ChatGPT Shopping : 8 critères Shopify

ChatGPT Shopping en 2026 : ce qui a change

Mise à jour du 5 mai 2026 : il ne faut plus présenter ChatGPT Shopping comme un seul tunnel d’achat. La réalité est mixte : découverte produit dans ChatGPT, données catalogue Shopify, feeds marchands, Instant Checkout pour certains cas éligibles, et checkout marchand pour beaucoup de parcours. L’objectif Verity est donc de mesurer si vos produits sont lisibles, cohérents, citables et fiables pour ces surfaces.

L’annee 2026 marque un tournant dans le commerce en ligne. ChatGPT n’est plus un simple assistant conversationnel - c’est devenu un canal de vente a part entière pour les marchands Shopify.

La chronologie des événements est rapide. OpenAI a lancé Instant Checkout comme capacité d’achat dans ChatGPT pour certains marchands et produits. En 2026, OpenAI met aussi davantage l’accent sur la découverte produit et la flexibilité du checkout marchand : certains parcours restent dans ChatGPT, d’autres renvoient vers le site ou l’app du marchand.

Les chiffres donnent le vertige. ChatGPT compte désormais plus de 880 millions d’utilisateurs mensuels actifs (source : OpenAI, mars 2026). Shopify, avec 5,6 millions de marchands connectés, est la plateforme e-commerce la plus intégrée à l’écosystème ChatGPT. Le trafic provenant de sources IA vers les stores Shopify a été multiplié par 7 depuis le début de l’année, et les commandes initiées par des agents IA par 11 (source : Shopify Editions, Winter 2026).

Le commerce agentique - où des agents IA recommandent, comparent et facilitent les achats pour le compte des utilisateurs - n’est plus une tendance futuriste. C’est le présent.

Comment ChatGPT recommande vos produits

Comprendre le mecanisme de recommandation de ChatGPT est essentiel pour l’optimiser. Voici le pipeline, étape par étape.

Étape 1 - La requete utilisateur. Un utilisateur demande a ChatGPT quelque chose comme “Quel est le meilleur serum anti-rides naturel pour peau sensible, livre en France ?” ou “Compare les meilleures valises cabine a moins de 150 euros”.

Étape 2 - Interrogation du catalogue. ChatGPT peut s’appuyer sur plusieurs sources : Shopify Catalog, feeds marchands, données structurées, pages accessibles et informations tierces. Le schema.org compte, mais ce n’est pas l’unique signal.

Étape 3 - Classement par pertinence. ChatGPT sélectionne les produits selon l’intention de l’utilisateur et la qualité des signaux disponibles. Un produit avec prix, disponibilité, GTIN, AggregateRating, spécifications, conditions de livraison et politique de retour donne plus de preuves qu’un produit avec uniquement un nom et un prix, sans garantir un classement.

Étape 4 - Formulation de la recommandation. ChatGPT formule une réponse comparative en citant les produits les plus pertinents. Il inclut les prix, les notes, les caractéristiques differenciantes et, via les Agentic Storefronts, un lien direct vers votre store pour l’achat.

Étape 5 - Checkout sur votre store. L’acheteur clique sur le lien et atterrit sur votre store Shopify. Il finalise l’achat via votre checkout habituel, avec vos upsells, votre programme de fidélité et votre branding.

Les stores avec 99.9% de completude attributs ont 3-4x plus de visibilite dans les recommandations IA (eFulfillment, 2026). Le point crucial : ChatGPT lit le schema.org, PAS le texte marketing. “Notre serum revolutionnaire à la formule brevetee exclusive” ne lui apprend rien. “Serum anti-rides, 15% retinol, convient peaux sensibles, 4.7/5 sur 340 avis, livraison France 48h, retour gratuit 30 jours” lui apprend tout.

Shopify Catalog et surfaces agentiques : ce qu’il faut vérifier

Shopify déploie des surfaces agentiques qui rendent les catalogues plus exploitables par les assistants IA, notamment via Shopify Catalog et le Storefront Catalog MCP. Mais être sur Shopify ne suffit pas : ChatGPT Shopping, Copilot, Google AI Mode, Gemini ou Perplexity exploitent des signaux différents selon le pays, le canal et l’éligibilité marchand.

Comment vérifier les signaux publics

Pour vérifier que votre store est réellement exploitable par les agents IA :

1. Testez les pages produits publiques, le schema.org, les feeds et les policies.
2. Vérifiez le Storefront Catalog MCP https://votre-store.com/api/ucp/mcp quand il est disponible.
3. Contrôlez que search_catalog, lookup_catalog et get_product renvoient des produits complets et cohérents.
4. Dans le canal Shop, vérifiez que Agentic Storefronts est active (vert)
5. Optionnellement, vérifiez dans Paramètres > Checkout que votre checkout est à jour

Quels agents IA ont accès

Avec les Agentic Storefronts actives, votre catalogue est accessible a :

• ChatGPT (OpenAI) - via ChatGPT Shopping
• Microsoft Copilot - via Bing Shopping integration
• Google AI Mode - via Google Shopping Graph
• Gemini (Google) - via Google Shopping Graph
• Perplexity - via crawl direct et Shopping API

Ce que ca coute

Pour la découverte organique et les surfaces Shopify Catalog / Agentic Storefronts, il ne faut pas raisonner comme sur Google Ads : la visibilité dépend d’abord de la lisibilité et de la fiabilité des données produit. Les ChatGPT Ads constituent une surface payante séparée ; elles peuvent amplifier un produit lisible, mais elles ne corrigent pas un catalogue incohérent.

Le marchand reste “merchant of record” - c’est votre store qui encaisse le paiement, pas ChatGPT. L’agent IA est un apporteur de trafic qualifie, pas un intermediaire financier.

Les 8 critères que ChatGPT évalue

Quand ChatGPT classe les produits pour une recommandation, il évalue 8 critères techniques. Voici chacun avec un exemple concret de ce qui marche versus ce qui ne marche pas.

Critère 1 : Schema Product complet

Ce qui marche : un JSON-LD Product avec name, description, brand (avec name), image (URL directe), sku, gtin13, offers (price, priceCurrency, availability, url) et au moins 5 propriétés additionnelles (material, color, weight, etc.).

Ce qui ne marche pas : un schema avec uniquement name et price. ChatGPT n’a pas assez d’informations pour comparer votre produit avec les concurrents et le classera en bas de liste.

Critère 2 : AggregateRating

Ce qui marche : un schema AggregateRating avec ratingValue (ex: 4.7), reviewCount (ex: 234) et bestRating (5), injecté dans le JSON-LD Product et rendu en HTML natif dans la page.

Ce qui ne marche pas : des avis uniquement dans un widget JavaScript (Judge.me en mode lazy-load, Loox iframe). Le crawler lit le HTML initial, pas le DOM après exécution JavaScript.

Critère 3 : Prix structuré

Ce qui marche : un Offer avec price en valeur numérique (ex: “29.90”), priceCurrency en code ISO (ex: “EUR”), et availability en valeur schema.org (ex: “https://schema.org/InStock”).

Ce qui ne marche pas : un prix uniquement dans le texte de la page (“A partir de 29,90 EUR”) sans schema Offer correspondant. Ou un prix en devise incorrecte (USD pour un store français).

Critère 4 : Livraison structurée

Ce qui marche : un schema shippingDetails avec shippingDestination (France), shippingRate (name + value + currency), et deliveryTime (handlingTime + transitTime en jours ouvrables).

Ce qui ne marche pas : les conditions de livraison uniquement dans une page “/policies/shipping” sans données structurées. ChatGPT ne va pas lire vos pages politiques - il lit le schema.

Critère 5 : Politique de retour

Ce qui marche : un schema hasMerchantReturnPolicy avec returnPolicyCategory (ex: MerchantReturnFiniteReturnWindow), merchantReturnDays (ex: 30), returnFees (ex: FreeReturn).

Ce qui ne marche pas : une politique de retour uniquement dans le footer en texte libre. L’agent IA compare les politiques de retour de façon structurée - “retour gratuit 30 jours” vs “retour 14 jours à la charge du client” est un facteur de décision.

Critère 6 : Images avec alt text

Ce qui marche : des images produit en haute résolution avec des alt texts descriptifs (“Serum vitamine C 30ml - texture dorée - flacon verre ambré”) et un schema image avec une URL directe (pas de lazy-load JS).

Ce qui ne marche pas : des images sans alt text, ou avec des alt génériques (“product-image-1.jpg”). Les modèles multimodaux (GPT-4 Vision, Gemini) analysent les images, et l’alt text leur fournit le contexte.

Critère 7 : Disponibilité en temps réel

Ce qui marche : le champ availability dans le schema Offer mis à jour en temps réel (InStock, OutOfStock, PreOrder). Shopify met à jour ce champ automatiquement si votre schema est correctement configuré.

Ce qui ne marche pas : un produit affiché “InStock” dans le schema alors qu’il est en rupture. ChatGPT qui recommande un produit indisponible = mauvaise expérience utilisateur = perte de confiance.

Critère 8 : GTIN/EAN

Ce qui marche : un champ gtin13 (ou gtin12, gtin14) avec le vrai code-barres du produit. Le GTIN permet a ChatGPT d’identifier votre produit de façon unique et de le croiser avec d’autres sources (avis Amazon, comparateurs, bases de données produit).

Ce qui ne marche pas : un champ GTIN vide, ou pire, un GTIN fictif inventé. Les IA vérifient la validité des GTIN - un code invalide réduit votre score de confiance.

Checklist : optimiser votre store pour ChatGPT

10 actions ordonnées par impact, avec le chemin Shopify Admin exact.

1. Vérifier que les Agentic Storefronts sont actives - Admin > Paramètres > Canaux de vente > Shop > Agentic Storefronts. Vérifier que le statut est “Actif”.

2. Compléter le schema Product - Theme > Modifier le code > product.liquid. Vérifier que le JSON-LD contient : name, description, brand, image, sku, gtin, offers (price, priceCurrency, availability), aggregateRating.

3. Ajouter les GTIN/EAN à chaque produit - Produits > [Produit] > Variantes > Code-barrés. Remplir avec le vrai GTIN-13 ou EAN du produit. Si vous n’avez pas de GTIN (produit artisanal), laissez vide plutôt que d’inventer un code.

4. Activer l’AggregateRating en HTML natif - Paramètres de votre app d’avis > Schema markup / Rich snippets > Activer. Vérifier en faisant “Afficher le code source” sur une PDP que l’AggregateRating est dans le JSON-LD.

5. Structurer les conditions de livraison - Ajouter shippingDetails au schema JSON-LD de vos produits : destination, coût, délai de livraison, délai de preparation.

6. Structurer la politique de retour - Ajouter hasMerchantReturnPolicy au schema : duree du retour, frais, conditions. Créer une page /policies/refund-policy si elle n’existe pas.

7. Optimiser les alt texts des images - Produits > [Produit] > Images > cliquer sur chaque image pour ajouter un alt text descriptif. Format recommandé : “[Nom produit] - [detail visible] - [contexte]”.

8. Transformer les descriptions en contenu factuel - Remplacer le copywriting emotionnel par des spécifications : composition, dimensions, poids, certifications, résultats prouvés, comparaisons factuelles.

9. Vérifier la disponibilité temps réel - Produits > [Produit] > Variantes. Vérifier que le suivi d’inventaire est active et que les quantites sont à jour. Le schema Offer doit refleter la disponibilité réelle.

10. Segmenter le robots.txt par rôle de bot IA - Theme > Modifier le code > robots.txt.liquid. Ne bloquez pas les agents utiles à la découverte organique (OAI-SearchBot, ChatGPT-User, PerplexityBot, Claude-SearchBot, Claude-User) sur les pages publiques produit et contenu. Décidez séparément des bots d’entraînement (GPTBot, ClaudeBot), des contrôles d’usage (Google-Extended) et des bots de validation paid (OAI-AdsBot).

Comment Verity Score mesure votre readiness ChatGPT

Verity Score inclut un score spécifique de readiness commerce agentique : l’ACP Readiness Score (Agentic Commerce Protocol), note sur 100.

Ce que l’ACP Readiness Score mesure

L’ACP Readiness Score évalue la capacité de votre store à être recommandé et vendu par les agents IA. Il combine :

• Completude du schema Product : pourcentage des champs essentiels remplis (name, price, gtin, brand, image, availability, rating, shipping, return policy)
• Qualite des données structurées : cohérence des prix, validite des GTIN, exactitude des disponibilités
• Accessibilité HTML : les données critiques sont-elles en HTML natif ou uniquement en JavaScript ?
• Signaux de confiance IA : AggregateRating présent, preuves vérifiables, claims cohérentes
• Protocoles agentic : Storefront Catalog MCP /api/ucp/mcp, tools catalogue canoniques, fichier llms.txt, cohérence schema/feed/page

Exemple de rapport

Le rapport ACP Readiness de Verity Score détaillé chaque critère avec un statut (présent, absent, incomplet) et une action corrective précise. Un apercu :

Cas concret : store beaute de 35/100 a 78/100 en 10 jours

Un store Shopify vendant des soins naturels pour le visage avait un ACP Readiness Score de 35/100 lors de son premier audit Verity Score. Voici le diagnostic et les actions prises.

Le diagnostic initial

• Schema Product : seuls name, description et price etaient présents. Brand, gtin, sku, aggregateRating, shippingDetails et returnPolicy manquaient.
• AggregateRating : le store utilisait Loox pour les avis, mais en mode widget JavaScript uniquement. Les crawlers IA ne voyaient aucun avis.
• GTIN : aucun produit n’avait de GTIN renseigne dans Shopify.
• robots.txt : une app de sécurité anti-bot avait ajoute des règles bloquant GPTBot et ClaudeBot.
• Descriptions : 100% marketing emotionnel, zero spécification factuelle. “Offrez à votre peau le luxe qu’elle merite” au lieu de “Serum concentre en acide hyaluronique 2%, flacon 30ml, convient aux peaux sensibles.”
• Images : 60% sans alt text.

Les actions prises (jours 1-3)

Jour 1 : correction du robots.txt (suppression des règles bloquantes) + activation du schema markup dans Loox (AggregateRating en JSON-LD) + ajout des GTIN-13 pour les 15 produits principaux.

Jour 2 : enrichissement du schema Product via le thème Liquid : ajout de brand, sku, shippingDetails (livraison France 3-5 jours ouvrables, 4.90 EUR), returnPolicy (retour gratuit 30 jours).

Jour 3 : reecriture de 15 descriptions produit en format factuel (composition, poids, format, certifications, résultats d’études). Ajout des alt texts manquants.

Les résultats (jour 10)

Après un second audit Verity Score :

• ACP Readiness Score : 35/100 a 78/100 (+43 points)
• Schema Product : 12/12 champs remplis pour les 15 produits principaux
• AggregateRating : visible en HTML natif sur toutes les PDP
• Crawlabilité IA : 100% - tous les crawlers ont accès

Le store a constate une augmentation du trafic provenant de sources IA dans les 2 semaines suivant les corrections. Les données structurées complètes ont permis aux produits d’apparaître dans les recommandations ChatGPT pour des requetes comme “meilleur serum naturel anti-rides France”.

L’investissement total en temps : environ 8 heures réparties sur 3 jours, sans coût supplémentaire (aucune app payante requise, toutes les modifications dans le thème Liquid et l’admin Shopify).

Articles connexes

• Voir aussi l’article : Comment vendre sur ChatGPT Shopping : le guide marchand 2026
• Audit GEO : guide complet - Les 9 facteurs qui déterminent votre visibilité IA
• ACP : Agentic Commerce Protocol - Le protocole OpenAI + Stripe pour le commerce agentique
• UCP : Universal Commerce Protocol - Le protocole Google + Shopify pour les agents IA
• Perplexity Shopping - Guide marchand et readiness score Perplexity
• Schema.org pour Shopify - Guide technique des données structurées Product et Offer
• Prix et visibilité IA - Comment les agents comparent vos prix et promotions
• AI Buyer Score - Comment les agents IA évaluent et classent vos produits
• GEO Readiness - Évaluez la maturité IA de votre store Shopify

Lancez votre audit gratuit sur verity-score.com pour obtenir votre ACP Readiness Score et votre plan d’action personnalisé.

Prêt à vérifier votre store ? Lancer un audit GEO gratuit →