Les agents IA — Amazon Rufus, Walmart Sparky, Carrefour Hopla+ — ne sont plus des expérimentations. En 2026, ils sont devenus des canaux de distribution à part entière. Et la plupart des marques food ne le savent pas encore.
Ce n'est pas une tendance à observer. C'est un changement de règles en cours. Les marques qui attendent que le sujet soit mainstream pour réagir se retrouveront dans un marché déjà consolidé, avec 18 à 24 mois de retard.
Les chiffres que personne ne discute publiquement.
En France, Carrefour a lancé Hopla+, son assistant IA, directement dans l'interface ChatGPT le 27 mars 2026. 26 millions d'utilisateurs français peuvent désormais commander sans quitter la conversation. Les catégories les plus commandées : produits laitiers, boulangerie, épicerie sèche.
Et le signal le plus préoccupant : seuls 12 % des produits bien référencés en SEO traditionnel apparaissent dans les recommandations des agents IA. Être numéro un sur Google ne garantit plus rien sur Rufus ou Hopla+.
Comment les agents décident : trois niveaux de données.
Les agents IA ne naviguent pas. Ils extraient, vérifient, recommandent. Pour qu'un produit soit recommandé, il doit satisfaire trois couches de données — dans cet ordre.
La vérification
Les agents privilégient les données vérifiées par des tiers. Certification Bio, AOP, fair-trade, label Rouge : ces attributs doivent être structurés en JSON-LD ou schema.org pour être lisibles par une machine.
Une mention « qualité supérieure » dans une description marketing ne compte pas. Une certification vérifiable par le knowledge graph de l'agent, oui.
Le contexte sémantique
Les agents cherchent des données d'usage, pas des mots-clés. Un produit décrit comme « idéal pour le petit-déjeuner des parents pressés » sera mieux recommandé qu'un produit simplement intitulé « flocons d'avoine ».
Le moteur COSMO de Rufus parse les contextes d'utilisation, les audiences cibles, les environnements de consommation.
La logique de contrainte
Les agents valorisent les marques qui définissent leurs limites. « Ne convient pas aux personnes allergiques aux noix » : ces formulations construisent un score de confiance.
En excluant les mauvais cas d'usage, une marque augmente ses chances d'être recommandée aux bons profils.
Le cas du café illustre exactement cet écart : le challenger avait structuré ses certifications fair-trade en JSON-LD, documenté ses coordonnées d'origine, rendu son bilan carbone vérifiable. L'agent a pu confirmer chaque claim. Pour la marque premium, il a dû « supposer ». Il a choisi la certitude.
La polarisation des catégories.
L'impact de l'agentic commerce n'est pas uniforme. Quatre groupes de catégories selon leur niveau de readiness :
| Catégorie | Readiness agent | Urgence | Exemples |
|---|---|---|---|
| Réapprovisionnement | Très élevée | Maintenant | Épicerie sèche, café, entretien |
| Occasion | Élevée | T3 2026 | Snacking, produits saisonniers |
| Frais / périssable | Moyenne | 2027 | Viandes, produits frais |
| Premium / artisanal | Faible | Délai, pas immunité | Vins fins, fromages AOP |
Les catégories leaders qui n'ont pas optimisé leurs données ont perdu entre 12 et 18 % de leur volume de découverte organique en un seul trimestre. La part a été capturée par des challengers plus agiles sur leurs données.
Le paradoxe du silence.
C'est le signal le plus révélateur de l'état du marché en 2026 : les practitioners qui ont déjà optimisé leurs données pour les agents IA ne s'en vantent pas. Les forums fermés, les earnings calls, les partenariats vendor — c'est là que ça se passe. Pas sur LinkedIn, pas dans les interviews.
Mars United a développé une nouvelle métrique : le SOAR — Share of Agentic Recommendations. Les marques ayant adopté les protocoles d'optimisation adaptés ont vu leurs mentions dans Rufus multipliées par cinq. Elles n'en ont pas fait une communication publique.— Mars United, Decoding Rufus, 2026
La conséquence est directe : les marques qui attendront que le sujet soit « mainstream » pour réagir se retrouveront à optimiser leurs données dans un marché déjà consolidé. La fenêtre first-mover est ouverte. Elle ne le sera plus longtemps.
La checklist agent-ready 2026.
Pour qu'un agent recommande votre produit, chaque point suivant doit être opérationnel.
Le calendrier réaliste.
La question stratégique.
Le marketing alimentaire a longtemps fonctionné sur une équation simple : beau packaging, bon référencement, présence en rayon. Cette équation n'est pas morte. Mais elle est incomplète.
Il existe désormais un troisième rayon — invisible, opéré par des agents IA, croissant à une vitesse que le marché européen commence seulement à mesurer. Les marques qui y seront visibles ne seront pas nécessairement les plus connues ni les mieux budgétées. Ce seront celles dont les données sont les plus riches, les plus structurées, les plus vérifiables.
La question n'est plus « comment être trouvé par un consommateur ». Elle est « comment être compris par un agent qui achète à sa place ».— Audrey Le Borgne, MaïMaï Consulting, mai 2026
Sources.
Veille MaïMaï Consulting, mai 2026. Sources publiées entre janvier et mai 2026.
Amazon Rufus · Agentic Commerce
- Mars United — Decoding Rufus: Factors Driving Agentic Search Recommendations, 2026
- PPC Land — Amazon's AI shopping assistant drove $12 billion in sales for 2025
- Velocity Sellers — Amazon Rufus AI in 2026: How Shopper Behavior Is Changing, avril 2026
Carrefour Hopla+ · France
- PPC Land — Carrefour bets on AI, ChatGPT, and smart shelves, mars 2026
- Capgemini — Reimagining customer experience: Human-led, AI-powered, avril 2026
SEO / GEO · Données marché
- Lily Ray / SEO S7 — The Agentic Web: How AI Agents Decide Which Brands Make the Cut, 2026
- Bloomreach — What Is Agentic Commerce?, 2026
- Simpactful — What Walmart's Acceleration Means for CPG Brands, 2026
- Velocity Sellers / Bloomreach — Perte de découverte organique, Q1 2026
Protocoles et standards
- McKinsey — The Agentic Commerce Opportunity, 2026
- Gemini Deep Research — The Agentic Revolution in FMCG, mai 2026