Google déploie une série de changements qui font passer la découverte de produits de la correspondance par mots-clés à des expériences conversationnelles, guidées par l’intention. L’IA suggérera directement vos produits à des acheteurs potentiels.
Deux éléments comptent le plus pour les retailers et les agences qui gèrent Google Shopping à grande échelle :
- Business Agent sur Google Search
Business Agent est une nouvelle expérience conversationnelle sur Google Search où les acheteurs peuvent « discuter » avec une marque, comme avec un vendeur en magasin virtuel. Google le présente comme une évolution de l’ancienne expérience de questions-réponses sur le profil de marque, avec davantage de personnalisation et une intégration de données plus profonde. Il peut utiliser les données Shopping de Merchant Center ainsi que des informations de votre site web pour répondre aux questions, et Google indique que des capacités supplémentaires, comme l’entraînement de l’agent avec des données métier et des insights de performance, arrivent. - Nouveaux attributs de données Merchant Center conçus pour le commerce conversationnel
Google a également annoncé des dizaines de nouveaux attributs Merchant Center visant à améliorer la découverte sur des surfaces conversationnelles comme AI Mode, Gemini et Business Agent. Ces attributs « complètent » les flux existants et vont au-delà des mots-clés traditionnels, en incluant par exemple des réponses aux questions fréquentes sur les produits, des accessoires compatibles et des produits de substitution.
Le constat pratique est simple : si un acheteur peut le demander, vous devriez pouvoir le représenter sous forme de données produit structurées dans votre flux Google Shopping.
Pourquoi cela rend les flux plus importants (et plus opérationnels)
Historiquement, les flux Google Shopping étaient un mélange de conformité (respecter les spécifications, éviter les refus) et d’optimisation des performances (titres, product_type, libellés, couverture GTIN, exactitude des prix). Cela reste très important, mais le shopping conversationnel ajoute une nouvelle exigence :
- La « réponse » doit souvent être construite à partir des données produit, et non déduite d’un titre trop succinct.
- L’éligibilité et la pertinence dépendront de plus en plus de la couverture des attributs, de leur cohérence et de leur spécificité.
- Votre flux devient le système de référence pour ce qu’un assistant IA peut dire de manière sûre et fiable à propos de votre catalogue.
La documentation Merchant Center de Google présente déjà le formatage correct et l’exhaustivité comme essentiels, car des informations produit inexactes ou manquantes peuvent empêcher l’affichage des annonces et des fiches gratuites. Avec des interfaces agentiques, la pénalité d’une donnée faible n’est pas seulement une portée réduite : ce sont aussi des réponses moins bonnes, moins de clics qualifiés et davantage de conversations « mauvais produit ».
Ce que signifient réellement les « attributs conversationnels » en pratique
D’après l’annonce de Google, la direction est claire : aller au-delà des mots-clés et enrichir l’information structurée qui correspond à des questions naturelles :
- Spécifications produit (spécifications structurées qui se trouvent généralement sur les pages produit)
- Listes de Q&R (questions et réponses fréquentes que les acheteurs posent)
- Listes de fonctionnalités (points forts, éléments différenciants)
- Informations de compatibilité (accessoires, pièces de rechange, substituts)
- Facettes descriptives supplémentaires comme les formes, les saveurs, les thèmes (selon la catégorie)
Cela change la manière dont vous devez penser l’optimisation de flux. Il s’agit moins de « rallonger le titre » et davantage de « rendre le produit compréhensible pour un assistant ».
- Exemples de questions d’acheteurs auxquelles vos données devraient répondre« Cette coque est-elle compatible avec l’iPhone 15 Pro Max ? »
- « Ce canapé passe-t-il par une porte de 76 cm ? »
- « Ce complément est-il vegan et sans gluten ? »
- « Quelle est la différence entre le modèle A et le modèle B ? »
- « Quel filtre de rechange convient à ce purificateur d’air ? »
Si vous ne pouvez pas représenter ces réponses dans des attributs propres (ou si vous les représentez de manière incohérente), l’assistant n’affichera pas votre article, ou donnera une réponse générique qui convertira peut-être moins bien.
Checklist de préparation du flux pour Business Agent et les surfaces IA
Voici une checklist pratique pour évaluer votre flux Google Shopping actuel et les données de votre catalogue.
1) Assurer les fondamentaux
C’est toujours non négociable, car l’éligibilité Merchant Center en dépend.
- Cohérence des IDs, prix, disponibilité, liens, image_link
- Couverture GTIN/MPN/marque lorsque pertinent
- Mapping de catégorie (google_product_category), hygiène de product_type
- Exactitude de la configuration des frais de livraison et des taxes
Si ces éléments sont instables, tout enrichissement de niveau supérieur devient fragile.
2) Traiter le contenu des pages produit comme une source de données, pas seulement comme du texte
La plupart de la valeur « conversationnelle » existe déjà quelque part sur votre site, mais elle n’est pas structurée :
- tableaux de spécifications
- listes à puces
- FAQ
- guides des tailles
- listes de compatibilité
- manuels, listes d’ingrédients, instructions d’entretien
- images produit
La tâche consiste à l’extraire, la normaliser et la publier dans des champs dédiés pouvant transiter via Google Merchant Center et alimenter les expériences IA.
3) Construire une couche de compatibilité (accessoires, pièces, substituts)
Google a explicitement cité la compatibilité et les substituts comme exemples de la direction prise par les nouveaux attributs. Pour de nombreux secteurs, la compatibilité est l’endroit où la conversion se gagne ou se perd :
- électronique (coques, chargeurs, supports)
- électroménager (filtres, pièces de rechange)
- automobile (compatibilité/fitment)
- mode (styling, ensembles assortis)
- beauté (équivalences de teintes, recharges)
Même une version légère aide : relations parent-enfant, regroupements « works_with », ou mappings d’accessoires sélectionnés.
4) Créer des Q&R qui correspondent au langage réel des acheteurs
Business Agent peut répondre aux questions produit avec la voix de votre marque et utiliser Merchant Center ainsi que les informations du site. Cela implique que vous devriez :
- standardiser les « questions fréquentes » par catégorie
- vous assurer que les réponses sont cohérentes avec les règles et la vérité de la page produit
- éviter les affirmations ambiguës (surtout dans les catégories réglementées)
5) Mettre en place une gouvernance et une QA autour de l’enrichissement
Dès que vous commencez à générer ou extraire des attributs à grande échelle, vous avez besoin de contrôles :
- règles de validation (valeurs autorisées, regex, limites de longueur)
- seuils de confiance pour les attributs extraits
- pistes d’audit sur ce qui a changé et pourquoi
- workflows d’échantillonnage (contrôle ponctuel par catégorie, marque, tranche de prix)
- surveillance de la dérive lorsque les templates de pages produit changent
Où Feedoptimise intervient : enrichissement, extraction et opérations de flux
Feedoptimise est conçu autour de l’idée que la gestion de flux est un travail de données continu, pas une exportation ponctuelle. Côté plateforme, cela se traduit par trois capacités directement pertinentes face au virage agentique de Google :
1) Mettre à l’échelle les modifications de flux et les règles spécifiques aux canaux
Feedoptimise permet la modification de données en masse via des règles et des formules pour convertir, extraire, valider, fusionner depuis des fichiers distants, et plus encore, avec des changements consultables en temps réel. C’est la base pour produire des « attributs conversationnels » qui diffèrent selon la catégorie ou le marché, sans réécrire votre catalogue source.
2) Extraction et complétion d’attributs propulsées par l’IA
Feedoptimise prend explicitement en charge la génération de contenu de flux par IA et l’extraction assistée par IA pour compléter les attributs manquants (les exemples cités incluent la couleur, la matière, le genre), ainsi que la génération en masse et la réécriture des titres, descriptions, catégories et autres attributs.
C’est le déblocage clé pour le commerce conversationnel : vous pouvez transformer du texte de page produit désordonné en champs structurés à grande échelle, sans attendre que l’ingénierie remodèle votre base de données produit. Vous pouvez aussi extraire des informations manquantes depuis les images produit, lorsqu’elles y figurent.
Des cas d’usage pratiques pour les nouveaux attributs Google incluent :
- extraire des paires de spécifications depuis la description et les tableaux de specs vers un bloc de spécifications normalisé
- extraire des spécifications ou des informations manquantes depuis les images via une IA de vision
- générer une liste de fonctionnalités propre à partir de descriptions longues
- rédiger des réponses de Q&R ancrées dans votre page produit et vos contraintes de politique
- dériver des tags de compatibilité à partir des noms de modèles et des notes de compatibilité
- inférer des attributs manquants (matière, motif, finition, cas d’usage) pour améliorer la qualité de correspondance
3) QA, reporting et expérimentation contrôlée
Feedoptimise inclut des rapports d’assurance qualité intégrés et une surveillance des attributs de flux, ainsi que la possibilité de faire des tests A/B de variantes de données en activant/désactivant des modifications. Pour les attributs conversationnels, c’est important, car vous voudrez tester des questions comme :
- Les listes de fonctionnalités générées améliorent-elles le CTR par rapport aux puces du fabricant ?
- Des données de compatibilité plus strictes réduisent-elles les retours ?
- Quels formats de spécifications conduisent à une meilleure visibilité sur les surfaces IA ?
La nouvelle base d’optimisation : « Un assistant peut-il vendre correctement cet article ? »
Google aligne Search, Shopping et Gemini vers une découverte conversationnelle, et investit explicitement dans les attributs Merchant Center et Business Agent comme couche de données et d’interaction. Cela relève le niveau d’exigence sur la qualité des flux. Un bon flux n’est plus seulement conforme et riche en mots-clés. Il est complet, structuré et capable de répondre.
Si vous souhaitez que Feedoptimise vous accompagne sur ce sujet, le point de départ le plus utile est généralement un audit d’enrichissement axé sur :
- quelles questions à forte intention vos produits doivent pouvoir traiter
- quels attributs vous avez déjà vs. ceux que vous pouvez extraire
- quelles validations et quelle QA vous faut avant de déployer l’enrichissement IA sur l’ensemble du catalogue
si vous avez besoin d’aide, n’hésitez pas à nous contacter via notre page de contact.