GEO mode : l’essentiel
En 60 mots : en mode, c’est la taille qui décide de la vente, donc la recherche IA résout la taille avant la marque. Pour se faire recommander par ChatGPT, Perplexity et les IA, une boutique mode Shopify a besoin d’un guide des tailles lisible par machine, des matières et de l’entretien, de la disponibilité par variante (taille et couleur), d’une politique de retour en données structurées et d’allégations durabilité étayées. Ce guide détaille chaque levier avec ses sources.
Le 24 mars 2026, Gap Inc. a annoncé un guidage de taille piloté par l’IA, bâti sur l’Agent Sizing Protocol de Bold Metrics, plus le support du Universal Commerce Protocol de Google pour acheter chez Gap depuis AI Mode et l’app Gemini (Gap Inc., mars 2026). CNBC y a vu une première IA pour un grand acteur de la mode (CNBC, mars 2026). Le détail qui compte pour toute la catégorie : la fonction IA phare de Gap n’est pas un chatbot, c’est un moyen pour les agents de répondre « est-ce que ça va me convenir ? » à partir de données morphologiques et de mesures structurées. Quand les plus grands distributeurs d’habillement se réorganisent autour d’une taille lisible par machine, c’est un signal pour tous les autres.
C’est le Generative Engine Optimization (GEO) appliqué à la mode. Le terme est nouveau ? Commencez par ce qu’est le GEO, puis en quoi AEO, GEO et SEO diffèrent et les 9 facteurs d’un GEO Score. À partir d’ici, ce guide ne parle que de ce qui change pour l’habillement sur Shopify.
Statut France au 24 juin 2026. Google AI Mode et les AI Overviews ne sont pas déployés en France (blocage lié aux droits voisins ; le directeur général de Google France a annoncé vouloir les lancer « dans les prochains mois », possiblement en 2026, sans date confirmée). Pour un lecteur français, les surfaces IA qui comptent aujourd’hui sont ChatGPT, Perplexity, Gemini (app) et Mistral Le Chat. Les statistiques marquées « source US » ci-dessous décrivent une trajectoire de marché, pas l’exposition d’un consommateur français à Google AI Mode.
Pourquoi la mode est un problème GEO distinct
Trois forces rendent l’habillement différent de toute autre verticale, et une garde l’argument honnête.
La découverte par l’IA grimpe vite. Le rapport State of Fashion 2026 de Business of Fashion et McKinsey a trouvé que les recherches liées au shopping sur les plateformes d’IA générative ont crû d’environ 4 700% entre 2024 et 2025, et que les dirigeants citent désormais l’IA comme la première opportunité du secteur ; les travaux plus larges de McKinsey estiment que les agents IA pourraient intermédier 3 000 à 5 000 milliards de dollars de commerce de biens d’ici 2030 (source US, BoF / McKinsey, 2026). Le même rapport reconnaît honnêtement que la recherche traditionnelle génère encore environ 80% du trafic de recherche aujourd’hui : l’argument pour le GEO en mode, c’est la trajectoire et la faible concurrence, pas le volume d’aujourd’hui.
La taille est la différence structurelle. En beauté, l’IA passe par les ingrédients ; en mode, elle passe par la taille et la disponibilité avant la marque. Un acheteur ne demande pas « une robe noire », il demande « une robe noire mi-longue qui taille normalement pour un 40 », et l’agent doit résoudre taille, mesures et stock avant de pouvoir recommander quoi que ce soit. C’est pourquoi le premier grand mouvement IA de Gap a été un protocole de taille, pas un quiz de style.
Et les retours pèsent sur chaque recommandation. La mode est la catégorie la plus retournée en ligne : vêtements et chaussures sont en tête des taux de retour, l’habillement tournant couramment à 20 à 40% de retours contre 5 à 9% en magasin physique, surtout à cause de la taille et de la coupe, et aggravé par le « bracketing » (commander plusieurs tailles pour en renvoyer la plupart) (Richpanel, 2026 ; Statista, 2026). Parce que les retours coûtent si cher, acheteurs et agents pèsent fortement les conditions de retour, ce qui fait d’une politique de retour claire et structurée un facteur de classement, pas une note de bas de page.
Le contrepoids honnête : l’achat par IA reste précoce en volume absolu. Une étude de 1,5 million de conversations ChatGPT a trouvé que seulement 2,1% concernent des produits achetables (NBER, septembre 2025). La fenêtre est ouverte précisément parce que peu de marques mode ont structuré ces données : moins de 12% des équipes marketing ont une stratégie GEO documentée.
Comment l’IA recommande vraiment un produit mode
Le schéma de récupération en mode est cohérent : le modèle résout d’abord une question de taille et de disponibilité, puis superpose marque, prix, retours et confiance. Concrètement, la marque dont la page relie une requête morphologique à une réponse sûre gagne la citation. Voici la correspondance que les assistants IA établissent le plus souvent :
| Forme de la question | Ce que votre page doit exposer pour y répondre |
|---|---|
| « Taille normalement / petit / grand ? » | Type de coupe (ajustée, droite, ample, oversize) et une note « le mannequin porte », en texte |
| « Quelles sont les vraies mesures ? » | Dimensions du vêtement (poitrine, taille, hanches, longueur, entrejambe) en texte, idéalement par taille |
| « Disponible dans ma taille et ma couleur ? » | Taille et couleur par variante avec statut de stock, balisées en variantes ProductGroup |
| « C’est en quelle matière, et comment l’entretenir ? » | Composition (% par fibre) et conseils d’entretien, en propriétés structurées |
| « Puis-je le retourner si ça ne va pas ? » | Délai, frais et méthode de retour, en prose et en schema MerchantReturnPolicy |
| « Est-ce vraiment durable ? » | Certification nommée (GOTS, OEKO-TEX) et allégations matières chiffrées, avec preuve |
Une règle à intégrer dès la conception : les moteurs nomment rarement le même vêtement, alors chacun est sa propre surface. Une robe que ChatGPT met en avant pour une requête « taille normalement » peut être totalement absente de Perplexity, d’où l’intérêt de lancer la même requête sur au moins ChatGPT, Perplexity, Gemini et Mistral Le Chat plutôt que d’en régler un seul. Et comme dans toute verticale, une large part de ce que l’IA cite en mode vient de tiers (sélections éditoriales, avis marketplace, fils de communauté), donc les signaux hors-site comptent autant que votre fiche produit.
Les 7 leviers on-page pour la mode
Sept gestes sur vos fiches produit Shopify, du plus gros gain de citations au plus marginal. Chacun est une édition de contenu ou de données structurées (tailles, variantes, retours, allégations) : aucun ne suppose de refondre votre thème.
1. Mettre le guide des tailles en texte et en données structurées, pas en image
C’est le correctif mode le plus rentable, et le plus souvent cassé. Un tableau de tailles enregistré en JPEG ou PNG est invisible pour les crawlers IA qui ne font pas d’OCR : la donnée mode la plus décisive de votre page peut être illisible pour le modèle. Exposez la taille de trois façons : en vrai tableau HTML des mesures du vêtement, en type de coupe dans la description (« Coupe droite, le mannequin mesure 1,78 m et porte du M »), et en données de taille structurées sur les variantes.
Il existe un schema riche pour ça. Google supporte les valeurs WearableSizeGroup et SizeSpecification avec sizeSystem, sizeGroup, suggestedGender et suggestedAge, et vous pouvez attacher les mesures via additionalProperty sur le Produit :
"additionalProperty": [
{ "@type": "PropertyValue", "name": "Fit", "value": "Regular" },
{ "@type": "PropertyValue", "name": "Size System", "value": "EU" },
{ "@type": "PropertyValue", "name": "Chest (size M)", "value": "100 cm" },
{ "@type": "PropertyValue", "name": "Length (size M)", "value": "70 cm" },
{ "@type": "PropertyValue", "name": "Model", "value": "1,78 m, wears size M" }
]C’est exactement ce que Verity Score vérifie pour la verticale mode : si votre guide des tailles est présent en texte et en données structurées, pas enfermé dans une image qu’une IA ne peut pas lire.
2. Baliser les variantes taille et couleur pour rendre la disponibilité lisible par machine
La mode vit ou meurt sur la grille taille-couleur, et un agent ne recommandera pas un produit dont il ne peut pas confirmer le stock dans la taille de l’acheteur. Utilisez les métachamps de catégorie Shopify pour relier taille, couleur et matière aux données structurées, puis balisez le produit en schema ProductGroup, variesBy réglé sur https://schema.org/size et https://schema.org/color, et un hasVariant par référence avec son propre offers et sa disponibilité (Google Search Central, 2026). Utilisez les URI schema.org complètes pour les valeurs de couleur et de taille : de simples chaînes de texte ne déclenchent pas les pastilles Google Shopping.
Shopify a porté la limite à 2 048 variantes en octobre 2025, donc une grille complète (par exemple 8 tailles de bonnet par 12 tours de poitrine par 10 couleurs) peut désormais tenir sur une seule page plutôt que d’être éclatée en plusieurs fiches, soit la structure consolidée que les agents IA lisent le plus fiablement. Le mode d’échec à éviter, c’est l’incohérence de variante : une couleur montrée dans la galerie mais absente des données de variante, ou une taille listée comme disponible dans le sélecteur mais en rupture dans le flux, ce qui pousse le modèle à se méfier de toute la fiche.
3. Exposer composition et entretien en faits structurés
« C’est en quoi ? » et « comment je le lave ? » sont parmi les questions mode les plus fréquentes, et la réponse doit être de la donnée, pas un paragraphe. Indiquez la composition en pourcentages (« 80% coton biologique, 20% polyester recyclé ») et les conseils d’entretien explicitement, dans la description et en additionalProperty (Matière, Composition, Entretien). La composition est aussi porteuse pour le levier suivant, car une allégation de matière recyclée n’est crédible que si le pourcentage est indiqué.
4. Rendre la politique de retour claire, et lisible par machine
Parce que les retours mode sont si élevés, la politique de retour est un facteur de recommandation, pas une mention en petits caractères. Indiquez le délai, les frais et la méthode en prose près du bouton d’achat, puis exposez-les en données structurées. Le MerchantReturnPolicy de Google se place normalement sur l’Organization via hasMerchantReturnPolicy, et vous pouvez le surcharger par produit sur l’Offer ; les propriétés clés sont applicableCountry, returnPolicyCategory, merchantReturnDays, returnFees et returnMethod (Google Search Central, 2026). Deux règles : les données structurées doivent reprendre les conditions exactes de votre page retours sous peine d’avertissements, et un retour gratuit et facile mérite d’être énoncé explicitement car c’est précisément le type de signal de comparaison marchand qu’une surface d’achat IA lit. Voir notre guide livraison et retours pour la liste complète des champs.
5. Étayer les allégations de durabilité, car le greenwashing est désormais un risque juridique et IA
C’est le levier où conformité et visibilité IA convergent, et le terrain réglementaire a bougé en 2026.
Remplacez les adjectifs verts vagues par des allégations nommées et vérifiables : pas « éco-responsable » ni « conscient », mais « coton biologique certifié GOTS » ou « confectionné avec 60% de polyester recyclé (certifié GRS) ». Le GOTS (Global Organic Textile Standard) exige un minimum de 70% de fibres biologiques certifiées plus des critères sociaux et chimiques sur la chaîne d’approvisionnement, tandis que l’OEKO-TEX Standard 100 certifie que le textile fini est testé sans substances nocives : deux allégations différentes à ne pas utiliser de façon interchangeable. Les IA privilégient les allégations précises, qualifiées et corroborées, et tendent à refuser de répéter les superlatifs environnementaux vagues.
Les régulateurs exigent désormais la même discipline :
- En UE, la directive Empowering Consumers pour la transition écologique (UE 2024/825) doit être transposée en droit national au 27 mars 2026 et s’applique au 27 septembre 2026. Elle interdit les allégations environnementales génériques comme « éco-responsable » sans preuve, et les labels de durabilité non fondés sur un schéma de certification reconnu ; les sanctions peuvent atteindre 4% du chiffre d’affaires dans l’État membre concerné (EUR-Lex). À noter : la directive distincte et plus large Green Claims n’est pas en vigueur, la Commission a annoncé en juin 2025 son intention de la retirer et les négociations ont été suspendues ; au 2026, le cadre contraignant pour l’habillement est donc la directive Empowering Consumers.
- En France, la loi AGEC interdit déjà de faire figurer « biodégradable » ou « respectueux de l’environnement » sur un vêtement neuf, et l’affichage environnemental textile entre en vigueur le 1er mars 2026 après l’expérimentation 2021-2025 (Direction générale des Entreprises). L’enforcement est réel : en juillet 2025, la DGCCRF a infligé 40 M€ à SHEIN, en partie pour une allégation environnementale injustifiée.
- Aux États-Unis, les FTC Green Guides exigent que les allégations de contenu recyclé et de recyclabilité soient qualifiées et étayées (par exemple « confectionné avec 30% de matière recyclée »), et mettent en garde contre les allégations larges et non qualifiées comme « vert » ou « éco-responsable » (FTC). Une révision est en attente depuis 2022, attendue en 2026 ; le dernier guide date de 2012.
Le même soin apporté à la formulation garde une allégation de durabilité à la fois conforme et recommandable par l’IA :
| Défendable (preuve détenue) | Risqué / non conforme |
|---|---|
| « coton biologique certifié GOTS » (certificat lié) | « naturel », « éco-responsable », « conscient » sans preuve |
| « confectionné avec 60% de polyester recyclé, certifié GRS » | « confectionné avec des matières recyclées » (sans % ni schéma) |
| « certifié OEKO-TEX Standard 100, testé sans substances nocives » | « non toxique », « sans produits chimiques », « sûr » (non qualifié) |
| « conçu pour durer, garantie réparation 2 ans » | « durable », « ami de la planète » comme nom de collection |
Verity signale les allégations de durabilité et de matière sans donnée d’appui qu’une IA pourrait vérifier, soit le même écart qu’un régulateur relèverait. Voir notre guide allégations et preuves.
6. Adopter une formule de titre et de description « réponse d’abord »
Commencez par la réponse, puis ajoutez le détail. Formule de titre exploitable en mode : marque + type de produit + matière clé + coupe + usage principal + couleur + plage de tailles. Pour la description, ouvrez sur un bloc d’identité (ce que c’est, pour qui, comment ça taille, en 50 à 75 mots), puis les specs (composition, mesures, entretien), puis le style et « pour qui prendre une taille au-dessus ou en dessous », puis la note retour. Une large part des citations IA vient du début de page : la coupe et la matière ne peuvent pas être en bas.
Faible : « La Robe Mi-Longue Luxe. D’une élégance sans effort, cette pièce magnifique sublime toute garde-robe. Une taille flatte toutes les morphologies. »
Fort : « Robe Mi-Longue en Coton Biologique, certifiée GOTS, coupe droite, pour le quotidien et le bureau, en Vert Forêt, tailles XS à XL. Une robe mi-longue 100% coton biologique respirant, coupe droite ; le mannequin mesure 1,78 m et porte du M. Taille normalement. Prenez une taille au-dessus pour un look oversize ou si vous êtes entre deux tailles. Retours gratuits 30 jours. »
7. Répondre aux vraies questions en schema FAQPage
Ajoutez six à huit questions-réponses par fiche, en données structurées FAQPage, qui répondent à ce que les acheteurs mode demandent vraiment à l’IA : « Est-ce que ça taille normalement ? », « Quelles sont les mesures exactes ? », « C’est en quelle matière ? », « Comment le laver ? », « Est-ce disponible dans ma taille ? », « Quelle est votre politique de retour ? », « Le tissu est-il certifié ? ». Chaque réponse doit porter une donnée précise, pas une réassurance générique. C’est le même schéma que dans notre guide contenu conversationnel.
Un prérequis tient les sept ensemble : en mode, l’avis le plus précieux est celui qui dit « j’ai pris mon M habituel, taille normalement », car c’est la ligne que l’IA reprend pour répondre à une question de taille, et il ne vaut rien pour le modèle s’il ne vit que dans un widget JavaScript. La plupart des crawlers IA n’exécutent jamais ce JavaScript : rendez donc les avis côté serveur, et gardez la note sur le Produit en AggregateRating plutôt que sur l’Organisation, car Google lit une auto-note au niveau site comme auto-attribuée et l’écarte des rich results. Encouragez des retours structurés sur la coupe, et laissez Verity confirmer que les avis sont crawlables et que l’AggregateRating est là où Google l’accepte. Voir les avis et l’IA.
La couche technique : flux, crawlers, schema
Les leviers de contenu ci-dessus font l’essentiel. Les points techniques ci-dessous sont moins nombreux, mais c’est là que les flux mode ramassent des conseils périmés ; voici ce que dit vraiment la documentation officielle en 2026.
Flux ChatGPT Shopping. Sur Shopify, votre catalogue est déjà câblé dans ChatGPT via l’intégration Shopify : aucun flux séparé à fournir, d’après la documentation marchand d’OpenAI. Pour la mode, la spec est précise : size et size_system sont recommandés, color est optionnel, et group_id (avec listing_has_variations) relie une grille taille-couleur en une seule fiche ; le gtin est optionnel (documentation OpenAI Commerce, 2026). Toute donnée de coupe et de mesure du flux doit s’accorder avec la page live, car le modèle confronte l’une à l’autre avant de recommander. À noter aussi : début 2026, OpenAI a commencé à s’éloigner du paiement instantané dans ChatGPT au profit d’un checkout détenu par le marchand, ce qui fait de la découverte, pas du checkout, le pari durable ici. Voir notre guide vendre sur ChatGPT pour Shopify.
Programme Marchand Perplexity. Adhésion sans frais : il puise dans la même intégration Shopify pour les boutiques livrant aux États-Unis, et les cartes mode qu’il renvoie sont des placements organiques, pas des publicités (Perplexity Merchant ToS, mai 2025). Plus de détails sur Perplexity Shopping.
robots.txt. Autorisez au minimum OAI-SearchBot, ChatGPT-User, PerplexityBot et Googlebot. L’erreur fréquente est de bloquer GPTBot en pensant que ça vous sort de ChatGPT ; en réalité GPTBot et Google-Extended ne contrôlent que les données d’entraînement, tandis que votre présence dans la recherche ChatGPT est décidée par OAI-SearchBot. Verity sonde chaque famille de crawler (recherche, utilisateur, entraînement) face à votre robots.txt pour qu’une ligne bloquée ne masque pas en silence votre catalogue. Voir robots.txt pour les crawlers IA.
Schema.org. Utilisez ProductGroup avec hasVariant pour la grille taille-couleur, MerchantReturnPolicy pour les retours, SizeSpecification et WearableSizeGroup pour la taille, et additionalProperty pour les mesures, la composition et les certifications, à côté des standards brand, gtin, offers et shippingDetails. Détail complet dans notre guide schema.org pour Shopify.
Hors-site : où se construit vraiment l’autorité mode en IA
Comme une large part des sources citées ne sont pas votre site, la présence hors-site fait partie du GEO, elle n’en est pas séparée.
Les sélections éditoriales pèsent parce qu’elles sont difficiles à truquer. Les listes « meilleurs basiques durables » et « meilleurs jeans pour [morphologie] » des médias qui mènent de vrais tests sont traitées comme à haute autorité par l’IA. Y figurer suppose de soumettre de vraies données produit et de survivre à la comparaison, d’où leur citation.
Les avis marketplace et plateforme alimentent les recommandations par coupe. Les avis qui mentionnent la taille habituelle de l’auteur et comment l’article taillait (« je fais normalement un 38 et le 38 m’allait parfaitement ») sont ceux que l’IA extrait pour répondre à « est-ce que ça taille normalement ? ». Encouragez des retours structurés sur la coupe sur vos propres avis rendus côté serveur et toute présence marketplace.
Les communautés influencent l’IA, surtout via les données d’entraînement. Les fils sur la coupe, la qualité et les tailles dans les communautés mode façonnent ce que les modèles associent à votre marque, mais la voie légitime est la participation réelle, pas l’astroturfing, qui viole les règles des plateformes et comporte un risque de divulgation.
Votre plan 30/60/90
- Jours 1 à 30, fondations. Sortez chaque guide des tailles des images vers des tableaux HTML et des données de taille structurées. Balisez les variantes en ProductGroup (taille et couleur) et confirmez la disponibilité par variante. Ajoutez composition et entretien en propriétés structurées. Vérifiez que robots.txt autorise OAI-SearchBot, ChatGPT-User, PerplexityBot et Googlebot.
- Jours 31 à 60, contenu et retours. Ajoutez un schema MerchantReturnPolicy qui correspond exactement à votre page retours. Réécrivez vos meilleures descriptions en « réponse d’abord » avec la coupe et la matière en haut. Ajoutez six à huit FAQ par fiche phare en schema FAQPage. Auditez chaque allégation de durabilité face au tableau d’étayage et nommez la certification ou retirez l’allégation.
- Jours 61 à 90, autorité et mesure. Exposez les certifications (GOTS, OEKO-TEX) en faits structurés avec liens vers les certificats publics. Visez deux ou trois sélections éditoriales. Testez vos requêtes catégorie chaque mois sur ChatGPT, Perplexity, Gemini et Mistral Le Chat, en suivant si vous apparaissez, à quelle position, et si les détails de coupe et de retour sont exacts. Depuis juin 2026, Google Search Console propose aussi un rapport de performance IA générative (utile pour les marchés où ces fonctionnalités sont actives ; rappel : elles ne le sont pas en France).
Où Verity Score intervient
Verity Score lit une boutique Shopify comme le ferait un agent qui résout une question de coupe, et la verticale mode est intégrée. Il vérifie si votre guide des tailles et vos mesures sont présents en texte et en données structurées (pas enfermés dans une image), valide que les variantes taille et couleur sont cohérentes et ont une disponibilité par variante, confirme que la composition et l’entretien sont exposés, lit votre MerchantReturnPolicy face à votre page retours, signale les allégations de durabilité et de matière sans donnée d’appui, détecte les avis qui se chargent uniquement en JavaScript, valide l’AggregateRating face à la règle d’auto-attribution de Google, et sonde les crawlers IA que votre robots.txt autorise. Chaque constat vient avec son correctif.
La mode est la catégorie où la taille décide de la vente, où les retours décident de la marge, et où les allégations durabilité portent désormais un vrai poids juridique. Les marques qui structurent ces données maintenant sont celles que l’IA nommera quand un acheteur demandera une robe qui lui ira vraiment et qu’il pourra retourner si ce n’est pas le cas.
Curieux de savoir ce qu’une IA fait de votre guide des tailles et de vos variantes ? Lancez un audit GEO gratuit en 60 secondes.