E-commerce et IA : 6 boutiques sur 10 restent invisibles dans les recommandations de Gemini

L’IA générative redéfinit en profondeur la découverte produit dans le e-commerce. Là où les marques se battaient autrefois pour apparaître en tête des résultats Google ou sur les marketplaces, une nouvelle logique s’impose : celle des recommandations formulées directement par des assistants IA. Désormais, les internautes posent des questions comme “quelle paire de chaussures choisir ?” ou “quel cadeau offrir ?”, et attendent une réponse synthétique, personnalisée et immédiatement exploitable.

Dans ce contexte, la visibilité ne dépend plus uniquement du référencement, mais de la capacité d’un site à être compris, sélectionné et cité par une intelligence artificielle. L’étude State of AI Commerce 2026 de Recomaze, basée sur l’analyse de 9 720 boutiques e-commerce et 58 320 requêtes d’achat via Google Gemini, révèle un constat frappant : 60% des sites ne sont jamais recommandés. L’IA agit ainsi comme un filtre décisif, redirigeant les acheteurs vers une poignée d’acteurs visibles, tout en laissant les autres dans l’ombre.

SEO vs IA : pourquoi l’algorithme ignore les géants du e-commerce

Le premier enseignement de l’étude va à l’encontre d’une idée reçue. On pourrait penser que les grandes enseignes captent mécaniquement les recommandations IA, comme elles dominent souvent les résultats sponsorisés, le SEO transactionnel ou les marketplaces. Ce n’est pas ce que montre Recomaze.

Sur l’ensemble des recommandations observées, 50 287 marques différentes ont été citées. La marque la plus recommandée, Etsy, ne représente que 1,3% des recommandations. Walmart atteint 0,6%, Target 0,5%, Nordstrom et eBay 0,4% chacun. Même Amazon ne pèse que 0,2% des recommandations dans ce test.

La concentration reste donc très faible :

• Top 10 des marques : 4% des recommandations
• Top 100 : 11% des recommandations
• Top 1 000 : moins d’un tiers des recommandations
• 71% des marques gagnantes n’ont été recommandées qu’une seule fois

La recommandation IA ne fonctionne pas comme une simple transposition du référencement Google. La taille de la marque, la puissance média ou la notoriété ne suffisent pas. L’IA semble privilégier les catalogues qu’elle peut comprendre, qualifier et associer clairement à une demande précise.

Visibilité IA : pourquoi la donnée produit devient un levier d’acquisition

L’étude résume ce basculement en une idée simple : l’IA ne “voit” pas une boutique comme un internaute. Elle lit, interprète et compare de la donnée produit. Cela change la manière de penser le catalogue.

Une fiche produit conçue pour rassurer un humain, avec un visuel fort, quelques arguments marketing et une description courte, peut être insuffisante pour une IA. À l’inverse, un catalogue très clair sur les usages, les caractéristiques, les compatibilités, les matériaux, les tailles, les contraintes ou les bénéfices concrets peut devenir plus facilement recommandable.

C’est ici que les données structurées deviennent centrales. Les balises Schema.org Product, Offer et Review permettent de rendre lisibles des informations clés comme le prix, la disponibilité, les avis, la marque, la matière, la couleur, la taille ou encore les caractéristiques techniques. Pour une IA, ces éléments réduisent l’ambiguïté. Elle n’a pas besoin de “comprendre” le design de la page : elle peut extraire directement les signaux nécessaires à la recommandation.

Le même raisonnement vaut pour les flux produits. Une intégration propre avec Google Merchant Center devient une base de travail indispensable, car elle permet à Google de croiser plus facilement des requêtes d’intention d’achat avec un catalogue existant. Titres produits, attributs, disponibilité, prix, variantes, catégories, images, promotions : chaque champ peut renforcer ou affaiblir la capacité d’un produit à être interprété correctement.

AEO e-commerce : passer d’un copywriting de séduction à un copywriting de précision

Le sujet dépasse donc le SEO classique. L’enjeu n’est plus seulement d’optimiser une balise title ou de se positionner sur une requête. Il faut rendre un produit “lisible” par une machine capable de répondre à une intention d’achat. C’est toute la logique de l’AEO, l’optimisation pour les moteurs de réponse.

Pour les e-commerçants, cela suppose de passer d’un copywriting de séduction à un copywriting de précision. Les fiches produits doivent toujours convaincre, mais elles doivent aussi expliquer clairement à quoi sert le produit, pour qui il est pertinent, dans quel contexte il s’utilise et comment il se compare aux alternatives.

Concrètement, les contenus les plus utiles pour l’IA sont souvent les plus opérationnels pour l’acheteur :

• des tableaux de caractéristiques complets et cohérents ;
• des FAQ détaillées répondant aux objections réelles ;
• des cas d’usage précis par profil client ou situation d’achat ;
• des informations claires sur les tailles, matériaux, compatibilités et limites du produit ;
• des signaux de confiance lisibles : avis, garanties, disponibilité, livraison, retours.

La recommandation IA oblige ainsi les marques à réduire les zones floues de leur catalogue. Plus un produit est décrit avec précision, plus il devient facile à associer à une requête d’achat.

Catégories e-commerce et IA : les secteurs les plus visibles dans Gemini

Recomaze montre aussi que la catégorie produit influence fortement la probabilité d’être recommandé. Les meilleurs taux de recommandation concernent les univers où les produits sont faciles à décrire. À l’inverse, les catégories plus visuelles souffrent, car l’achat repose davantage sur le goût, le style ou l’inspiration.

Les catégories les plus visibles dans l’étude sont :

• Loisirs créatifs : 17% de taux de recommandation
• Sports et plein air : 17%
• Animaux de compagnie : 17%
• Électronique et technologie : 16%
• Alimentation et boissons : 16%

Les catégories les plus en difficulté sont :

• Beauté et soins personnels : 13%
• Maison et décoration : 9% de taux de recommandation
• Vêtements et accessoires : 10%
• Cadeaux et articles fantaisie : 13%

L’écart se retrouve aussi dans la part de boutiques totalement invisibles. 74% des boutiques Maison et décoration ne sont recommandées sur aucune requête, contre 67% dans la mode. À l’inverse, l’alimentaire s’en sort mieux, avec 52% de boutiques invisibles, soit le niveau le plus bas observé.

La logique est assez claire : plus un achat repose sur le visuel, plus l’IA peut avoir du mal à arbitrer. Lorsqu’elle ne peut pas interpréter finement la différence entre deux propositions, elle tend à se rabattre sur des acteurs plus généralistes ou plus faciles à identifier.

Catalogue e-commerce : les marques spécialisées gagnent plus facilement les recommandations IA

Parmi les 78 boutiques recommandées sur leurs six requêtes, Recomaze observe un point commun : elles sont souvent spécialisées, concentrées sur une catégorie précise, avec une proposition produit facile à résumer. L’étude cite par exemple des acteurs positionnés sur les systèmes de sommeil, les boissons pétillantes, les multi-tools, l’équipement de rucking, la formation à la batterie ou encore les appareils capillaires à domicile.

Ce détail est stratégique. Pour une IA, la spécialisation agit comme un signal d’autorité. Une marque avec une identité produit claire répond plus facilement à une question précise. À l’inverse, un catalogue large, peu hiérarchisé ou mal décrit peut devenir difficile à recommander, même s’il dispose d’une offre pertinente.

Cela ne signifie pas que les généralistes sont condamnés. Mais ils doivent probablement mieux segmenter leur catalogue, enrichir leurs taxonomies, renforcer leurs attributs produits et structurer leurs univers d’achat. Dans un environnement IA, une catégorie floue ou une fiche produit trop générique peut devenir un handicap commercial.

Mon analyse : l’IA transforme la fiche produit en actif stratégique

Cette étude ne doit pas être lue comme une photographie définitive du commerce par IA. Recomaze a testé uniquement Google Gemini, avec un seul scan par boutique et des requêtes générées algorithmiquement. L’entreprise vend aussi des solutions liées à la visibilité dans ChatGPT, Gemini et Perplexity, ce qui impose de garder un regard critique.

Mais le signal de fond est cohérent avec l’évolution actuelle du marché. Le trafic référé par l’IA vers les retailers américains aurait progressé de 393% sur un an au premier trimestre 2026, selon les données Adobe Analytics reprises dans l’étude. Plus intéressant encore : ce trafic, auparavant moins performant qu’un visiteur classique, convertirait désormais 42% mieux et générerait 37% de revenu supplémentaire par visite.

La question opérationnelle devient alors très concrète : vos fiches produits expliquent-elles assez clairement pourquoi un produit doit être choisi, pour quel usage, dans quel contexte et face à quelles alternatives ? Si la réponse est non, le risque n’est plus seulement de perdre une position SEO. C’est de ne jamais apparaître dans la recommandation.