Entretien avec Aldo Gnocchi: agents IA dans l’e-commerce

Les agents IA sont bien plus qu’une simple tendance. Preuve à l’appui: depuis août 2025, les internautes peuvent utiliser le «mode agent» directement dans ChatGPT. Mais qu’est-ce que cela signifie concrètement pour l’e-commerce suisse?

Yannick Küffer, consultant Digital Commerce à la Poste, s’est entretenu avec Aldo Gnocchi, professeur de marketing numérique et d’intelligence artificielle à la FHNW, et directeur de l’agence de conseil Gnocchi & Friends. Dans son interview, il explique ce que les commerçants en ligne doivent savoir à l’heure actuelle.

1. Bases et classification: qu’est-ce qu’un agent IA?

Aldo, comment expliquerais-tu à un commerçant en ligne ce qu’est un agent IA et ce qu’il est déjà en mesure de faire ou de ne pas faire aujourd’hui?

Un agent IA est un peu comme un assistant numérique hyper-intelligent et proactif. Contrairement à un chatbot ordinaire, qui ne réagit qu’aux demandes directes, un agent peut poursuivre des objectifs, planifier des tâches et exécuter des actions dans différents systèmes de manière autonome. Pour un commerçant en ligne, c’est comme avoir un employé numérique qui travaille 24 heures sur 24.

Typiquement, un agent IA repose sur quatre composants clés: Un modèle de langage (LLM) qui fait office de «cerveau», une mémoire du contexte, une capacité de planification pour décomposer les objectifs et l’accès à des outils (tools) comme les API pour exécuter des actions (Wang et al., 2023).

Ce qu’il sait déjà faire aujourd’hui:

• Recherche automatisée: comparer et résumer les prix fournisseurs.
• Service à la clientèle personnalisé: proposer des solutions de manière proactive, p. ex. vérifier automatiquement le statut en cas de retard de livraison et proposer un bon à la personne concernée.
• Création de contenu: créer automatiquement des posts attrayants sur les médias sociaux ou des projets de newsletter sur la base de nouveaux produits.

Ce qu’il ne sait pas encore faire (de manière fiable) aujourd’hui:

• Négociations stratégiques complexes: un agent peut, certes, comparer les prix, mais il n’est pas capable de mener de négociations nuancées avec un fournisseur.
• Décisions commerciales entièrement autonomes: la décision finale, et le risque qui va avec, concernant le pricing d’une gamme complète devrait toujours incomber à l’humain.
• Exécution sans erreur sur de longues périodes: les agents peuvent encore «perdre le fil» en cas de tâches très longues et complexes. S’agissant des processus critiques non surveillés, la fiabilité n’est pas encore garantie à 100%.

Selon toi, quels sont les plus grands malentendus?

Le plus grand malentendu est l’idée d’une «boîte noire magique». Dans la réalité, les agents ont besoin d’objectifs clairs, d’instructions précises et surtout d’interfaces bien définies. Ils ne peuvent pas tout faire, mais ils facilitent le travail: ils déchargent le personnel de tâches répétitives afin qu’il puisse se concentrer sur des activités stratégiques et créatives.

Existe-t-il des conditions techniques de base?

Oui, la condition sine qua non est l’accès API. Un agent n’a d’influence que sur les systèmes auxquels il peut accéder. Un commerçant en ligne doit s’assurer que son système de boutique, CRM ou ERP dispose d’API claires et bien documentées. Sans ces «portes» sur le monde extérieur, l’agent est inefficace.

2. Exemple pratique: l’agent de prévention des retours

Peux-tu citer un exemple concret qui apporte une réelle valeur ajoutée?

Un exemple parlant est celui d’un «agent de prévention des retours» utilisé dans une boutique de mode. Dès qu’une cliente ou un client place un article ayant un taux de retours élevé dans son panier, l’agent analyse les motifs de retour les plus fréquents issus des évaluations (p. ex. «taille petit»). Il soumet alors une remarque de manière proactive. Zalando en est un parfait exemple: l’application utilise déjà des systèmes basés sur l’IA qui proposent à la personne une taille concrète sur la base d’achats précédents. Il s’agit d’une étape préliminaire et spécifique réalisée par un agent sur la base des données et qui vise à résoudre un problème. La valeur ajoutée est sans équivoque: le taux de retours diminue, ce qui permet de réduire les coûts et d’augmenter la satisfaction de la clientèle.

Quels secteurs ou genres d’entreprise en profitent particulièrement?

Actuellement, ce sont surtout les entreprises avec des processus numériques fortement standardisés qui en profitent, notamment dans le domaine de l’e-commerce, des voyages et du SaaS. Il est intéressant de noter qu’il n’y a pas que des grands groupes dans ces secteurs. Les PME, par exemple, peuvent automatiser des processus manuels onéreux par le biais des agents et ainsi augmenter fortement leur compétitivité.

3. Outils et plateformes: ChatGPT et consorts

Quels outils recommanderais-tu en plus de ChatGPT?

Il existe des frameworks spécialisés pour les applications professionnelles:

1. LangChain & LlamaIndex: frameworks open source pour les développeurs, qui offrent une flexibilité maximale mais nécessitent des connaissances en programmation (Chase, 2022).
2. Microsoft Copilot Studio: fortement intégré dans l’écosystème Microsoft et orienté vers les utilisateurs commerciaux avec une interface low-code.
3. Plateformes spécialisées (p. ex. CustomGPT.ai, Voiceflow): plus faciles à utiliser et souvent axées sur les applications de service à la clientèle.

Question: à quoi faut-il veiller au moment de faire son choix?

Trois aspects sont importants: Connectivité (les systèmes peuvent-ils être connectés?), scalabilité (que se passe-t-il en cas de volume de demandes élevé?) et souveraineté des données. Le respect de la loi fédérale sur la protection des données (LPD) est un point central, en particulier pour les commerçants suisses.

4. Visibilité dans les systèmes de recherche par IA: l’ère de la «Search Everywhere Optimisation»

Qu’implique la recherche directe dans les outils d’IA pour les boutiques en ligne?

Cela constitue l’un des plus grands bouleversements actuels. Nous passons de l’optimisation classique pour les moteurs de recherche (SEO) à ce que l’on pourrait appeler la «Search Everywhere Optimisation». Il ne s’agit plus seulement de procéder à des optimisations pour le bot Google, mais pour chaque plateforme et chaque interface où une cliente ou un client pourrait effectuer une recherche. L’objectif n’est plus le même: au lieu d’apparaître simplement dans une liste de liens, il faut devenir une source digne de confiance et citée dans le cadre d’une réponse directe générée par l’IA.

Comment la stratégie SEO évolue-t-elle concrètement?

La stratégie est de plus en plus complexe. On peut la voir comme une pyramide à plusieurs niveaux:

• Niveau 1: le SEO traditionnel reste la base. Les mots-clés, les backlinks et un site web techniquement clair sont toujours fondamentaux.
• Niveau 2: l’AI Search Optimization vise à apparaître dans les récapitulatifs IA de Google (AI Overviews). Pour cela, des contenus structurés comme les FAQ, les listes et les tableaux sont déterminants.
• Niveaux 4 et 5: les LLM Answer & Brand Authority SEO sont décisifs pour les outils tels que ChatGPT ou Perplexity. Ici, il s’agit pour l’entreprise d’être mentionnée dans des sources fiables comme des articles spécialisés ou des forums (p. ex. Reddit), car l’IA valide ses réponses sur la base de ces signaux externes.
• Niveaux 6 à 9: Community, Parasite & Platform SEO complètent le tableau. L’entreprise doit être présente là où de vraies personnes posent des questions (forums, réseaux sociaux) et utiliser de manière ciblée les algorithmes des plateformes respectives (Amazon, TikTok, YouTube). L’objectif est la «topic domination»: être l’autorité en la matière sur tous les canaux.

Existe-t-il de nouveaux frameworks pour structurer ce nouveau paysage SEO?

Oui, l’infographie «SEO Landscape for 2025» résume très bien tout cela.

Nous devons penser en quatre dimensions:

1. AEO (Answer Engine Optimization): être trouvé. Pour cela, des données structurées (schema.org), un ciblage par snippet et des réponses claires et précises à des questions probables sont nécessaires.
2. GEO (Generative Engine Optimization): être cité. Ici, on optimise les contenus de manière à ce que les systèmes d’IA comme Gemini ou ChatGPT les utilisent comme base pour générer leurs réponses. Cela requiert des formats pouvant être cités, des chaînes d’argumentation claires et des clusters thématiques.
3. AIO (AI Integration Optimization): adapter les processus. On utilise soi-même l’IA pour automatiser la création et le recyclage de contenus et ainsi gagner en efficience.
4. SXO (Search Experience Optimization): être choisi. Au final, l’expérience utilisateur sur la page doit être telle qu’un simple clic mène à une action. Des temps de chargement rapides et une utilisation mobile intuitive sont essentiels ici.

Les chiffres clés (KPI) à mesurer évoluent-ils également?

Absolument. Les classements classiques et le trafic restent importants, mais de nouveaux KPI font leur apparition. L’infographie sur les «New LLM-SEO KPI» le montre clairement.

Nous devons commencer à mesurer de nouvelles choses, par exemple:

• Brand Mentions in AI Responses: à quelle fréquence notre marque est-elle citée dans les réponses IA?
• AI Citation Count: à quelle fréquence sommes-nous cités comme source?
• Sentiment in LLM Outputs: sur quel ton (positif, négatif, neutre) parle-t-on de nous?
• Attribution Rate in AI Outputs: à quelle fréquence l’IA renvoie-t-elle correctement vers notre site web lorsqu’elle utilise nos contenus?

Des outils comme Semrush ou Otter.ai proposent déjà des premières fonctions d’analyse en la matière.

5. Normes et interfaces: le langage des agents

Existe-t-il déjà des normes techniques sur lesquelles les commerçants peuvent s’orienter?

Il n’existe pas encore de norme universelle, mais deux éléments sont décisifs: Schema.org pour la compréhension sémantique des contenus et OpenAPI Specification (anciennement Swagger) pour l’exécution des actions. Une API conforme à la norme OpenAPI est la référence absolue pour que les agents puissent piloter des outils externes en toute sécurité (The OpenAPI Initiative, 2021).

Quel rôle jouent les interfaces ouvertes (API)?

Elles constituent l’épine dorsale de l’économie des agents. Sans API ouvertes, les agents ne peuvent pas communiquer avec les systèmes de l’entreprise. Pour un agent, une boutique en ligne sans API est comme un magasin dont la porte est fermée.

6. Modèles commerciaux: comment les plateformes gagnent-elles de l’argent?

À ton avis, quels modèles commerciaux vont voir le jour dans le domaine des agents IA?

Un mélange des modèles est à prévoir: les modèles d’abonnement classiques (SaaS), les modèles de facturation à l’utilisation en fonction de la consommation et, dans l’e-commerce, les modèles basés sur les résultats, dans lesquels l’agent reçoit un pourcentage du chiffre d’affaires supplémentaire.

Pourrait-il y avoir une sorte de «positionnement payant», comme pour Google Ads?

Oui, cela est inévitable selon moi. Il y aura probablement une forme de «Promoted Answers» ou de «Sponsored Actions». Le défi pour les plateformes sera de le signaler de manière transparente afin de ne pas perdre la confiance des internautes.

Comment éviter de dépendre d’une plateforme?

Grâce à une stratégie multicanaux: en misant sur des normes ouvertes, en préservant la souveraineté des données dans sa propre entreprise et en assurant sa présence sur plusieurs plateformes pertinentes.

7. Perspectives d’avenir: agents proactifs et connectés

À quelles évolutions t’attends-tu dans les deux à trois prochaines années?

Sur le plan technique, j’entrevois trois développements: une fiabilité améliorée, des capacités multimodales (traitement d’images et de vidéos) et des agents proactifs qui soumettent des propositions de leur propre initiative. Leur utilisation va se démocratiser. Créer un agent deviendra aussi simple que de créer un site web avec l’IA aujourd’hui.

À l’avenir, les agents IA négocieront-ils entre eux de manière autonome?

Oui, c’est la conséquence logique. Dans la recherche, cela s’appelle «Multi-Agent-Systems» (Xi et al., 2023). Ton agent d’achat pourra négocier automatiquement avec les agents de vente de dix fournisseurs. Cela va révolutionner l’ensemble des chaînes d’approvisionnement.

8. Répercussions sur le customer journey: l’achat délégué

Comment le customer journey évolue-t-il dans l’e-commerce?

Il sera bien plus efficace et plus personnalisé, mais également davantage délégué. La personne définira l’objectif («quoi») et l’agent s’occupera du processus («comment»). La phase chronophage de recherche et de comparaison sera presque entièrement externalisée aux agents.

Les visites classiques de boutiques en ligne se feront-elles plus rares?

Oui, cela sera sans doute le cas pour les achats standard. Le point de vente se déplacera du site web du commerçant vers l’environnement IA de l’internaute. Cela signifie que le développement de la marque et la mise à disposition des données (via API et AEO/GEO) deviendront plus importants que le design de la page d’accueil de la boutique en ligne. Celle-ci passera d’un «lieu de vente» à une «source de données». Toutefois, pour les achats émotionnels ou nécessitant un conseil approfondi, le site web continuera à jouer un rôle important en tant que lieu d’expérience de la marque.