OpenAI a récemment ralenti discrètement ses ambitions dans l’e-commerce.
Selon OpenTools, l’entreprise a “réajusté” sa stratégie shopping après des tests pilotes qui n’ont pas généré le volume de transactions attendu.

OpenAI n’abandonne pas totalement le commerce, mais l’entreprise se concentre désormais davantage sur ce que les LLM font réellement bien : aider les utilisateurs à découvrir et rechercher des produits.

Ce timing est intéressant.

La même semaine :

Microsoft Clarity a publié une étude indiquant que le trafic généré par l’IA convertit 3 fois plus que les autres canaux
Search Engine Land a montré que les visites issues des LLM génèrent un fort engagement, mais que la mécanique de conversion reste encore complexe

Le constat est clair :

👉 Les LLM sont extrêmement efficaces pour la découverte de produits.
👉 Ils ne sont pas encore efficaces pour finaliser les transactions.

Pour une marque qui souhaite apparaître dans les expériences d’achat pilotées par l’IA, comprendre cet écart est essentiel.

Voyons ce que disent réellement les données — et surtout ce que vous devriez faire dès maintenant.

En résumé rapide

OpenAI a réduit ses fonctionnalités shopping après des performances décevantes en transactions
Microsoft Clarity montre que le trafic issu de l’IA peut convertir jusqu’à 3 fois mieux, mais les volumes restent encore limités
Les LLM excellent pour explorer, comparer et comprendre les produits
Ils rencontrent encore des difficultés avec les frictions liées au paiement et au checkout
L’opportunité actuelle n’est pas de vendre dans ChatGPT
L’enjeu est d’être la marque que les LLM recommandent lorsque l’utilisateur est prêt à acheter
Aujourd’hui, la bataille se joue dans la phase de découverte et de considération
Les marques visibles dans l’IA durant cette phase domineront la décision d’achat, même si la transaction se fait ailleurs

Pourquoi OpenAI a fait marche arrière (et ce que cela signifie)

Le recalibrage d’OpenAI ne signifie pas que les LLM sont mauvais pour le commerce.

Il signifie que les LLM sont mauvais pour le checkout.

Lors des tests, les utilisateurs adoraient demander à ChatGPT :

des recommandations de produits
des comparatifs
des informations pour guider leur choix

Mais lorsqu’il s’agissait de finaliser l’achat directement dans l’interface, les conversions s’effondraient.

Les raisons sont simples :

configuration du paiement
signaux de confiance
gestion de la livraison
informations logistiques

Tout l’écosystème opérationnel du e-commerce ne se traduit pas encore bien dans une interface conversationnelle.

Ce qu’OpenAI a appris correspond à ce que de nombreuses analyses montrent déjà :

👉 Les LLM sont des moteurs de découverte.
👉 Ils ne sont pas encore des moteurs de transaction.

Les utilisateurs utilisent ChatGPT, Perplexity ou Google AI Overviews pour comprendre quoi acheter, pas nécessairement où acheter.

Ils cherchent :

des recommandations
des comparaisons
du contexte

Puis, une fois la décision prise, ils vont :

sur le site de la marque
ou sur Amazon

pour finaliser l’achat.

Cette transition est la partie la plus difficile. Mais pour les marques, c’est en réalité une excellente nouvelle. Le jeu n’est pas : 👉 apparaître dans le panier d’achat de ChatGPT.

Le jeu est : 👉 être recommandé par ChatGPT pendant la phase de recherche.

Et cela, il est possible de l’optimiser dès aujourd’hui.

Les LLM sont conçus pour la découverte

Les LLM sont extrêmement performants pour :

synthétiser des informations
comparer des options
expliquer les compromis entre différents produits

Prenons une question comme :

“Quel est le meilleur hydratant pour peau sèche à moins de 30 € ?”

Un LLM peut analyser :

les avis clients
les ingrédients
le positionnement des marques
les retours d’expérience des utilisateurs

Puis produire une réponse nuancée et personnalisée.

C’est là que la magie opère.

L’étude de Search Engine Land confirme ce phénomène.

Le trafic provenant de recommandations IA montre :

un fort niveau d’intention d’achat
un engagement élevé
plus de pages vues
plus de temps passé sur le site

Le problème n’est donc pas la qualité du trafic.

Le problème est le taux de conversion une fois arrivé sur le site.

Pourquoi ?

Parce que l’expérience se casse entre :

découverte → achat

L’utilisateur a trouvé le bon produit, mais arrive ensuite sur un site qu’il ne connaît pas et doit :

comprendre les frais de livraison
vérifier les retours
décider s’il peut faire confiance à la marque

Chaque étape ajoute de la friction.

L’écart entre découverte et transaction

Le point clé aujourd’hui est la transition entre recommandation et achat.

Les LLM peuvent dire avec précision :

“Vous devriez acheter le produit X de la marque Y.”

Mais pour passer de cette recommandation au paiement, l’utilisateur doit :

quitter l’interface du LLM
arriver sur un site externe
reconstruire sa confiance
comprendre le processus de checkout

Chaque étape crée une friction supplémentaire.

Le recul d’OpenAI reflète simplement cette réalité.

Les utilisateurs ne veulent pas forcément acheter dans ChatGPT.

Ils veulent que ChatGPT leur dise quoi acheter, puis finaliser la transaction dans un environnement familier.

Et c’est normal dans l’évolution du commerce piloté par l’IA.

Les marques gagnantes seront celles qui :

apparaissent pendant la phase de découverte
offrent ensuite une expérience d’achat fluide

C’est pourquoi la visibilité dans les réponses des LLM devient stratégique.

Si votre marque n’apparaît pas pendant la recherche, elle ne fait pas partie des options considérées.

Et si vous n’êtes pas dans les options envisagées, votre checkout ne sert à rien.

La bataille actuelle ne se joue pas dans le paiement.

Elle se joue dans la découverte.

À quoi ressemble réellement l’optimisation pour la découverte

Optimiser la découverte signifie rendre la proposition de valeur de votre marque compréhensible pour les LLM.

Cela implique notamment :

des données produits structurées
une différenciation claire
des avis clients authentiques
du contenu expliquant pourquoi choisir ce produit

Lorsqu’un LLM choisit quel produit recommander, il s’appuie sur ce qu’il peut comprendre.

Si vos pages produits sont pauvres en information :

descriptions vagues
peu d’avis
positionnement flou

vous réduisez les chances d’être recommandé.

Les marques qui gagnent dans la découverte IA sont celles qui rendent leur valeur facile à expliquer par une IA.

Il faut aussi penser à la couche de contenu située entre :

les pages produits
les articles de blog

Par exemple :

guides comparatifs
analyses d’ingrédients
explications d’usages
cas d’utilisation

Ce type de contenu est très souvent cité par les LLM.

Si votre site ne propose que :

des pages produits
et des articles de blog très génériques

vous manquez la couche milieu de funnel, là où se fait la découverte.

Ce que les marques devraient faire dès maintenant

1. Auditer votre visibilité dans les LLM

Analysez si votre marque apparaît lorsque les utilisateurs posent des questions liées à vos produits.

Si vous êtes invisible dans la phase de découverte, vous perdez avant même que la transaction ne commence.

2. Optimiser votre contenu pour la compréhension des LLM

Assurez-vous que votre site inclut :

des descriptions produits détaillées
des données structurées
des avis clients authentiques
des contenus expliquant clairement la valeur du produit

Les LLM utilisent ce qui est accessible et compréhensible.

3. Créer une expérience post-recommandation efficace

Si un utilisateur arrive depuis une recommandation IA :

il a déjà fait sa recherche
il est déjà convaincu

Ne le forcez pas à recommencer.

Mettez en avant :

les preuves de confiance
un checkout simple
une navigation claire

4. Suivre le comportement du trafic IA

Installez des outils comme Microsoft Clarity ou équivalent pour analyser :

le comportement des visiteurs provenant des LLM
leur navigation
leur taux de conversion

S’ils quittent le site, identifiez pourquoi.

S’ils convertissent, renforcez ce qui fonctionne.

5. Investir dans du contenu de milieu de funnel

Les LLM citent souvent :

des comparatifs
des analyses d’ingrédients
des explications d’usage

Si votre site ne propose que :

des pages produits
et un blog généraliste

vous sous-investissez dans la couche découverte.

6. Ne forcez pas les transactions dans les interfaces IA

Les données montrent que les utilisateurs ne veulent pas encore acheter dans les LLM.

L’objectif est plutôt :

👉 être recommandé
👉 amener l’utilisateur sur votre site
👉 convertir rapidement

7. Tester l’expérience pour les visiteurs à forte intention

Les utilisateurs venant des LLM ont souvent déjà :

choisi une catégorie de produit
identifié certaines caractéristiques

Votre landing page doit refléter cela.

Ils ne veulent pas découvrir votre produit.

Ils veulent confirmer qu’ils sont au bon endroit pour l’acheter.

Si tu veux, je peux aussi te faire une version encore plus SEO (1500-2000 mots) optimisée pour les requêtes comme :

LLM SEO
AI visibility ecommerce
optimisation pour ChatGPT / AI search
LLMO (Large Language Model Optimization)

C’est un sujet qui devient énorme en SEO en 2026.