UCP : Le Protocole qui transforme chaque agent IA en Canal d'Achat

META : Google a lancé l'Universal Commerce Protocol (UCP) pour permettre aux agents IA d'acheter chez n'importe quel retailer. Découvrez ce que les retailers doivent faire cette semaine pour rester visibles.

Executive Summary

3 insights clés :Google UCP crée un standard ouvert pour l'agentic commerce, co-développé avec Shopify, Walmart, Target et endorsé par 20+ acteurs. Tout agent IA compatible peut désormais découvrir, comparer et acheter sans quitter la conversation.Le trafic IA vers les sites retail a explosé de +693% en 2025 (Adobe). Mais ce trafic ne bénéficie qu'aux retailers dont les données produit sont lisibles par les LLMs.Le bloqueur #1 n'est pas la techno — c'est la qualité du master data produit. 30–40% des attributs critiques sont incomplets dans les organisations retail traditionnelles.

3 actions "Do Next" :Lire la spec UCP et évaluer la compatibilité de son stackLancer un audit "AI-readiness" sur les 100 SKUs topEngager un partenaire sur un roadmap MCP server

1 risque si on ignore : Les concurrents — y compris les petits via Shopify seront shoppables dans Gemini et Copilot. Votre catalogue sera invisible pour la découverte IA.

Introduction

Il y a quinze ans, ne pas avoir de sitemap revenait à être invisible pour Google. En 2026, ne pas avoir de données produit lisibles par les agents IA revient au même — sauf que la conséquence est immédiate et le rattrapage plus coûteux.

En janvier 2026, Google a dévoilé l'Universal Commerce Protocol (UCP) lors de NRF 2026 à New York. Ce standard open-source, co-développé avec Shopify, Walmart, Target, Etsy et Wayfair, et endorsé par Visa, Mastercard, Stripe, Zalando et vingt autres partenaires, établit pour la première fois un langage commun entre agents IA et systèmes commerce.

Ce que ça signifie concrètement : un consommateur qui demande "trouve-moi une valise cabine légère sous 150€" à Gemini, Copilot ou ChatGPT peut désormais voir, comparer et acheter — sans jamais quitter la conversation. Le retailer reste merchant of record. Mais c'est l'agent, pas le consommateur, qui décide quels produits afficher.

Pour les retailers, la question n'est plus "faut-il s'intéresser à l'agentic commerce ?" mais "mon catalogue est-il prêt à être découvert par des agents IA ?"

La Convergence de Trois Forces

1. L'explosion du trafic IA

Les chiffres sont sans ambiguïté. Adobe Analytics mesure une hausse de 693,4% du trafic vers les sites retail depuis les outils d'IA générative durant la saison des fêtes 2025. Côté retailer, Amazon rapporte que 300 millions de clients ont utilisé son assistant IA Rufus en 2025, avec un taux de conversion supérieur de 60%.

Salesforce estime que les agents IA ont influencé plus de 20% des ventes retail en ligne globalement pendant les fêtes. La base reste modeste en valeur absolue, mais la trajectoire est exponentielle.

2. La course aux protocoles

Le paysage se structure rapidement. Google lance UCP en janvier 2026, Microsoft déploie Copilot Checkout avec Shopify et Stripe, OpenAI avait inauguré "Buy it in ChatGPT" en octobre 2025 avec Shopify. En parallèle, SAP introduit son Storefront MCP Server dans SAP Commerce Cloud, et Microsoft annonce le Dynamics 365 Commerce MCP Server en preview pour février 2026.

Le message est clair : les grandes plateformes tech construisent l'infrastructure du commerce agentique. Les retailers qui ne s'y connectent pas seront exclus de facto.

3. L'anxiété des dirigeants retail

Le rapport Deloitte 2026 Retail Industry Global Outlook, basé sur 330 dirigeants retail mondiaux, révèle que 81% pensent que l'IA générative va affaiblir la fidélité de marque d'ici 2027. En parallèle, 68% prévoient de déployer l'IA agentique pour des activités opérationnelles dans les 12 à 24 prochains mois.

C'est le paradoxe : les dirigeants retail voient le risque ET investissent massivement. Ceux qui ne font ni l'un ni l'autre sont les plus exposés.

Analyse principale : UCP Décrypté

Comment fonctionne UCP

UCP n'est pas un marketplace ni un "super-app" Google. C'est un standard d'interopérabilité qui orchestre trois protocoles existants :

• Agent2Agent (A2A) — communication entre agents autonomes (géré par la Linux Foundation)
• Agent Payments Protocol (AP2) — paiements sécurisés via tokenisation
• Model Context Protocol (MCP) — accès aux données business en temps réel

Le protocole expose les capacités commerce (discovery, cart, checkout, post-achat) dans un format que tout agent compatible peut lire. Une seule intégration rend un catalogue "actionnable" sur toutes les interfaces conversationnelles compatibles.

Ce que le retailer contrôle — et ce qu'il perd

Le retailer reste merchant of record : il contrôle ses prix, son inventaire, son fulfillment et ses données client. Le paiement est sécurisé par tokenisation — l'agent n'accède jamais aux données financières brutes.

Mais le retailer perd le contrôle sur le moment de découverte. C'est l'agent qui décide quels produits montrer, selon la pertinence pour la requête du consommateur. Si vos données produit sont pauvres, incomplètes ou non structurées, votre catalogue n'existe tout simplement pas dans l'univers agentique.

La perspective européenne

UCP est un standard global — Zalando figure parmi les endorsers. Mais les retailers européens font face à des défis supplémentaires : fragmentation linguistique, normes de données hétérogènes entre pays, et une maturité données souvent inférieure aux acteurs US. L'avantage first-mover est d'autant plus critique.

Implémentation : Le Framework en 3 Phases

Phase 1 : Audit

Objectif : Évaluer l'AI-readiness de votre catalogue.

Actions :

• Sélectionner 100 SKUs top (par CA et par stratégie)
• Scorer chaque fiche sur 5 dimensions : complétude attributs, description structurée, semantic summary, tagging par use-case/problème résolu, disponibilité inventaire temps réel
• Identifier le taux de fiches "agent-ready" vs "agent-invisible"
• Benchmark : objectif >80% de fiches scorant 4/5 ou plus

KPI : AI-Readiness Score = % de SKUs avec données complètes et structurées pour consommation LLM.

Phase 2 : Remédiation Data

Objectif : Rendre le catalogue lisible par les agents.

Actions :

• Restructurer les données produit pour être machine-readable (schema.org, attributs enrichis)
• Ajouter des semantic summaries par produit (2–3 phrases décrivant le produit en langage naturel, incluant usage, bénéfice, contexte)
• Taguer les produits par problème résolu (pas seulement par catégorie/attribut technique)
• Aligner PIM, DAM et OMS pour assurer la cohérence cross-canal
• Former les équipes produit/merchandising au "data-for-agents" mindset

Piège fréquent : Confier ce travail uniquement à l'IT. C'est un projet merchandising + data + IT conjoint. Le merchandiser sait quel "problème" le produit résout. Le data engineer sait comment le structurer.

Phase 3 : Connexion Agentique

Objectif : Rendre le catalogue accessible aux agents via MCP/UCP.

Actions :

• Évaluer les options MCP : SAP Commerce Cloud MCP Server, Dynamics 365 Commerce MCP Server, Google ou implémentation custom
• Rejoindre la waitlist UCP et tester l'intégration sur un périmètre restreint
• Déployer à la fois en "third-party" (Google, Microsoft) et en "owned" (agent sur le propre site)
• Monitorer les KPIs : trafic agent, taux de conversion agentique, panier moyen agent vs humain

Métrique clé : Part du trafic et du CA provenant d'agents IA — à tracker comme un nouveau canal.

Implications Futures : Ce Qui Arrive Ensuite

La "discovery tax" agentique

Quand les agents IA deviennent le premier point de contact, les plateformes tech qui les hébergent captent la relation de découverte. C'est l'équivalent de la "Google tax" du SEO — mais appliquée à l'ensemble du parcours d'achat, pas seulement à la recherche.

Les retailers qui ne construisent pas leurs propres agents en parallèle (via SAP MCP, Dynamics 365, ou custom) risquent une dépendance croissante aux plateformes tierces.

La fin du funnel linéaire

UCP permet des transactions en un échange conversationnel. Discovery, considération et achat se compressent en une seule interaction. Les métriques marketing traditionnelles (impressions → clics → conversion) deviennent obsolètes pour ce canal.

Le "AI-readiness" comme avantage compétitif durable

Les retailers qui investissent maintenant dans la qualité de leurs données produit accumulent un avantage composé : chaque interaction agent génère de la data qui améliore la pertinence des recommandations, qui améliore le taux de conversion, qui génère plus de data. C'est un flywheel — et il faut le démarrer tôt.

Case Study (anonymisé)

Contexte : Un retailer multi-catégories européen, CA >500M€, 200+ magasins, stack SAP Commerce.

Problème : Lors d'un audit préparatoire à l'agentic commerce, l'équipe data a découvert que seulement 55% des fiches produit avaient des attributs suffisamment structurés pour être consommées par un LLM. Les descriptions étaient rédigées pour des humains (marketing), pas pour des machines (structurées, sémantiques).

Actions : L'équipe a lancé un sprint de 6 semaines sur les 500 SKUs top, en ajoutant des semantic summaries, en restructurant les attributs selon schema.org enrichi, et en taguant chaque produit par "problème résolu". Les merchandisers ont été impliqués directement dans la rédaction des summaries.

Résultats préliminaires : Le score AI-readiness est passé de 55% à 82% sur le périmètre cible. L'équipe est désormais en phase de test avec le SAP Storefront MCP Server pour exposer ce périmètre aux assistants IA.

Leçon : Le travail le plus impactant n'était pas technique — c'était d'aligner merchandising et data sur une définition commune de "fiche produit agent-ready". Le framework de scoring a créé un langage partagé.

Key Takeaways

5 points à retenir :

1. UCP est le premier standard ouvert pour l'agentic commerce end-to-end. C'est le "HTTP" du shopping conversationnel — ignorer ce standard, c'est choisir l'invisibilité.
2. Le trafic IA vers le retail explose (+693% YoY), mais seuls les retailers avec des données produit lisibles par les LLMs en bénéficient.
3. Le bloqueur #1 n'est pas technique — c'est la qualité du master data produit. La plupart des retailers ont 30–40% de leurs attributs critiques incomplets ou non structurés.
4. SAP et Microsoft déploient dès maintenant des MCP servers retail. Le moment d'auditer son stack et ses données est cette semaine, pas dans 6 mois.
5. L'agentic commerce crée un flywheel data : les early movers accumulent un avantage composé que les retardataires ne pourront pas rattraper.

Conclusion

Le commerce agentique n'est pas une tendance 2027. C'est une infrastructure qui se déploie maintenant — Google UCP, Microsoft Copilot Checkout, SAP MCP Server sont tous live ou en preview en ce moment.

La question pour chaque retailer est simple : quand un agent IA cherchera votre produit pour un consommateur, le trouvera-t-il ?

La réponse dépend de ce que vous faites cette semaine.

Author: Godwin Avodagbe — Deputy Director, Collaborative Tools Program, GALEC (E.Leclerc). Founder eKoura & HitoTec. Cambridge Judge Business School CTO Program.