Salesforce

Du commerce omnicanal au commerce agentique : comment préparer Salesforce Commerce Cloud aux acheteurs et aux agents IA

Date de publication: jeudi, 12/11/2026

Daniel Herranz

Salesforce Solution Lead chez Inetum

Pendant des années, le commerce digital s’est attaché à faire disparaître les frontières entre magasins physiques, ecommerce, applications mobiles et service client. Catalogue unifié, visibilité sur les stocks, click & collect ou retours cross-canal sont passés du statut d’avantage concurrentiel à celui de prérequis.

Un nouveau changement est déjà engagé. Une part croissante de la découverte produit passe désormais par des assistants d’intelligence artificielle capables de comprendre un besoin, de comparer des alternatives et d’orienter une décision d’achat. Le visiteur d’une boutique en ligne n’est donc plus nécessairement une personne naviguant dans des catégories. Il peut aussi s’agir d’un agent agissant pour son compte.

Deux personnes dans l’allée d’une épicerie, dont l’une prend une bouteille sur une étagère tandis que l’autre se tient à proximité

Le trafic digital change de nature

Les moteurs de recherche et les réseaux sociaux restent des points d’entrée majeurs, mais ils ne concentrent plus à eux seuls le processus de découverte. Un consommateur peut aujourd’hui demander à un assistant IA de trouver une paire de chaussures adaptée à la marche, de comparer plusieurs modèles sous un certain budget et d’expliquer lesquels répondent le mieux à ses besoins.

Ce mouvement n’est plus théorique. Lors de la Cyber Week 2025, Salesforce a estimé que l’intelligence artificielle et les agents avaient influencé 20 % des commandes mondiales analysées, notamment au travers de recommandations personnalisées et d’interactions conversationnelles. L’entreprise attribue 67 milliards de dollars de ventes à ces interactions.

Une part croissante de l’intention d’achat ne se construit donc plus exclusivement via une recherche classique ou la navigation dans un site. Elle se développe également à travers les recommandations produites ou assistées par l’IA.

Cela crée un nouvel enjeu de visibilité. Des attributs incomplets, des descriptions ambiguës, des catégories incohérentes ou des informations de stock obsolètes ne pénalisent plus seulement l’expérience humaine. Ces défauts empêchent aussi les agents de comprendre les produits, de les comparer et de les recommander correctement.

Le SEO doit ainsi cohabiter avec une discipline émergente tournée vers les moteurs génératifs. L’objectif n’est plus uniquement d’être bien positionné dans une liste de résultats, mais de fournir une information structurée, explicite et fiable, afin qu’un assistant puisse considérer la marque et ses produits lorsqu’il formule une recommandation.

Pour les retailers, l’enjeu dépasse désormais l’expérience omnicanale. Il s’agit de rendre leur commerce suffisamment structuré pour que clients et agents puissent comprendre le catalogue, obtenir des recommandations fiables et aller jusqu’à la transaction. Cette évolution vers le commerce agentique oblige à repenser conjointement l’expérience, la donnée et l’architecture technologique.

Le commerce agentique désigne précisément ce modèle dans lequel personnes et agents IA peuvent découvrir des produits, évaluer des options et réaliser des transactions à partir d’informations partagées et actualisées en temps réel.

Passer des mots-clés à l’expression d’un besoin

La plupart des sites ecommerce demandent encore au consommateur de traduire son besoin en mots-clés. Or l’acheteur ne connaît pas toujours le nom exact du produit recherché.

Il peut simplement vouloir « un cadeau pour quelqu’un qui pratique la randonnée, à moins de 80 euros » ou « deux chemises légères pour travailler cet été, avec un budget total de 50 euros ». Un agent d’achat peut interpréter cette intention, appliquer une contrainte budgétaire, vérifier la disponibilité des produits et expliquer pourquoi une option particulière semble pertinente.

C’est une différence importante avec un chatbot traditionnel. L’agent ne se contente pas de répondre à partir d’un ensemble prédéfini de questions et réponses. Il peut interroger des informations opérationnelles sur les produits, les stocks, les commandes ou les préférences du client.

Salesforce a fait évoluer sa proposition B2C Commerce avec Agentforce Commerce, en intégrant des capacités de guided shopping destinées à accompagner le client du premier besoin jusqu’à la commande et à l’après-vente au sein d’une même conversation.

L’éditeur a également introduit des mécanismes permettant à des agents externes d’accéder, sous réserve des autorisations appropriées, à des informations actualisées concernant les catalogues, les images ou encore les paniers.

Un personal shopper connecté au véritable catalogue

Un cas concret permet de mesurer ce que ce modèle change. Inetum a développé un personal shopper génératif pour un retailer espagnol spécialisé dans la mode masculine. Intégré à un site Salesforce B2C Commerce, l’assistant interroge le catalogue actif de l’entreprise afin de répondre à des demandes complexes.

Le système peut raisonner à partir du budget, de la matière, de la saison ou de l’occasion d’usage. Il peut également analyser une image fournie par le client, identifier les pièces composant un look et rechercher dans le catalogue des alternatives réellement disponibles.

Cette connexion aux données opérationnelles est déterminante. En s’appuyant sur les produits existants et en appliquant des mécanismes destinés à éviter les recommandations d’articles inexistants, la conversation devient une véritable extension du processus commercial.

Son rôle ne se limite d’ailleurs pas aux questions-réponses. Si un utilisateur ajoute la veste d’un costume à son panier, l’assistant peut lui proposer le pantalon correspondant tout en tenant compte des promotions en cours.

Le cross-selling contextuel change alors de logique. Au lieu de proposer des articles simplement associés par des règles génériques, il prend en considération la cohérence de la tenue et le contexte réel de l’achat.

Autre application particulièrement intéressante dans la mode : les retours.

Lorsqu’un client ajoute le même article en deux tailles, l’assistant peut consulter les guides de taille officiels, exploiter son historique de commandes pour identifier sa taille habituelle et l’aider à choisir avant de finaliser son panier.

L’objectif n’est donc pas uniquement d’améliorer la conversion. Il s’agit aussi de limiter les commandes de plusieurs tailles pour un même produit et, par conséquent, de protéger la marge affectée par les coûts de logistique inverse.

Une architecture capable d’évoluer rapidement

Ajouter des agents sur une plateforme rigide ou fragmentée peut produire l’effet inverse de celui recherché et augmenter la dette technique. L’IA a besoin de données cohérentes, mais aussi d’une couche d’expérience capable d’évoluer sans imposer la reconstruction permanente du commerce digital.

Storefront Next, disponible de manière générale depuis juin 2026, s’inscrit dans cette logique. Cette architecture full stack repose sur React, le rendu côté serveur et la navigation côté client. Salesforce indique qu’elle permet de provisionner en moins de trente minutes un site prêt pour la production et intègre des capacités adaptées au développement assisté par IA.

Pour un retailer, l’enjeu derrière cette évolution est très concret : réduire le temps nécessaire pour lancer et modifier des expériences digitales.

Les équipes métier peuvent gérer des pages produit, des listings et des composants sans qu’un développement spécifique soit nécessaire pour chaque modification, tandis que les équipes techniques conservent la possibilité d’étendre la plateforme lorsque le contexte l’exige.

Pour les entreprises qui utilisent déjà une architecture antérieure de Salesforce B2C Commerce, cette transition ne signifie pas nécessairement repartir de zéro. Il est possible de moderniser la couche d’expérience tout en conservant le moteur de commerce en place.

La vraie question n’est donc pas de migrer pour suivre une tendance technologique. Elle consiste à déterminer quels composants doivent être conservés, lesquels doivent évoluer et quels cas d’usage apportent une justification économique suffisante à l’investissement.

Comment mesurer la valeur du commerce agentique

Le nombre de conversations avec un assistant constitue un indicateur d’usage, pas un indicateur suffisant de succès. Les métriques les plus utiles restent celles qui traduisent un impact réel sur le business.

La conversion peut être mesurée en comparant les parcours intégrant le guided shopping avec les parcours conventionnels.

Le panier moyen indique si les recommandations contextuelles permettent d’augmenter la valeur des achats. Le taux de retour permet, lui, d’évaluer si l’accompagnement sur les tailles, la compatibilité ou le choix du produit résout certaines hésitations avant qu’elles ne deviennent des coûts logistiques.

D’autres indicateurs apportent un éclairage complémentaire : baisse du volume de demandes adressées au service client, délai nécessaire au lancement d’une nouvelle expérience digitale ou encore capacité à traiter certaines demandes sans intervention humaine.

Les conversations fournissent aussi des signaux d’intention particulièrement riches. Budget, occasion d’achat, préférences, critères de sélection ou raisons d’écarter certains produits peuvent alimenter Data Cloud et Marketing Cloud afin d’affiner la segmentation et les activations futures.

À moyen terme, une autre métrique devra probablement rejoindre les tableaux de bord : la visibilité de la marque dans les réponses des assistants externes. À quelle fréquence est-elle mentionnée lorsqu’une intention pertinente est formulée ? Sur quelles informations s’appuie cette recommandation ? Et, surtout, ces informations sont-elles exactes et suffisamment complètes pour représenter correctement l’offre ?

La donnée et la gouvernance restent le point de départ du commerce agentique

Un agent ne répare pas spontanément un catalogue défaillant. Si les attributs produits sont pauvres ou si les niveaux de stock ne sont pas actualisés, ses recommandations seront peu pertinentes et finiront par dégrader la confiance du consommateur.

La qualité et l’unification des données doivent donc précéder l’élargissement des capacités conversationnelles.

Il faut également définir le périmètre d’action de l’agent. Quels produits peut-il recommander ? Quelles promotions est-il autorisé à proposer ? À partir de quel moment doit-il transférer la conversation à un conseiller humain ? Comment ses décisions sont-elles tracées et auditées ?

Ces règles constituent, en pratique, une politique commerciale traduite en règles opérationnelles. Leur définition ne peut pas relever uniquement de l’IT ou des équipes chargées de l’IA. Elle suppose un travail commun entre métiers, technologie et fonctions juridiques ou de conformité.

Sur le terrain, nous privilégions une trajectoire progressive : audit du catalogue, des données et de l’architecture, puis expérimentation sur un cas d’usage limité dont les résultats peuvent être mesurés concrètement.

Un personal shopper appliqué à une catégorie où l’achat demande davantage de réflexion, un assistant de choix de taille ou un pilote Storefront Next permettent par exemple de confronter rapidement l’hypothèse à des indicateurs métier avant un déploiement plus large.

Trois fondations apparaissent alors indispensables : des données fiables, une architecture flexible et des agents capables d’agir sur de véritables processus métier.

L’ecommerce optimise depuis des années un funnel pensé pour des personnes qui recherchent, naviguent et cliquent. Ce funnel commence désormais à intégrer la conversation et des décisions partiellement déléguées à des agents.

Se préparer au commerce agentique ne consiste donc pas à remplacer l’omnicanalité. Il s’agit plutôt de s’appuyer sur tout ce qu’elle a permis de construire pour franchir une nouvelle étape : rendre le commerce compréhensible pour le client, exploitable et transactionnel pour les agents, et suffisamment pertinent pour rester présent au moment où les uns comme les autres décideront quoi acheter.

Contactez nos experts