Le retail media prospère grâce aux occasions publicitaires créées par les parcours d’achat. Mais que devient ce modèle lorsqu’une IA présélectionne les produits avant de les présenter au consommateur ? Entre raréfaction possible des expositions et émergence de recommandations sponsorisées, une transformation de la publicité commerciale se dessine.
Un marché florissant face à une mutation des usages
Le retail media se porte bien. Au premier semestre 2026, ses recettes publicitaires ont progressé de 18 % en France pour atteindre 775 millions d’euros, selon le 36e Observatoire de l’e-pub du SRI. Le retail search représente à lui seul près de 77 % de ce montant. Les distributeurs continuent donc de tirer des revenus croissants de leur capacité à exposer les consommateurs à des produits sponsorisés au cours de leurs achats.
Pourtant, une évolution des interfaces commerciales pourrait fragiliser une partie de cette mécanique. Les assistants IA permettent de rechercher des produits, de comparer leurs caractéristiques, d’évaluer des alternatives et de constituer une sélection sans parcourir systématiquement les pages de résultats d’un site marchand.
Le consommateur reste décisionnaire. Il consulte les propositions, peut les contester, réclamer d’autres options et valide son achat. Mais une partie du travail de découverte, auparavant réalisé en naviguant parmi des offres, peut désormais être accomplie dans une conversation.
Or, cette navigation constitue précisément l’une des ressources économiques du retail media. Les pages consultées et les résultats affichés créent des occasions de présenter des annonces. Si l’IA transforme ces parcours, elle pourrait aussi modifier le volume et la valeur de l’inventaire publicitaire.
Si le risque n’est pas encore mesurable à l’échelle du marché. Il mérite néanmoins d’être examiné, d’autant que les premiers formats publicitaires conversationnels existent déjà.
Le modèle publicitaire a besoin de parcours
Le retail search a construit une grande partie de son efficacité sur la proximité entre intention d’achat et exposition publicitaire. Lorsqu’un consommateur recherche un aspirateur sur un site marchand, les résultats sponsorisés apparaissent au moment où il manifeste un intérêt commercial explicite. Les annonceurs paient pour obtenir cette visibilité, généralement selon un modèle au coût par clic, avec l’espoir de convertir cette attention en ventes.
Cette mécanique suppose une succession d’interactions : une requête, une liste de résultats, une consultation de produits, parfois une nouvelle recherche ou une comparaison. Chaque étape peut constituer une occasion publicitaire supplémentaire. La concurrence pour les premières positions est d’autant plus forte que les produits situés en tête de liste bénéficient d’une visibilité privilégiée.
Tous les formats de retail media ne dépendent pas de cette logique. Les publicités display, les campagnes diffusées en dehors des sites marchands et les dispositifs en magasin répondent à d’autres objectifs et bénéficient d’autres espaces de diffusion. La menace éventuelle concerne d’abord les formats liés à la découverte et à la recherche de produits sur les interfaces numériques des distributeurs.
Il faut également distinguer le volume d’inventaire de sa rentabilité. Une impression n’est pas une vente, et une page supplémentaire n’est pas nécessairement une opportunité commerciale intéressante. Le rendement publicitaire dépend de l’intention de l’acheteur, de la concurrence entre annonceurs, de la visibilité des annonces et de leur capacité à susciter une action.
Néanmoins, une partie de l’économie du retail search repose sur la mise en concurrence de produits pour occuper les espaces que le consommateur rencontre pendant sa recherche. Si les consommateurs délèguent davantage la présélection à une IA, certains de ces espaces pourraient perdre une grande partie de leur visibilité.
Cette hypothèse suppose cependant que les parcours conversationnels remplacent effectivement des consultations de pages marchandes. Or, les premiers usages observés révèlent une situation plus complexe.
L’IA réduit-elle vraiment les parcours d’achat ?
L’intérêt des consommateurs pour l’assistance à l’achat se manifeste surtout dans la recherche d’informations. En mai 2026, Gartner publiait une enquête américaine indiquant que les utilisateurs étaient nettement plus disposés à confier à l’IA la présélection de produits que la décision finale d’achat. Dans cette étude portant sur 322 consommateurs, la proportion acceptant de laisser l’IA décider à leur place ne dépassait pas 11 %, même pour certaines catégories d’achats peu impliquants.
Le scénario le plus pertinent à court terme reste donc celui d’un achat assisté. L’utilisateur formule un besoin, précise ses contraintes et obtient une sélection qu’il demeure libre de modifier ou de rejeter.
Imaginons qu’il recherche un ordinateur portable pour travailler en déplacement. Sur un site marchand, il pourrait examiner plusieurs pages de résultats, appliquer des filtres, consulter des fiches techniques et comparer les modèles retenus. Avec un assistant, il peut décrire ses usages, son budget, ses exigences d’autonomie et de poids. L’IA se charge alors d’une partie de la comparaison et lui propose quelques appareils argumentés.
Le nombre de produits effectivement examinés peut diminuer considérablement. Pour une marque, ne pas figurer dans cette présélection risque de réduire les occasions d’être considérée. Pour une régie publicitaire, les consultations de pages évitées peuvent représenter autant d’expositions potentielles perdues.
Mais attention à ne pas confondre compression de la sélection et raccourcissement du parcours d’achat.
Une étude de l’IAB et de Talk Shoppe publiée en octobre 2025 apporte une objection importante : 95 % des consommateurs observés dans les sessions d’achat assistées par IA effectuaient au moins une démarche supplémentaire en ligne après leur consultation de l’assistant. Ils poursuivaient notamment leurs vérifications sur d’autres sources. Cette étude ne permet pas d’établir l’effet causal de l’IA sur le nombre total d’étapes, mais elle contredit l’idée d’une disparition immédiate de la navigation commerciale.
L’IA peut donc concentrer la découverte sans supprimer les vérifications. Les expositions publicitaires risquent moins de disparaître uniformément que de se redistribuer entre les différentes étapes du parcours.
L’effet devrait également varier selon les produits. Pour un achat fonctionnel, récurrent ou fortement contraint, une sélection rapide peut suffire. Pour un canapé, un vêtement ou un équipement photographique, les préférences esthétiques, l’expérience du produit et le plaisir de l’exploration peuvent prolonger la recherche.
La question économique devient alors plus précise : quelle part de l’attention commerciale restera disponible pour des annonces, et à quel moment du parcours cette attention aura-t-elle le plus de valeur ?
Moins d’impressions, mais quelle valeur commerciale ?
Un assistant peut théoriquement réduire le nombre de produits présentés tout en améliorant leur adéquation au besoin du consommateur. Une publicité insérée dans une sélection particulièrement pertinente pourrait ainsi contribuer davantage à une vente que plusieurs apparitions dans des listes de résultats peu qualifiées.
Il serait pourtant prématuré d’en déduire qu’une meilleure recommandation compensera mécaniquement la perte éventuelle de volume publicitaire.
Considérons une régie qui monétise dix occasions d’exposition au cours d’un parcours classique. Si une interface conversationnelle ramène ces occasions à deux, il ne suffit pas que les recommandations soient plus pertinentes pour préserver les recettes. Il faut que leur rendement économique compense la diminution de l’inventaire : davantage de clics ou de conversions, un prix publicitaire plus élevé, voire un autre modèle de rémunération.
Une recommandation qui contribue réellement à la décision peut avoir une forte valeur pour l’annonceur. Mais cette valeur ne se traduit pas automatiquement en revenus pour la régie. Elle dépend de la capacité à établir ce que l’exposition sponsorisée a effectivement apporté : une découverte supplémentaire, un changement de préférence ou une vente qui ne se serait pas produite autrement.
Ce problème de mesure existe déjà. Dans son rapport européen sur le retail media de novembre 2026, l’IAB Europe indique que 61 % des acheteurs publicitaires interrogés considèrent les insuffisances de mesure et de reporting comme un frein à l’investissement. L’incrémentalité figure parmi les indicateurs que les annonceurs souhaitent davantage utiliser.
Les interfaces conversationnelles pourraient accentuer cette exigence. Lorsqu’une IA recommande trois produits à un consommateur qui achète finalement le deuxième, quelle valeur attribuer à la présence sponsorisée d’un produit dans cette sélection ? Comment distinguer la contribution publicitaire de la pertinence intrinsèque de l’offre ? Et comment éviter de rémunérer une recommandation qui aurait été formulée sans intervention commerciale ?
Le retail media pourrait ainsi évoluer vers une monétisation davantage fondée sur la contribution à la décision, sans abandonner pour autant les modèles traditionnels d’exposition ou de clic. Cette évolution reste une hypothèse économique, dont la viabilité dépendra des usages et des mesures disponibles.
Elle suppose aussi de développer des formats publicitaires adaptés à une situation inhabituelle : le consommateur ne parcourt plus seulement des annonces, il dialogue avec une interface qui prétend l’aider à choisir.
Quand la publicité entre dans l’ère conversationnel
Cette évolution a déjà commencé. En juin 2026, Amazon présentait les possibilités publicitaires d’Alexa for Shopping, son assistant commercial issu du rapprochement de Rufus et d’Alexa+. Des produits sponsorisés et des invitations à poursuivre une conversation autour d’un produit ou d’une marque peuvent être intégrés aux parcours de recherche et de comparaison.
Le dispositif conserve une logique publicitaire connue : donner de la visibilité à des offres commerciales. Mais il ajoute une dimension interactive. Le consommateur peut poser une question, demander des précisions ou comparer des caractéristiques directement dans la conversation.
En septembre 2026, Amazon annonçait également ses Branded Conversations, conçues pour incorporer davantage d’informations fournies par les marques dans des échanges dédiés à leurs produits. Leur lancement aux États-Unis était alors annoncé pour janvier 2027. Il ne s’agit donc pas encore d’un format dont l’efficacité à grande échelle serait établie.
Ces initiatives révèlent néanmoins une orientation : une publicité peut dépasser la simple présentation d’un produit et devenir un espace de dialogue autour de ses usages, de ses caractéristiques et de ses avantages.
Cela ne signifie pas que toutes les interfaces adopteront cette approche. OpenAI indique par exemple que les résultats de produits dans ChatGPT ne sont pas des publicités et que les annonces sont distinctes de ces résultats. L’intégration commerciale à la conversation n’implique donc pas nécessairement que les recommandations elles-mêmes soient sponsorisées.
Cette distinction est essentielle. Une annonce peut apparaître à proximité d’une recommandation, susciter une conversation avec une marque ou participer à une sélection commerciale. Ces dispositifs ne présentent pas les mêmes conséquences pour la compréhension du consommateur, ni les mêmes risques de confusion entre conseil et promotion.
Leur développement pose également une question aux annonceurs. Lorsqu’une publicité devient interactive, que faut-il concevoir pour qu’elle fonctionne ? Une promesse créative et un visuel attractif restent utiles, mais ils ne suffisent plus toujours à répondre aux interrogations formulées dans la conversation.
Une marque doit pouvoir expliquer pourquoi son produit convient à un usage, préciser ses limites, documenter ses avantages et éventuellement proposer une alternative mieux adaptée. La publicité acquiert alors une dimension démonstrative, sans perdre nécessairement son rôle dans la construction du désir (le comme back du téléshopping ?).
Quand la publicité doit convaincre à travers un intermédiaire
L’arrivée de l’IA dans les parcours d’achat pourrait modifier une distinction fondamentale du marketing : celle entre attirer l’attention et fournir des arguments au moment du choix.
Une publicité traditionnelle peut séduire par une image, un univers, une promesse ou une émotion. Elle peut construire une préférence bien avant que le consommateur n’envisage une acquisition. Ce rôle ne disparaît pas avec l’IA. Un individu qui apprécie une marque de chaussures pour son esthétique ou son identité peut tout à fait demander à un assistant de privilégier ses produits.
En revanche, lorsqu’il confie à l’IA la recherche de plusieurs options, les caractéristiques vérifiables prennent une importance particulière. Pour sélectionner des propositions pertinentes, l’assistant doit pouvoir exploiter des informations sur les prix, les fonctionnalités, la disponibilité, les garanties ou les conditions de livraison.
La publicité pourrait donc devoir satisfaire deux exigences distinctes : rendre un produit désirable pour l’humain et rendre son offre pertinente dans une comparaison assistée.
Cette articulation ouvre de nouvelles possibilités commerciales. Une marque pourrait chercher à faire valoir un avantage objectivement comparable, comme une autonomie supérieure, une meilleure réparabilité ou une garantie plus longue. Une enseigne pourrait promouvoir une offre alternative répondant plus précisément aux contraintes exprimées. La recherche de promotions, de conditions de livraison ou de services associés pourrait également devenir un élément important de la proposition publicitaire.
La négociation automatisée des conditions commerciales constitue une extension envisageable, mais sa généralisation demeure incertaine. Dans le cadre d’un achat assisté, il est plus réaliste d’imaginer une IA identifiant et présentant les meilleures conditions disponibles, puis laissant l’utilisateur arbitrer.
Ce modèle présente toutefois une difficulté particulière. Une recommandation formulée dans une conversation ne se perçoit pas nécessairement comme une annonce affichée dans une liste de résultats. Elle peut emprunter le vocabulaire, la structure et l’apparence d’un conseil personnalisé.
Or, le consommateur sollicite précisément l’IA pour l’aider à réduire l’incertitude. Si les critères commerciaux influencent la sélection sans être clairement identifiés, il risque de ne plus savoir si une offre lui est présentée pour sa pertinence ou parce qu’un annonceur a payé pour obtenir cette visibilité.
La transparence devient alors une condition du fonctionnement économique de ces formats. Identifier les propositions sponsorisées, expliquer leur place dans la sélection et permettre de comparer des alternatives non sponsorisées contribuent à préserver la crédibilité du conseil.
La confiance n’interdit pas la publicité. Elle exige que l’utilisateur puisse distinguer l’assistance à la décision de l’influence commerciale. Cette exigence pourrait même favoriser une publicité plus utile, construite autour de réponses vérifiables et d’arguments contextualisés, plutôt que d’une simple compétition pour l’espace disponible. Encore faudra-t-il démontrer que cette valeur supplémentaire peut être mesurée et rémunérée.

Le prochain inventaire publicitaire sera-t-il une réponse ?
Le retail media ne présente aujourd’hui aucun signe de déclin général attribuable à l’IA. Sa croissance reste soutenue, ses formats traditionnels demeurent efficaces et les consommateurs continuent de consulter des sites marchands, y compris après avoir interrogé des assistants.
Le risque est plus ciblé. Si une partie croissante de la sélection des produits s’effectue dans des interfaces conversationnelles, certains espaces publicitaires pourraient perdre de leur importance. D’autres apparaîtront probablement, mais leur valeur et leurs modalités de monétisation restent à construire.
L’enjeu ne se limite pas au nombre d’annonces qu’une conversation pourrait accueillir. Il concerne ce qu’une annonce doit apporter pour mériter sa place dans une interaction destinée à faciliter un choix.
Dans cette perspective, la publicité commerciale pourrait évoluer vers une proposition davantage argumentée, comparable et contextualisée. L’image et l’inspiration continueraient à construire les préférences, tandis que les informations sur l’offre joueraient un rôle accru au moment de la sélection.
L’humain conserverait la décision finale, mais une partie des produits qu’il considère et des arguments qu’il examine passerait par le travail préalable d’une IA.
Cela pourrait transformer la manière de concevoir, de diffuser et d’évaluer la publicité. Une impression achetée garantit aujourd’hui une occasion d’être vu, dans les limites des conditions de diffusion. Une recommandation sponsorisée devrait, elle, trouver sa place dans une réponse dont l’utilisateur attend une pertinence particulière.
Et si cette pertinence se dégrade sous l’effet de la pression commerciale, l’assistant risque de perdre précisément ce qui justifie son utilisation.
Le retail media pourrait alors rencontrer une contrainte économique nouvelle : la publicité devra contribuer suffisamment à la qualité de la décision pour ne pas détruire la confiance dont dépend son efficacité.