Ce que dit vraiment le graphique de Bain

Dans la même enquête, la part des acheteurs qui déclarent démarrer leur parcours sur le site d’un distributeur ou d’une marque passe de 51 % à 60 %. Neuf points de progression, contre sept pour l’IA générative. Et Amazon, présenté depuis dix ans comme le point de départ par défaut du commerce en ligne, ne recule que de 73 % à 71 %.

Ces chiffres sont issus du Bain Consumer Lab Holiday Survey 2026, réalisé avec ROI Rocket auprès de 1 105 répondants aux États-Unis, comparé à l’édition 2025 auprès de 950 répondants. Ce sont des données américaines, sur un moment d’achat précis, la saison des fêtes. Elles ne se transposent pas telles quelles au marché français.

La mention la plus importante ne figure pas dans les barres, elle figure en note de bas de graphique : les répondants pouvaient sélectionner plusieurs réponses, le total ne fait pas 100 %. Autrement dit, la question posée n’est pas « quel est votre point de départ » mais « quels sont vos points de départ ». Et la somme des réponses augmente.

L’IA ne remplace pas, elle s’ajoute

Une lecture en substitution supposerait que ce que gagne l’IA, quelqu’un le perd. Ce n’est pas ce qui se passe. Amazon perd deux points, l’IA en gagne sept, les sites marchands en gagnent neuf. Le total progresse. Les acheteurs n’ont pas changé de porte d’entrée, ils en ont ouvert une de plus.

C’est une nuance de méthode, mais elle change entièrement la conclusion opérationnelle. Si le point d’entrée se déplaçait, il faudrait arbitrer : moins d’investissement sur la marketplace, plus sur la visibilité dans les réponses d’IA. Puisqu’il se multiplie, il faut tenir trois fronts au lieu d’un, avec les mêmes ressources. Le sujet n’est pas la réallocation, c’est l’inflation du coût de présence en haut de funnel.

Bain ajoute un signal qui va dans le même sens : 13 % supplémentaires des acheteurs en ligne interrogés déclarent vouloir utiliser l’assistant d’achat propriétaire d’un distributeur, du type Sparky chez Walmart ou Alexa for Shopping chez Amazon. Une quatrième porte, donc, qui appartient cette fois au marchand.

Le miroir français confirme la mécanique

Les données françaises ne mesurent pas exactement la même chose, mais elles éclairent le même mouvement. L’étude Fevad / Odoxa publiée le 11 février 2026 établit que 31 % des cyberacheteurs français utilisent l’IA générative lorsqu’ils achètent en ligne, avec des pointes à 49 % chez les 15-24 ans, 46 % chez les 25-34 ans, 44 % chez les cadres et 40 % en Île-de-France. Parmi ceux qui l’utilisent déjà, 54 % déclarent y recourir de plus en plus.

Surtout, l’étude localise précisément l’usage dans le parcours. L’IA générative sert avant l’achat pour 58 % des cyberacheteurs, pour gagner du temps, obtenir des informations neutres, comparer ou effectuer une première sélection. Son usage retombe à 27 % au moment de l’achat et 35 % après. La confiance suit la même courbe : 47 % avant l’achat, 43 % après, et seulement 30 % au moment de payer.

C’est exactement la mécanique observée par Bain. L’IA s’installe en amont, elle ne capte pas la transaction. Elle ajoute une étape de préparation, puis renvoie vers un site marchand ou une marketplace pour conclure. Ce qui explique, sans le prouver, pourquoi le site du distributeur progresse en même temps que l’IA plutôt qu’à ses dépens.

Ce constat rejoint ce que j’écrivais l’an dernier sur le parcours client multipoint : la décision se prend en dehors du site, par accumulation de micro-interactions. La différence, c’est qu’on dispose maintenant de mesures qui chiffrent le phénomène sur un moment d’achat identifié.

Trois portes, un seul budget

Pour une direction e-commerce, le problème se pose en termes très concrets. Chaque point d’entrée a son économie propre.

La marketplace coûte une commission et une part de marge, mais elle apporte du volume et une intention d’achat déjà formée. Le site propre coûte de l’acquisition et du contenu, mais il conserve la marge, la donnée client et la relation. La visibilité dans les réponses d’IA générative ne coûte pas encore d’achat média dans la plupart des secteurs, mais elle exige une qualité de données produit, une structuration éditoriale et une présence sur les sources tierces que peu d’organisations ont industrialisées.

Aucune direction n’a vu son budget augmenter de 30 % pour absorber ce troisième front. La question n’est donc pas de savoir s’il faut y aller, mais ce qu’on arrête pour financer l’entrée. Dans la plupart des cas, la réponse tient dans les campagnes de bas de funnel qui rachètent un trafic déjà acquis, et dans les productions de contenu qui ne servent ni la conversion ni la citabilité.

Ce que ça change pour le B2B

L’étude Fevad / Odoxa livre un élément que peu de commentateurs ont relevé et qui concerne directement les distributeurs professionnels. Les produits techniques et l’électroménager représentent 29 % des recherches assistées par IA alors qu’ils ne sont que la 7e catégorie de produits achetés en ligne en France en 2025. À l’inverse, la mode et l’habillement, en tête des achats physiques en ligne, ne mobilisent l’IA que dans 21 % des cas.

La règle qui se dessine est simple : plus l’achat demande de comparer des caractéristiques, plus l’IA intervient tôt. C’est la définition même de l’achat B2B sur catalogue profond. Un acheteur qui cherche une référence technique parmi des milliers, avec des contraintes de compatibilité, de norme ou de délai, est précisément le profil que l’IA générative sert le mieux.

Les distributeurs B2B ne sont donc pas en retard sur ce sujet, ils sont en première ligne. C’est aussi ce que traduit l’édition 2026 des Chiffres clés du e-commerce publiée par la Fevad le 1er juillet 2026 : 94 % des e-commerçants utilisent désormais des solutions d’IA générative et près de 7 sur 10 considèrent le commerce agentique comme l’une des innovations les plus prometteuses des prochaines années.

Quatre chantiers, dans cet ordre

Rendre le prix lisible par une machine. L’IA compare en permanence, sur des données publiques. Un prix non affiché, masqué derrière un formulaire ou un compte client, sort de la comparaison avant même d’entrer dans le jeu. En B2B, où le prix négocié est la norme, cela ne veut pas dire tout publier, mais avoir une politique explicite sur ce qui est visible et ce qui ne l’est pas.

Traiter la donnée produit comme un actif de visibilité. Les fiches produit ne servent plus seulement à convertir un humain, elles servent à être citées par un modèle. Cela suppose des attributs complets, des descriptions factuelles, des données structurées propres et à jour. C’est un chantier de fond, peu spectaculaire, qui conditionne tout le reste.

Traiter le site propre comme un point d’entrée, pas comme un tunnel. Neuf points de progression sur les sites de marque et de distributeur, c’est la donnée la plus actionnable du graphique de Bain. Elle suppose des contenus qui répondent à des questions posées en amont de l’intention d’achat, pas seulement des pages catégories optimisées sur des requêtes transactionnelles.

Se poser la question de l’assistant propriétaire. Les 13 % supplémentaires relevés par Bain aux États-Unis suggèrent que l’assistant du marchand est perçu comme un point d’entrée légitime, distinct de ChatGPT ou Gemini. Il présente un avantage que les plateformes généralistes n’ont pas : il connaît le catalogue, les stocks et l’historique du client. Encore faut-il qu’il apporte une réponse que le moteur de recherche interne ne donnait pas déjà.

Les indicateurs à faire évoluer

Un parcours à plusieurs entrées ne se pilote pas avec des indicateurs à entrée unique. Le taux de conversion global reste utile mais il ne dit plus d’où vient la décision. Trois mesures méritent d’être installées : la répartition réelle des points d’entrée déclarés par les clients, obtenue par enquête post-achat plutôt que par attribution analytique ; la présence de la marque dans les réponses générées sur les requêtes clés de la catégorie, mesurée manuellement si nécessaire ; et la part du trafic de marque dans l’acquisition totale, qui reste le meilleur indicateur disponible de la notoriété spontanée.

Aucune de ces mesures n’est parfaite. Toutes valent mieux qu’un tableau de bord qui continue d’attribuer 100 % de la décision au dernier clic.

Ce qu’il faut retenir

Le haut de funnel ne bascule pas d’un canal à un autre, il s’épaissit. Les acheteurs cumulent les points d’entrée sans en abandonner aucun, et la charge retombe sur des équipes dont le budget n’a pas bougé. Le vrai arbitrage de 2026 n’est pas « faut-il investir dans la visibilité IA », il est « qu’est-ce qu’on arrête pour la financer ».