Une enquête menée en 2026 auprès de 4 000 consommateurs dans neuf pays européens indique que l'IA devient un canal significatif de découverte et de comparaison de produits. Elle met aussi en lumière une tension que les enseignes ont intérêt à nommer clairement : les consommateurs sont réceptifs à une assistance utile par l'IA, mais restent insatisfaits de nombreux outils déjà déployés. L'enquête ne mesure pas les effets réels sur le chiffre d'affaires, ni l'évolution dans le temps. Sa valeur principale est celle d'un instantané des comportements et préférences déclarés. Elle ne démontre pas que des fonctionnalités IA précises génèrent ou détruisent des ventes — c'est pourquoi cet article la croise avec des recherches comportementales et expérimentales qui s'approchent davantage de ces questions.
IA et achat en ligne en Europe 2026 : ce que déclarent 4 000 consommateurs
Les données proviennent de « The Agent Era », publié par le World Retail Congress avec Vercel comme partenaire commanditaire. L'enquête a couvert 4 000 consommateurs en mai 2026 : 1 350 au Royaume-Uni, 1 000 en Allemagne, 825 en Europe du Sud (Espagne, France et Italie regroupées), et 825 dans les pays nordiques (Suède, Norvège, Finlande et Danemark regroupés). Vingt questions. Aucune vague antérieure de comparaison.
Il convient d'être transparent avec vos clients sur la nature de ce document. Vercel commercialise des infrastructures de vitrine en ligne, ce qui oriente le cadrage éditorial vers les intérêts du commanditaire. Les résultats régionaux sont utiles comme instantané exploratoire, mais le rapport ne divulgue pas suffisamment de détails méthodologiques — méthode d'échantillonnage, données démographiques, pondération, taux de réponse, tests de significativité — pour évaluer pleinement la représentativité ou la marge d'erreur. Il couvre neuf pays, le Royaume-Uni représentant 33,8 % de l'échantillon : un chiffre « européen » agrégé ne saurait valoir automatiquement pour l'ensemble des consommateurs européens. Tous les résultats ci-dessous sont déclaratifs — et les intentions déclarées surestiment systématiquement les comportements observés.
Ces limites posées, l'instantané porte néanmoins un signal structurel sur lequel construire une stratégie : les répondants désignent désormais la recherche par IA comme point de départ de leurs parcours d'achat plus souvent que n'importe quelle plateforme sociale prise individuellement.
| Résultat de l'enquête | Royaume-Uni | Europe du Sud | Allemagne | Pays nordiques |
|---|---|---|---|---|
| Débutent leur parcours d'achat sur un moteur de recherche IA | 20 % | 27 % | 24 % | 19 % |
| Utilisent ChatGPT pour la découverte de nouveaux produits | 33 % | 49 % | 38 % | 40 % |
| N'utilisent aucun moteur de recherche IA pour leurs achats | 50 % | 32 % | 40 % | 44 % |
| Ont acheté suite à une recommandation IA (parmi les utilisateurs IA) | 55 % | 58 % | 55 % | 51 % |
| Dépenseraient moins ou refuseraient d'acheter avec un service 100 % IA | 57 % | 52 % | 54 % | 61 % |
| Préfèrent le magasin physique pour les achats à valeur élevée | 65 % | 79 % | 61 % | 76 % |
| Choisiraient une enseigne pour ses meilleurs outils IA | 43 % | 59 % | 40 % | 39 % |
La recherche par IA rivalise désormais avec les plateformes sociales dans la découverte produit
Dans chaque région étudiée, la recherche par IA (ChatGPT, Gemini, Claude) est citée comme point de départ du parcours d'achat par 19 à 27 % des répondants — davantage que Facebook, TikTok ou Instagram pris individuellement.
Les écarts régionaux : 27 % en Europe du Sud, 24 % en Allemagne, 20 % au Royaume-Uni, 19 % dans les pays nordiques. À comparer avec Facebook (14–23 %), TikTok (13–18 %) et Instagram (14–16 %). Deux nuances s'imposent. D'abord, « recherche par IA » agrège trois plateformes tandis que les réseaux sociaux sont comptés séparément : l'étude ne démontre pas que l'IA dépasse les réseaux sociaux au total. Ensuite, certains écarts sont infimes — 20 % contre 19 % pour Facebook au Royaume-Uni — et le rapport ne publie aucun test de significativité. Les faibles avances sont à traiter comme une parité approximative.
La comparaison reste saisissante. ChatGPT a été lancé en novembre 2022 ; TikTok remonte à 2016, Instagram à 2010, Facebook à 2004. Un canal qui n'a pas quatre ans se retrouve au même niveau — voire devant — chaque plateforme sociale comme point d'entrée déclaré dans les achats. Les sites enseignes dominent toujours (76–80 %), suivis de Google (65–68 %).
Une correction s'impose également sur un malentendu courant : les réponses de l'IA ne sont plus entièrement hors de portée des acheteurs publicitaires. OpenAI a annoncé en mai 2026 l'introduction de publicités dans ChatGPT, dont l'achat au coût par clic et des annonces issues de flux produits. Les recommandations organiques restent distinctes des emplacements payants, et la visibilité dans ces dernières dépend de données produits lisibles par les machines, de contenus citables, d'intégrations de plateformes, de systèmes d'extraction et du comportement des modèles. Cet ensemble relève d'une discipline différente du social payant comme du référencement classique — et aucun levier unique ne garantit la présence.
ChatGPT en tête — et un consommateur sur trois à deux sur cinq n'utilise aucune IA pour ses achats
ChatGPT s'impose partout : 49 % des répondants d'Europe du Sud déclarent l'utiliser lors de la découverte de nouveaux produits, 40 % dans les pays nordiques, 38 % en Allemagne, 33 % au Royaume-Uni. Gemini arrive en deuxième position avec 22–37 %. Claude, Bing AI et Perplexity restent chacun sous les 6 %.
La proportion de « aucun » va de 32 % en Europe du Sud à 50 % au Royaume-Uni. Les données de population indiquent que le plafond d'adoption est encore loin et très inégal : Eurostat signale que 32,7 % des résidents de l'UE âgés de 16 à 74 ans ont utilisé des outils d'IA générative en 2025, avec des taux allant de 65 % chez les 16–24 ans à 14 % chez les 55–74 ans. L'adoption de l'IA dans le commerce de détail variera tout autant selon les groupes démographiques — ce qui importe pour tout client dont la clientèle est majoritairement âgée.
Usages de la recherche IA : la comparaison de prix domine
Parmi les répondants qui utilisent l'IA pour leurs achats, la comparaison de prix est le premier cas d'usage dans toutes les régions, cité par 51 à 55 % d'entre eux. L'IA fonctionne avant tout comme un moteur de comparaison.
- Comparer les prix : 51–55 % selon les régions
- Obtenir des conseils sur les produits et leurs caractéristiques : 38–53 %
- Découvrir de nouvelles marques ou de nouveaux produits : 31–42 %
- Trouver des produits de marques déjà connues : 22–30 %
- Acheter directement dans la plateforme IA sans redirection : 18–24 % (24 % au Royaume-Uni)
Les passages à l'acte déclarés suivent. Parmi les utilisateurs d'IA, 58 % en Europe du Sud, 55 % au Royaume-Uni et en Allemagne, et 51 % dans les pays nordiques affirment avoir acheté un produit suite à une recommandation IA. Ces chiffres sont déclaratifs et ne disent rien de l'incrémentalité ni des achats vérifiés — mais, comme expression de disposition à agir, ils sont difficiles à ignorer.
Le commerce par IA progresse-t-il vraiment ? Ce qu'apportent les données comportementales
L'enquête Vercel ne peut pas établir que les achats via IA sont en croissance, faute de vague antérieure. Les données comportementales américaines confortent néanmoins cette direction. Adobe Analytics, sur la base d'un jeu de données couvrant selon l'éditeur plus de mille milliards de visites sur des sites marchands américains, enregistre une croissance de 138 % en glissement annuel du trafic retail référé par IA en mai 2026, et de 1 324 % depuis octobre 2024. Ces visiteurs convertissent 54 % plus souvent et génèrent 53 % de chiffre d'affaires supplémentaire par visite par rapport aux visiteurs non référés par IA, avec des visites 53 % plus longues et 23 % de pages vues en plus. Ces chiffres portent sur des sites américains et sur les clics IA identifiables uniquement : à traiter comme des éléments directionnels, jamais comme un référentiel européen.
La lecture stratégique tient malgré les réserves : les enseignes dont les données produits sont incomplètes ou incohérentes cèdent leur visibilité à la comparaison à des concurrents disposant de flux propres — dans un canal dont le trafic mesurable croît rapidement là où il peut l'être.
La découverte par IA débouche souvent sur un achat en magasin — et l'attribution reste le nœud du problème
Pour les achats à valeur élevée, le magasin l'emporte dans l'enquête. Entre 61 % et 79 % des répondants dans les quatre régions préfèrent acheter des produits onéreux en point de vente physique : 79 % en Europe du Sud, 76 % dans les pays nordiques, 65 % au Royaume-Uni, 61 % en Allemagne. La découverte assistée par IA alimente les magasins autant que les sites : 3 à 5 % des répondants déclarent découvrir via l'IA et acheter en magasin, et 10 à 13 % découvrent via l'IA et achètent sur le site de l'enseigne. Si ces parts progressent, cet instantané ne peut le dire.
Le problème d'attribution est probablement plus vaste que ne le laissent supposer les données de trafic référé visibles. Une étude observationnelle de 2026 a croisé les conversations d'assistants IA (ChatGPT, Claude, Gemini) d'utilisateurs consentants avec leur navigation ultérieure. Lorsqu'un assistant recommandait une marque avec laquelle le répondant n'avait pas eu d'interaction préalable, les recherches sur le nom de marque augmentaient de 4,3 points de pourcentage, les visites sur le site propre de la marque de 2,4 points, et les visites sur les pages de l'enseigne dédiées à la marque de 1,0 point. La majeure partie de cette influence était invisible aux systèmes classiques d'attribution par référent ou au dernier clic. L'étude n'a observé ni transactions ni visites en magasin.
Relier la découverte par IA aux visites en magasin nécessite plus que l'analyse web
Il convient d'être précis avec vos clients sur ce que chaque couche de mesure peut — et ne peut pas — faire. L'analyse web voit la session référée par IA. L'analyse en magasin — fréquentation, temps passé par zone, comportement aux files d'attente — mesure la partie physique du parcours. Aucune des deux, prise isolément, ne peut établir qu'une visite en magasin a débuté sur ChatGPT. Relier causalement une exposition IA à un résultat en point de vente requiert un mécanisme de connexion ou une expérimentation : offres tracées, identité fidélité, consentement géolocalisé, cohortes appariées, tests géographiques ou mesure de l'incrémentalité.
C'est précisément dans cet écart que réside une opportunité de conseil. Les enseignes qui investissent dans la découverte par IA sans dispositif de mesure naviguent à l'aveugle sur le ROI. Une feuille de route par phases — instrumenter le magasin, choisir un mécanisme de connexion, puis tester — est le type de mission qu'un conseiller bien positionné peut pleinement s'approprier, et l'instrumentation côté magasin en est le socle.
Comment les consommateurs évaluent les outils IA des enseignes
Seuls deux types d'outils IA en point de vente numérique obtiennent des notes d'expérience nettes positives dans les quatre marchés européens : la recherche visuelle et les recommandations produits personnalisées. L'essayage virtuel et les chatbots sont jugés négativement dans la plupart des marchés — l'essayage virtuel étant l'outil le moins bien noté de toute l'étude. « Net positif » signifie ici que les avis favorables l'emportent sur les avis défavorables ; c'est une mesure de satisfaction, qui ne dit rien du ROI ni du chiffre d'affaires incrémental.
L'utilisation est élevée, ce qui aggrave l'écart de satisfaction. Les recommandations personnalisées sont utilisées au moins occasionnellement par 67 % des répondants d'Europe du Sud, 59 % au Royaume-Uni, 58 % dans les pays nordiques et 57 % en Allemagne. Les consommateurs croisent régulièrement ces outils et les trouvent souvent insuffisants : recommandations répétitives (26–33 %), réponses incorrectes des chatbots et suggestions hors sujet sont chacune signalées par environ un quart à un tiers des répondants selon le marché.
Les intentions de dépenses déclarées vont dans le même sens. Plus de la moitié indiquent qu'ils dépenseraient moins ou refuseraient d'acheter s'ils n'étaient servis que par un assistant IA : 61 % dans les pays nordiques, 57 % au Royaume-Uni, 54 % en Allemagne, 52 % en Europe du Sud. Seul un répondant sur dix environ déclarerait dépenser davantage. Ce sont des intentions déclarées sur un scénario hypothétique — à ne pas lire comme une perte de chiffre d'affaires mesurée.
D'où viennent les défaillances ? Certaines trouvent leur origine dans des données produits incomplètes ou incohérentes ; d'autres dans l'extraction d'information, le comportement du modèle, la conception de l'interface ou l'absence de relais humain. Un audit d'agents IA de shopping a révélé des recommandations concentrées sur quelques produits « modaux », évoluant sensiblement après les mises à jour de modèles, et marquées par de forts biais de position — de simples modifications de description côté vendeur suffisant à modifier les choix de l'agent. Les enseignes doivent tester l'ensemble du système : de meilleures données ne régleront qu'une partie du problème.
Des données expérimentales étayent cette lecture centrée sur la mise en œuvre. Un large ensemble d'expériences de terrain randomisées chez un détaillant transfrontalier a testé l'IA générative sur sept processus, d'un chatbot de pré-vente à des descriptions produits. Les effets sur les ventes allaient de l'absence d'effet détectable à une hausse de 16,3 %, quatre des applications produisant des effets positifs. La conclusion utile pour une feuille de route client : les outils IA ne sont ni intrinsèquement générateurs de revenus, ni intrinsèquement destructeurs. Leur effet dépend du cas d'usage, du système existant, de la qualité de mise en œuvre et du segment client. Chaque déploiement mérite d'être traité comme une hypothèse à tester — conversion, marge, retours et indicateurs de service client à l'appui.
L'équilibre humain-IA que les consommateurs réclament
L'appétit pour un service entièrement automatisé par IA concerne une minorité — un point à formuler explicitement lorsqu'un client envisage de remplacer son équipe support par un chatbot. Selon les régions, 42 à 49 % des répondants préfèrent un mélange d'assistance humaine et IA en ligne, 42 à 52 % préfèrent exclusivement un humain, et seulement 6 à 11 % souhaitent l'IA seule.
La première préoccupation exprimée est la perte de contact humain : 47 % au Royaume-Uni, 46 % dans les pays nordiques, 42 % en Europe du Sud, 40 % en Allemagne. La vie privée arrive en deuxième position avec 33 à 36 %. Positionnez l'IA comme un amplificateur des capacités humaines. Un déploiement de chatbot sans relais humain reste le scénario le plus risqué dans tous les marchés.
La qualité des outils IA comme critère de choix d'enseigne
Dans tous les marchés étudiés, une large part des répondants déclarent qu'ils choisiraient une enseigne plutôt qu'une autre parce qu'elle fait un meilleur usage de l'IA sur son site : 59 % en Europe du Sud, 43 % au Royaume-Uni, 40 % en Allemagne, 39 % dans les pays nordiques. Notez la formulation : il s'agit d'un choix entre enseignes dans un scénario hypothétique — un niveau de preuve plus faible que le fait de délaisser une enseigne habituellement fréquentée. Et puisque les pays nordiques se situent sous les 40 % et que le rapport ne fournit pas de chiffre européen pondéré, mieux vaut éviter de reprendre l'affirmation selon laquelle « plus de 40 % des Européens » se comportent ainsi.
Par ailleurs, 26 à 37 % déclarent qu'ils dépenseraient davantage auprès d'une enseigne proposant les dernières fonctionnalités IA. Intention déclarée, certes — mais utile pour la priorisation. Ce que les répondants souhaitent améliorer est révélateur : des recommandations personnalisées plus précises (41–51 %) et des chatbots plus intelligents aux réponses proches d'un humain (33–43 %). Les fonctionnalités émergentes arrivent loin derrière : expériences d'achat en réalité augmentée à 13–22 % et assistants stylistes IA à 17–20 % selon les marchés.
Cela dessine une hiérarchie d'investissement pour les feuilles de route clients :
- Corriger les moteurs de recommandation et les données produits en premier.
- Déployer ou améliorer la recherche visuelle en deuxième.
- Tester les fonctionnalités émergentes — essayage virtuel, réalité augmentée — comme hypothèses, une fois la qualité IA fondamentale établie de façon probante.
L'infrastructure du commerce agentique se construit, avec des nuances
L'infrastructure transactionnelle est en cours de construction : Perplexity a lancé ses fonctionnalités d'achat aux États-Unis en novembre 2024, OpenAI a ajouté le shopping à ChatGPT Search en avril 2025 et les achats auprès de vendeurs Etsy aux États-Unis en septembre 2025, Google a dévoilé le shopping en mode IA avec son Shopping Graph en mai 2025, et Shopify a annoncé ses Agentic Storefronts en mars 2026. La disponibilité varie selon les pays, les marchands et les plateformes, et plusieurs de ces canaux restent centrés sur les États-Unis ou en phase d'accès anticipé — à vérifier avant de promettre quoi que ce soit à un client en Europe.
Le sentiment dans le secteur dépasse les données. Dans un sondage non publié conduit par le World Retail Congress auprès de dirigeants du commerce de détail américains, européens et asiatiques avant sa conférence de Berlin en 2026, 98 % citaient la crainte que leur marque ne soit pas sélectionnée par les moteurs de recherche agentiques comme leur principale préoccupation. Ni la taille de l'échantillon ni le libellé exact des questions n'ont été communiqués : cela reflète l'état d'esprit d'un public de conférence, rien de plus.
Traitez avec la même prudence la thèse répandue selon laquelle « ce sont les marques, et non les agrégateurs, qui captent le trafic IA ». Elle provient du directeur technique de Vercel, Malte Ubl, à partir d'observations sur le trafic propre de Vercel — une observation plausible, mais partielle. L'étude d'appariement de conversations de 2026 a montré que les recommandations des assistants augmentaient les visites sur les sites de marques et sur les pages enseignes de façon similaire, sans glissement général dans la répartition entre les deux. Les anecdotes d'entreprises vont dans le même sens ambigu : le PDG du JD Group a indiqué au congrès que JD Sports reçoit des commandes via ChatGPT aux États-Unis, dont deux tiers provenant de nouveaux clients (sans dénominateur ni période précisés), et le cofondateur de Zalando a signalé que 90 % de son contenu marketing produit est désormais généré par IA. Suggestif et à surveiller — pas encore la preuve d'un renversement de rapport de force.
Pour les clients disposant d'une infrastructure directe solide et de données produits propres, le commerce agentique constitue un argument en faveur de l'investissement dans les canaux propriétaires — et de la mesure de ce qu'ils génèrent, aussi bien en ligne qu'en magasin, là où les achats à valeur élevée se concluent encore. Conseiller sur la découverte par IA sans prévoir de mesurer la visite en magasin qui s'ensuit, c'est le premier écart à soulever.
Sources
- World Retail Congress / Vercel : « The Agent Era » (2026), enquête auprès de 4 000 consommateurs européens, mai 2026 ; source principale de toutes les statistiques d'enquête
- Adobe Digital Insights (juin 2026), données comportementales sur le trafic retail américain référé par IA
- From Prompt to Purchase (prépublication 2026), étude observationnelle croisant les conversations avec des assistants IA et la navigation ultérieure
- Generative AI and Sales Productivity (prépublication), expériences de terrain randomisées sur sept processus IA dans le commerce de détail
- What Is Your AI Agent Buying? (prépublication 2025), audit du comportement de recommandation des agents IA de shopping
- Eurostat (décembre 2025), utilisation de l'IA générative dans la population de l'UE par tranche d'âge
- OpenAI (mai 2026), annonce de l'introduction de publicités dans ChatGPT
- Shopify, annonce des Agentic Storefronts, mars 2026