Les assistants IA arbitrent désormais la découverte produit, mais s’alimentent principalement aux données des distributeurs et des marketplaces, non à celles des marques. Seuls 15 % des décideurs estiment que la description produite par leur propre marque façonne la première impression en ligne. Les décennies de capital de marque construit sur les canaux traditionnels risquent d’être réduites à des lignes de données contrôlées par des tiers.
La découverte produit a longtemps été un terrain maîtrisé par les marques : référencement naturel optimisé, pages produits soignées, présence publicitaire calibrée sur les moteurs de recherche. Ce modèle supposait un consommateur actif, formulant une requête, parcourant des résultats, arbitrant entre sources. L’irruption des assistants IA conversationnels rompt avec cette logique. L’utilisateur ne cherche plus : il délègue. Il pose une question à un agent qui synthétise, hiérarchise et recommande — sans que la marque dispose d’un levier direct sur ce processus d’arbitrage. La visibilité ne se construit plus sur une page de résultats que l’on peut optimiser token par token. Elle dépend désormais de la qualité, de la structure et de la cohérence des données que les algorithmes trouvent — ou ne trouvent pas — sur l’ensemble des points de contact digitaux.
C’est dans ce contexte que l’étude Publicis Sapient prend son sens. Elle ne documente pas une menace future : elle photographie un déplacement déjà en cours, dans des entreprises dont la taille et les ressources ne constituent pas une excuse pour l’inaction. Les chiffres révèlent une industrie consciente du risque — 63 % des répondants se disent préoccupés par le positionnement concurrentiel dans les résultats IA — mais structurellement mal préparée pour y répondre, faute de gouvernance claire, de données cohérentes et de responsabilité organisationnelle assignée. L’étude a été conduite auprès de plus de 150 décideurs issus de l’industrie des biens de consommation en France, aux États-Unis, au Royaume-Uni, en Allemagne et en Chine — tous à la tête d’entreprises réalisant un chiffre d’affaires annuel supérieur à un milliard de dollars.
Les distributeurs captent la visibilité IA des marques
Le premier enseignement de l’étude est celui d’un renversement de pouvoir dans la chaîne d’information. Les assistants IA s’alimentent prioritairement aux données là où elles sont les plus structurées, les plus cohérentes et les plus fréquemment mises à jour — soit les sites des distributeurs, les marketplaces et les plateformes de comparaison. Résultat : seuls 31 % des répondants constatent que les contenus propriétaires de leur marque apparaissent en premier dans les recherches IA. Trente pour cent voient d’abord les contenus des distributeurs et marketplaces, 21 % ceux des sites de tests et comparatifs. 18 % n’ont jamais analysé cet aspect.
Ce déplacement est aggravé par les choix de publication des marques elles-mêmes : 68 % publient régulièrement sur les sites des distributeurs, contre seulement 52 % sur leurs propres sites ; 66 % utilisent le social commerce — TikTok Shop, Instagram Shop —, 57 % les marketplaces en ligne. En concentrant leur effort de contenu sur des canaux tiers, les marques ont mécaniquement renforcé la position des intermédiaires comme sources d’information privilégiées des algorithmes. Seuls 15 % des décideurs estiment que la description de leur propre marque façonne la première impression en ligne, contre 31 % pour les distributeurs et marketplaces, 22 % pour les réseaux sociaux et 22 % pour les sites de comparaison.
L’incohérence des données exclut les marques des recommandations
Les assistants IA ne privilégient pas seulement les sources les mieux alimentées : ils privilégient les sources les plus cohérentes. Un modèle confronté à des descriptions produit contradictoires entre le site de la marque, la fiche distributeur et la marketplace arbitre en faveur de la source la plus stable et la plus structurée. Or, l’étude révèle que seuls 33 % des répondants disposent d’informations produit très cohérentes sur l’ensemble des canaux digitaux — 51 % parlent d’une cohérence seulement partielle. Plus critique : seuls 36 % disposent de données produits entièrement structurées, lisibles par les machines et cohérentes sur tous les canaux. 48 % sont en cours de transformation, avec des formats hétérogènes. 14 % en sont encore au stade de développement.
Cette fragilité de la donnée produit n’est pas un problème technique isolé : c’est un facteur d’exclusion algorithmique directe. Sans données structurées — attributs normalisés, taxonomies cohérentes, formats lisibles par les machines —, les marques ne disparaissent pas des algorithmes parce qu’elles ont été pénalisées. Elles disparaissent parce qu’elles sont illisibles. Le passage au schéma de données structurées, à la gestion centralisée des attributs produit et à la synchronisation multicanal cesse d’être un projet d’optimisation SEO pour devenir une condition d’existence dans l’écosystème des assistants IA.
La gouvernance de la visibilité IA reste un angle mort organisationnel
L’étude met en lumière un vide de gouvernance qui aggrave les deux problèmes précédents. Seuls 39 % des répondants disposent d’une équipe ou d’un rôle dédié à l’optimisation pour les assistants IA. Les autres répartissent la responsabilité entre le marketing digital (28 %), le brand management (17 %) et des équipes transverses (16 %). 64 % déclarent disposer d’une stratégie globale, mais 34 % agissent de manière fragmentée. 58 % ont cartographié et piloté activement les sources utilisées par les assistants IA — 41 % ne l’ont fait que partiellement.
La fréquence des audits traduit cette gouvernance lacunaire. Seuls 37 % vérifient mensuellement ou plus souvent la manière dont les assistants IA décrivent leurs produits. 33 % effectuent ces vérifications deux à quatre fois par an, 25 % une fois par an, 4 % moins d’une fois par an. Or, la visibilité dans les résultats IA peut évoluer quotidiennement, au rythme des mises à jour de modèles, des modifications de fiches distributeurs et des évolutions des données concurrentes. Un audit trimestriel dans cet environnement équivaut à piloter à l’aveugle. « Sans responsabilité claire, l’Agent Experience reste un sujet secondaire, alors qu’il devrait relever du niveau comité exécutif », souligne Olivier Ravel, senior Client Partner Consumer Product chez Publicis Sapient.
France et États-Unis en avance, Royaume-Uni et Chine à la traîne
L’étude révèle des disparités géographiques significatives qui dessinent une carte de la maturité IA par marché. La France (60 %) et les États-Unis (52 %) affichent les taux d’audits IA mensuels ou plus fréquents les plus élevés. L’Allemagne suit avec 45 %. Le Royaume-Uni accuse un retard marqué : seuls 24 % auditent mensuellement, 73 % se limitant à des vérifications trimestrielles ou annuelles. La Chine est en queue de peloton sur cet indicateur — 6 % seulement auditent mensuellement, 61 % une fois par an — ce qui contraste avec son positionnement habituel comme marché précurseur sur les usages numériques.
La structuration des données produit inverse partiellement ce classement. Les États-Unis (48 %) et le Royaume-Uni (50 %) devancent l’Allemagne (29 %), la France (20 %) et la Chine (29 %) sur le taux de données entièrement structurées et lisibles par les machines. La France combine donc une vigilance élevée sur les audits et un retard significatif sur la structuration des données — ce qui suggère une prise de conscience de l’enjeu sans la mise en œuvre technique correspondante. Pour les DSI et CDO français, ce décalage constitue le chantier prioritaire : la conscience du risque est là, les fondations de données restent à construire.
L’Agent Experience, nouvelle discipline stratégique
L’étude Publicis Sapient formalise un concept qui va s’imposer dans les feuilles de route des directeurs marketing et des CDO. L’Agent Experience (AX), définie comme la capacité d’une marque à contrôler la manière dont les assistants IA la représentent, la décrivent et la recommandent. À l’image du SEO qui a structuré pendant vingt ans les pratiques de visibilité digitale, l’AX appelle une discipline propre — audits réguliers, structuration des données, gouvernance assignée, monitoring des sources — avec une différence fondamentale : les règles du jeu sont moins transparentes, les algorithmes moins documentés, et les leviers d’optimisation encore en cours de définition.
Les freins identifiés par les répondants sont à la fois organisationnels et technologiques : 43 % évoquent un manque de talents et de compétences, 42 % des préoccupations réglementaires liées à la protection des données, 40 % une infrastructure digitale insuffisante, 34 % un manque d’alignement au niveau de la direction. « L’IA agentique redistribue les cartes. Les marques qui ne structurent pas leurs données et ne reprennent pas le contrôle de leur récit digital seront invisibles pour la prochaine génération d’acheteurs — qui ne cherche plus, mais demande à des assistants IA de choisir pour elle », conclut Olivier Ravel. Pour les DSI impliqués dans les projets de transformation data, cette formulation traduit un impératif opérationnel concret : la qualité et la cohérence de la donnée produit cessent d’être un sujet de back-office pour devenir un facteur de compétitivité commerciale directe.
