Google AI Shopping pousse la décision d’achat avant votre site. Google veut comprendre, comparer, recommander, mettre au panier et vendre avec moins de friction. Le sujet, c’est donc vos données produit, votre mesure, et la façon dont l’IA lit votre offre.
Besoin d'aide ? Découvrez les solutions de notre agence IA.
Que change Google AI Shopping ?
Google AI Shopping change surtout le point de départ du parcours d’achat. Avant, on optimisait souvent pour faire venir quelqu’un sur une fiche produit, puis on essayait de convertir. Là, le client peut commencer ailleurs. Il peut poser une question très précise dans Search, AI Mode ou Gemini, comparer trois produits, demander lequel est le plus adapté, voir une annonce, ajouter au panier, puis avancer vers le paiement sans avoir encore vraiment visité votre site.
Le vrai sujet, ce n’est pas juste “Google ajoute de l’IA dans Shopping”. C’est plutôt que Google essaie de rendre votre offre lisible par ses systèmes. Lisible, ça veut dire compréhensible, comparable et actionnable. Un humain comprend qu’un “pull laine mérinos homme bleu marine” est différent d’un pull basique en coton. Une IA, elle, a besoin de signaux propres pour le déduire correctement.
| Avant | Maintenant |
| Je travaille mes mots-clés et mes pages indexées. | Je rends mes produits compréhensibles par Google. |
| Le site est le centre du parcours. | La réponse IA peut devenir le centre du parcours. |
| Le client compare surtout après avoir cliqué. | Le client compare parfois avant même de vous voir. |
UCP, Universal Cart, Direct Offers, Shopping ads, Agent Payments Protocol, Ask Advisor et Merchant Center vont tous dans le même sens. UCP standardise la manière dont une offre ou un panier peut être interprété. Universal Cart permet d’imaginer un panier plus transversal. Direct Offers rend certaines offres plus directement exploitables. Shopping ads garde la logique publicitaire, mais dans une expérience plus assistée. Agent Payments Protocol, c’est l’idée que des agents IA puissent sécuriser certaines étapes de paiement. Ask Advisor pousse la recommandation guidée. Merchant Center reste la base produit, le fichier source que Google utilise pour comprendre ce que vous vendez.
J’ai vu ça chez des clients e-commerce : le problème n’était pas le trafic, c’était la qualité des données produit. Prix incohérents, tailles mal renseignées, délais flous, variantes mélangées. Dans un monde IA, ça coûte cher.
Votre visibilité ne dépend plus seulement de bons mots-clés. Elle dépend de la capacité de Google à comprendre l’identité du produit, son prix, sa disponibilité, ses différences, ses délais de livraison et surtout son adéquation au besoin exprimé. Si votre offre est floue, l’IA ne va pas deviner. Elle va recommander quelqu’un de plus clair.
Pourquoi vos données produit comptent autant ?
Vos données produit, c’est la matière première de Google AI Shopping. Si Google ne comprend pas clairement ce que vous vendez, à quel prix, pour qui, avec quelles variantes et sous quelles conditions de livraison, il va hésiter. Et quand l’IA hésite, elle recommande autre chose.
Google ne part pas de rien. Il s’appuie déjà sur des formats documentés publiquement, comme les flux Merchant Center et les données structurées Product. Le flux Merchant Center, c’est le fichier qui décrit vos produits à Google. Le balisage Product, c’est le marquage présent sur vos pages pour aider les moteurs à lire le prix, la disponibilité, les avis, la marque, les images. Rien de magique là-dedans. Juste des informations propres, cohérentes et à jour.
Le vrai sujet, c’est que toutes ces sources doivent raconter la même histoire. Le prix dans le flux doit être le même que sur la page. La disponibilité doit être fraîche. Les variantes doivent être compréhensibles. Une robe noire taille M ne doit pas se retrouver mélangée avec une robe rouge taille L. Les images doivent montrer le bon produit. Les avis doivent être présents, fiables, exploitables.
J’ai vu ça chez un client e-commerce assez mature. Le catalogue semblait propre vu de loin. En réalité, certains produits avaient un prix promo dans Merchant Center, un autre prix sur la fiche produit, et une disponibilité qui n’était plus synchronisée depuis deux jours. Résultat, Google avait du mal à faire confiance à l’offre. Et côté business, ça donnait des clics inutiles, des paniers frustrés, et moins de visibilité sur les bons produits.
Les problèmes les plus fréquents sont rarement spectaculaires. Mais ils coûtent cher :
- Un titre produit trop vague, du style “Chaussure homme”, alors que l’IA a besoin de comprendre la marque, le modèle, l’usage, la couleur ou la matière.
- Un prix différent entre le flux, la page et les données structurées.
- Une disponibilité pas à jour, surtout sur les tailles et les couleurs.
- Des variantes mal décrites, qui empêchent Google de distinguer correctement les options.
- Des avis absents, trop génériques ou mal reliés au bon produit.
- Des délais de livraison flous, alors que c’est souvent décisif dans une recommandation.
Un catalogue propre n’est plus juste un sujet SEO ou média. C’est un avantage business. Vous aidez l’IA à choisir vos produits au bon moment, pour la bonne requête, avec moins de friction. Et dans un environnement où Google compare, résume et recommande de plus en plus, cette clarté peut faire la différence.
| Donnée faible | Impact IA | Correction utile |
| Prix différent entre le flux et la page | Perte de confiance dans l’offre | Synchroniser Merchant Center, page produit et balisage Product |
| Titre produit trop vague | Mauvaise compréhension du produit | Ajouter marque, modèle, usage, couleur ou attribut clé |
| Disponibilité pas à jour | Recommandations moins fiables | Mettre à jour les stocks et variantes plus fréquemment |
| Variantes mal décrites | Confusion entre tailles, couleurs ou modèles | Structurer chaque variante avec ses attributs propres |
| Avis absents ou pauvres | Moins de signaux de réassurance | Collecter des avis détaillés et bien associés au produit |
Comment préparer Merchant Center et le site ?
Je préparerais Merchant Center comme je prépare une base de données produit sérieuse. Pas comme un simple flux à envoyer à Google. Avec AI Shopping, Google recoupe ce qu’il lit dans Merchant Center, sur la page produit, dans les données structurées, dans les avis, dans les signaux de livraison et parfois dans l’historique marchand. Si une info bouge selon l’endroit où il la regarde, ça crée du flou.
Je commencerais par auditer les attributs essentiels, sans chercher midi à quatorze heures. Le but, c’est d’avoir une offre stable, claire et fiable.
- Titre produit : Il doit être précis, compréhensible, sans empilement de mots-clés.
- Description : Elle doit expliquer le produit avec des termes utiles pour un humain et pour une machine.
- Marque : Elle doit être propre et identique partout.
- GTIN ou identifiant produit : Il faut le renseigner quand il existe. C’est un vrai signal de reconnaissance produit.
- Prix et disponibilité : Ils doivent être parfaitement synchronisés entre le flux et la page.
- État du produit : Neuf, reconditionné, occasion. Il ne faut pas laisser Google deviner.
- Images : Elles doivent être propres, lisibles, sans visuel pauvre ou trompeur.
- Frais et délais de livraison : C’est souvent là que je vois des incohérences qui coûtent cher.
La page produit doit confirmer ce que le flux annonce. Pas seulement techniquement. Elle doit raconter la même chose, avec les mêmes prix, la même dispo, les mêmes variantes, les mêmes conditions. Google lit la page comme un utilisateur augmenté. Il voit le texte, les blocs, les données, les signaux autour.
Les avis clients et les signaux de confiance comptent aussi. Pas de magie ici. Un badge, trois étoiles ou une FAQ ne vont pas sauver une offre moyenne. Mais des avis authentiques, une politique de retour claire, une livraison compréhensible et un vendeur identifiable réduisent l’incertitude.
Les données structurées Product et Offer sont des briques utiles. Elles aident Google à interpréter le produit, le prix, la disponibilité, la marque, les avis. Mais elles doivent rester cohérentes avec la page visible. Si le balisage dit “en stock” et que la page dit “rupture”, c’est un mauvais signal.
Le vrai sujet que je vois souvent chez les clients, c’est l’organisation. Le SEO optimise la page. L’acquisition pilote Merchant Center. La data gère le catalogue. L’e-commerce modifie les prix et les promos. Chacun fait son bout. Sauf que Google, lui, lit tout ensemble.
| Zone à vérifier | Bénéfice attendu |
| Flux Merchant Center | Une offre plus claire, mieux comprise et moins sujette aux refus. |
| Page produit | Une cohérence visible entre ce que Google annonce et ce que l’utilisateur voit. |
| Données structurées Product et Offer | Une lecture machine plus propre des prix, stocks, avis et informations produit. |
| Avis et signaux de confiance | Moins de friction pour l’utilisateur, plus de crédibilité autour de l’offre. |
| Alignement SEO, acquisition, data et e-commerce | Moins d’incohérences, moins de pertes bêtes, une meilleure base pour Google AI Shopping. |
Que deviennent les annonces dans AI Mode ?
Je vois AI Mode comme un déplacement du terrain de jeu. Les annonces Shopping ne sont plus juste des blocs posés à côté d’une recherche classique. Elles peuvent apparaître dans une expérience où l’utilisateur discute, précise son besoin, compare plusieurs options et affine son choix avant même de cliquer sur un site.
Ça change un point important : Google comprend une intention plus riche. Pas seulement “chaussures running homme”, mais plutôt “je cherche des chaussures stables pour courir 3 fois par semaine, moins de 120 euros, adaptées aux pieds larges”. Dans ce contexte, une annonce produit a plus de chances d’être utile si le flux est propre, complet et cohérent.
Le flux produit devient donc encore plus critique. Je parle des données envoyées à Google Merchant Center : titres, descriptions, prix, disponibilité, images, attributs, variantes, tailles, couleurs, matières, promotions. Si ces infos sont floues ou pauvres, l’IA a moins de matière pour comprendre quand afficher votre produit.
- Meilleure donnée produit : Des titres précis, des attributs complets, des images propres et des catégories bien renseignées.
- Meilleure pertinence : Des produits alignés avec les vrais besoins exprimés par les utilisateurs, pas seulement avec des mots-clés génériques.
- Meilleure mesure : Des conversions fiables, des événements propres et une lecture plus solide entre clic, panier et achat.
Le tracking devient plus sensible aussi. Si une partie du parcours se passe avant la visite du site, dans l’interface assistée de Google, vous avez moins de signaux visibles dans vos outils habituels. Il faut donc fiabiliser ce qu’on peut contrôler : les achats, les ajouts au panier, les débuts de checkout, les consentements, les conversions améliorées et les rapprochements entre clics publicitaires et ventes réelles quand c’est possible.
Chez un client e-commerce, le problème n’était pas le budget média. C’était le flux. Des tailles manquantes, des couleurs mal nommées, des produits en rupture encore poussés dans les campagnes. Les campagnes tournaient, mais Google comprenait mal l’offre. Avec AI Mode, ce genre de dette data devient encore plus pénalisant.
Je ne dirais pas que ça va baisser les coûts ou améliorer automatiquement le ROAS. Ce serait trop facile. Les marques les mieux préparées auront surtout plus de chances d’être comprises, affichées au bon moment et mesurées correctement. Et dans un environnement plus automatisé, c’est déjà un gros avantage.
Où va l’agentic commerce ?
On commence à voir le glissement. Le commerce en ligne ne se limite plus à “je cherche, je clique, je compare, j’achète”. Avec l’agentic commerce, une partie de ce travail peut être prise en charge par des agents IA. Pas tout, pas partout, pas encore de manière magique. Mais la tendance est là.
Concrètement, un agent IA peut aider l’utilisateur à avancer dans son achat sans lui demander de fouiller dix pages produit. Il peut chercher des produits adaptés à un besoin, comparer plusieurs options, vérifier les prix, regarder si un article est disponible, repérer une compatibilité, préparer un panier ou guider vers le paiement.
Un exemple simple. Quelqu’un cherche “un casque compatible avec mon iPhone, confortable pour les appels, moins de 150 euros”. L’agent doit comprendre les contraintes, filtrer les offres, vérifier les caractéristiques, éliminer ce qui ne colle pas, puis proposer quelque chose de fiable. Et là, on retombe sur un sujet très concret pour les e-commerçants.
Si une IA doit choisir ou recommander, elle a besoin de données propres. Pas juste de jolies fiches produit. Elle a besoin d’informations lisibles, cohérentes et exploitables hors du site.
- Des titres clairs, sans jargon inutile.
- Des prix fiables, à jour, avec les bonnes règles de promo.
- Des stocks correctement exposés.
- Des attributs produit complets, comme la taille, la matière, la compatibilité, la puissance, les dimensions.
- Des conditions commerciales compréhensibles, livraison, retour, garantie, restrictions.
Je le vois souvent sur le terrain. Beaucoup de marchands pensent encore “fiche produit”. Ils optimisent la page pour un humain qui arrive sur leur site. C’est important, oui. Mais le vrai sujet devient aussi la capacité du catalogue à être compris ailleurs. Dans Google, dans un moteur IA, dans un comparateur, demain dans un assistant d’achat.
La question n’est donc pas seulement “Est-ce que ma page convertit ?”. La question devient “Est-ce que mon offre peut être comprise, comparée et recommandée sans ambiguïté ?”. C’est moins sexy qu’une refonte graphique, mais souvent beaucoup plus stratégique.
Pour moi, les e-commerçants doivent commencer à traiter leurs données produit comme une API de confiance. Une API, c’est une façon structurée de donner accès à une information. Ici, l’idée est simple : votre catalogue doit devenir une source fiable pour les moteurs, les IA et les futurs assistants d’achat.
On prépare quoi maintenant ?
Google AI Shopping ne supprime pas le site e-commerce, mais il déplace une partie du choix avant la visite. C’est ça le point dur. Si vos produits sont mal décrits, si vos prix ne sont pas cohérents, si vos avis, vos stocks ou vos données de livraison sont flous, l’IA aura du mal à vous faire ressortir. Je commencerais simple : nettoyer Merchant Center, aligner les pages produit, fiabiliser la mesure et clarifier les bénéfices produits. Pas besoin de tout refaire d’un coup. Mais il faut reprendre la main sur la donnée. Le bénéfice pour vous : être plus compréhensible, plus visible et mieux mesuré dans les nouveaux parcours d’achat IA.
FAQ
- Google AI Shopping c’est quoi concrètement ?
C’est l’évolution du shopping dans Google avec plus d’IA dans la découverte, la comparaison, les recommandations, les annonces, le panier et le paiement. L’idée, c’est que Google comprenne mieux le besoin de l’acheteur et les offres disponibles avant même que l’utilisateur arrive sur un site marchand. - Universal Cart change quoi pour un site e-commerce ?
Universal Cart pousse Google vers un parcours plus intégré, où le panier peut devenir une étape moins dépendante du site marchand. Pour une marque, ça veut dire que les informations produit, prix, stock et livraison doivent être fiables très tôt dans le parcours. - Pourquoi Merchant Center devient encore plus important ?
Merchant Center sert de base à Google pour comprendre vos produits dans les expériences Shopping. Si le flux est incomplet, incohérent ou pas à jour, l’IA risque de mal interpréter votre offre ou de privilégier des concurrents plus clairs. - Les données structurées Product sont-elles indispensables ?
Elles ne remplacent pas un bon flux produit, mais elles aident Google à confirmer ce qu’il lit sur vos pages : produit, prix, disponibilité, avis, offre. Le vrai sujet, c’est la cohérence entre la page, le flux Merchant Center et les autres signaux. - C’est quoi l’agentic commerce ?
C’est le commerce où des agents IA aident l’acheteur à faire une partie du travail : chercher, comparer, vérifier la compatibilité, regarder les prix et préparer l’achat. Pour les e-commerçants, ça rend la qualité des données produit beaucoup plus stratégique.
A propos de l’auteur
Je suis Franck Scandolera, expert et formateur en tracking avancé server-side, Analytics Engineering, automatisation No/Low Code avec n8n, intégration de l’IA en entreprise et SEO/GEO. J’accompagne des équipes comme Logis Hôtel, Yelloh Village, BazarChic, la Fédération Française de Football ou Texdecor sur leurs sujets data, acquisition et mesure. Je dirige l’agence webAnalyste et l’organisme Formations Analytics. Si vous voulez structurer vos données produit, votre tracking ou vos automatisations IA, je peux vous aider. Contactez-moi.
⭐ Analytics engineer, Data Analyst et Automatisation IA ⭐
- Ref clients : Logis Hôtel, Yelloh Village, BazarChic, Fédération Football Français, Texdecor…
Mon terrain de jeu :
- Data Analyst & Analytics engineering : tracking avancé (GA4, Matomo, Piano, GTM server, Tealium, Commander Act, e-commerce, CAPI, RGPD), entrepôt de données (BigQuery, Snowflake, PostgreSQL, ClickHouse), modèles (Airflow, dbt, Dataform), dashboards décisionnels (Looker, Power BI, Metabase, SQL, Python).
- Automatisation IA des taches Data, Marketing, RH, compta etc : conception de workflows intelligents robustes (n8n, App Script, scraping) connectés aux API de vos outils et LLM (OpenAI, Mistral, Claude…).
- Engineering IA pour créer des applications et agent IA sur mesure : intégration de LLM (OpenAI, Mistral…), RAG, assistants métier, génération de documents complexes, APIs, backends Node.js/Python.