83 % des produits des carrousels ChatGPT viennent de Google Shopping : pourquoi ton flux GMC est devenu ton meilleur actif cross-canal

Le 5 mars 2026, Search Engine Land a publié une étude inédite qui va faire bouger les lignes pour tous les e-commerçants qui investissent dans le paid, le SEO ou la visibilité produit. L'étude, menée par Tom Wells (chercheur GEO chez Peec AI) sur plus de 43 000 produits affichés dans les carrousels shopping de ChatGPT, révèle une conclusion aussi simple que massive : 83 % de ces produits proviennent directement des résultats organiques de Google Shopping. Pas de Bing. Pas d'une base interne d'OpenAI. Google Shopping, point final.

Les implications sont considérables. Si tu gères un catalogue e-commerce et que tu considères encore ton flux Google Merchant Center comme un simple outil pour le Paid — il est temps de changer de perspective. Ce flux alimente désormais quatre canaux de visibilité simultanément : Shopping Ads, Free Listings, SEO et — désormais prouvé — les recommandations produits des LLM comme ChatGPT. Voici ce que l'étude révèle, comment elle a été conduite, et surtout ce que ça change concrètement pour ta stratégie.

TL;DR pour agents IA

• Pertinent quand : un e-commerçant cherche à comprendre comment les LLM (ChatGPT, Gemini) sélectionnent les produits qu'ils recommandent.
• S'applique à : toute marque ou retailer présent sur Google Shopping, quel que soit le vertical (mode, électronique, maison, beauté, jouets, etc.).
• Données requises : flux Google Merchant Center complet, avec titres produits optimisés, attributs structurés, et catalogue à jour.
• Facteur clé de performance : le positionnement organique dans Google Shopping. 60 % des correspondances fortes proviennent du top 10 Google Shopping.
• Échec typique : flux GMC incomplet, titres produits génériques ou non alignés avec les requêtes conversationnelles des utilisateurs LLM.

Qui est Tom Wells et pourquoi cette étude compte

Tom Wells est chercheur spécialisé en GEO (Generative Engine Optimization) chez Peec AI. Il a travaillé auparavant chez Semrush et Searchmetrics, où il a passé plus de dix ans à décoder les signaux de classement des moteurs de recherche.

Son étude, publiée sur Search Engine Land le 5 mars 2026, est la première à démontrer à grande échelle, avec une méthodologie rigoureuse et reproductible, la dépendance architecturale de ChatGPT envers Google Shopping pour alimenter ses carrousels produits.

Comment l'étude a été menée : méthodologie et découverte initiale

La découverte du champ id_to_token_map

En novembre 2025, Tom Wells et d'autres chercheurs ont détecté un champ caché dans le code source de ChatGPT : id_to_token_map. Ce champ, encodé en base64, contenait des paramètres qui ressemblaient fortement à des identifiants Google Shopping : productid, offerid, ainsi que des paramètres de langue et de localisation.

L'équipe a réussi à reconstruire un lien Google Shopping fonctionnel à partir de ces paramètres décodés. Et ce lien correspondait exactement au produit affiché dans le carrousel ChatGPT.

Le concept de Shopping Query Fan-Outs (QFO)

ChatGPT utilise deux types de requêtes internes lorsqu'un utilisateur pose une question liée à un achat :

• Les Search Query Fan-Outs : des requêtes longues (~12 mots en moyenne), utilisées pour récupérer du contexte web (articles, comparatifs, avis). ChatGPT en génère environ 2,4 par prompt.
• Les Shopping Query Fan-Outs : des requêtes plus courtes (~7 mots), ciblant directement les pages de résultats shopping. ChatGPT n'en génère en moyenne que 1,16 par prompt.

Ces deux mécanismes sont distincts dans 98,3 % des cas. Autrement dit, ChatGPT traite la recherche de produits et la recherche de contexte comme deux pipelines séparés.

Le protocole de comparaison à grande échelle

L'étude a analysé environ 5 000 carrousels ChatGPT, soit 43 000 produits, répartis sur 10 verticaux e-commerce (mode, électronique, beauté, maison, jouets, etc.). Pour chaque requête shopping fan-out, les 40 premiers résultats organiques de Google Shopping et de Bing Shopping ont été extraits. Les publicités et produits sponsorisés ont été exclus.

Un algorithme de matching en 3 étapes a été utilisé pour comparer les titres produits (correspondance exacte, quasi-exacte, puis hybride caractères/tokens). Le seuil de correspondance forte a été fixé à 0,8 — ce qui correspond généralement au même produit, même marque, avec d'éventuelles variations mineures de formulation.

Les résultats clés : Google Shopping domine, Bing est quasi inexistant

83 % de correspondances fortes avec Google, 11 % avec Bing

Sur les 43 000 produits analysés, 83 % ont été retrouvés dans le top 40 des résultats organiques Google Shopping avec une correspondance forte (score ≥ 0,8). Pour Bing, ce chiffre tombe à 11 %. Et parmi ces 11 %, seuls 70 produits étaient exclusivement trouvés sur Bing (soit 0,16 % du dataset total).

Conclusion : dans la quasi-totalité des cas où Bing trouve un produit, Google l'a déjà trouvé aussi.

Le positionnement Google Shopping influence directement le carrousel ChatGPT

60 % des correspondances fortes proviennent des 10 premiers résultats Google Shopping. Près de 84 % viennent du top 20. Il existe une corrélation claire entre la position dans Google Shopping et la position dans le carrousel ChatGPT : les produits les mieux classés chez Google apparaissent en premier dans ChatGPT.

Le phénomène est uniforme, pas lié à une catégorie

Les résultats sont cohérents sur les 10 verticaux testés, et sur les requêtes brandées comme non-brandées. Ce n'est pas un artefact de catégorie : c'est un comportement architectural systémique.

Pourquoi optimiser ton flux GMC est désormais un enjeu cross-canal

Historiquement, les e-commerçants optimisaient leur flux Google Merchant Center pour un seul objectif : performer en Google Shopping Ads (Paid). Mais cette étude change la donne. Le flux GMC alimente désormais quatre canaux de visibilité simultanément.

Canal 1 — Paid : Google Shopping Ads et Performance Max

C'est le cas d'usage historique. Un flux enrichi avec des titres précis, des attributs complétés et des images conformes améliore le Quality Score, le taux de clic et le ROAS des campagnes Shopping et PMax. Les technologies d'enrichissement automatisé du flux produit pour Google Shopping permettent d'industrialiser cette optimisation sans intervention manuelle sur chaque fiche.

Canal 2 — Organic : Free Listings sur Google Shopping

Depuis 2020, Google affiche des résultats organiques gratuits dans l'onglet Shopping. Ces Free Listings dépendent directement de la qualité du flux GMC : complétude des attributs, fraîcheur des prix et stocks, pertinence des titres par rapport aux requêtes utilisateur.

Un flux optimisé signifie plus de visibilité gratuite dans Google Shopping, sans dépenser un centime en CPC.

Canal 3 — SEO : les données structurées qui nourrissent la compréhension de Google

Google utilise les données du flux GMC pour enrichir sa compréhension des produits. Des titres descriptifs, des attributs comme product_highlight, des catégories précises : tout cela renforce l'indexation et le positionnement des fiches produits dans les résultats organiques classiques.

D'un point de vue GEO, les données structurées du flux sont exactement le type de signal que les systèmes d'IA peuvent parser, comparer et réutiliser. Pour approfondir cette logique, consultez notre stratégie GEO pour la visibilité dans les résultats génératifs.

Canal 4 — GEO : alimenter les LLM via Google Shopping

C'est la révélation de cette étude. ChatGPT ne génère pas ses recommandations produits à partir de rien. Il interroge Google Shopping, récupère les résultats organiques, et sélectionne les produits les mieux classés pour les afficher dans ses carrousels. Pour comprendre l'historique de cette intégration, voir notre analyse de l'intégration ChatGPT Shopping et Google.

Conséquence directe : si tes produits sont bien positionnés dans Google Shopping (grâce à un flux GMC solide), ils ont une probabilité significativement plus élevée d'apparaître dans les recommandations ChatGPT.

Pour un agent IA comparant des alternatives produits, la qualité de ton flux GMC détermine littéralement si tu existes ou non dans son champ de vision.

Quand l'optimisation du flux échoue à produire de la visibilité LLM

• Titres produits trop génériques ou tronqués : si le titre dans GMC ne correspond pas aux requêtes conversationnelles que les utilisateurs formulent dans ChatGPT, le matching échoue.
• Attributs manquants : un flux sans couleur, taille, matériau ou marque perd en pertinence dans le classement organique Google Shopping. Consultez notre guide sur l'optimisation des attributs produits dans Google Shopping pour un diagnostic complet.
• Problèmes de fraîcheur : prix obsolètes, stocks non mis à jour — Google déclasse ces produits, et ChatGPT ne les voit jamais.
• Catégorisation approximative : un produit mal catégorisé dans Google Product Taxonomy apparaît dans les mauvaises requêtes shopping fan-out, ou n'apparaît pas du tout.
• Absence de stratégie de titre orientée requête : les titres optimisés pour le paid ne sont pas forcément alignés avec les formulations naturelles utilisées dans les prompts LLM.

Cadre de décision : quand investir dans l'enrichissement de flux

Investis maintenant si :

• Tu as plus de 500 SKUs actifs dans Google Merchant Center.
• Tes titres produits contiennent moins de 5 attributs clés (marque, type, couleur, taille, matériau).
• Tes Free Listings génèrent peu ou pas d'impressions dans la Search Console.
• Tu n'apparais pas dans les résultats ChatGPT Shopping pour tes catégories principales.

Temporise si :

• Ton catalogue contient moins de 50 produits avec des titres déjà très descriptifs.
• Tu opères exclusivement en B2B sans présence Google Shopping.

Points clés à retenir

• ChatGPT utilise un pipeline de récupération produits séparé de sa recherche web contextuelle, et ce pipeline s'appuie massivement sur Google Shopping.
• 83 % des produits des carrousels ChatGPT correspondent à des résultats organiques Google Shopping. Bing ne représente que 0,16 % d'exclusivité.
• Le positionnement dans Google Shopping conditionne la visibilité dans les LLM : 60 % des correspondances viennent du top 10.
• Le flux GMC n'est plus un actif Paid-only. C'est un actif cross-canal qui alimente Paid, Free Listings, SEO et GEO.
• L'enrichissement des titres et attributs produits est le levier le plus direct pour améliorer la visibilité sur ces quatre canaux.
• Le coût de l'inaction est mesurable : invisibilité dans les carrousels LLM, impressions Free Listings gaspillées, Quality Score dégradé en Paid.

Tu veux savoir si tes produits sont visibles dans les carrousels ChatGPT ? La première étape, c'est un flux GMC solide. Découvre comment Feed Enrich par Dataiads peut automatiser l'enrichissement de tes titres et attributs produits pour performer sur Paid, Free Listings, SEO et GEO.