« ChatGPT, ça marche vraiment pour ce que je vends ? »
Depuis un an, on croise partout le mot « GEO ». Le GEO (generative engine optimization), c’est en gros le SEO version IA : au lieu de viser les liens que Google affiche, on travaille pour que ChatGPT ou Perplexity citent votre marque. Autrement dit, ce qu’on optimise, c’est que le modèle vous recommande, tout simplement.
Et dès qu’on en parle, une question revient : est-ce que ça marche pour ma catégorie à moi ?
Je comprends. C’est un vrai arbitrage de budget. Mettre des ressources sur le GEO, ou les garder sur le référencement et le social payant ? Se tromper coûte cher.
Alors disons-le tout de suite, puis on regarde les données. L’effet de ChatGPT dépend de la complexité de votre produit. Plus l’achat est compliqué, plus ça paie. Sur les produits simples, presque pas.
973 boutiques : la complexité change tout
Kaiser et Schulze, de l’université Goethe de Francfort et de la Mannheim Business School, ont suivi 973 sites e-commerce pendant douze mois — environ 20 milliards de dollars de chiffre d’affaires cumulé. Ils ont comparé plus de 50 000 visites venues de ChatGPT à 164 millions de transactions des canaux classiques.
Le résultat principal ? Le taux de conversion de ChatGPT dépasse celui du social payant, mais reste derrière les canaux matures comme le référencement naturel et l’e-mail. Jusque-là, rien d’étonnant pour un canal aussi jeune.
Mais voilà l’intéressant. La complexité du produit module l’effet. Plus la catégorie est complexe, mieux le trafic ChatGPT s’en sort — sur l’argent rapporté comme sur sa part de trafic. Sur les produits simples, l’écart avec les canaux classiques s’efface presque.
Ce n’est donc pas un chiffre unique qui vaudrait pour tout ce que vous vendez. Il plie selon le produit.
Les données par secteur, encore plus nettes
Le rapport d’Alhena AI, sur 329 marques et huit secteurs de vente, dessine la même courbe. Voici le CVR (taux de conversion, c’est-à-dire la part de visiteurs qui achètent vraiment) par catégorie :
- Beauté et soins : 5,36 %
- Santé : 4,68 %
- Pièces auto : 3,53 %
- Mode : 2,40 %
- Électronique : moins de 2 %
Regardez ce qui est en tête. Chaque fois, c’est une catégorie où il faut « se renseigner avant d’acheter » : trouver un soin adapté à sa peau, comparer des compléments à un objectif de santé, repérer la pièce compatible avec sa voiture. Plus la décision demande un aller-retour, plus la conversion via l’IA grimpe.
Et un chiffre de plus, à méditer : le trafic LLM (les grands modèles de langage derrière ChatGPT) ne pèse qu’environ 1 % des visites, mais il rapporte à peu près 10 % des ventes. Peu de volume, beaucoup de qualité — ces visiteurs arrivent déjà tout près de l’achat.
Adobe dit pareil sur les achats compliqués
Le rapport d’Adobe — bâti sur des milliers de milliards de visites et une enquête auprès de plus de 5 000 acheteurs — atterrit au même endroit. Ses catégories qui convertissent le mieux : l’électronique et la bijouterie. Les plus faibles : l’habillement, l’équipement de la maison et l’alimentaire.
Et l’enquête est encore plus directe : 87 % disent se sentir plus à l’aise avec l’IA pour les achats importants ou compliqués. Les acheteurs eux-mêmes voient l’IA comme l’outil des décisions difficiles, pas des achats faciles.
Un dernier indice, parlant : 86 % du trafic issu de l’IA générative vient du desktop, contre 34 % pour l’e-commerce en général. La recherche de produits via l’IA n’est donc pas du pouce-sur-l’écran dans le canapé — c’est la séance « on s’assoit et on compare ». On prend le temps.
Pourquoi l’IA gagne sur les produits complexes
Alors, pourquoi la courbe penche-t-elle de ce côté ? Parce que c’est là qu’une interface conversationnelle est bonne.
La recherche classique, c’est mot-clé en entrée, liste en sortie : on tape « mouchoirs pas chers », on choisit, terminé. Pour un produit simple, ça suffit largement.
Mais compliquez l’achat, et le moteur de recherche cale. Essayez de filtrer « une routine de soins pour peau sèche et sensible, moins de 50 € par mois, facile à caser le matin » dans une barre de recherche. Bon courage.
Une conversation gère exactement ce tri à conditions multiples, sous forme de dialogue. On peut poser des questions de suivi, ou changer l’ordre des priorités en cours de route. (Ce n’est pas magique pour autant : la façon de poser la question, et ce que le modèle a appris, peuvent faire basculer la réponse — l’IA n’est pas un oracle.)
Donc plus la comparaison est touffue, plus l’outil conversationnel prouve son intérêt. Quand la décision ne tient pas dans une seule barre de recherche, le LLM peut devenir un canal réellement puissant.
Conclusion : lancer le GEO là où l’achat est difficile
Les visites venues des LLM ne rapportent pas de façon uniforme sur tout un catalogue. La place pour une IA « conseillère » s’ouvre sur les — ceux qui cumulent les critères à peser et une longue phase de recherche avant d’acheter. Lancer le GEO partout d’un coup est donc une erreur. Il faut y aller dans l’ordre.
En pratique : séparez votre catalogue entre forte implication et produits de commodité, puis choisissez deux ou trois catégories du premier groupe pour tester. Les chiffres par secteur d’Alhena et le classement d’Adobe donnent une première carte ; posez par-dessus vos propres taux de conversion et les questions qui arrivent au support, et la liste des priorités se resserre vite.
Si vous voulez le pendant de cet article — comment lire les chiffres de conversion de ChatGPT sans se faire piéger par un seul indicateur — je l’ai creusé à partir de la même étude sur 973 boutiques par ici.
Sources
- Kaiser, M. & Schulze, C. (Goethe University Frankfurt / Mannheim Business School), “ChatGPT Referrals to E-Commerce Websites: How Do LLMs Compare Against Traditional Channels?”, SSRN Working Paper, 2025, DOI: 10.2139/ssrn.5585812
- Alhena AI, “329 Brands, 9 Channels: The AI Commerce Report for 2026”, alhena.ai, 2026
- Adobe, “Adobe Analytics: Traffic to U.S. Retail Websites from Generative AI Sources Jumps 1,200 Percent”, Adobe Blog, 2025
