Comment fonctionne le GEO pour l'e-commerce et les boutiques en ligne ?

« Best running shoes for flat feet under $150 » n'est plus une requête de recherche — c'est une conversation, et l'assistant y répond en nommant trois produits au lieu d'afficher dix liens bleus. Les prompts de recommandation produit forment la classe de questions la plus commerciale que traitent les moteurs IA, et la surface s'étend vite précisément sur ce territoire : la part des requêtes commerciales déclenchant des AI Overviews de Google a crû de 71% dans les six mois précédant avril 2026 (Semrush).

L'économie du clic a changé avec elle. Quand un résumé IA apparaît dans les résultats Google, les utilisateurs cliquent sur un résultat classique dans 8% des visites contre 15% sans résumé, et 26% de ces sessions se terminent sans aucun clic (Pew Research, juillet 2025). Pour une boutique, cela signifie que le moment de la décision — quels trois produits sont nommés — se joue de plus en plus à l'intérieur de la réponse, avant que quiconque n'atteigne une page produit.

La discipline qui vise ce moment porte plusieurs noms — GEO (Generative Engine Optimization), AEO (Answer Engine Optimization), LLM SEO — et ils décrivent le même travail : rendre vos produits suffisamment récupérables, citables et corroborés pour que l'assistant les recommande. Nous employons ces termes de manière interchangeable ; ce qui compte, c'est de savoir si votre boutique est dans la réponse.

Les données de citation sont assez précises pour bâtir un plan dessus. Une analyse de 30 millions de sources citées par la recherche IA place G2 et Yelp aux sixième et septième rangs de tous les domaines cités — les plateformes d'avis figurent tout en haut de ce sur quoi les moteurs s'appuient pour les questions commerciales (Peec AI). Autour d'elles, les guides d'achat, les sélections des médias et les articles comparatifs portent les requêtes de recommandation : l'assistant veut une source indépendante qui a déjà classé les options.

La surprise dans ces données, c'est le poids du contenu détenu par les marques. Une étude de 379 321 citations de Claude sur des requêtes SaaS et tech en attribue environ 64% à des sites appartenant aux marques (Otterly, juin 2026). Les moteurs ne citent pas seulement les avis sur vos produits ; ils citent vos fiches produit directement, à condition que les caractéristiques, les prix et les affirmations soient énoncés sous forme extractible. Une boutique qui traite ses propres pages comme des sources de citation — et pas seulement comme des pages de conversion — couvre les deux moitiés du schéma.

L'implication tactique de l'étude fondatrice de Princeton sur le GEO s'applique directement au contenu produit : ajouter des citations, des statistiques et des références à une page a augmenté sa visibilité dans les réponses génératives jusqu'à 40%. Un guide d'achat aux affirmations mesurées — poids, heures d'autonomie, délais de retour, sources de test nommées — est un meilleur candidat à la citation que le même guide rédigé en prose marketing.

Un assistant qui compose un « best under $150 » a besoin du prix, de la disponibilité et de la caractéristique différenciante comme faits extractibles — pas comme fragments dispersés dans un widget JavaScript hydraté. Les données structurées produit (schema.org/Product avec offers, prix, disponibilité et notes agrégées) énoncent ces faits dans le format que les systèmes de retrieval analysent le plus fiablement, et les mêmes affirmations doivent aussi apparaître en texte visible sur la page, car l'extraction travaille sur des passages, pas seulement sur du balisage.

Les règles de passage de notre guide sur les citations ChatGPT s'appliquent ici avec plus de force encore, car les requêtes produit sont un appariement de contraintes : « under $150 », « for flat feet », « ships to Germany ». Une fiche produit qui énonce « pèse 240 g, drop de 8 mm, coûte 139 $, retours gratuits sous 30 jours » dans un seul bloc autonome peut être appariée aux contraintes de l'acheteur ; une page qui dit « conçue pour un confort ultime » ne le peut pas. Destinations de livraison, délais de retour et état du stock sont de la matière à réponse — traitez-les comme des affirmations à publier, pas comme des mentions en petits caractères.

Le rendu côté serveur reste le verrou binaire : le retrieval récupère du HTML et n'attend pas de façon fiable qu'un framework de boutique s'hydrate. Le contrôle à coût zéro : charger votre fiche produit avec JavaScript désactivé et vérifier que le prix, les caractéristiques et la disponibilité figurent bien dans le balisage.

ChatGPT dispose désormais d'une expérience dédiée de découverte produit — navigation visuelle, comparaison côte à côte, prix actuels — propulsée par l'Agentic Commerce Protocol (ACP), qu'OpenAI a étendu du paiement vers la découverte en 2026. Les marchands fournissent des flux produits structurés (titre, description, URL, image, prix, disponibilité) par téléversement de fichier ou par API ; les marchands Shopify sont intégrés automatiquement via Shopify Catalog, et l'accès au flux pour tous les autres passe pour l'instant par un processus d'approbation plutôt que par un libre-service ouvert (OpenAI).

Deux choses sur l'état actuel méritent d'être connues avant de bâtir un plan dessus. Premièrement, OpenAI a fait machine arrière sur son Instant Checkout autonome au profit du paiement chez le marchand — l'axe stratégique est la découverte, et l'achat se conclut pour l'essentiel sur votre site. Deuxièmement, le flux n'est pas la seule porte : la documentation d'OpenAI indique elle-même que les fiches produit publiques peuvent apparaître dans les résultats shopping de ChatGPT dès lors qu'OAI-SearchBot peut les crawler. Le flux vous donne un enregistrement produit maîtrisé et à jour ; la voie du web ouvert récompense exactement la structure de page que le GEO construit de toute façon.

Le séquencement pratique pour la plupart des boutiques : corriger d'abord l'accès des crawlers et la structure des pages, car cela alimente tous les moteurs — ChatGPT, Perplexity, Gemini, AI Overviews. Puis ajouter la voie du flux là où vous y êtes éligible (les marchands Shopify et Etsy y sont largement déjà), pour que vos prix et votre état de stock dans ChatGPT proviennent de vos propres données plutôt que d'un crawl qui peut avoir du retard.

Les prompts de la phase de décision — « Brand X vs Brand Y », « alternatives to X » — sont là où les boutiques gagnent ou perdent les recommandations nommées, et la plupart des boutiques refusent de publier des comparatifs honnêtes nommant leurs concurrents. Ce refus est l'opportunité : quand aucune meilleure source n'existe, l'assistant assemble la comparaison à partir de qui en a publié une. Une boutique qui livre des pages comparatives factuelles, au niveau des caractéristiques, tend à devenir la source des prompts de décision de sa propre catégorie.

Les boutiques transfrontalières ajoutent une dimension linguistique que la plupart des conseils GEO ignorent : les assistants répondent aux acheteurs allemands à partir de sources en allemand et aux acheteurs français à partir de sources en français — un catalogue traduit à la machine, ou pas traduit du tout, est donc invisible dans la moitié de ses marchés. Vendre dans la langue de l'acheteur, c'est être citable dans la langue de l'acheteur ; nous construisons et mesurons en neuf langues natives précisément pour cette raison.

La mesure suit la méthode que nous appliquons à tout : une batterie fixe de prompts de catégorie, de produit et de comparaison par marché et par langue, exécutée en sessions propres et déconnectées sur ChatGPT, Perplexity et Gemini, notée en part de voix et en taux de citation face à une baseline du premier jour. Pour une boutique, la batterie de prompts se lit comme un parcours d'achat — « best [category] for [use case] », « [product] vs [competitor] », « is [brand] legit » — et la baseline montre dans lesquelles de ces réponses vous apparaissez déjà, avant qu'on ne vous promette quoi que ce soit.