Pendant vingt ans, être visible sur Internet reposait surtout sur deux leviers : apparaître dans Google et disposer d’un site capable de convertir les visiteurs.

L’intelligence artificielle commence à changer cette mécanique.

Un consommateur peut désormais demander à une IA de lui trouver une machine à laver silencieuse pour un petit appartement. Il peut aussi lui demander d’organiser un week-end avec un budget précis ou de comparer plusieurs produits selon ses propres contraintes.

L’interface ne lui propose plus seulement une liste de liens. Elle comprend sa demande, affine son besoin et peut l’accompagner jusqu’à la décision d’achat.

ChatGPT et les assistants IA deviennent de nouveaux canaux commerciaux

OpenAI a franchi une nouvelle étape en mars 2026 avec l’Agentic Commerce Protocol (ACP). Ce protocole doit faciliter la découverte et la comparaison de produits directement dans ChatGPT.

L’utilisateur peut ainsi obtenir des informations sur le prix, la disponibilité ou les caractéristiques d’un produit au sein même de la conversation.

Découvrir l’annonce officielle d’OpenAI sur le commerce agentique

OpenAI a développé l’ACP avec Stripe sous la forme d’un standard ouvert. Il permet à un agent, un commerçant et un système de paiement de dialoguer jusqu’à la transaction. Le marchand conserve toutefois la responsabilité de la commande, de la livraison et de la relation client.

Voir le fonctionnement présenté par OpenAI

Cette évolution rejoint ce que Business Times observait déjà avec Shopify. Sa directrice commerciale EMEA expliquait que le commerce agentique devenait l’un des nouveaux défis du retail.

Le catalogue produit change de rôle

Pour les enseignes, cette transformation touche directement la donnée produit.

Jusqu’ici, un catalogue e-commerce servait surtout à filtrer des références. Taille, couleur, prix, puissance, dimensions ou disponibilité permettaient au client d’affiner sa recherche.

Avec une IA conversationnelle, le catalogue doit aller plus loin.

Il doit permettre à la machine de comprendre à quel besoin répond réellement le produit.

Une machine à laver ne se résume plus à une capacité de neuf kilos ou à une classe énergétique. L’IA doit aussi comprendre qu’elle convient à une famille, à un petit logement ou à quelqu’un qui recherche un appareil silencieux.

Business Times avait déjà abordé cette évolution avec Neuralk-IA. Les données produits, clients et transactionnelles deviennent progressivement un élément central du SEO, du GEO et de la personnalisation.

Même changement du côté des moteurs de recherche e-commerce. Nous analysions récemment le passage d’une recherche basée sur quelques mots-clés vers des interfaces capables de comprendre une intention beaucoup plus complète.

Lemrock veut connecter les enseignes à plusieurs IA

C’est précisément sur ce terrain que se positionne Lemrock.

Roxane Laigle dirige l’entreprise, qu’elle a cofondée avec Sasha Collin et Clément Nguyen. Lemrock développe une infrastructure permettant aux marques et aux retailers de connecter leurs catalogues aux nouveaux environnements pilotés par l’intelligence artificielle.

La société cite notamment ChatGPT, Perplexity, Mistral AI, Gemini et DeepSeek parmi les environnements concernés.

Découvrir Lemrock

Pour un dirigeant, l’enjeu dépasse donc la question technique.

Si une partie des recherches commerciales quitte progressivement les moteurs traditionnels pour les assistants conversationnels, la bataille pour la visibilité des marques va elle aussi se déplacer.

GEO et commerce agentique : deux logiques différentes

Le GEO, ou Generative Engine Optimization, cherche à augmenter la probabilité qu’une marque apparaisse naturellement dans la réponse d’une intelligence artificielle.

Le commerce agentique va plus loin.

Il cherche à présenter une offre commerciale lorsqu’un utilisateur exprime clairement une intention d’achat.

Cette évolution soulève immédiatement plusieurs questions.

Qui décide du produit recommandé ? Comment une marque garde-t-elle la maîtrise de ses données ? Comment distinguer une recommandation naturelle d’une activation commerciale ? Et qui porte la responsabilité si l’IA affiche un mauvais prix ou une information dépassée ?

La question de l’interopérabilité devient donc centrale.

Lemrock cite notamment le Model Context Protocol (MCP), standard ouvert initialement développé par Anthropic. Ce protocole permet aux assistants d’IA de communiquer avec des sources de données et des outils externes.

Pour comprendre ce que cette transformation signifie concrètement pour les enseignes, Business Times a posé quatre questions à Roxane Laigle, CEO de Lemrock.

INTERVIEW EXCLUSIVE BUSINESS TIMES

Roxane Laigle, CEO de Lemrock

1. Concrètement, qu’est-ce qu’une enseigne doit modifier dans son catalogue, ses données produits et son infrastructure pour devenir « agent-ready » et être correctement comprise ou recommandée par des outils comme ChatGPT, Claude ou Perplexity ?

Le premier prérequis est la qualité du catalogue. Les données doivent être propres, structurées, complètes et régulièrement actualisées. Le prix, la disponibilité, les variantes, les caractéristiques, les conditions de livraison ou encore les promotions constituent le socle à partir duquel une IA peut pousser le bon produit, au bon moment, au bon endroit et à la bonne personne. La qualité de cette donnée va devenir un actif stratégique majeur pour les enseignes.

Nous passons également d’une logique de mots-clés à une logique de contexte. Jusqu’à présent, les catalogues étaient principalement construits autour de références et de caractéristiques techniques. Désormais, ils doivent aussi intégrer les usages, les contraintes et les situations auxquelles chaque produit répond.

Une machine à laver ne doit plus seulement être décrite par sa capacité, ses dimensions ou sa classe énergétique. Le catalogue doit également permettre à une IA de comprendre qu’elle est adaptée à une famille de quatre personnes, à un petit appartement, à un besoin de faible consommation ou à une contrainte de silence. C’est cet enrichissement contextuel qui permet de faire émerger le produit réellement pertinent dans une conversation.

Il faut ensuite distinguer deux manières pour une marque d’apparaître au sein d’une IA conversationnelle.

La première est le GEO, qui cherche à influencer la réponse naturelle produite par les LLM. Cette approche peut améliorer la probabilité qu’une marque ou un produit soit cité, mais elle n’est pas une science exacte. Elle reste très dépendante des algorithmes et des mises à jour des grandes plateformes technologiques. Une marque peut être très visible un jour et beaucoup moins le lendemain, sans disposer d’un contrôle direct sur cette évolution.

La seconde, au contraire, est le commerce agentique. Il ne cherche pas à influencer la réponse du LLM, mais à la compléter en ouvrant, au sein des IA conversationnelles, des surfaces commerciales permettant de présenter un produit ou une offre lorsque la conversation révèle une intention pertinente. La logique est plus directe et plus mesurable : il ne s’agit plus seulement d’espérer être cité dans une réponse, mais de pouvoir proposer le bon produit au moment où l’utilisateur exprime un besoin précis.

Pour se connecter à ces surfaces, les marques ont besoin d’une infrastructure capable de standardiser, sécuriser et distribuer leurs données. Lemrock joue ce rôle de point d’accès unifié. Une seule intégration permet à une marque d’apparaître et de vendre dans plusieurs environnements conversationnels, qu’il s’agisse des grandes plateformes ou d’IA plus spécialisées.

Lemrock s’appuie sur les protocoles du marché, tels que MCP ou ACP, afin d’éviter la multiplication d’intégrations propriétaires. Notre plateforme orchestre ensuite la distribution, adapte la présentation des produits à chaque environnement et optimise leur activation selon le contexte, l’intention et la performance observée.

L’enjeu pour une enseigne n’est donc pas de reconstruire son catalogue pour chaque IA. Il est de disposer d’une donnée fiable et d’une couche d’infrastructure unique capable de la rendre exploitable sur l’ensemble de ces nouveaux canaux.

2. Vous indiquez accompagner plus de 100 enseignes et traiter près de 100 millions d’interactions par mois. Que recouvre précisément la notion d’« interaction » et quels résultats mesurables observez-vous ?

Nous parlons plus précisément de près de 100 millions de conversations couvertes chaque mois par le réseau Lemrock. Une conversation débute lorsqu’un utilisateur échange avec une IA conversationnelle présente sur l’une des surfaces auxquelles nous sommes connectés. Une même conversation peut ensuite générer plusieurs interactions : affichage d’une offre, clic sur un produit, engagement avec une marque, demande d’information complémentaire ou passage vers le site marchand.

Les premiers résultats sont très significatifs. Nous observons des retours sur investissement généralement compris entre 6 et 12, et parfois supérieurs. Ces performances s’expliquent par la précision du ciblage. Contrairement à une publicité classique, le message n’est pas diffusé à partir d’un profil d’audience général. Il intervient lorsque l’utilisateur est en train d’exprimer un besoin, de comparer des options ou de préparer une décision d’achat.

Nous constatons également des taux d’interaction à deux chiffres, plus de dix fois supérieurs à ceux de la publicité digitale traditionnelle. Le trafic généré est donc moins volumique mais beaucoup plus qualifié, car l’utilisateur a déjà formulé une intention et affiné ses critères.

Nous travaillons notamment avec des marques comme Monoprix, La Redoute ou SNCF Connect sur ces nouveaux parcours. Les cas d’usage peuvent aller de la recommandation d’un produit adapté à une situation précise jusqu’à la sélection d’une offre de voyage selon une destination, un budget, des dates et des contraintes de transport.

Le commerce agentique ouvre ainsi une nouvelle ère de personnalisation. La technologie de Lemrock utilise les signaux de la conversation pour comprendre le besoin et déclencher la recommandation la plus pertinente, plutôt que de diffuser le même message à une audience prédéfinie.

3. Quel est le modèle économique de Lemrock et comment évitez-vous que le commerce agentique ne reproduise les mécanismes de dépendance ou de référencement payant déjà observés avec les moteurs de recherche, les places de marché et les grandes plateformes ?

Lemrock repose sur un modèle récurrent. Chaque client paie un abonnement mensuel donnant accès à un volume de crédits, que nous appelons des tokens. Ces tokens sont consommés au fil des interactions commerciales générées au sein des IA conversationnelles, par exemple lorsqu’un utilisateur clique sur un produit ou interagit avec une marque.

Ce modèle aligne directement notre rémunération sur l’usage et la valeur créée. Une marque ne paie pas uniquement pour être techniquement connectée ou potentiellement visible. Elle paie lorsque son offre est effectivement activée au sein d’une conversation pertinente.

Le risque de voir apparaître de nouvelles formes de dépendance ou des systèmes de classement opaques existe. Les IA conversationnelles vont devenir des intermédiaires importants entre les consommateurs et les marques. Il est donc essentiel que des acteurs technologiques européens et souverains se positionnent sur cette couche stratégique.

Lemrock se situe au-dessus des grandes plateformes et s’appuie sur les protocoles standards du marché. Notre rôle est de fournir aux marques une infrastructure unifiée qui leur permet de distribuer leurs offres sur plusieurs IA sans dépendre d’un seul acteur, d’une seule interface ou d’une seule boîte noire algorithmique.

Cette approche permet aux marques de conserver la maîtrise de leurs données, de leurs règles commerciales et de leur distribution. Elles peuvent suivre les performances d’un environnement à l’autre, comprendre les interactions générées et arbitrer leurs investissements en fonction de résultats mesurables.

La confiance sera déterminante pour l’adoption du commerce agentique. Cela suppose de rendre les activations commerciales identifiables, de garantir la pertinence des offres proposées et de donner aux marques comme aux consommateurs davantage de transparence sur les mécanismes de recommandation.

4. Quels sont les principaux risques liés à ce nouveau canal et qui doit porter la responsabilité lorsqu’un agent IA fournit une information incorrecte ?

Le premier risque est celui d’une information incorrecte ou obsolète. Un prix peut avoir changé, un produit peut ne plus être disponible ou une condition de livraison peut être incomplète. C’est précisément pour cette raison que la qualité et la fraîcheur des données sont déterminantes. Pour les informations commerciales critiques, l’agent doit interroger une source structurée et actualisée plutôt que déduire une réponse à partir d’un contenu ancien.

Le deuxième risque concerne l’opacité de la recommandation. L’utilisateur doit pouvoir comprendre si une offre lui est proposée parce qu’elle répond naturellement à son besoin ou parce qu’elle fait l’objet d’une activation commerciale. La confiance repose sur une séparation claire entre recommandation organique et contenu sponsorisé, ainsi que sur des règles strictes de pertinence.

Le troisième risque est la perte de contrôle des marques sur leur distribution et leur relation client. Si elles se connectent séparément à chaque plateforme, elles risquent de multiplier les dépendances et de perdre la visibilité sur les données et les performances. Une infrastructure unifiée et fondée sur les protocoles standards du marché permet au contraire de conserver une capacité d’arbitrage et de ne pas dépendre d’une seule IA.

Le quatrième risque porte sur la protection des données. L’hyperpersonnalisation ne peut fonctionner durablement que si les informations utilisées sont strictement limitées à ce qui est nécessaire, protégées et traitées conformément aux choix de l’utilisateur et à la réglementation européenne.

La responsabilité ne peut pas reposer sur un seul acteur. Elle doit être répartie selon la couche contrôlée par chacun :

l’enseigne est responsable de l’exactitude des données produits, des prix, des stocks et des conditions commerciales qu’elle transmet
Lemrock est responsable de la qualité de la connexion, de l’orchestration, de l’application des règles définies et de la traçabilité des activations
la plateforme conversationnelle et le fournisseur du modèle sont responsables de la manière dont l’information est générée et présentée à l’utilisateur
l’enseigne reste responsable de l’exécution de la transaction, de la livraison et du service rendu au client

Le rôle de Lemrock est de rendre cette chaîne contrôlable et auditable. Nous nous appuyons sur les protocoles du marché, la traçabilité des interactions et des mécanismes de monitoring pour identifier la source d’une information, vérifier sa fraîcheur et comprendre comment une recommandation a été déclenchée.

Dans ce nouveau marché, la confiance ne pourra pas être déclarative. Elle devra être construite par des standards communs, des responsabilités clairement définies et une capacité réelle à tracer chaque étape, depuis la donnée source jusqu’à la transaction.

POUR ALLER PLUS LOIN

Un enjeu de souveraineté pour les enseignes européennes

Roxane Laigle insiste dans l’interview sur un point qui mérite de dépasser le seul sujet de Lemrock : la dépendance aux grandes plateformes.

Le problème n’est pas nouveau.

Les commerçants ont déjà appris à composer avec Google, Amazon, Meta et les grandes marketplaces. L’arrivée des assistants conversationnels pourrait créer une nouvelle couche d’intermédiation entre les marques et leurs clients.

La question devient donc simple : les enseignes pourront-elles utiliser ces nouveaux canaux sans devenir dépendantes d’un seul acteur ?

Business Times avait déjà abordé cette problématique à travers l’écosystème du commerce open source européen. Plusieurs acteurs cherchent aujourd’hui à conserver davantage de technologies, de données et de valeur en Europe.

Cette bataille ne se joue pas uniquement sur la technologie. Elle concerne aussi la capacité des marques à garder la maîtrise de leurs données clients et de leurs règles commerciales.

La protection des données devient incontournable

Le commerce agentique promet une personnalisation beaucoup plus poussée.

Cette promesse entraîne forcément des responsabilités.

Plus une IA comprend précisément la demande d’un utilisateur, plus la question des données utilisées devient sensible.

La CNIL rappelle que les systèmes d’intelligence artificielle qui traitent des données personnelles doivent respecter les principes du RGPD. Les entreprises doivent notamment limiter les informations collectées, garantir leur exactitude et expliquer clairement leur utilisation.

Consulter les recommandations de la CNIL concernant les systèmes d’intelligence artificielle

Pour les enseignes, ce point ne peut donc pas rester entre les mains de la seule direction technique.

Il concerne aussi les directions marketing, e-commerce, juridique et générale.

Le commerce agentique reste jeune, mais les enseignes doivent déjà se préparer

Personne ne sait encore quelle part du commerce en ligne passera demain par ChatGPT, Perplexity ou d’autres agents.

Mais attendre que le marché soit parfaitement mature comporte aussi un risque.

Les entreprises ont mis des années à structurer leurs catalogues pour Google, leurs flux pour les marketplaces et leurs campagnes pour les réseaux sociaux. Les assistants d’IA créent aujourd’hui un nouveau canal avec ses propres règles.

Les réponses de Roxane Laigle mettent surtout en lumière un élément très concret : avant même de parler d’intelligence artificielle, les enseignes doivent améliorer leurs données.

Prix, stocks, promotions, variantes, usages et conditions de livraison doivent rester fiables et facilement exploitables.

Ce travail n’est d’ailleurs pas perdu si le commerce agentique progresse moins vite que prévu. Une donnée produit mieux structurée améliore déjà le site marchand, les marketplaces, le référencement et les outils internes.

C’est peut-être la meilleure manière d’aborder cette nouvelle étape : ne pas chercher à prédire exactement quelle IA dominera demain.

Mais faire en sorte que son entreprise puisse travailler avec plusieurs d’entre elles.

Interview exclusive – Roxane Laigle, CEO de Lemrock : comment le commerce agentique va transformer le retail