L’infrastructure B2A permet à l’IA de lire vos produits. Mais la question décisive est ce qui se passe ensuite. Un utilisateur interroge ChatGPT, l’IA consulte des catalogues, recommande trois marques, l’utilisateur clique, compare, ajoute au panier et achète via Shopify. Aucun acteur ne voit toute cette chaîne.
ChatGPT sait ce qu’il a recommandé mais pas si l’utilisateur a acheté. Shopify sait ce qui a été acheté mais pas quelle recommandation IA a déclenché le parcours. GA4 voit certains referrers mais pas le contexte de la réponse. UCP voit des requêtes catalogue mais pas le comportement sur site.
Ce déficit n’est pas un bug. Il vient de l’architecture. Les protocoles résolvent l’interopérabilité machine, pas la mesure. Les plateformes IA ne suivent pas toujours le trafic sortant. Les outils marchands ne comprennent pas l’amont IA.
CitationGraph remplit cette zone avec AIAA : Answer, Request, Visit, Commerce, Attribution. La marque peut voir si elle est recommandée, si les agents lisent ses données, si des visiteurs arrivent, ce qu’ils font, puis si la session se relie à une commande.
Attendre la maturité des protocoles serait une erreur. Les marques peuvent commencer par le Visit layer, ajouter Edge Lite pour voir les requêtes serveur des agents, puis construire un session-to-order join. C’est ainsi que l’IA devient mesurable comme canal commercial.
Concrètement, le déficit de preuve entre recommandation IA et commande ne doit pas être traité comme une simple initiative de contenu. Données produit, réponses IA, requêtes d’agents, visites, comportements et commandes doivent être lus comme une même chaîne de preuve. Sans cela, l’équipe ne peut pas arbitrer correctement entre contenu, données, intégration technique et budget.
Il faut aussi conserver une discipline de mesure. La recherche IA et l’Agentic Commerce sont observables, mais pas encore aussi stabilisés que les canaux paid media classiques. Prompt sampling, referrers, logs serveur et commandes Shopify ont chacun leurs angles morts. La bonne approche sépare preuve forte, signal d’assistance et corrélation.
FAQ
Q1: Qu’est-ce que le déficit de preuve ?
A: La zone non mesurée entre recommandation IA et résultat commercial.
Q2: Les protocoles le résolvent-ils ?
A: Non. Ils organisent l’interopérabilité, pas toute la mesure.
Q3: Par où commencer ?
A: Visit layer, Edge Lite, puis jointure session-commande.
Q4: Quel impact pour les équipes marketing ?
A: Sans preuve, l’IA est sous-attribuée à Direct ou Organic.