GEO e-commerce : le guide pour rendre vos produits visibles et recommandés par l’IA

Un acheteur demande à ChatGPT « une veste imperméable pour un week-end en Bretagne, budget 150 € ». La réponse nomme trois produits, affiche un carrousel avec prix et disponibilité, et parfois un encart sponsorisé en dessous. Votre marque y figure ou n’y figure pas, et aucun rapport de position classique ne vous le dit.

Le GEO e-commerce (Generative Engine Optimization) regroupe le travail qui augmente vos chances d’apparaître dans ces réponses : dans ChatGPT, dans Google AI Overviews et AI Mode, dans Gemini, dans Perplexity et chez les agents d’achat qui commencent à passer commande. Ce guide explique comment ces moteurs choisissent un produit, ce qui relève du SEO, du GEO ou de l’achat média, ce que les protocoles agentiques changent, puis par quoi commencer et comment mesurer.

Où vos produits peuvent apparaître dans les réponses IA

Chaque assistant combine plusieurs emplacements. Les distinguer évite d’investir sur le mauvais levier.

ChatGPT : réponse, carrousel shopping et ChatGPT Ads

Dans ChatGPT, un produit peut être cité dans le texte de la réponse, apparaître dans un carrousel shopping (visuel, prix, marchand), ou s’afficher dans un encart sponsorisé sous la réponse. OpenAI présente le carrousel comme un résultat organique, sélectionné indépendamment de la publicité.

La publicité, elle, est arrivée en France le 24 août 2026. Elle concerne les comptes Free et Go, avec un ciblage contextuel au lancement en Europe. Depuis le 31 août 2026, l’Ads Manager d’OpenAI est ouvert en libre-service sur 31 marchés européens, avec des campagnes alimentées par un flux produit. Nous avons détaillé le fonctionnement de ChatGPT Ads Manager et l’envoi du flux produit : un encart acheté ne fait pas entrer votre produit dans le texte de la réponse.

Google : AI Overviews, AI Mode et Gemini

Les AI Overviews affichent une synthèse en haut de certaines pages de résultats. AI Mode propose une recherche conversationnelle dans Google, et l’application Gemini répond aux questions d’achat avec des fiches produit. Google appuie ces expériences sur son Shopping Graph, alimenté notamment par les flux Merchant Center. Leur arrivée en France était prévue pour l’été 2026, selon un courrier de Google aux éditeurs de presse révélé en juin.

En mai 2026, Google a ajouté six attributs conversationnels optionnels dans Merchant Center, destinés à AI Mode, Gemini et au Business Agent. Nous les avons décrits champ par champ dans notre article sur les attributs conversationnels Google Merchant Center.

Perplexity et les agents d’achat

Perplexity cite ses sources et affiche des fiches produit sur les requêtes d’achat. Les agents d’achat vont plus loin : ils comparent, construisent un panier et, sur certains marchés, finalisent l’achat pour l’utilisateur. C’est le terrain des protocoles UCP et ACP, présentés plus bas.

Comment les moteurs IA choisissent un produit

Aucun éditeur ne publie son algorithme de recommandation. Les études disponibles et nos propres audits convergent toutefois sur quatre mécanismes.

Ils interrogent des index produit existants

Pour une question d’achat, l’assistant génère des sous-requêtes et interroge des index. En mars 2026, une étude de Peec AI relayée par Search Engine Land a analysé plus de 43 000 produits des carrousels ChatGPT : 83 % correspondaient aux résultats organiques de Google Shopping. Votre flux Merchant Center travaille donc aussi pour ChatGPT. Nous avons analysé cette étude dans notre article sur les carrousels ChatGPT et Google Shopping.

OpenAI accepte aussi des flux soumis directement par les marchands, et Google lit les flux Merchant Center pour ses propres expériences. Dans les deux cas, le flux produit sert de point d’entrée.

Ils lisent la donnée produit structurée

Une fois le produit repéré, le modèle doit le comprendre : catégorie, matière, usage, compatibilité, taille, prix, stock. Il trouve ces faits dans le flux et dans le balisage schema.org Product de la page. Un titre réduit à « Veste Neve orange » ne dit rien d’une question sur la pluie bretonne. Un titre et des attributs qui portent « imperméable », « respirante » et « randonnée » donnent prise à la réponse.

Ils s’appuient sur des sources tierces

Les modèles reprennent ce que d’autres disent de vous. Omniscient Digital a classé plus de 23 000 sources citées sur des requêtes de marque : 57 % venaient d’avis, de comparatifs, de forums, de réseaux et d’études de cas, contre 12 % pour les pages produit. Avis vérifiés, présence dans les comparatifs de votre catégorie et cohérence de vos allégations comptent donc autant que vos propres pages.

Le revers est documenté. Une marque fictive de déodorant a été recommandée en tête par ChatGPT sur deux requêtes de longue traîne, après un mois d’existence et un site de trois pages. Nous racontons cette expérience dans notre article sur la fausse marque classée n° 1 dans ChatGPT. Quand votre donnée est pauvre, le modèle comble les trous avec celle des autres.

Ils écartent ce qu’ils ne peuvent pas vérifier

Un agent qui recommande un produit engage sa crédibilité sur le prix et la disponibilité. Si ces informations manquent dans le HTML servi, contredisent le flux ou n’apparaissent qu’après exécution du JavaScript, le produit perd en probabilité de citation. L’édition 2026 de l’Agentic Commerce Index, notre baromètre, l’a mesuré sur 645 pages produit de 194 marques françaises : le prix n’était lisible automatiquement que sur 42 % des fiches, la disponibilité sur 39 %.

SEO, GEO et placements IA payants : trois leviers distincts

Le SEO reste la base : les assistants s’appuient en partie sur les index de recherche pour sélectionner leurs sources. Le GEO (ou AEO, Answer Engine Optimization, selon les équipes) vise la citation et la recommandation dans la réponse. Les placements payants achètent un encart à côté de cette réponse. Nous développons la première distinction dans SEO vs GEO pour l’e-commerce.

Les trois leviers partagent une même matière : la donnée produit. Un flux enrichi améliore la pertinence d’une campagne ChatGPT Ads et vos chances de citation organique. Un encart payé pendant que l’assistant recommande un concurrent dans le texte, en revanche, crée une dissonance que le budget ne corrige pas.

Commerce agentique : ce que UCP et ACP changent

Le commerce agentique désigne les parcours où un agent IA découvre, compare et achète pour l’utilisateur. Deux protocoles structurent le sujet. Nous distinguons ici ce qui est annoncé de ce que nous en déduisons.

Google UCP (Universal Commerce Protocol)

Google a présenté UCP en janvier 2026. C’est un standard ouvert, développé avec Shopify, Etsy, Wayfair, Target et Walmart, qui définit un langage commun entre agents et marchands : découverte des capacités du marchand, panier, remises, paiement, suivi de commande. Il s’articule avec AP2 (Agent Payments Protocol) pour les autorisations de paiement données à un agent. Le marchand reste vendeur de référence. En mai 2026, Google a annoncé Universal Cart, un panier commun à Search, Gemini, YouTube et Gmail. Le checkout via UCP se déploie d’abord aux États-Unis.

OpenAI ACP (Agentic Commerce Protocol)

OpenAI et Stripe ont publié ACP en septembre 2025, en même temps qu’Instant Checkout dans ChatGPT. En mars 2026, OpenAI a fait évoluer Instant Checkout vers les apps et recentré ChatGPT sur la découverte produit, avec redirection vers le site marchand. ACP reste la spécification ouverte, maintenue par OpenAI et Stripe, pour les transactions pilotées par un agent dans ChatGPT.

Ce que nous en concluons

Pour un e-commerçant européen, le paiement agentique reste limité à ce jour. La lecture du catalogue par les agents, elle, est déjà active : carrousels ChatGPT, AI Mode, Gemini. Notre interprétation : la préparation la plus rentable consiste à rendre votre catalogue lisible et cohérent maintenant, puis à brancher les protocoles quand ils arrivent sur votre marché. Notre checklist UCP et ACP détaille les chantiers techniques.

Ce qu’il faut corriger en premier dans vos données produit

Sur la plupart des catalogues que nous auditons, l’ordre de priorité est le même. Commencez par le haut du catalogue (trafic ou marge), puis élargissez.

1. Prix et disponibilité synchronisés. Les mêmes valeurs dans le flux, sur la page et dans le JSON-LD, mises à jour au moins quotidiennement. Un écart entre flux et page fait partie des motifs de refus fréquents dans Merchant Center, et un agent écarte un produit dont il ne peut pas confirmer le prix.
2. Identifiants et catégorie. GTIN, marque, MPN, google_product_category et product_type rattachent le produit à une entité connue et à une catégorie comparable.
3. Titres descriptifs. Type de produit, marque, attribut distinctif, matière, usage. Le titre doit répondre à une question d’achat, sans superlatifs ni bourrage de mots-clés.
4. Attributs d’usage. Matière, saison, public, compatibilité, dimensions, entretien. Ce sont les contraintes qu’un acheteur formule dans un prompt.
5. Page lisible sans JavaScript. Prix, stock, description et balisage Product présents dans le HTML servi, avec la note agrégée et le nombre d’avis.
6. Attributs conversationnels. question_and_answer, related_product, document_link en flux secondaire, une fois le socle propre.

Notre guide complet Google Merchant Center reprend la configuration du compte et des flux, si vous partez de zéro.

Attributs conversationnels : la couche Merchant Center écrite pour les réponses IA

Une fois le socle propre, les attributs conversationnels deviennent le chantier Merchant Center le plus directement lié au GEO. Google en a lancé six au Google Marketing Live de mai 2026. Le flux classique a été conçu pour faire correspondre un titre à une requête courte. AI Mode, Gemini et le Business Agent reçoivent autre chose : une question d’achat chargée de contraintes, du type « une bouilloire à température réglable pour le thé vert, avec une notice en français ». Ces champs leur donnent des faits pour y répondre.

• question_and_answer : jusqu’à 30 paires question et réponse par produit, factuelles, sans prix, promotion ni délai.
• related_product : des relations typées vers d’autres produits du flux (accessoire, pièce, même gamme), 30 au maximum.
• document_link : jusqu’à cinq PDF publics par produit, comme une notice, un guide de montage ou une fiche technique.
• item_group_title : le nom de la famille qui regroupe les variantes.
• variant_option : les axes de déclinaison d’un groupe, comme la couleur, la taille ou la capacité.
• popularity_rank : un percentile de popularité interne au catalogue, calculé sur vos ventes ou vos commandes.

Google documente trois points. Ces attributs sont optionnels, disponibles dans tous les pays, et leur présence n’a aucune incidence sur l’approbation des offres. Le checkout via UCP se déploie d’abord aux États-Unis, mais un marchand européen peut remplir ces champs dès maintenant. Enfin, Google ne les présente pas comme un levier de classement Shopping : traitez-les comme une couche de compréhension pour les expériences IA, dont l’effet sur le classement n’est pas documenté.

Une règle évite le travail inutile. Ne recopiez pas dans ces champs ce qui figure déjà dans description, product_highlight ou product_detail, et n’envoyez pas de Q&R dont le contenu se trouve déjà dans un PDF déclaré en document_link. Google recommande de les soumettre en flux secondaire, joint sur l’id, pour laisser intact le flux principal. Le détail champ par champ, formats et exemples compris, se trouve dans notre article sur les attributs conversationnels Merchant Center.

Au-delà de Google, voici notre lecture. Rien n’indique que ChatGPT ou Perplexity lisent ces champs Merchant Center. Ils lisent en revanche vos fiches produit. Les mêmes questions et réponses, publiées en clair sur la page, leur donnent une matière extractible, formulée comme les prompts de vos clients. Rédigez-les une fois, à partir du service client, des notices et des avis, puis déclinez-les dans le flux et sur la page avec les mêmes faits. Vous préparez ainsi AI Mode et les autres assistants avec un seul travail de fond.

Automatiser l’optimisation du flux sans perdre la main

Une question revient souvent sous forme de prompt : quel dispositif automatisé utilise l’IA pour optimiser un flux produit et réduire les refus dans Merchant Center ? Le schéma qui fonctionne combine trois couches. Des règles déterministes corrigent ce qui est mécanique (formats, unités, catégories, champs manquants récupérables). Un modèle d’IA enrichit ce qui demande de la compréhension (titres, attributs d’usage, Q&R) à partir du catalogue et des pages. Votre équipe valide les sorties avant publication, en flux secondaire, sans toucher au flux source.

C’est le rôle de Feed Enrich, l’outil d’optimisation de flux produits de Dataïads : il audite le catalogue, applique les transformations, génère les attributs manquants et publie le flux enrichi vers Google Merchant Center, Meta et ChatGPT Ads. Pour savoir où vous en êtes, l’audit de flux offert note votre catalogue sur une quarantaine de critères, dont la couche conversationnelle.

Images et visuels : ce que les moteurs IA en font

La recherche produit devient multimodale. Google Lens identifie un article à partir d’une photo et affiche prix, avis et marchands grâce au Shopping Graph. Les Shopping Ads apparaissent une à une dans l’onglet Images sur mobile, et le rapprochement entre une photo et une offre s’appuie sur les données structurées du flux. Depuis avril 2025, Google a aussi ouvert AI Mode aux questions posées à partir d’une image, grâce à Lens. Nous avons recensé ces emplacements dans notre article sur les données produit au-delà des Shopping Ads.

La réponse cite du texte, l’image apporte la preuve

Les études de citation montrent l’autre versant. Sur 5 772 citations relevées dans six modèles et dix catégories, 97,5 % renvoyaient à du texte. YouTube fait exception parce que les modèles lisent ses titres, descriptions et transcriptions. Nous détaillons ces chiffres dans pourquoi les moteurs de réponse citent du texte, presque jamais vos vidéos.

Notre interprétation : l’image pèse dans la reconnaissance visuelle et dans le choix de l’acheteur face au carrousel, le texte décide de la citation. Un visuel soigné qui n’est décrit nulle part ne laisse rien à reprendre dans une réponse rédigée.

Ce qu’il faut fournir

• Plusieurs angles et une mise en situation. Un packshot conforme en image principale, puis détails, dos, échelle et photos d’usage via additional_image_link. Quand un acheteur demande un sac « assez grand pour un ordinateur 16 pouces », une photo portée répond mieux qu’un fond blanc.
• La même image dans le flux et sur la page. Le visuel du flux doit montrer la variante vendue et correspondre à celui de la fiche. Un écart brouille le rapprochement entre l’offre et la page.
• Un texte alternatif descriptif. Type de produit, couleur, matière et usage visible, en une phrase. C’est la version lisible de l’image pour un modèle qui traite du texte.
• La propriété image du balisage Product. Déclarez dans le JSON-LD les URL des images principales, servies dans le HTML initial comme le prix et le stock.

Visuels générés par IA : fidélité et transparence

Générer des mises en scène à partir d’un packshot fait gagner des semaines sur un grand catalogue. Deux cadres s’appliquent. Google demande que les images produites par IA portent des métadonnées IPTC qui le signalent, comme TrainedAlgorithmicMedia. En Europe, l’article 50 de l’AI Act impose depuis le 2 août 2026 un marquage détectable automatiquement des images générées, avec un sursis au 2 décembre 2026 pour les systèmes déjà sur le marché ; la retouche simple, détourage ou upscale, reste hors champ. Notre article sur l’AI Act et les visuels e-commerce détaille ces obligations.

La fidélité relève de notre position plus que d’une règle écrite : un visuel généré doit montrer le produit tel qu’il est vendu, couleur, proportions et contenu du colis compris. Un acheteur qui reçoit autre chose que l’image renvoie l’article et laisse un avis, et ces avis font partie des sources que les assistants reprennent.

Feed Enrich, l’outil d’optimisation de flux produits de Dataïads, traite aussi cette couche visuelle. Il adapte les formats d’image exigés par certains emplacements, comme le carré pour Demand Gen, et enrichit les visuels publiés dans le flux secondaire, avec validation par votre équipe avant diffusion.

Mesurer votre visibilité IA

Aucune console ne vous donne aujourd’hui votre position dans ChatGPT. La mesure repose donc sur des panels de prompts que vous construisez et relancez.

Construire un panel de prompts

Partez des questions posées par vos clients : questions du service client, recherches internes du site, requêtes longues de la Search Console. Regroupez-les par intention (découverte, comparaison, contrainte budgétaire, alternative à une marque). Interrogez chaque assistant plusieurs fois par prompt : les réponses varient d’un tirage à l’autre, et un tirage unique ne prouve rien. Séparez les tests avec et sans navigation web quand l’assistant le permet.

Suivre quelques indicateurs

• Taux de citation : part des réponses où votre marque ou votre produit apparaît.
• Part de voix : votre présence rapportée à celle des concurrents nommés sur le même panel.
• Présence en carrousel : nombre de vos SKU affichés dans les carrousels shopping.
• Sources citées : domaines sur lesquels l’assistant s’appuie quand il vous cite, ou quand il cite un concurrent.
• Stabilité : fréquence de citation d’un tirage à l’autre.

Les intentions où vos concurrents sont cités et vous non forment votre feuille de route : contenu à créer, attributs à ajouter, avis à collecter.

Se situer avec l’Agentic Commerce Index

L’Agentic Commerce Index mesure l’autre versant : la capacité technique d’une marque à être lue par les agents. Son édition 2026 donne un score moyen de 48 sur 100 pour 194 marques françaises, sous le seuil de maturité fixé à 65. Seules 44 % des pages produit exposaient un balisage schema.org Product exploitable et 15 % des sites un fichier llms.txt. Comparer votre score à celui de votre secteur indique si votre retard tient à la demande (vous n’êtes pas cité) ou à l’offre (votre page est illisible).

Plan d’action : la checklist GEO e-commerce

1. Établissez un panel de 50 à 200 prompts par intention et mesurez votre point de départ sur ChatGPT, Gemini, AI Mode et Perplexity.
2. Auditez le flux Merchant Center : identifiants, titres, attributs, prix, stock, refus.
3. Alignez flux, page et JSON-LD, et rendez la page lisible sans JavaScript.
4. Enrichissez les attributs d’usage, puis ajoutez les attributs conversationnels en flux secondaire.
5. Renforcez les preuves externes : avis vérifiés, note agrégée, présence dans les comparatifs cités.
6. Pilotez ChatGPT Ads et les annonces Google depuis le même flux enrichi, en mesurant le payant à part.
7. Relancez le panel chaque mois et réorientez les corrections vers les intentions où vous restez absent.

Comment Dataïads accompagne le GEO e-commerce

L’offre Agentic GEO de Dataïads relie mesure et activation. Notre outil d’audit et de suivi, en accès alpha, croise deux regards : la visibilité dans les LLMs (prompts réels par intention, plusieurs tirages, score, part de voix, intentions inoccupées) et l’audit technique et sémantique de vos pages produit telles qu’un agent les lit. Les corrections passent ensuite par la donnée produit : Feed Enrich pour le flux, données structurées et pages pour la cohérence, puis une nouvelle mesure.

Lancez un audit de votre visibilité IA pour savoir sur quelles intentions vos produits sont absents des réponses, et pourquoi.

FAQ

Comment faire recommander mes produits par ChatGPT ?

Soignez d’abord votre flux Google Merchant Center et votre classement organique dans Google Shopping, d’où viennent une grande partie des produits des carrousels ChatGPT. Ajoutez des titres et attributs qui décrivent l’usage, exposez prix et stock dans le HTML de vos pages, et collectez des avis vérifiés. Mesurez ensuite votre présence sur un panel de prompts.

Quelle est la différence entre SEO et GEO pour un site e-commerce ?

Le SEO cherche à classer une page dans une liste de résultats. Le GEO cherche à faire citer et recommander un produit dans une réponse générée. Les deux se recoupent, car les assistants s’appuient en partie sur les index de recherche, mais le GEO dépend davantage de la donnée produit structurée et des avis tiers.

Est-ce qu’acheter des ChatGPT Ads améliore ma visibilité dans les réponses ?

Non, selon OpenAI : les systèmes publicitaires sont séparés du modèle qui rédige la réponse, et l’encart sponsorisé s’affiche sous celle-ci. Il ne concerne que les comptes Free et Go. La citation dans le texte et la présence en carrousel restent organiques.

Quels attributs de flux produit comptent le plus pour Google AI Mode et Gemini ?

Le socle d’abord : titre descriptif, GTIN, marque, catégorie, prix, disponibilité, images. Viennent ensuite les attributs d’usage (matière, public, compatibilité) et les six attributs conversationnels de Merchant Center, dont question_and_answer et related_product, à envoyer en flux secondaire.

Faut-il implémenter UCP ou ACP dès maintenant ?

En Europe, le checkout agentique reste limité. La priorité est un catalogue lisible et cohérent, qui sert déjà dans les carrousels et AI Mode. Préparez l’implémentation technique avec votre plateforme e-commerce, qui gère souvent une partie de l’intégration, pour le moment où le protocole arrivera sur votre marché.

Comment mesurer la visibilité de ma marque dans ChatGPT et Perplexity ?

Construisez un panel de prompts par intention, interrogez chaque assistant plusieurs fois par prompt, puis suivez taux de citation, part de voix face à vos concurrents, présence en carrousel et sources citées. Relancez le panel chaque mois pour suivre l’effet de vos corrections.

Quel outil d’IA utiliser pour optimiser un flux produit et réduire les refus Merchant Center ?

Un outil d’optimisation de flux produits qui combine règles automatiques et enrichissement par IA, avec validation par votre équipe et publication en flux secondaire. Feed Enrich fonctionne ainsi : il corrige les champs manquants ou mal formés, enrichit titres et attributs, et publie vers Merchant Center, Meta et ChatGPT Ads sans modifier le flux source.

Les attributs conversationnels de Merchant Center font-ils remonter mes produits dans AI Mode ?

Google ne documente aucun effet de classement. Ces six champs optionnels, disponibles dans tous les pays, donnent à AI Mode, Gemini et au Business Agent des faits pour répondre aux questions d’achat : Q&R, produits liés, notices PDF, familles, variantes et popularité interne. Ils n’affectent pas l’approbation de vos offres. Commencez par question_and_answer sur le haut du catalogue, en flux secondaire, sans recopier la description.

Quelles images fournir pour que l’IA reconnaisse et recommande mes produits ?

Une image principale conforme, plusieurs angles et au moins une photo d’usage, identiques dans le flux et sur la page. Ajoutez un texte alternatif descriptif et déclarez les images dans le balisage Product. Les réponses rédigées citent surtout du texte : chaque visuel doit donc s’accompagner d’attributs et d’une description qui disent ce qu’il montre. Un visuel généré par IA doit rester fidèle au produit et porter le marquage prévu par Google et par l’AI Act.