Optimiser vos produits pour ChatGPT Shopping et Perplexity : mode d’emploi

ChatGPT Shopping et Perplexity ne lisent pas vos pages produit mot à mot comme Google avant de décider de vous recommander. Leur sélection repose surtout sur deux éléments : des données produit lisibles par machine et un consensus d’avis provenant de plusieurs sites. Dans les achats assistés par l’IA, le vendeur retenu n’est donc pas toujours celui qui présente la plus belle page, mais celui qui fournit les informations les plus claires et les plus cohérentes sur les caractéristiques, les prix, les stocks et les évaluations. Cet article expose la réalité du terrain.

Commençons par comprendre comment un moteur d’achat IA sélectionne les produits.

La fonction Shopping de ChatGPT s’appuie sur une chaîne de sources de données commerciales, notamment les flux produit, ainsi que sur des signaux d’avis agrégés. Selon la demande formulée par l’utilisateur, elle présente directement dans la conversation plusieurs options accompagnées de liens d’achat, en comparant les caractéristiques, les fourchettes de prix, les évaluations et les politiques de remboursement. Le shopping de Perplexity suit une logique similaire : il recueille des données structurées sur les produits, de nombreux avis tiers et des discussions en ligne, puis transforme ce que le marché dit d’un produit en critères de recommandation.

Cette logique diffère nettement du référencement naturel traditionnel en e-commerce. Jusqu’ici, vous cherchiez surtout à améliorer le classement d’une page produit dans Google. Désormais, la question devient : « Les données relatives à ce produit sont-elles cohérentes sur l’ensemble du Web ? » Si votre site affiche un prix de 1 290 NT$, qu’une plateforme marchande indique 1 490 NT$ et qu’un site d’avis reprend d’anciennes caractéristiques, le moteur IA reçoit des signaux contradictoires. Sa décision la plus sûre consiste alors à vous écarter au profit d’un produit dont les données sont fiables.

Étape 1 : fournir des données produit lisibles par machine

Tout commence par la structuration des données produit. Chaque produit doit disposer d’au moins deux éléments complémentaires : un balisage Product Schema au format JSON-LD sur sa page et un flux produit pouvant être transmis aux plateformes. Le premier permet aux robots d’interpréter les informations directement sur le site. Le second donne aux systèmes comme ChatGPT, alimentés par une chaîne de partenaires marchands, accès à une version officielle et actualisée de ces données.

1. Ajoutez un balisage Product JSON-LD complet à chaque page produit en renseignant name, image, description, brand, sku, gtin — ou mpn — ainsi qu’un objet Offer comprenant price, priceCurrency, availability et priceValidUntil.
2. Associez aggregateRating à de véritables avis : ratingValue et reviewCount doivent correspondre exactement aux chiffres affichés sur la page. Ne gonflez pas les données, car les moteurs IA les recoupent avec d’autres sources.
3. Maintenez un flux produit dans Google Merchant Center, avec des champs tels que le prix, le stock et le GTIN, et synchronisez-le avec le balisage du site officiel afin d’éviter toute divergence.
4. Présentez les frais de livraison, le délai de retour et les garanties sous forme de champs structurés ou de règles clairement rédigées. Ces informations figurent parmi les critères les plus souvent demandés à l’IA par les utilisateurs.

Étape 2 : construire un consensus à partir d’avis tiers

Un avis cinq étoiles publié sur votre propre site constitue un signal, mais il ne suffit pas. Les moteurs IA accordent davantage de poids à la convergence de plusieurs sources : discussions sur Reddit, vidéos YouTube, sites d’évaluation spécialisés et comparateurs de prix. C’est l’ensemble de ces signaux qui leur donne suffisamment confiance pour recommander un produit. Un article uniquement valorisé sur le site officiel, mais absent du reste du Web, a peu de chances d’apparaître dans une réponse de Perplexity.

Étape 3 : rédiger des pages produit dont les moteurs de réponse peuvent extraire clairement l’information

Même lorsque vos données sont structurées, la facilité avec laquelle le contenu de la page peut être extrait influence les recommandations. Une IA préfère reprendre une réponse complète plutôt que la reconstituer à partir de formulations marketing. Les informations les plus recherchées ont donc davantage de chances d’être utilisées lorsqu’elles sont présentées sous forme de questions-réponses ou dans un tableau clair.

• Ajoutez à chaque page produit un bloc consacré aux caractéristiques concrètes et aux cas d’usage pertinents. Expliquez à qui le produit convient — et à qui il ne convient pas — au lieu d’accumuler les adjectifs.
• Ajoutez une FAQ courte : comment choisir la taille, quelles différences avec la génération précédente, sous quel délai le produit est livré et s’il peut être retourné. Répondez à chaque question en deux ou trois phrases.
• Remplacez les promesses vagues par des chiffres précis : « autonomie de 18 heures » est préférable à « très longue autonomie ». Le moteur IA peut citer la première formulation, pas la seconde.
• Veillez à ce que ces informations figurent dans un HTML rendu et accessible aux robots, et non dans des blocs masqués qui nécessitent un clic ou un chargement côté navigateur.

Étape 4 : suivre vos résultats dans les recommandations d’achat IA

Une fois ces optimisations déployées, vous devez vérifier leur efficacité. Les outils traditionnels de suivi des positions par mot-clé ne permettent pas de le faire. Il faut mesurer si ChatGPT et Perplexity recommandent votre produit, à quelle place, à partir de quel passage et avec quel prix. Cette nouvelle forme de visibilité doit être suivie au moyen d’un outil spécialisé dans les réponses produites par les moteurs IA.

Dans les achats assistés par l’IA, votre problème n’est pas d’être dixième et donc peu visible : c’est de ne pas figurer parmi les trois options proposées. Le premier indicateur à suivre est votre taux de présence.

Ordre des priorités et erreurs courantes

Si vos ressources sont limitées, l’ordre des priorités est clair. Commencez par corriger la cohérence des données produit et le balisage Product Schema : c’est la condition d’entrée. Développez ensuite les avis et mentions provenant de tiers, car ils déterminent si l’IA estime pouvoir vous recommander. Travaillez enfin sur la facilité d’extraction des pages. Inverser cet ordre produit peu de résultats : une forte présence en ligne ne compensera pas une page dont le prix est erroné ou les données incomplètes.

Les trois erreurs les plus fréquentes sont les suivantes : les évaluations indiquées dans le balisage ne correspondent pas à celles affichées sur la page, les prix des flux produit ne sont pas synchronisés avec ceux du site officiel, et les caractéristiques sont intégrées uniquement sous forme d’images, ce qui empêche le moteur d’en lire le texte. Dans chacun de ces cas, l’IA peut décider de vous écarter sans que les outils d’analyse traditionnels ne révèlent le problème. Pour identifier précisément ce qui empêche vos produits d’apparaître dans ChatGPT Shopping et Perplexity, réservez un diagnostic GEO de 30 minutes. Nous testerons vos produits avec de véritables requêtes d’achat et vous indiquerons les points à corriger.