RESONEO ·

Google Shopping, de la SERP à AI Mode : ce qu’un produit doit prouver pour être montré, puis acheté

Pour entrer dans un bloc Shopping gratuit de la SERP (les fiches gratuites de Merchant Center), une offre passe des filtres choisis parmi 82 : ils vérifient son prix, son stock et sa page, et le filtre du catalogue la juge sur quatre scores, dont deux tirés des clics. Les réponses d’AI Overviews et d’AI Mode puisent dans le même catalogue : avant de recommander un produit, l’IA de Google lit cinq fiches au format texte (le produit, l’offre en 30 champs, les avis, la marque et le magasin). Aux États-Unis, la vente peut alors se conclure sans quitter Google, dans le panier universel, avec Google Pay. Nous suivons un casque à réduction de bruit en promotion la semaine du Black Friday, du catalogue jusqu’au paiement.

Les quatre scores du filtre du catalogue ShoppingCatalogFilterScoreType

  • RELEVANCE_SCOREla pertinence du produit pour la requêtetexte
  • SALIENT_TERM_COSINE_SIMILARITYla proximité entre les termes qui pèsent dans la requête et ceux du produittexte
  • NAVBOOSTles clics mémorisés par NavBoost, le système de Google Search qui retient les clics sur chaque résultatclics
  • FACTORIZED_PRODUCT_PCTRun CTR prédit, même pour un produit qui vient de sortirclics
Deux scores jugent le texte du produit, deux autres les clics : ceux que NavBoost a mesurés, et ceux qu’un modèle prédit.
  1. Le catalogueplus de 60 milliards de fiches produits
  2. 4 scoresdans le filtre du catalogue, deux tirés des clics
  3. 82 filtresprix, stock, page, variété
  4. Bloc ou réponsela réponse de l’IA lit cinq fiches
  5. Panier universelplusieurs marchands, des relances
  6. PaiementGoogle Pay, par le protocole UCP, ou chez le marchand

Le même catalogue nourrit les blocs Shopping et les réponses de l’IA

Une requête comme [casque réduction de bruit black friday] mène à deux affichages. Dans la SERP, une grille de produits et des rangées de bonnes affaires ; dans AI Mode, une réponse qui compare trois casques et, aux États-Unis, propose de les mettre au panier. Les deux puisent dans le Shopping Graph, le catalogue de Google (plus de 60 milliards de fiches produits). La grille passe par des scores de pertinence et de clic, des filtres qui vérifient l’offre et une note pour la photo. La réponse de l’IA, dans les AI Overviews comme dans AI Mode, lit des fiches au format texte sur le produit, l’offre, les avis, la marque et le magasin ; AI Mode y ajoute un portrait shopping de l’acheteur. Le panier universel est ouvert aux États-Unis, le paiement par l’agent aux États-Unis et en Australie ; en France, les AI Overviews et AI Mode répondent depuis le 22 juillet 2026 et la vente se conclut sur le site du marchand.

82filtres entre le catalogue
et un bloc Shopping
30champs lus par le modèle
pour chaque offre
5fiches lues par le modèle avant
de recommander un produit

Les systèmes en jeu, dans l’ordre où ils agissent

  1. Le catalogueShopping Graphréunit les fiches produits des flux Merchant Center et du web
  2. L’indexation des imagesAmarnaanalyse et note chaque photo produit
  3. Avant la rechercheQRewriteprépare la requête et la marque comme une recherche d’achat
  4. Les clicsNavBoostgarde la mémoire des clics de Google Search, catalogue Shopping compris
  5. La réponsemagil’IA des pages de résultats, AI Overviews et AI Mode ; ses modèles lisent les fiches
  6. La personnalisationPersonal Intelligencerelie Gmail et Google Photos aux réponses d’AI Mode
  7. Le paiementUCPUniversal Commerce Protocol, le protocole qui laisse l’agent payer chez le marchand
  8. Sur le siteGoogle-Agentle user agent des agents de Google qui visitent un site pour un utilisateur
01

Deux des quatre scores qui filtrent le catalogue viennent des clics

Prenons la requête casque réduction de bruit

Le catalogue compte des milliers d’offres de casques ; la grille de produits en montre une vingtaine. Le filtre du catalogue juge les offres sur quatre scores. Deux jugent le texte : la pertinence du produit, et la proximité entre les mots qui pèsent dans la requête (« réduction de bruit », « sans fil ») et ceux du titre et des attributs. Les deux autres jugent les clics.

NavBoost : les clics déjà mesurés

NavBoost, le système de Google Search qui garde la mémoire des clics sur chaque résultat pour une requête, sert aussi au catalogue Shopping. Un casque que les acheteurs choisissent sur des requêtes proches passe le filtre plus facilement ; un casque pertinent mais peu cliqué le passe plus difficilement. Le fonctionnement de NavBoost est détaillé dans notre infographie NavBoost et Glue.

Le CTR prédit : les clics attendus

Là où NavBoost n’a pas encore d’historique, un modèle factorisé prédit le CTR : il apprend séparément ce qui attire le clic dans un produit et dans une requête, puis combine les deux. Un casque qui sort la semaine du Black Friday reçoit ainsi une estimation dès son premier jour, d’après ce qu’il partage avec les produits qui lui ressemblent. Shopping décline ce modèle par produit, par offre et par requête du fan-out, et Google Search fait tourner deux versions d’un modèle de CTR factorisé propre à Shopping.

Ce que prédisent les modèles de Shopping

  • ORGANIC_PCTRle CTR prédit d’un résultat Shopping gratuit
  • PGOOD_CLICKla probabilité d’un bon clic
  • ORGANIC_RELEVANCE_BERTla pertinence estimée par BERT
  • UNIVERSAL_RANKBRAINun score RankBrain sur la SERP qui mêle liens web et blocs Shopping
  • KITE_NEXT_GEN_RELEVANCEla pertinence selon KITE, une famille de modèles d’embeddings que Google emploie aussi pour la recherche web et Gmail
  • IMAGE_QUALITY_SCORE_STARla note de qualité de la photo
  • QUERY_P_USER_ENGAGEMENT_MODEL_AIOl’engagement attendu sur la requête quand la page affiche un AI Overview

Les prédictions des modèles de Shopping confirment le poids du clic : le CTR prédit d’un résultat gratuit, et la probabilité d’un bon clic, une notion que NavBoost compte aussi ; le clic long, après lequel l’acheteur reste sur la page, a sa propre prédiction. La photo a sa propre note, et un modèle estime, requête par requête, l’engagement de l’internaute quand la page affiche un AI Overview.

La pertinence se calcule à part sur le texte de l’offre, sur ses attributs, sur le texte des liens qui pointent vers sa page et sur des termes d’intention qui lui sont rattachés. Pour [casque réduction de bruit sans fil], « sans fil » compte dans les attributs du flux comme dans le titre. QRewrite, qui prépare la requête avant la recherche, l’a déjà marquée comme une recherche d’achat.

Les modèles que Google Search fait tourner pour Shopping

  • SHOPWEB_FACTORIZED_PCTR_ASHOPWEB_FACTORIZED_PCTR_Ble CTR prédit factorisé, en deux variantes
  • ORGANIC_SHOPPING_RELEVANCE_CONVOY_BUMBLEBEE · _COSMOSV2trois modèles de pertinence des résultats Shopping gratuits
  • SHOPPING_REFINEMENT_PIVOTSSHOPPING_SIDEWAYS_PIVOTSles suggestions pour affiner la recherche ou passer à un produit voisin
02

82 filtres posent quatre questions à chaque offre

Entre le catalogue et un bloc de produits, des filtres décident quelles offres Google montre ; chaque bloc puise dans un jeu de 82. Regroupés par ce qu’ils vérifient, ils posent d’abord quatre questions ; les autres jugent l’image, composent les rangées, tiennent compte de l’internaute ou règlent le filtrage.

Dit-elle vrai sur son prix, son stock et sa page ?

Des scores de confiance jugent l’offre : son prix, son stock annoncé, sa page produit (sur la probabilité qu’elle soit mauvaise) et son rattachement au bon groupe de produits. Une offre acceptée par Merchant Center mais peu fiable reste hors du bloc.

Dans le code

  • PriceConfidenceScoreQualityFilterConfigla confiance dans le prix
  • AvailabilityConfidenceScoreQualityFilterConfigla confiance dans le stock annoncé
  • BadPageConfidenceScoreQualityFilterConfigla probabilité d’une mauvaise page produit
  • GpcMatchingConfidenceFilterConfigle rattachement au bon groupe global de produits (GPC, global product cluster), qui réunit le même produit vendu par plusieurs marchands

Règle publique Google lit la page produit, données structurées comprises ; quand son prix ou son stock diffèrent du flux, il corrige l’offre d’après la page (aide Merchant Center).

Répond-elle à la requête et attire-t-elle le bon clic ?

Trois filtres portent sur le clic : celui du catalogue, la probabilité d’un bon clic et les modèles factorisés, dont le CTR prédit. D’autres découpent la requête : l’usage visé (« pour courir »), le prix demandé (« moins de 200 € »), le rayon.

Dans le code

  • PGoodClickFilterConfigla probabilité d’un bon clic
  • FactorizedModelFilterConfigles modèles factorisés : CTR prédit, bon clic, pertinence
  • UseCaseFilterConfigl’usage visé
  • QueryBasedPriceFilterConfigle prix tiré de la requête

Règle publique Merchant Center demande un titre qui décrit le produit et ses attributs clés, sans texte promotionnel (attribut title).

Laisse-t-elle de la place aux autres marques et marchands ?

La déduplication retire les doublons par marque et par couple marchand-produit ; le crowding plafonne un même modèle vendu par dix boutiques. Sur [casque réduction de bruit], la grille montre plusieurs marques, et les marchands d’un même casque se disputent les places qui restent. La marque qui vend en direct a son filtre, et une mention l’accompagne à l’affichage ; le marchand est noté sur son risque.

Dans le code

  • ProductCrowdingFilterConfigle crowding par produit
  • QueryBrandCrowdingFilterConfigle crowding par marque pour la requête
  • DtcOfferFilterConfigles offres vendues en direct par la marque
  • MerchantRiskFilterConfigle risque du marchand

Règle publique Le programme de qualité des boutiques note la livraison, les retours, la navigation et l’achat ; le badge Top Quality Store est décerné dans sept pays, et ailleurs, y compris en France, le marchand reçoit sa note sans badge (aide Merchant Center).

Remplit-elle les conditions du bloc visé ?

Chaque rangée a ses filtres : bonnes affaires, livraison rapide, magasins proches, petites entreprises, produits les mieux notés. Le casque à −20 % n’entre dans la rangée des bonnes affaires que si sa promotion est récente, active, crédible et vérifiée par un crawl de la page.

Dans le code

  • DealPriceConfidenceFilterConfigla confiance dans le prix promotionnel
  • DealOfferCrawlValidationFilterConfigle contrôle de l’offre par un crawl
  • GetItFastFilterConfigla livraison rapide
  • LocalFilterConfigles offres en magasin

Règle publique Les mentions de livraison gratuite et rapide s’affichent dans huit pays : États-Unis, Canada, Royaume-Uni, Australie, Nouvelle-Zélande, Brésil, Inde et Japon. Dans ces pays, Google vérifie les frais et le délai sur la page produit et la page de paiement avant de les afficher (aide Merchant Center).

Les 82 filtres, groupés par ce qu’ils vérifient

Tous les noms commencent par shopping.quality.

L’offre dit-elle vrai ? 7

  • AvailabilityFilterConfigla disponibilité de l’offre
  • AvailabilityConfidenceScoreQualityFilterConfigla confiance dans la disponibilité annoncée
  • PriceConfidenceScoreQualityFilterConfigla confiance dans le prix annoncé
  • BadPageConfidenceScoreQualityFilterConfigla probabilité que la page produit soit mauvaise
  • OfferDataAttributeQualityFilterConfigla qualité des attributs de l’offre
  • GpcMatchingConfidenceFilterConfigla confiance dans le rattachement au bon groupe de produits (GPC)
  • QualityReapprovalFilterConfigles offres réapprouvées après un examen de qualité

Répond-elle à la requête, attire-t-elle le bon clic ? 14

  • CatalogFilterConfigle filtre du catalogue, sur ses quatre scores
  • PGoodClickFilterConfigla probabilité d’un bon clic
  • FactorizedModelFilterConfigles modèles factorisés, qui prédisent le CTR, le bon clic ou la pertinence
  • QbstFilterConfigles termes saillants de la requête (QBST, Query-Based Salient Terms)
  • KiteNextGenRelevanceFilterConfigla pertinence selon KITE nouvelle génération, une famille de modèles d’embeddings de Google
  • CrossAttentionRelevanceFilterConfigla pertinence selon un modèle à attention croisée
  • ContextualRelevanceFilterConfigla pertinence en contexte
  • SubqueryRelevanceFilterConfigla pertinence pour chaque sous-requête
  • SimilarQueriesFilterConfigles requêtes similaires
  • UseCaseFilterConfigl’usage visé (« pour le trail »)
  • ShoppingConceptsFilterConfigles concepts shopping de la requête
  • QueryDepartmentsFilterConfigles rayons que vise la requête
  • SQueryOperatorFilterConfigles opérateurs de la requête
  • LuminTagsFilterConfigles aspects tirés des avis (points forts, points faibles) par le système Lumin

L’image 5

  • ImageQualityFilterConfigla qualité de l’image
  • ProductImageQualityFilterConfigla qualité de la photo du produit
  • VisualStyleFilterConfigle style visuel du produit
  • RefineByImageFilterConfigl’affinage de la recherche par une image
  • StarburstDistanceFilterConfigla ressemblance visuelle, mesurée sur les embeddings de Starburst, un modèle d’image de Google

Un bloc varié 11

  • BrandDedupFilterConfigles doublons par marque
  • BrandIdDedupFilterConfigles doublons par identifiant de marque
  • CategoryDedupFilterConfigles doublons par catégorie
  • MerchantProductPairDedupFilterConfigles doublons par couple marchand-produit
  • OriginalQueryDedupFilterConfigles doublons des résultats de la requête d’origine
  • PivotProductDuplicatesFilterConfigles doublons du produit pivot
  • ProductBasedSetsDedupeFilterConfigles doublons entre ensembles de produits
  • ProductCrowdingFilterConfigle crowding par produit
  • CrowdingRankFilterConfigle rang de crowding
  • QueryBrandCrowdingFilterConfigle crowding par marque pour la requête
  • QueryBxCrowdingFilterConfigle crowding par catégorie de produits pour la requête (Bx, la taxonomie des catégories de Shopping)

La marque et le marchand 7

  • DtcOfferFilterConfigles offres vendues en direct par la marque (DTC, direct-to-consumer)
  • ShoppingMallDTCFilterConfigles boutiques de marque d’une place de marché
  • BrandsFilterConfigles marques
  • BrandDiscoverTierPromoteFilterConfigla mise en avant de marques par niveau
  • MerchantRiskFilterConfigle risque du marchand
  • MerchantSetFilterConfigun ensemble de marchands
  • DomainPopularityFilterConfigla popularité du domaine

Bonnes affaires et prix 10

  • DealFreshnessFilterConfigla fraîcheur de la promotion
  • InactiveDealsFilterConfigles promotions inactives
  • DealPriceConfidenceFilterConfigla confiance dans le prix promotionnel
  • DealOfferCrawlValidationFilterConfigle contrôle de l’offre par un crawl
  • DealJustificationsEligibilityFilterConfigle droit d’afficher la raison de la bonne affaire
  • MerchantPromotionsFilterConfigles promotions du marchand
  • PriceRangeFilterConfigla fourchette de prix
  • PerPositionPriceRangeFilterConfigune fourchette de prix pour chaque position du bloc
  • QueryBasedPriceFilterConfigle prix tiré de la requête (« moins de 100 € »)
  • CategoricalPriceInsightFilterConfigles indications de prix (price insights) sur une requête de catégorie

Livraison, magasins, notes, nouveautés 9

  • GetItFastFilterConfigla livraison rapide
  • LocalFilterConfigles offres en magasin
  • LocalOfferPositionFilterConfigla place des offres en magasin dans le bloc
  • StoreContextFilterConfigle contexte d’un magasin
  • SmbFilterConfigles petites entreprises
  • HighlyRatedFilterConfigles produits les mieux notés
  • ProbabilisticRatingFilterConfigune note de produit probabiliste
  • NewArrivalsFilterConfigles nouveautés
  • TrendingPicksFilterConfigles sélections en tendance

L’internaute 5

  • PersonalizedBrandsFilterConfigles marques préférées de l’internaute
  • UserInterestsFilterConfigses centres d’intérêt
  • ExplicitInterestsInstantGratificationFilterConfigles intérêts qu’il a indiqués, pour un achat immédiat
  • ExplicitShoppingP13nBxFilterConfigles catégories de produits qu’il a choisies pour sa personnalisation shopping
  • UserPreferencesQuizFilterConfigses réponses à un quiz de préférences

Composer les rangées de produits 8

  • ShelfNumFilterConfigle nombre de rangées
  • ShelfTypeNumFilterConfigle nombre de rangées par type
  • ShelfSuppressionFilterConfigle retrait d’une rangée
  • ShelfPgiScoreFilterConfigun score de rangée
  • GroupShelfFilterConfigles rangées groupées
  • SoftHeadlinePinningFilterConfigl’épinglage souple de l’offre vedette d’un produit
  • PiuEeaMergeRankingFilterConfigla fusion et le ranking des blocs de produits (PIU, Product Intent Units) dans l’Espace économique européen
  • PreviousWinnerFilterConfigce qui l’a emporté à l’affichage précédent

Réglages du filtrage 6

  • RetrievalTagFilterConfigl’étiquette du retrieval qui a trouvé l’offre
  • AllowedRetrievalTagFilterConfigles étiquettes de retrieval admises
  • ExcludedCategoriesFilterConfigles catégories exclues
  • UnsupportedQueriesFilterConfigles requêtes qui n’ont pas de bloc
  • DelegatedFilterConfigun filtre confié à un autre service
  • ArmlFilterConfigun filtre au nom de code ARML
03

La photo produit a sa propre note : fond, cadrage, couleur

123456
  1. BackgroundType.WHITEle fond : blanc, uni, en dégradé, chargé ou absent
  2. ProductLocation.bounding_boxla boîte englobante : la place du produit dans le cadre
  3. CenterOfMassle centre de masse du produit
  4. product_colorla couleur du produit, en RVB
  5. image_quality_scorela note de qualité de la photo
  6. V6_COMBINED_COLOR_SHAPEun type de groupes visuels, couleur et forme combinées, qui servent à prédire le CTR
Exemple construit : ce que Google calcule sur la photo principale du casque.

Amarna, le système de Google qui analyse les images à l’indexation, livre pour chaque photo de produit une analyse propre à Shopping. Un modèle de deep learning issu des annonces Shopping lui donne une note de qualité. L’analyse dit si le fond est blanc, uni, en dégradé, chargé (un décor, une mise en scène) ou absent, situe le produit dans le cadre par sa boîte englobante et son centre de masse, et mesure sa couleur.

La photo rejoint enfin des groupes visuels, de couleur et de forme notamment, qui servent à prédire son CTR : un casque qui vient de sortir hérite de ce que le modèle a appris des casques qui lui ressemblent. Google recommande un produit qui occupe 75 à 90 % de l’image (attribut image_link) : c’est cette place que mesure la boîte englobante.

Dans le code

  • ShoppingAmarnaOutput.pctr_visual_clustersles groupes visuels qui servent à prédire le CTR
  • ProductImageQualityFilterConfigun filtre sur la qualité de la photo du produit
  • VisualStyleFilterConfigun filtre sur le style visuel
  • StarburstDistanceFilterConfigla ressemblance visuelle, mesurée sur les embeddings de Starburst, un modèle d’image de Google
04

Avant de recommander un produit, l’IA d’AI Overviews et d’AI Mode lit cinq fiches

Pour rédiger une réponse d’achat, magi, l’IA des pages de résultats de Google (AI Overviews et AI Mode), donne à son modèle de langage des fiches au format texte. Cinq portent sur l’achat : le produit, l’offre, les avis, la marque et le magasin. Quand le modèle compare les offres, la note du marchand, la politique de retour, la livraison et l’historique des prix figurent à côté du prix.

L’offre du casque, telle que le modèle la reçoit

  • titleCasque sans fil à réduction de bruit, noir
  • price279 $
  • deal_info−20 % jusqu’au 1er décembre
  • price_history349 $ pendant les 60 derniers jours
  • price_insightprix bas pour ce modèle
  • deliverygratuite, sous 2 jours
  • return_policyretours gratuits sous 30 jours
  • merchant_rating4,6 / 5
  • user_loyalty_tier_nameMembre Premium
  • is_eligible_for_agentic_checkoutoui
  • question_and_answerFonctionne en avion ? Oui, avec le câble fourni.
Exemple construit, une offre aux États-Unis, avec 11 des 30 champs.

L’offre, en entier : 30 champs

  • merchant_namele nom du marchand
  • pricele prix
  • titlele titre de l’offre
  • deliveryla livraison
  • featuresles caractéristiques mises en avant
  • merchant_logo_urlle logo du marchand
  • offer_urll’adresse de l’offre
  • price_insightle jugement sur le prix : bas, habituel, élevé
  • deal_infola bonne affaire
  • return_policyla politique de retour
  • conditionl’état : neuf, reconditionné, d’occasion
  • online_availabilityla disponibilité en ligne
  • sold_in_physical_store_onlyvendu seulement en magasin
  • retail_promotionsles promotions du marchand
  • physical_storesles magasins qui l’ont
  • merchant_ratingla note du marchand
  • merchant_desktop_logo_urlle logo du marchand pour ordinateur
  • price_score_disclaimerla mention qui accompagne le jugement sur le prix
  • productle produit
  • user_loyalty_tier_namele niveau de fidélité de l’utilisateur chez ce marchand
  • comparison_shopping_service_namele comparateur de prix (CSS, comparison shopping service) qui porte l’offre
  • merchant_categorical_pagela page de catégorie du marchand
  • is_eligible_for_agentic_checkoutl’agent peut payer cette offre
  • physical_stores_infoles informations des magasins
  • question_and_answerles questions-réponses
  • product_claimsles allégations du produit
  • product_variant_attributesles attributs de la variante : couleur, taille
  • price_historyl’historique des prix
  • offer_idl’identifiant de l’offre
  • product_document_summaryun résumé du document lié au produit (notice, guide)

Le modèle connaît le niveau de fidélité de l’acheteur chez le marchand de l’offre

Le champ user_loyalty_tier_name donne au modèle le niveau de fidélité de l’utilisateur chez ce marchand : un membre « Premium » qui paie moins cher ou reçoit la livraison gratuite voit la réponse en tenir compte. Le marchand déclare ces avantages dans Merchant Center, niveau par niveau : prix membre, livraison réservée aux membres, points (attribut loyalty_program). Le programme est ouvert en France ; AI Mode et l’appli Gemini affichent ces avantages aux États-Unis (aide Merchant Center). Google lit aussi les programmes de fidélité dans Gmail (GmailLoyaltyInfo), et le panneau des préférences shopping de l’acheteur a sa rubrique « programme de fidélité ».

Le produit

27 champs

Description, caractéristiques, fourchette de prix habituelle, volatilité du prix, résumés des avis : de quoi juger le produit avant toute offre. Un produit peut aussi venir d’une page web, avec son extrait, sa date de publication et son adresse.

  • titlele titre
  • pricele prix
  • descriptionla description
  • specificationsles caractéristiques techniques
  • offersles offres
  • short_offersles offres en bref : prix affiché, prix d’origine, livraison, distance du magasin
  • primary_offer_availabilityla disponibilité de l’offre principale
  • typical_price_rangela fourchette de prix habituelle
  • price_volatilityla volatilité du prix
  • user_review_summariesles résumés des avis

La fiche garde aussi des avis mis en avant, ce que disent les contenus des utilisateurs (ugc_insights), une description en texte de la photo (visual_description) et des résumés du produit.

Les avis

8 champs

Les avis sont résumés aspect par aspect, avec la note moyenne et un avis représentatif. Les tests de la presse gardent le nom du média, les tests vidéo une citation.

  • multi_aspect_overviewun aperçu par aspect : nom de l’aspect, point fort ou faible, nombre d’avis, note moyenne, avis représentatif
  • editorial_review_snippetl’extrait d’un test de la presse, avec sa note et le nom du média
  • video_reviewun test vidéo, avec une citation et l’identifiant de la vidéo
  • pros_consles points forts et les points faibles
  • reviewdes avis d’acheteurs, avec leur auteur et leur date
  • usage_instructionsle mode d’emploi
  • subjective_summaryun résumé des opinions sur le produit, avec les adresses des pages d’où elles viennent
  • grounded_entity_namel’entité à laquelle se rattachent les avis

La marque

9 champs

La marque a sa fiche : ce qui la rend unique, ses marques similaires, ses signaux de durabilité, et sa note, ses retours et sa livraison pays par pays.

  • brand_descriptionla description de la marque
  • brand_uniquenessce qui rend la marque unique
  • rating_per_countrysa note, pays par pays
  • shipping_policy_per_countrysa politique de livraison par pays
  • return_policy_per_countrysa politique de retour par pays
  • sustainability_signalsses signaux de durabilité
  • promotionsses promotions
  • similar_brandsles marques similaires
  • brand_namele nom de la marque

Le magasin

10 champs

Pour un achat près de chez soi : le prix et le stock en magasin, la distance, les horaires et le retrait.

  • pricele prix en magasin
  • availabilityle stock
  • distance_from_userla distance jusqu’à l’utilisateur
  • opening_hoursles horaires
  • pickuple retrait en magasin
  • offersles offres
  • namele nom du magasin
  • addressl’adresse
  • map_urlle lien vers la carte
  • place_idl’identifiant du lieu dans Maps

Des modèles affinés pour les réponses shopping

  • MAGI_LLM_CUSTOM_TASK_MINI_LORA_SHOPPING_AIO_NEWXPles réponses shopping des AI Overviews, avec ses variantes _V2, _V3, _OR19 et _TEST
  • MAGI_LLM_CUSTOM_TASK_MINI_LORA_SHOPPING_SINGLE_PRODUCT_V3la réponse sur un seul produit
  • MAGI_LLM_CUSTOM_TASK_MINI_LORA_SHOPPING_GIFTS_V3les idées de cadeaux
  • MAGI_LLM_CUSTOM_TASK_MINI_LORA_HERO_PRODUCT_SUMMARIESles résumés du produit mis en avant
  • MAGI_LLM_SUM_SHOPPINGla version shopping du modèle de résumé de magi

Quatre genres de réponse shopping ont leur modèle, affiné par LoRA (Low-Rank Adaptation), une méthode qui spécialise un modèle à moindre coût : la réponse des AI Overviews en plusieurs versions, la réponse sur un seul produit, les idées de cadeaux, les résumés du produit mis en avant. Le modèle de résumé de magi a aussi sa version shopping.

L’appli Gemini connaît aussi le paiement en plusieurs fois et le seuil de livraison gratuite

L’appli Gemini donne à son modèle sa propre fiche produit (ShoppingStructuredFact) : un badge de promotion avec le pourcentage de baisse et l’ancien prix, les prix bas et haut habituels, les prix récents, le paiement en plusieurs fois, le seuil de livraison gratuite, le montant minimum de commande, la livraison le jour même, et la classe énergétique.

05

AI Mode lit aussi un portrait shopping de l’acheteur, écrit par un LLM

Personal Intelligence relie Gmail et Google Photos aux réponses d’AI Mode. Le billet de Google qui l’annonce dans AI Mode prend un exemple d’achat : AI Mode repère une marque que l’auteur vient d’acheter et lui suggère un modèle qu’il n’avait pas vu. Depuis le 19 mai 2026, elle est accessible sans abonnement dans près de 200 pays et territoires et 98 langues, en dehors de l’Espace économique européen (France comprise), du Royaume-Uni et de la Suisse (aide Google Search).

Pour l’achat, Google prépare un portrait écrit. Un LLM rédige à l’avance un profil shopping de l’utilisateur à partir de ses recherches (SHOPPING_OFFLINE_LLM_USER_PROFILE_SEARCH_DATA), et AI Mode reçoit son propre profil shopping (SHOPPING_LLM_PROFILE_AIM), que le modèle lit avec la question. Google tient aussi d’autres contextes d’achat : les marques et les marchands que l’acheteur fréquente d’après Gmail (SHOPPING_GMAIL_BRAND_AND_MERCHANT_AFFINITY), ses achats lus dans Gmail (SHOPPING_GMAIL_PURCHASES) et les marques qu’il cherche (SHOPPING_QUERYFUL_ONLINE_BRANDS).

Un autre profil va à Chalet, un compagnon shopping de Google qui a son propre modèle (SHOPPING_COMPANION_V3S_CHALET) et ses propres catégories de retours des utilisateurs, de « produits non pertinents pour moi » à « information inexacte ou inutile ». Le portrait d’un acheteur sert ainsi à plusieurs assistants d’achat de Google.

Portrait shopping, exemple construit

Achète du matériel audio de marques japonaises, a cherché des écouteurs de sport en mars, compare les prix avant d’acheter, voyage souvent en avion.

Dans le code

  • SHOPPING_LLM_PROFILE_AIMle profil shopping destiné au modèle d’AI Mode
  • SHOPPING_OFFLINE_LLM_USER_PROFILE_SEARCH_DATAle profil rédigé à l’avance à partir des recherches
  • PersonalizedBrandsFilterConfigle filtre des marques préférées, dans les blocs Shopping
  • UserPreferencesQuizFilterConfigle filtre des réponses à un quiz de préférences, dans les blocs Shopping

Un outil de suivi qui interroge AI Mode sans compte mesure la réponse de base. Un client fidèle voit une réponse où la marque qu’il a déjà achetée et son niveau de fidélité pèsent. L’achat est le domaine où Google tient le plus de contextes personnels : 56 types sur 392, loin devant les autres. C’est là que la visibilité mesurée s’éloigne le plus de la visibilité réelle.

06

Panier universel, paiement par UCP, relances : la vente se conclut aussi chez Google

Aux États-Unis, une question d’achat posée à AI Mode peut se conclure sans ouvrir le site du marchand. Google enregistre dans ses logs les gestes sur le panier et les achats directs.

  1. L’agent retient un produit et une offreProductResult · OfferResult
  2. L’offre entre dans le panier universelAddToUniversalCartResult
  3. Le panier réunit les articles de plusieurs marchandsUniversalCartResult
  4. Google relance : baisse de prix, retour en stock, rappel, promotionSHOPPING_UNIVERSAL_CART_*_NOTIF
  5. Paiement par UCP, avec Google PayUcpCheckoutResult

Google a lancé UCP, l’Universal Commerce Protocol, le 11 janvier 2026 : le protocole couvre la recherche dans le catalogue, le panier, la liaison des comptes, le paiement et le suivi de commande (ucp.dev). Depuis le 16 septembre 2026, les marchands qui passent par UCP peuvent activer le transfert du panier vers leur site, en déploiement aux États-Unis. Le panier universel est ouvert aux États-Unis depuis le 15 octobre 2026, dans Search et dans l’appli Gemini ; pour le paiement, Google cite Nike, Sephora, Target, Ulta Beauty, Walmart, Wayfair et de nombreux marchands Shopify. Le paiement par l’agent fonctionne aux États-Unis et en Australie.

Pour participer, Google demande « un compte Merchant Center en règle et des produits approuvés pour les fiches gratuites », une politique de retour et un contact du service client (documentation de Google). Le marchand reste le vendeur en titre (« Merchant of Record ») et reçoit la commande. Une variante sans flux produit (feedless) prévoit un second canal : les produits que le marchand expose lui-même par UCP, dont il déclare les capacités dans le profil /.well-known/ucp de son site.

Les relances du panier universel

SHOPPING_UNIVERSAL_CART_… _NOTIF

  • PRICE_DROPbaisse de prix
  • BACK_IN_STOCKretour en stock
  • REMINDERrappel
  • ITEM_PROMOTIONpromotion sur un article
  • PROMOTIONpromotion

Pour le casque laissé dans le panier, Google relance l’acheteur quand le prix baisse ou quand l’article revient en stock, comme il l’a annoncé ; les schémas ajoutent le rappel et les promotions. L’assistant Gemini a aussi un mode pour ce panier dans Chrome (FEATURE_MODE_CHROME_WEB_UNIVERSAL_CART). Les relances de panier abandonné, qu’un marchand envoie d’ordinaire par e-mail, passent ici par Google.

25 services connectés prévus pour AI Mode, une autorisation chacun

Les réglages d’activité du compte prévoient une autorisation par service (AGENTIC_ECOSYSTEM_AIM_ALLOWS_ suivi de son nom). Le 28 octobre 2026, Google compte « plus de 50 applis connectées entre Search et Gemini ». Sept services de courses restent à ouvrir, à côté d’Instacart, qui remplit déjà un panier à partir d’une recette (aide Google Search).

En service dans AI Mode

  • Instacartcourses
  • Canvacréation
  • YouTube Musicmusique
  • Yahoo Fantasy Footballfantasy sports
  • Sleeper Fantasy Footballfantasy sports

États-Unis, en anglais (aide Google Search)

Annoncés pour Search le 28 octobre 2026

  • Adobecréation
  • Experiancrédit
  • Localizalocation de voitures, Brésil
  • Pelotonsport
  • Calmbien-être

Adobe, Experian, Localiza et Peloton « dans les semaines qui viennent », déjà ouverts dans l’appli Gemini ; Calm arrive dans Search et Gemini

Exclusivité

Prévus par les réglages, à ouvrir

  • coursesAlbertsons, Safeway, Pacific Market, iFood (Brésil), Zepto (Inde), Swiggy (Inde), BigBasket (Inde)
  • voyage et sortiesExpedia, Fandango (cinéma)
  • musique et vidéoSpotify, YouTube
  • travail et marketingAsana, Dropbox, HubSpot, Mailchimp
07

Trois agents de Google visitent le site du marchand pour l’acheteur

Hors du panier universel, la vente se conclut sur le site du marchand, et des agents de Google font le trajet pour l’acheteur.

Il s’annonce

Google-Agent

Quand un agent hébergé par Google visite un site pour un utilisateur, il se présente sous le user agent Google-Agent, avec ses plages d’IP publiées (changelog des crawlers). Google teste une signature de ses requêtes par Web Bot Auth, un protocole qui signe les requêtes d’un bot pour prouver qui l’envoie : une partie d’entre elles arrive sous l’identité https://agent.bot.goog. Comme les autres fetchers déclenchés par un utilisateur, Google-Agent ignore en général les règles du robots.txt (Google).

Il note qui le bloque

L’agent de l’appli Gemini

L’agent qui navigue pour l’utilisateur dans l’appli Gemini garde, à chaque navigation, le code HTTP, le motif d’un blocage et le CDN (réseau de diffusion de contenu) qui a servi la page ; quand il rend la main à l’utilisateur, ses logs réseau gardent la réponse de cinq services anti-bots. Un marchand qui le bloque apparaît dans ses logs avec le nom du service qui l’a arrêté. Avant de payer, l’agent demande l’accord de l’utilisateur (aide Gemini).

Les en-têtes gardés dans ses logs

  • cf_mitigated_headerCloudflare
  • x_amzn_waf_action_headerAWS WAF
  • x_datadome_headerDataDome
  • akamai_grn_headerAkamai
  • x_tollbit_reason_headerTollBit

Il marque ses visites

L’agent de Chrome qui suit des scripts

Chrome a un agent qui suit des scripts : pour chaque site et chaque parcours d’achat, une suite d’étapes écrite à l’avance, qu’il exécute à la place de l’internaute. Ses étapes passent par le bandeau de cookies, le captcha, la connexion en invité, la newsletter proposée en chemin, le coupon, puis la carte, l’adresse et la commande. Il pose dans l’URL une valeur de utm_content propre à ses visites, fixée dans les liens d’action des fiches d’établissement (commander, acheter en ligne) ; une autre valeur marque les visites faites sans lui. Chrome connaît aussi les sites marchands : il les classe par secteur et sait lesquels acceptent le paiement fractionné ou refusent les cartes virtuelles (notre analyse des classements de Chrome).

Ses objectifs au panier

  • ADD_TO_CARTajouter au panier
  • CHECK_CARTvérifier le panier
  • REVIEW_CARTrevoir le panier
  • CLEAR_CARTvider le panier
  • START_CHECKOUTlancer le paiement
  • CONFIRM_PURCHASEconfirmer l’achat

Gemini dans Chrome, l’assistant du navigateur, appelle aussi par leur nom les outils qu’une page expose par WebMCP, le standard proposé par Chrome pour qu’un site décrive ses actions aux agents (ajouter au panier, filtrer) : une mise au panier passe alors par un seul appel. Notre démo RESONEO Shop expose 135 outils de ce genre à un agent.

08

Pour le e-commerce : la place se gagne par des données exactes et un tunnel ouvert

En France, les scores, les filtres et la note de la photo s’appliquent dès aujourd’hui aux blocs Shopping gratuits, avec un filtre propre à l’Espace économique européen ; le panier universel est ouvert aux États-Unis, le paiement par l’agent aux États-Unis et en Australie.

  1. Faire de la page produit la référence de l’offre

    Le flux Merchant Center, les données structurées Product et la page visible donnent le même prix et le même stock, tenus à jour au rythme des ventes. Les filtres de confiance écartent une offre peu fiable avant toute comparaison. Une marque qui vend aussi par des revendeurs a intérêt à fournir elle-même les données de référence de ses produits (titre, description, images, caractéristiques) dans Manufacturer Center : Google les affiche sur ses pages produit, quel que soit le revendeur, et lui donne en retour le prix moyen pratiqué par ses points de vente et les produits concurrents affichés à côté des siens.

  2. Soigner le titre et la photo principale

    Le titre et la photo font les clics que mesure NavBoost, la mémoire des clics de Google Search, et que le CTR prédit anticipe. Un titre qui reprend les mots qui pèsent dans la requête (type, usage, caractéristique) sert la pertinence et le clic ; une photo sur fond net, où le produit occupe 75 à 90 % du cadre, sert sa note et son groupe visuel.

  3. Préparer le Black Friday dans les règles

    Prévoir un prix barré conforme aux règles de Merchant Center (30 jours de prix de référence sur les 200 derniers, remise de plus de 5 % et de moins de 90 %), une promotion active et datée et le même prix sur la page. Les cinq filtres des bonnes affaires jugent ensuite la fraîcheur de la promotion, son activité, la crédibilité du prix, son contrôle par un crawl et le droit d’afficher la raison de la bonne affaire.

  4. Nourrir ce que lit le modèle

    L’IA d’AI Overviews et d’AI Mode lit la politique de retour, la note du marchand, l’historique des prix, les questions-réponses, les avis aspect par aspect et les tests de la presse et en vidéo. Renseigner les attributs conversationnels de Merchant Center, publier une politique de retour claire et obtenir des tests sur ses produits pèsent dans la comparaison.

  5. Ajouter les questions-réponses au flux

    L’attribut question_and_answer de Merchant Center arrive dans la fiche de l’offre que lit l’IA d’AI Overviews et d’AI Mode. Les questions à y mettre sont celles que reçoit le service client et celles qui reviennent dans les avis. Chaque paire s’écrit "question":"réponse", les paires séparées par des virgules, de préférence dans une source de données supplémentaire, sans effet sur l’approbation des produits. La notice, liée par document_link, arrive résumée dans la même fiche.

  6. Ouvrir le tunnel aux agents

    Vérifier Google-Agent par ses plages d’IP publiées, et par sa signature Web Bot Auth quand la requête en porte une, plutôt que par son seul user agent, régler l’anti-bot pour ne pas bloquer une requête vérifiée, garder la commande en invité et des champs autocomplete exacts, tester le transfert du panier. Un agent bloqué laisse une trace, et la vente peut partir chez un concurrent.

  7. Se préparer à WebMCP

    WebMCP, le standard proposé par Chrome, laisse un site déclarer ses actions aux agents, par des formulaires annotés en HTML ou des outils écrits en JavaScript. Chrome l’ouvre en test aux sites qui s’inscrivent (origin trial) depuis Chrome 149, et un flag suffit pour essayer en local (chrome://flags/#enable-webmcp-testing). Les premières actions à exposer sont celles du tunnel : la recherche, les filtres, le choix de la variante, l’ajout au panier. Notre démo RESONEO Shop en expose 135 à un agent.

  8. Compter les ventes que l’analytics ne voit pas

    Aux États-Unis, une partie des ventes nées dans AI Mode se conclut chez Google, avec Google Pay, ou arrive par un panier transféré : le site reçoit la commande sans la question, la comparaison ni le panier qui l’ont précédée. Les commandes par UCP et les visites marquées par le utm_content de l’agent de Chrome se suivent à part.