Commerce agentique et approvisionnement industriel : la réalité 2026

Ce qui fonctionne aujourd'hui, et ce qui ne fonctionne pas

En 2026, le commerce agentique recouvre deux marchés sous un même nom, et ils évoluent en sens inverse.

La découverte de produits fonctionne. Adobe a mesuré une hausse de 393 % en glissement annuel du trafic issu de l'IA vers les sites de distribution américains au premier trimestre 2026 ; en mars, ce trafic convertissait 42 % mieux que le trafic non issu de l'IA et générait un revenu par visite supérieur de 37 %. Quoi que l'on pense du battage médiatique, voilà un canal qui se comporte comme un canal.

La transaction autonome, non. L'événement le plus instructif de l'année n'a pas été un lancement, mais un retrait.

Qu'a réellement prouvé le retrait d'Instant Checkout ?

OpenAI a lancé Instant Checkout le 29 septembre 2025 et l'a retiré le 4 mars 2026, officialisant ce changement dans un billet de blog plus tard dans le mois. Son explication : la version initiale « n'offrait pas le niveau de flexibilité auquel nous aspirons », si bien que les marchands utiliseraient leur propre tunnel de paiement pendant qu'OpenAI se concentrerait sur la découverte de produits.

C'est dans le détail qui se cache derrière cette phrase que réside la leçon.

Emily Pfeiffer et Sucharita Kodali, de Forrester, ont formulé sans détour le point structurel en mars 2026 : la gestion des stocks était « désastreusement absente du plan ». Les agents n'hallucinaient pas, au sens intéressant du terme. Ils relayaient fidèlement un catalogue aspiré plutôt que servi, et donc périmé.

C'est là toute la leçon, et elle se généralise : un agent hérite de la précision des données qu'on lui fournit, puis agit dessus à la vitesse de la machine. Une spécification erronée dans un PDF reste inerte jusqu'à ce qu'un humain la lise de travers. Une spécification erronée dans la réponse d'un agent se propage dans une liste restreinte, un devis et une nomenclature avant que quiconque s'en aperçoive.

Où passe, dans l'industrie, la ligne entre découverte et transaction ?

Les agents fonctionnent dans le retail parce que trois éléments y sont publics et uniques : le prix, le niveau de stock et le SKU. L'approvisionnement industriel enfreint les trois par construction.

Deloitte indique que moins d'un quart des fournisseurs B2B utilisent des technologies d'IA agentique, quelles qu'elles soient. Ce n'est pas du conservatisme gratuit : les primitives n'existent véritablement pas.

C'est pourquoi la vraie question industrielle en 2026 n'est pas « un agent va-t-il acheter chez moi ? » mais « un agent est-il capable de restituer correctement ma spécification ? ». La première est spéculative. La seconde se joue déjà, que vous y participiez ou non.

Alors, qu'est-ce qui fonctionne vraiment dans l'approvisionnement industriel ?

Une fois les démonstrations écartées, quatre schémas ont une véritable traction, et tous partagent une propriété : l'agent produit une proposition qu'un humain valide.

1. 01La recherche tenant compte du contrat. Un assistant capable de voir le catalogue et le tarif négociés d'un client donné, et de répondre « combien le payons-nous et pouvons-nous l'obtenir ? » sans passer un appel. C'est l'application à court terme la plus créatrice de valeur, et celle que bloquent les autorisations bien plus que l'IA.
2. 02Les alternatives en période de pénurie. Lorsqu'une pièce passe en allocation, trouver des substituts conformes et qualifiés chez plusieurs fabricants relève exactement du filtrage multidimensionnel où les machines excellent et où les humains sont lents. Cela fonctionne exactement dans la mesure où les relations d'équivalence sont publiées plutôt que déduites.
3. 03La constitution des devis et des dossiers techniques. Transformer une spécification, un plan ou une nomenclature en une réponse chiffrée et documentée. Le travail relève de la synthèse documentaire, pas du jugement, et c'est là que sont comptabilisés la plupart des gains de temps mesurables.
4. 04Les propositions de réapprovisionnement. Des suggestions pilotées par la consommation, qui atterrissent dans un circuit de validation existant plutôt que de le contourner.

Notez qu'aucun de ces cas n'exige qu'un agent détienne un moyen de paiement, et que tous les quatre exigent des données produit structurées et exactes. Voilà le véritable graphe de dépendances de ce marché, et il est presque l'inverse de la manière dont ce marché est commercialisé.

Un test utile lorsqu'un fournisseur vend du « commerce agentique » à une entreprise industrielle : demandez lequel des quatre cas il traite, puis demandez d'où viennent les données. Si la réponse est un crawler, on vous vend exactement ce qui a échoué en mars.

Le contre-argument, énoncé correctement

Gartner prévoit que plus de 40 % des projets d'IA agentique seront abandonnés d'ici fin 2027, en invoquant l'envolée des coûts, une valeur métier floue et des dispositifs de maîtrise des risques insuffisants. C'est le chiffre le plus utile de ce domaine, et il mérite d'être pris au sérieux plutôt que balayé d'un revers de main.

Mais lisez bien ce qu'il prédit. Il prédit l'échec des projets de construction d'agents, non la disparition de la demande médiatisée par des agents. Les deux sont dissociables, et l'implication stratégique est presque l'inverse de celle que l'intuition suggère :

• Construire un agent d'achat autonome en 2026, c'est probablement devenir une statistique de Gartner.
• Ne pas rendre votre catalogue lisible par les machines en 2026, c'est une perte de spécification que vous comptabiliserez en 2028.

Le second risque coûte moins cher à traiter et se rattrape plus difficilement.

Que faudrait-il pour parvenir à des achats entièrement agentiques ?

Six préalables, à peu près dans l'ordre des dépendances. Aucun n'est exotique ; aucun n'est achevé.

1. 01Une fiche produit canonique et vérifiée. Paramètres techniques, statut de cycle de vie et preuves de conformité au même endroit, versionnés, avec leur provenance. Tout le reste en découle, et c'est pourquoi Instant Checkout a échoué dès la première étape.
2. 02Un accès authentifié et tenant compte des droits. Un agent agissant pour un client nommé doit pouvoir voir le prix contractuel et l'allocation de ce client, et de personne d'autre. C'est un problème d'autorisation, et c'est la pièce non résolue la plus difficile.
3. 03Une identité d'agent vérifiable. Les exploitants de serveurs doivent savoir quel agent appelle, et pour le compte de qui. Web Bot Auth et les travaux sur les agents signés qui progressent aujourd'hui à l'IETF constituent la voie crédible.
4. 04Une couche de mandat et d'intention. Les mandats signés d'intention, de panier et de paiement d'AP2 — donnés à la FIDO Alliance en avril 2026, avec une version 0.2 qui ajoute les transactions « sans présence humaine » — existent pour produire une trace, dont toute altération est détectable, de ce que l'humain a réellement autorisé.
5. 05Une politique commerciale dédiée à ce canal. La remarque de Forrester sur la planification de l'assortiment s'applique exactement : c'est à vous de décider quelles pièces, quels prix et quels stocks sont accessibles aux agents, plutôt que de laisser un crawler décider à votre place.
6. 06Un modèle de responsabilité. Quand un agent préconise une pièce qui échoue à la qualification, qui l'assume : le fabricant dont les données étaient fausses, le distributeur qui les a servies, ou l'éditeur du modèle qui les a paraphrasées ? Aucune norme n'y répond aujourd'hui, et les services achats n'automatiseront pas au-delà d'une question d'indemnisation restée sans réponse.

Les étapes 1 et 5 relèvent entièrement du fournisseur. Les étapes 3, 4 et 6 sont un chantier collectif du secteur. L'étape 2 est là où se jouera la créativité commerciale.

Que faire en attendant

La position défendable en 2026 est celle-ci : lisible par les agents, transactionnable par les humains — laissez les machines découvrir, comparer et vérifier vos pièces avec exactitude, et gardez l'engagement sur vos propres rails.

Cela suppose de servir une page catalogue lisible aux clients qui ne sont pas des navigateurs : lorsque Partsgraph a audité 984 domaines de distributeurs et de fabricants dans le monde en août 2026, 38 % ne le faisaient pas, et le score médian de visibilité IA s'établissait à 50 sur 100. Cela suppose de publier le cycle de vie et la conformité sous forme de champs structurés plutôt que de PDF. Cela suppose de surveiller ce que les assistants disent réellement de vos pièces, car une réponse fausse mais assurée est pire que pas de réponse du tout. Et cela suppose d'exposer un point d'accès interrogeable pour les agents qui poseront directement leurs questions : MCP a atteint environ 97 millions de téléchargements mensuels de SDK en mars 2026 et relève désormais de la gouvernance neutre de la Linux Foundation, si bien que la question de l'interface est de fait tranchée.

Le résumé inconfortable, c'est que le secteur a passé 2025 et le début de 2026 à débattre de la question de savoir si les agents achèteraient, et qu'il a perdu par défaut le débat le plus lourd de conséquences. Les agents répondent déjà à des questions de spécification portant sur des pièces industrielles. La plupart de ces réponses sont assemblées à partir de données aspirées, partielles et périmées — l'échec exact qui a tué Instant Checkout, à l'œuvre silencieusement dans chaque catalogue qui n'a pas été corrigé.

Le grader gratuit sur [/audit](/audit) montre ce qu'une machine lit actuellement dans votre catalogue, et là où elle se trompe sur vos pièces.