Le mot « agentique » est en train de subir le même sort que « IA » avant lui : il est ajouté à presque tout. La meilleure façon de savoir si un projet mérite vraiment ce qualificatif est pourtant assez simple. L’IA peut-elle agir, ou se contente-t-elle de parler ?

Dans le retail, cette distinction est déjà visible.

Un chatbot classique aide un client à trouver une information. Un agent de commerce doit enchaîner plusieurs étapes : comprendre une intention, interroger un catalogue, vérifier la disponibilité, composer une proposition compatible avec des contraintes, puis préparer ou exécuter une transaction. À chaque étape, il faut accéder à un système réel et respecter des règles réelles.

Carrefour offre un cas concret de cette transition. Son intégration à ChatGPT permet en France de rechercher des produits, vérifier leur disponibilité et préparer un panier avant un checkout final sur Carrefour.fr. Le groupe avait déjà expérimenté l’IA conversationnelle avec Hopla, mais la différence est désormais l’exécution partielle d’un parcours commercial dans une interface externe.

La technologie intéressante n’est donc pas seulement le modèle de langage. C’est tout ce qu’il doit pouvoir appeler derrière lui.

Un agent incapable de connaître le stock réel n’est qu’un moteur de recommandation. Un agent qui ne comprend pas les règles de promotion peut proposer un prix faux. Un agent qui ne sait pas gérer une substitution alimentaire peut générer une expérience dangereuse. Et un agent qui ne peut pas transmettre proprement l’intention d’achat au système du retailer oblige encore le client à recommencer son parcours.

Le commerce agentique transforme ainsi les systèmes back-end en éléments directs de l’expérience client.

C’est une évolution importante pour le retail français, où les grands groupes disposent de couches historiques de POS, ERP, e-commerce, fidélité, supply chain et données magasin. Pendant longtemps, la modernisation de ces systèmes pouvait être pensée comme un projet interne. Si un agent externe doit les interroger en temps réel, la qualité de l’architecture devient visible au consommateur.

Carrefour semble avoir compris cette dépendance. Son plan stratégique prévoit des investissements importants dans l’IA et la technologie, ainsi qu’un déploiement de la plateforme Vusion dans ses hypermarchés et supermarchés français. Le groupe veut également doubler le chiffre d’affaires de sa coentreprise retail media Unlimitail à l’horizon 2028. Ces chantiers peuvent paraître séparés ; ils convergent pourtant autour du même actif : la donnée de commerce.

C’est là que le commerce agentique devient aussi un sujet de pouvoir.

Aujourd’hui, un retailer contrôle la mise en rayon numérique sur son site : ordre des résultats, merchandising, placements sponsorisés, recommandations. Si une IA externe devient la couche de découverte, une partie de ce contrôle se déplace. Le retailer peut fournir les données, mais l’agent décide potentiellement quelles options montrer et dans quel ordre.

Le retail media devra s’adapter à cette nouvelle distribution de l’attention. Une bannière ou une mise en avant classique n’a pas d’équivalent évident dans une réponse conversationnelle. La question commerciale pourrait devenir : comment un produit gagne-t-il le droit d’être recommandé par un système qui prétend optimiser pour l’utilisateur ?

Cela ne signifie pas que la publicité disparaît. Cela signifie que ses mécanismes devront être beaucoup plus explicites pour éviter de brouiller la frontière entre recommandation et influence commerciale.

La confiance est l’autre contrainte structurante. Un agent qui effectue une action a besoin d’un mandat clair. Qui est responsable si la mauvaise taille est commandée, si une promotion expire ou si une allergie est mal interprétée ? Quels événements sont enregistrés ? À quel moment le consommateur doit-il confirmer ? Les systèmes de paiement travaillent déjà sur des mécanismes d’identité et d’autorisation spécifiques aux agents, preuve que l’enjeu dépasse le simple dialogue.

Pour les retailers, la bonne réponse n’est probablement pas de reconstruire eux-mêmes un modèle généraliste. Leur avantage se situe ailleurs : données produit, stock, prix, connaissance client, logistique et capacité d’exécution.

La stratégie consiste donc à rendre ces actifs accessibles de manière contrôlée aux agents, sans devenir un simple fournisseur interchangeable derrière l’interface d’un autre.

Carrefour maintient pour l’instant le paiement final chez lui. C’est une frontière révélatrice : l’entreprise accepte de partager le début du parcours mais conserve l’étape où identité, transaction et relation commerciale se cristallisent.

Cette frontière bougera probablement.

La question importante pour le retail français n’est donc pas « faut-il un chatbot ? ». Elle est beaucoup plus difficile : quelles parties de notre commerce sommes-nous prêts à rendre exécutables par une machine externe, et lesquelles devons-nous absolument continuer à contrôler ?

C’est à cet endroit que commence réellement l’IA agentique.

Cette transformation donne également une nouvelle valeur aux standards. Carrefour a soutenu le Universal Commerce Protocol de Google précisément parce qu’un écosystème d’agents ne peut pas dépendre d’intégrations artisanales avec chaque retailer. Si chaque agent utilise un schéma différent pour demander un prix, une disponibilité ou une action de checkout, l’industrialisation devient rapidement ingérable.

Les standards peuvent toutefois déplacer le pouvoir vers ceux qui les contrôlent ou les implémentent le mieux. Un protocole ouvert réduit la friction technique, mais il ne décide pas qui possède la relation client, qui peut utiliser les données ou comment les recommandations commerciales sont classées. Ces choix resteront contractuels et réglementaires.

Le cadre européen ajoute une difficulté. Les retailers doivent conjuguer personnalisation, protection des données, obligations liées à l’IA et règles de paiement. Le modèle « on branche l’agent sur nos outils et on voit ce qui se passe » est incompatible avec un commerce où une erreur peut engager de l’argent réel ou manipuler des données sensibles.

Le rôle d’un orchestrateur devient alors central. L’agent peut proposer une action ; le système doit vérifier qu’elle est permise, journaliser ce qui s’est passé et solliciter une confirmation lorsque le risque l’exige. Le futur du commerce agentique sera probablement moins autonome que les démonstrations ne le suggèrent, mais beaucoup plus intégré.

C’est aussi pourquoi la qualité du back-end peut devenir un avantage concurrentiel visible. Deux retailers peuvent utiliser le même modèle. Celui dont le stock est plus précis, les règles de promotion plus propres et le fulfillment plus fiable donnera à l’agent de meilleures réponses. L’IA banalise alors la couche de conversation tout en récompensant l’excellence opérationnelle.