Il y a un an, dans les tableaux de bord du commerce en ligne, la ligne du trafic venu des assistants d’IA était la pire de toutes. Ces visiteurs achetaient moins souvent que ceux du search payant, de l’email ou de l’affiliation. Douze mois plus tard, la même ligne est devenue la meilleure.
En mars 2026, le trafic d’origine IA vers les sites marchands américains a converti 42 % de mieux que le reste du trafic, un record. Un an plus tôt, il convertissait 38 % de moins.
Conversion du trafic d’origine IA rapportée au reste du trafic, e-commerce américain. Les deux chiffres ne reposent pas sur la même base de comparaison ; c’est la direction qui fait le résultat.
Les deux chiffres ne partagent pas la même base de comparaison, et le « retournement de quatre-vingts points » qui circule autour de ce rapport est donc moins solide qu’il n’en a l’air. La direction, elle, ne se discute pas. En douze mois, un canal est passé de la dernière à la première place du commerce en ligne américain, et le volume a suivi. Au premier trimestre 2026, le trafic d’origine IA a progressé de 393 % sur un an ; ces visiteurs sont restés 48 % plus longtemps et ont rapporté 37 % de revenu par visite de plus que les autres.
Si le phénomène apparaît d’abord dans le commerce en ligne, c’est que la vente s’y conclut assez vite pour être mesurée dans le trimestre. Personne ne publie l’équivalent pour un cycle B2B de neuf mois. Le comportement sous-jacent est pourtant identique ; dans un achat réfléchi, il est seulement plus difficile à voir et plus coûteux à manquer. McKinsey chiffre à 750 milliards de dollars le revenu américain qui passera par la recherche assistée par IA d’ici 2028. C’est une projection, pas une mesure, mais projections et mesures pointent désormais du même côté.
Rapprochez n’importe lequel de ces chiffres de votre propre courbe de sessions organiques, et la question stratégique change de nature. Il ne s’agit plus de reconquérir des clics, mais de savoir lequel de vos indicateurs mesure encore la demande. À cette question, la plupart des dirigeants attendent toujours une réponse claire.
Ce qui a bougé, et ce que l’ignorer vous coûte
Aucune de ces lignes ne relève de la tactique marketing. Ce sont des décisions de management, et c’est précisément pour cela qu’elles atterrissent un ou deux étages en dessous du niveau où elles se jouent.
La plupart de vos lecteurs sont désormais des machines
Cloudflare, placé devant environ un cinquième du web, compte ce qui y transite. En juin, sa propre mesure a franchi un seuil que son directeur général annonçait pour fin 2027.
Pour la première fois, les requêtes automatisées ont dépassé les requêtes humaines : environ 57 % des requêtes HTML vers les contenus web, contre 43 % émises par des personnes.
Part des requêtes HTML vers les contenus web, réseau Cloudflare, juin 2026.
Que des machines lisent vos contenus n’a rien de nouveau. Ce sont les termes de l’échange qui ont changé. Pendant vingt ans, l’accord restait à peu près équitable : un robot prenait votre page, un moteur vous renvoyait un lecteur.
Pour les grands robots d’IA, le rapport entre pages explorées et visites renvoyées va de 118 pour 1 à près de 50 000 pour 1, quand celui des moteurs de recherche classiques reste à peu près à l’équilibre.
Si la fourchette est aussi large, c’est qu’elle mélange des robots différents observés sur des mois différents, et que les pires contrevenants sont des robots d’entraînement qui ne renvoient jamais rien. Retenez la direction plutôt que le chiffre. Pour un éditeur, c’est un modèle de revenus qui se défait. Pour une marque, c’est moins dramatique et presque aussi gênant : vos contenus sont désormais lus, pour l’essentiel, par quelque chose qui ne visitera pas votre site, n’y achètera rien et n’apparaîtra dans aucun de vos rapports. Le crawl et le trafic se sont découplés. Un tableau de bord qui lit encore le premier comme un indicateur avancé du second décrit une relation qui n’existe plus.
Reste à savoir ce que ces machines trouvent une fois sur place.
Dans le commerce de détail américain, la visibilité IA moyenne atteint 75 % sur les pages d’accueil, 74 % sur les pages de rayon et 66 % sur les fiches produit. À 50 %, la moitié du contenu d’une page échappe au modèle.
La page qui porte le prix, le stock et les caractéristiques est la moins lisible du site.
La fiche produit, celle qui porte le prix, le stock et les caractéristiques, est donc la page la moins lisible du site. C’est exactement celle qu’un assistant d’achat cherche à lire. Nos audits hors e-commerce montrent la même géométrie : les pages marketing s’en sortent bien, les pages qui contiennent les faits s’en sortent mal, parce qu’elles ont été construites pour un moteur de rendu et non pour un lecteur. C’est un problème d’offre, et aucun calendrier éditorial, si fourni soit-il, n’y répond.
La short-list se referme avant que vous ne la sachiez ouverte
Voilà qui nous amène à la partie qui concerne tout le monde, y compris ceux qui ne vendent rien en ligne. Si vous vendez un achat qui se réfléchit plutôt qu’une paire de chaussures de course, le chiffre à retenir n’est aucun des précédents. Il vient du B2B, et il est antérieur à tout le débat sur la recherche IA.
94 % des groupes d’achat avaient classé leurs fournisseurs préférés avant tout premier contact commercial, et ont acheté auprès de ce favori initial dans 77 % des cas. La part de la recherche autonome face aux échanges avec les vendeurs est passée de 70/30 à 60/40.
Soixante pour cent du parcours est joué avant que quiconque, chez vous, ne sache que l’affaire existe.
Soixante pour cent du parcours est joué avant que quiconque, chez vous, ne sache que l’affaire existe. Et chaque trimestre, une part croissante de ces soixante pour cent passe par un assistant qui lit les avis, aligne les fournisseurs et tend une short-list. Manquer cette réponse, c’est manquer un classement qui désigne le vainqueur plus de trois fois sur quatre.
Les équipes commerciales ne rattraperont rien : elles n’ont pas encore été conviées. La même étude relève un point que tout vendeur d’un produit doté d’IA devrait lire deux fois. 89 % des achats comportaient des fonctions d’IA, et 58 % des acheteurs ont pris contact tôt précisément parce qu’aucun fournisseur n’expliquait ces fonctions clairement, nulle part où un acheteur pouvait les trouver.
C’est un déficit de contenu doublé d’un enjeu de chiffre d’affaires, et l’un des rares constats de cette page que vous pouvez corriger sans dépendre de personne.
AEO et GEO : deux budgets, pas deux mots
Renommer le budget SEO, ce que le secteur a peu ou prou fait, ne règle rien. Deux étiquettes se sont imposées. Elles sont utiles, à condition de les lire comme deux catégories de dépense distinctes.
L’answer engine optimization travaille sur ce qui vous appartient : structurer vos pages pour qu’une machine en extraie une réponse propre, et faire en sorte que les données produit se lisent sans navigateur. C’est de l’ingénierie, un coût essentiellement fixe suivi de maintenance, et cela reste sous votre contrôle.
La generative engine optimization travaille sur ce qui ne vous appartient pas : gagner une place dans le corpus de sources qu’un modèle lit avant de répondre. Un seul ratio explique pourquoi les deux ne peuvent pas partager la même ligne budgétaire.
Les sites d’une marque ne pèsent que 5 à 10 % des sources citées par la recherche IA. Dans des catégories comme la grande consommation ou les services financiers, plus de 65 % des sources sont des éditeurs, des contenus d’internautes et des sites d’affiliation.
Autrement dit, environ neuf dixièmes de ce qui façonne la réponse à votre sujet s’écrivent ailleurs, sous d’autres plumes. Aucun travail sur vos propres pages n’y accède.
On peut détenir le featured snippet de Google et rester absent d’une réponse de ChatGPT. C’est pourquoi un budget unique masque l’échec d’une moitié derrière le succès de l’autre. La mécanique sous-jacente, et notamment pourquoi une citation et une mention ne sont pas le même événement, fait l’objet de notre articleComment fonctionnent les citations IA, et pourquoi elles comptent.
L’argent a bougé. La capacité, non.
Le budget n’est pas la contrainte. C’est ce qui rend la discussion interne plus délicate que la plupart des dossiers IA : demander davantage n’y changera rien.
Les directeurs marketing consacrent en moyenne 15,3 % de leur budget aux initiatives d’IA, et 70 % jugent critique de compter parmi les leaders de l’IA en 2026. Seuls 30 % font état d’une maturité IA aboutie.
La capacité s’installe plus vite que la discipline censée l’encadrer.
L’optimisation pour moteurs génératifs est désormais pratiquée par quatre entreprises sur dix, une capacité absente des éditions précédentes de l’enquête.
Quatre sur dix font le travail, trois sur dix ont la maturité pour le piloter. Acheter une capacité plus vite que l’organisation ne l’absorbe, c’est s’offrir de la dépense sans boucle de contrôle, le scénario que deux ans de pilotes IA viennent déjà de jouer une première fois. On en voit la trace.
16 % des marques suivent systématiquement leur performance dans la recherche IA.
Ce dernier échantillon compte une trentaine de répondants : un signal, pas une mesure. S’il reste sur cette page, c’est qu’il pointe dans la même direction que tout le reste, et qu’un échantillon fragile présenté comme tel vaut mieux qu’une affirmation péremptoire bâtie dessus.
Quatre décisions, dans cet ordre
Corrigez le chiffre que voit le conseil.
Les sessions ont cessé de mesurer la demande le jour où les réponses ont commencé à arriver sans clic. Présentez la conversion et le revenu par visite, par source, avec le trafic des assistants isolé du direct et de l’organique. Si votre outil d’analyse range encore ce trafic dans l’accès direct, cette erreur d’attribution vous fait perdre l’arbitrage avant même qu’il s’ouvre.
Prenez la mesure de départ avant de financer quoi que ce soit.
Posez les questions que vos acheteurs posent réellement, sur les assistants qu’ils utilisent réellement, et consignez trois issues : cité, nommé, ni l’un ni l’autre. L’argent n’est pas dans la mise en place, il est dans la répétition de l’exercice à rythme fixe. Sans elle, vous possédez une capture d’écran, pas un point de référence. Budgétez l’exercice comme un baromètre de marque, pas comme un projet. C’est la phase Bearing de notreméthode AZIMUTH dans son rôle le plus ingrat.
Scindez le budget et nommez deux responsables. L’AEO revient à qui tient le site et les données produit, le GEO à qui tient l’earned media. Confiez les deux à une seule personne et vous obtiendrez la moitié qu’elle maîtrise déjà, exécutée proprement, pendant que l’autre, tout simplement, ne se fera pas.
Écrivez le critère d’arrêt avant la première facture, pas après le premier trimestre décevant. Le nôtre, pour ce type de mission, tient à peu près en ceci : si un trimestre de travail de visibilité n’a pas fait bouger la part de réponses où nous sommes cités et nommés sur les prompts qui comptent, nous arrêtons, nous consignons la raison par écrit, et le budget rejoint un terrain où les preuves existent. Décider l’arrêt à l’avance, voilà ce qui sépare un canal d’un tableau de bord que personne n’a le droit de contester.
Chaque chiffre de cette page porte sa date parce que la plupart se périment en quelques mois. Les comportements de recherche et de citation changent sans préavis, et les données déclaratives des fournisseurs se corrigent elles aussi. Nous relisons cet article le premier du mois et signalons ce qui a bougé. Corrections àhello@bearingbridge.com.