GEO e-commerce : faire recommander ses produits par les IA

Comment les IA recommandent-elles des produits ?

En transformant la question d'achat en une liste de critères, puis en lisant ce que le web dit des produits qui les remplissent. Face à « quel matelas choisir quand on dort sur le côté », le moteur décompose : fermeté adaptée, matériaux, budget, avis des dormeurs concernés. Il lance ensuite ses propres recherches — comparatifs, tests, guides d'achat, avis clients — et en tire une réponse courte, qui nomme généralement trois à cinq produits ou marques, chacun assorti d'une justification.

ChatGPT pousse la logique plus loin avec une expérience d'achat dédiée : sur les questions commerciales, la réponse peut prendre la forme de fiches produits — visuel, prix, marchands — plutôt que d'un simple paragraphe. La matière première reste la même : ce que les pages web disent de vos produits, fiches marchandes comprises.

La conséquence pour un e-commerçant tient en une phrase : votre catalogue existe dans ces réponses si — et seulement si — les pages que l'IA lit en parlent correctement. Cela se joue sur deux terrains à travailler ensemble : vos propres pages, et celles des tiers.

Des fiches produits qui répondent aux questions d'achat

Une fiche produit citable est une fiche qui donne des faits : caractéristiques complètes — dimensions, matériaux, compatibilités, consommation —, prix, disponibilité, conditions de livraison et de retour. C'est exactement ce qu'un moteur de réponse cherche quand il remplit ses critères, et ce qu'une fiche réduite à trois adjectifs ne lui fournit pas.

Une fiche qui n'affirme que « le meilleur de sa catégorie » ne se cite pas : l'IA ne peut rien en extraire, sinon un superlatif invérifiable qu'elle a appris à ignorer. À l'inverse, « compatible induction, 1,2 kg, garanti cinq ans » se reprend tel quel.

Ajoutez les cas d'usage : pour qui ce produit est fait, pour quel besoin, et — plus rare, donc plus précieux — dans quels cas il ne convient pas. « Adapté aux petits espaces ; déconseillé au-delà de quatre couverts » parle le langage des critères que l'IA cherche à remplir. Les principes généraux d'un contenu repris par les IA sont détaillés dans notre guide Écrire pour être cité ; la fiche produit en est simplement le cas particulier le plus rentable pour un marchand.

Product et Offer : le balisage qui fiabilise prix et disponibilité

Le type schema.org Product, avec son bloc Offer, donne aux machines vos faits commerciaux sous une forme non ambiguë : nom exact, marque, prix, devise, disponibilité — et note moyenne si des avis réels sont affichés sur la page. C'est ce qui permet à un moteur de réponse, ou à l'écosystème shopping qui l'alimente, de reprendre un prix juste plutôt qu'un prix deviné.

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Cafetière Exemple Pro",   // le nom exact de la fiche, pas un slogan
  "brand": { "@type": "Brand", "name": "Exemple" },
  "description": "Cafetière à piston isotherme, 1 litre, inox brossé.",
  "offers": {
    "@type": "Offer",
    "price": "89.90",                // le prix affiché sur la page, ni plus ni moins
    "priceCurrency": "EUR",
    "availability": "https://schema.org/InStock" // à tenir à jour avec le stock réel
  }
}
</script>

Deux règles font toute la différence. La première : le balisage reflète exactement la page — un prix balisé différent du prix affiché, ou une disponibilité jamais mise à jour, font plus de mal que pas de balisage du tout. La seconde : vos flux marchands, ceux que vous fournissez déjà aux comparateurs et aux plateformes shopping, doivent rester rigoureusement à jour — ils alimentent les mêmes écosystèmes. Notre guide Données structurées et GEO couvre le balisage du reste du site, Organization en tête.

Les guides d'achat : la porte d'entrée que les IA préfèrent

« Comment choisir un vélo cargo », « quelle imprimante pour un usage occasionnel » : ces questions amont — celles qu'un client se pose avant d'avoir une marque en tête — appellent exactement le format du guide d'achat. Critères expliqués un par un, réponses nettes, tableau comparatif honnête : c'est la structure dont un moteur de réponse tire le plus facilement sa propre réponse.

Un marchand qui publie le guide de référence de sa catégorie existe donc très tôt dans le parcours : quand l'IA explique comment choisir, elle peut le citer en source — et quand elle recommande, elle a déjà lu ce que ce guide dit de ses produits.

La condition : l'honnêteté. Un guide qui conclut chaque section sur votre produit-vedette redevient une brochure et perd toute chance d'être repris. Un guide qui reconnaît les cas où votre catalogue ne convient pas gagne exactement la crédibilité qui fait qu'on le cite.

Les recommandations se fabriquent surtout hors de votre site

Quand une IA recommande un produit, elle s'appuie rarement sur la seule fiche du marchand : elle croise comparatifs spécialisés, tests de presse, avis clients et discussions de forums. Ces sources tierces pèsent d'autant plus lourd qu'elles sont indépendantes — un test détaillé publié par un site spécialisé vaut plus, aux yeux du moteur, que votre propre argumentaire.

Le travail consiste d'abord à identifier les sources que les IA citent réellement sur votre catégorie — souvent une poignée de comparatifs et de médias récurrents —, puis à y figurer : produits envoyés en test, présence dans les classements qui font référence, avis clients entretenus sur des plateformes que les robots peuvent lire. Les forums comptent aussi : les fils où de vrais utilisateurs comparent des produits nourrissent visiblement les réponses.

Ce chantier dépasse l'e-commerce et vaut pour toute marque : notre guide Être recommandé par ChatGPT le détaille levier par levier.

Comment mesurer sa visibilité sur les questions d'achat ?

En posant aux IA, chaque semaine, les questions que vos clients posent avant d'acheter — et en relevant qui est recommandé. Le panel doit refléter de vraies intentions d'achat : « quel produit pour tel usage », « telle marque ou telle autre, que choisir », « le meilleur rapport qualité-prix de la catégorie » — plutôt que des requêtes de notoriété qui flattent sans rien apprendre. Notre guide Choisir ses prompts donne la méthode complète.

Sur ce panel, figé pour rester comparable de semaine en semaine, quatre choses se suivent : vos produits et votre marque sont-ils recommandés, à quelle place, quels concurrents occupent les réponses où vous êtes absent, et quelles sources fabriquent ces recommandations — c'est là que porteront vos efforts.

C'est exactement le fonctionnement de Brand Monitor : un panel de questions généré depuis votre site et ajustable à tout moment, un audit automatique chaque semaine sur ChatGPT, les Google AI Overviews et AI Mode, et un rapport chaque lundi — mentions, position, sentiment, concurrents, sources citées. Gratuit, sans carte bancaire.

Questions fréquentes

Un petit site marchand peut-il exister face aux grandes marketplaces ?

Oui, sur son terrain. Les IA ne classent pas par taille mais par pertinence sur des critères : un marchand spécialisé, dont les fiches et le guide d'achat font autorité sur une catégorie précise, peut être repris là où une marketplace généraliste reste vague. Les questions de niche — usages précis, contraintes particulières — sont la fenêtre à viser.

Faut-il bloquer les robots des IA pour protéger son catalogue ?

Si votre objectif est d'être recommandé, non : un catalogue illisible pour les crawlers est un catalogue absent des réponses. Bloquer peut se défendre pour du contenu propriétaire, mais pour des fiches produits, la visibilité perdue coûte généralement plus cher que ce que le blocage protège.

Que faire quand une IA affiche un prix ou une disponibilité périmés ?

Corriger à la source : la page produit, son balisage Product/Offer et vos flux marchands doivent afficher la même information, à jour. Les IA reprennent ce qu'elles lisent ; une fois vos données cohérentes partout, les réponses se réalignent au fil des recrawls — d'où l'intérêt d'un suivi régulier pour vérifier que la correction a bien été prise en compte.

Les avis clients comptent-ils vraiment dans les recommandations des IA ?

Oui, doublement. Les moteurs de réponse lisent les plateformes d'avis et les citent volontiers pour justifier une recommandation ; et les notes agrégées, balisées sur vos fiches, fiabilisent ce qu'ils reprennent. Des avis récents, détaillés et publiés sur des sites que les robots peuvent lire pèsent plus qu'une note isolée.