 mars 2026 Instant Checkout est écarté. Reste un espace de découverte :
Pour une marque, la conséquence est directe : la recherche de produit se joue dans ChatGPT et la transaction se conclut sur son propre site.
D’où viennent les produits recommandés ?
L’utilisateur formule son besoin dans un prompt en langage naturel et ChatGPT lance une recherche sur le web. L’assistant s’appuie sur des sources tierces comme Google Shopping, sur des flux de vendeurs et sur les avis clients publiés en ligne. Les informations de prix et de disponibilité viennent donc de ces sources. L’outil peut se tromper sur ces deux données. L’inclusion des enseignes passe par une liste d’autorisation (Search Engine Journal, 24 novembre 2025).
Shopping Research : le mode d’achat guidé
Shopping Research transforme une demande vague en guide d’achat. L’assistant pose des questions de précision, puis compare les produits côte à côte. Depuis mars 2026 il accepte aussi la recherche par image. Cette nouvelle fonctionnalité repose sur un modèle GPT-5 mini spécialisé et reste ouverte aux plans Free, Go, Plus et Pro (Search Engine Journal, 24 novembre 2025). L’interface et l’expérience d’achat de l’assistant shopping guident l’utilisateur sans quitter la conversation.
Pourquoi Instant Checkout a été mis de côté ?
Le checkout intégré d’Instant Checkout n’a jamais été lancé en France. Il était limité aux États-Unis et aux vendeurs Etsy. Le 24 mars 2026 OpenAI a réorienté le protocole vers le partage de flux produits et de promotions. Target, Sephora, Best Buy ou Wayfair l’ont adopté (Blog du Modérateur). Les usages expliquent ce choix. L’IA intervient avant l’achat pour 58 % des utilisateurs français mais au règlement pour 27 % seulement (Fevad / Odoxa, 2026). Le site marchand garde la transaction.
Ce que ChatGPT Shopping change pour les acheteurs et les marques
Un usage qui progresse avant l’achat, pas au paiement
31 % des cyberacheteurs français utilisent déjà l’intelligence artificielle générative pour leurs achats en ligne. C’est le cas de 49 % des 15-24 ans (Fevad / Odoxa, 11 février 2026). Cette intelligence artificielle pèse surtout sur l’intention d’achat et sur le parcours d’achat en amont. En revanche 57 % des cyberacheteurs doutent de sa neutralité commerciale. La confiance baisse au moment du règlement : 47 % avant l’achat contre 30 % au paiement.
Un nouveau canal de découverte à fort taux de conversion
Aux États-Unis le trafic issu de l’IA générative vers les sites retail a bondi de +693 % sur un an pendant les fêtes 2025. Son taux de conversion dépasse de 31 % celui des autres sources. Ces visiteurs quittent la page 33 % moins souvent (Adobe Analytics). Ce chiffre américain reste un indicateur et non une preuve de causalité. Bernstein estime d’ailleurs le commerce agentique à moins de 1 % de l’e-commerce américain (Journal du Net, octobre 2026).
Les limites de fiabilité à connaître
OpenAI mesure 52 % de précision produit sur des requêtes à contraintes multiples, contre 37 % pour ChatGPT Search, d’après son évaluation interne. Une mesure indépendante va dans le même sens. Product.ai a soumis 220 questions d’achat à quatre moteurs, en version gratuite et payante, cinq fois chacune. 86 % d’entre elles ont produit un conflit factuel reproductible sur le prix, les caractéristiques ou la disponibilité (septembre 2026). Le taux monte à 97 % sur les comparaisons et retombe à 75 % sur la simple consultation de caractéristiques. Un conflit factuel n’est pas une erreur systématique. Il suffit pourtant à casser la confiance au premier clic. La qualité de la réponse dépend de la qualité des données de la fiche. Comparer le prix et la disponibilité chez l’enseigne reste indispensable.
Comment rendre ses produits visibles dans ChatGPT Shopping ?
Flux produit et Agentic Commerce Protocol
Le flux produit est la base de la visibilité. L’Agentic Commerce Protocol (ACP) est un standard ouvert co-développé par Stripe et OpenAI. Il sert désormais à partager flux produits et promotions. Les commerçants Shopify y entrent automatiquement via Shopify Catalog. Les données transitent via le flux et via l’API de l’enseigne. Les enseignes plus avancées développent une application dans ChatGPT, Walmart en est un exemple. Notre article sur l’agentic commerce détaille les protocoles voisins.
Robots.txt et OAI-SearchBot
Selon la documentation d’OpenAI, un site qui bloque OAI-SearchBot ne peut pas apparaître dans les réponses de la recherche ChatGPT. La prise en compte d’un changement de robots.txt prend environ 24 heures. GPTBot, qui sert à l’entraînement des modèles, est un robot distinct. Autoriser la recherche sans autoriser l’entraînement reste donc possible. Cette technique protège le contrôle des données sans fermer le canal.
Fiche produit, avis clients et sources tierces
L’assistant lit les mêmes signaux qu’un acheteur attentif. Tout part de la fiche produit. Trois signaux de generative engine optimization (GEO) ressortent :
- des attributs structurés comme la matière, les dimensions ou la compatibilité
- des avis clients accessibles publiquement
- des citations de la marque dans la presse ou les comparateurs, fruit d’un marketing de contenu
Ces signaux nourrissent la sélection du produit avant toute décision d’achat.
Prix, stock et mesure du trafic référent
Une erreur de prix ou de stock casse la confiance de l’utilisateur dès le premier clic. Synchroniser ces données en temps réel est donc une priorité de la stratégie. Comparer chaque jour le prix du flux et le prix affiché évite les écarts. Il faut également isoler dans l’analyse le trafic référent venu de ChatGPT afin de mesurer ce nouveau canal. Sans cela, impossible de mesurer le lien entre la visibilité dans l’assistant et les ventes.
Diagnostic : votre catalogue est-il lisible par ChatGPT Shopping ?
Huit questions suffisent pour situer votre catalogue. Elles portent sur le flux produit et l’ACP, sur OAI-SearchBot et sur la synchronisation du prix et du stock. Elles couvrent aussi les attributs de la fiche produit, les avis, les sources tierces, le suivi du trafic ChatGPT et l’accès MCP. Cet outil analyse ces huit signaux et donne un score et trois actions :
Un score faible signale une base produit à structurer. Une base prête reste limitée par la nature de ChatGPT Shopping, comme le montre la section suivante.
Pourquoi ChatGPT Shopping ne suffit pas pour les achats à forte implication ?
Un carrousel conçu pour des références retail
Le carrousel classique de produits suppose un prix affiché et un stock par référence. Il convient à un panier moyen de 62 € pour l’e-commerce français en 2025 (Fevad / KPMG, via Journal du Net). Un voyage, un bien immobilier ou un véhicule suivent une autre logique : environ 60 % des acheteurs ne savent pas ce qu’ils veulent au départ. Notre analyse de la product discovery e-commerce compare les leviers qui répondent à ce besoin encore flou. Le client a besoin d’être guidé, qualifié et rassuré avant de recevoir une offre. Comparer plusieurs offres prend du temps pour un voyage ou un bien immobilier.
Voyage, immobilier, automobile : ce qui manque
Pour ces trois secteurs le prix change selon les dates ou le financement. La disponibilité dépend d’un bien unique. ChatGPT Shopping couvre la découverte et la comparaison. Il ne couvre ni la qualification, ni le devis, ni la réservation, ni le transfert au conseiller.
Ce que les marques doivent exposer aux agents IA
Une marque de vente complexe doit connecter à l’assistant des données en temps réel, une ontologie métier et un point d’accès MCP ou une application ChatGPT. L’information produit seule ne suffit pas : l’agent doit aussi savoir qualifier le besoin et passer la main au conseiller. Cette solution de commerce agentique relie l’offre, le prix et le conseiller dans un même outil.
Kleio : connecter votre catalogue à ChatGPT pour les ventes complexes
Un Knowledge Engine pour des données gouvernées
Le Knowledge Engine de Kleio répartit les données de l’offre dans trois stores dédiés au produit, au document et à la mémoire. Une couche de gouvernance les sépare. Cette architecture atteint 99 % de précision sur les requêtes, avec des réponses en moins de trois secondes et zéro hallucination. Kleio résout le problème de la donnée avant de déployer des agents. Un assistant capable de bien recommander doit connaître son offre avec fiabilité, grâce à une gestion rigoureuse de la donnée.
Une exposition MCP et UCP vers ChatGPT et Gemini
Kleio expose le catalogue de ses clients aux moteurs d’AI search via MCP et UCP, directement dans ChatGPT ou Gemini. L’offre reste gouvernée et exposée via un seul point d’accès. Cette surface complète la page consacrée à la distribution directe dans les assistants IA. Notre analyse de MCP et A2A décrit le fonctionnement technique. La recommandation à forte intention arrive là où l’acheteur commence sa recherche.
Orpi, Havas Voyages, Selectour : des parcours déjà en production
Orpi a mis en ligne sa plateforme en trois mois sur Orpi.com et dans ses 1 250 agences, au service de 8 000 conseillers. Havas Voyages et Selectour déploient la même approche dans le voyage. Kleio livre en 8 à 12 semaines du lancement du projet à la production, grâce à 7 ontologies métier pré-construites, une par industrie. Votre offre complexe mérite une vraie qualification plutôt qu’un simple carrousel.
