AAO (Assistive Agent Optimization) - Quand les agents IA achètent à votre place

En février 2026, Jason Barnard, l'un des experts mondiaux du Knowledge Graph et de la visibilité IA, a formalisé dans Search Engine Land le cadre de l'Assistive Agent Optimization (AAO). Sa thèse : le référencement traverse quatre stades où chaque étape absorbe la précédente (Search Engine Land).

Le mot qui change est « engine » vers « agent ». Ce n'est pas un glissement sémantique, c'est un pivot structurel. On passe de systèmes qui recommandent à des systèmes qui agissent. L'IA ne se contente plus de lister des options pour qu'un humain choisisse. Elle sélectionne, négocie et achète de manière autonome.

Barnard identifie une Trinité Algorithmique universelle à tous ces systèmes : les LLMs (modèles de langage), les Knowledge Graphs (graphes de connaissances) et les moteurs de recherche traditionnels. L'équilibre diffère par plateforme (ChatGPT penche côté LLM, Google côté Knowledge Graph) mais la trinité est universelle. Optimiser pour l'AAO exige de couvrir les trois (Barnard, Search Engine Land).

Le point de départ de cette optimisation est l'Entity Home, un concept central dans le cadre de Barnard. Concrètement, il s'agit d'une page canonique sur votre site (souvent la page « À propos » ou une page dédiée) qui définit votre identité de marque de façon non ambiguë. C'est la page que Google, ChatGPT ou Perplexity consultent pour répondre à la question « Qui est cette entreprise et que fait-elle ? ». Elle alimente directement le Knowledge Graph et constitue le socle sur lequel les agents IA fondent leur confiance. Sans Entity Home claire, un agent ne peut pas vous identifier avec certitude, et sans identification, pas de sélection.

La distinction entre AEO/GEO et AAO ne se limite pas au vocabulaire. Elle redéfinit les métriques, les données requises et la nature même du résultat.

Barnard modélise le parcours complet entre un contenu et une conversion IA à travers un pipeline de 10 portes (DSCRI-ARGDW).

• DSCRI (infrastructure) : Discovered, Selected, Crawled, Rendered, Indexed. Votre contenu est-il techniquement accessible aux agents ?
• ARGDW (évaluation) : Annotated, Recruited, Grounded, Displayed, Won. Votre contenu est-il jugé digne de confiance pour agir ?

Le principe clé : la confiance est multiplicative, pas additive. Une atténuation à n'importe quelle porte se compose en aval. Un site lent, lourd en JavaScript, avec des données incohérentes, arrive à l'annotation avec une confiance basse même si le contenu est excellent. C'est le modèle de Cascading Confidence (Barnard).

L'AAO n'est pas une projection théorique. Les infrastructures de commerce agentique sont déjà en production chez les trois géants de l'IA.

Google et le Universal Commerce Protocol (UCP)

Annoncé par Sundar Pichai au NRF en janvier 2026, le UCP est un standard ouvert de commerce inter-agents. Co-développé avec Shopify, Etsy, Wayfair, Target et Walmart, endossé par 20+ partenaires incluant Visa, Mastercard, American Express, Stripe et Adyen (Google Blog). Il orchestre trois protocoles : A2A (agent-to-agent), AP2 (paiements agents) et MCP (model context). Résultat concret : un agent IA peut découvrir un produit, négocier un prix et finaliser l'achat entre plateformes, sans qu'un humain intervienne.

En février 2026, Google a complété l'écosystème avec WebMCP, une API navigateur (navigator.modelContext) qui permet aux sites de publier un « Tool Contract » définissant les actions disponibles. Les agents peuvent appeler des fonctions directement, par exemple buyTicket(destination, date).

OpenAI et Instant Checkout avec Stripe

Déployé fin 2025, Instant Checkout permet aux utilisateurs ChatGPT d'acheter directement depuis la conversation. Les partenaires marchands incluent Target, Instacart, DoorDash et plus d'un million de marchands Shopify. En février 2026, ChatGPT a atteint 900 millions d'utilisateurs hebdomadaires et 50 millions d'abonnés payants.

Amazon et le commerce agentique à grande échelle

Amazon avance sur trois fronts simultanés. Rufus AI (300 millions d'utilisateurs) assiste la découverte produit. Alexa+ surveille les prix et déclenche des achats automatiques quand des seuils sont atteints. Buy for Me va plus loin et permet d'acheter chez des concurrents d'Amazon depuis l'app Amazon elle-même.

Le basculement n'est pas une hypothèse. Cinq études indépendantes publiées entre fin 2025 et début 2026 convergent vers le même constat : les acheteurs B2B utilisent déjà l'IA comme premier outil de recherche fournisseurs.

L'IA a dépassé Google comme point d'entrée

• 47 % des CIO, CISO et CTO initient leur recherche fournisseurs avec des assistants IA, contre 43 % par Google Search (Treble/Censuswide, décembre 2025).
• 79 % des acheteurs software affirment que la recherche IA a changé leur processus d'achat. 29 % commencent par les LLMs plus souvent que par Google (G2 Buyer Behavior Report 2025).
• 2/3 des acheteurs B2B utilisent l'IA générative autant ou plus que la recherche traditionnelle. 94 % utilisent des outils IA pendant le processus d'achat (Responsive, 2025).

Source : Treble/Censuswide (MarTech Cube) | G2 Buyer Behavior Report

Le favori pré-contact gagne 80 % des deals

L'étude 6sense révèle un phénomène décisif pour l'AAO. Le vendeur favori identifié avant tout contact humain remporte environ 80 % des deals. 95 % des vendeurs gagnants sont déjà sur la shortlist « Day One ». Les acheteurs remplissent 3,6 des ~5 places de leur shortlist avant tout contact commercial (6sense, B2B Buyer Experience Report).

Ce que cela signifie pour l'AAO : quand les agents IA construisent ces shortlists à la place des humains, ne pas être dans les données de l'agent revient à ne pas exister. Il n'y aura pas de « deuxième chance » dans un appel commercial.

Le paradoxe de la confiance

Forrester (State of Business Buying 2026) observe que les outils IA générative sont le type d'interaction le plus cité pour la recherche d'achat. Mais 20 % des acheteurs sont moins confiants à cause d'informations IA inexactes, tandis que 36 % se sentent plus confiants grâce à l'IA. Ce paradoxe pousse les acheteurs à se tourner vers des pairs, experts et fournisseurs pour confirmer les résultats IA, ce qui renforce l'importance de la corroboration tierce (Forrester, State of Business Buying 2026).

Parallèlement, 41 % des consommateurs font davantage confiance aux résultats IA qu'à la publicité traditionnelle (BoF-McKinsey, State of Fashion 2026). La confiance se déplace des canaux marketing vers les recommandations algorithmiques, exactement ce que l'AAO optimise.

L'une des idées reçues les plus dangereuses sur l'IA est que les classements sont stables. La recherche de Rand Fishkin (SparkToro) publiée en février 2026 démontre l'inverse, et les conséquences sont majeures pour l'AAO.

L'inconsistance des recommandations IA

Fishkin a exécuté 2 961 prompts sur ChatGPT, Claude et Google AI, dans 12 catégories. Résultat : il y a moins de 1 chance sur 100 que deux exécutions produisent la même liste de marques, et moins de 1 chance sur 1 000 qu'elle apparaisse dans le même ordre (SparkToro).

Conclusion Fishkin : le « ranking position » dans l'IA est un indicateur absurde. Seule la fréquence de visibilité (le pourcentage d'apparition d'une marque sur de multiples exécutions) est statistiquement significative.

La concentration s'accélère de manière exponentielle

Paradoxalement, cette inconsistance s'accompagne d'un effet de concentration brutal. Les données Authoritas (Laurence O'Toole), analysées par Barnard, portent sur 143 experts en marketing digital (étude World Content Strategy). Résultat : le top 10 des experts est passé de 30,9 % de citabilité en décembre 2025 à 59,5 % en février 2026. L'indice HHI (mesure de concentration) a augmenté de 293 % en moins de deux mois (Barnard, Search Engine Land).

Les gagnants gagnent de plus en plus vite. Les marques qui apparaissent fréquemment dans les réponses IA construisent un fossé de confiance algorithmique que les retardataires ne peuvent pas rattraper. En AAO, où l'agent ne sélectionne qu'une seule marque, cet effet winner-takes-all est amplifié au maximum.

Barnard modélise le parcours complet d'un contenu vers une action agentique en 10 portes. Chaque porte est un filtre de confiance. Un échec à n'importe quelle porte élimine le contenu pour toutes les portes suivantes.

DSCRI - Infrastructure technique

• Discovered. Votre contenu est-il découvert par les crawlers IA ? (GPTBot, ClaudeBot, PerplexityBot autorisés dans robots.txt)
• Selected. Parmi les pages découvertes, votre page est-elle sélectionnée pour un crawl approfondi ?
• Crawled. Le contenu peut-il être téléchargé et parsé ? (pas de JavaScript-only, pas de paywall opaque)
• Rendered. Le contenu est-il compréhensible une fois parsé ? (HTML sémantique, schema markup)
• Indexed. Le contenu est-il stocké dans la base de connaissances de l'agent ?

ARGDW - Évaluation et action

• Annotated. Le contenu est-il enrichi de métadonnées (entités, relations, catégories) ?
• Recruited. Le contenu est-il rappelé pour répondre à une requête pertinente ?
• Grounded. Le contenu est-il utilisé comme source factuelle dans la réponse ?
• Displayed. La citation ou recommandation est-elle effectivement affichée à l'utilisateur ou à l'agent ?
• Won. Votre marque est-elle sélectionnée pour l'action finale (achat, réservation, prise de contact) ?

En GEO, l'objectif s'arrête au stade Displayed. En AAO, il faut aller jusqu'au Won, ce qui exige des données structurées suffisamment complètes pour qu'un agent puisse prendre une décision d'action sans intervention humaine (Barnard, Search Engine Land).

L'AAO ajoute des exigences techniques spécifiques aux fondamentaux SEO et GEO. Voici les six piliers à implémenter.

1. Entity Home et Knowledge Graph

Votre marque a besoin d'une Entity Home, une page canonique qui définit votre identité de manière non ambiguë. Barnard la considère comme l'intervention au meilleur ROI et la plus rapide. Elle doit inclure :

• Identité désambiguïsée - qui vous êtes, ce que vous faites, pour qui, en quoi vous êtes différent
• Données d'entité cohérentes à travers toutes les sources (site, réseaux sociaux, annuaires, Wikipedia)
• Corroboration tierce à partir de sources indépendantes
• Fiabilité historique, un track record de contenu cohérent dans le temps

2. Schema Markup et données structurées

Selon une agrégation de données Stackmatix confirmée par Schema App, le contenu avec un schema approprié a 2,5x plus de chances d'apparaître dans les réponses IA. Le format JSON-LD est préféré par tous les systèmes IA majeurs.

• Schemas critiques : Product, Offer, Organization, LocalBusiness, FAQ, HowTo, BreadcrumbList
• Schema Product complet avec name, brand, price, availability, GTIN, reviews, features. Codes devise ISO 4217.
• Politiques de livraison et de retour en format structuré
• AggregateRating correspondant au contenu visible sur la page
• Différenciation au niveau des variantes pour les produits configurables

3. llms.txt

Le fichier llms.txt est un fichier Markdown en texte brut à la racine de votre domaine. Il fournit une carte curatée de votre contenu le plus important pour les LLMs et réduit l'usage de tokens en fournissant du contenu propre vs le parsing HTML. L'adoption croît : Yoast, Webflow, Anthropic (Claude) et Shopify (intégré par défaut dans chaque boutique) l'implémentent déjà.

4. Corroboration tierce

L'étude SE Ranking sur 129 000 domaines uniques confirme que les domaines référents (backlinks) sont le prédicteur de citation le plus puissant. Les sites avec 32 000+ domaines référents ont 3,5x plus de chances d'être cités par les IA. Les agents font davantage confiance aux signaux corroborés qu'à l'autorité auto-proclamée. Les sources de corroboration les plus efficaces restent Wikipedia, les avis G2, les rapports sectoriels et les fils Reddit (Search Engine Journal).

5. Interfaces actionnables

C'est le pilier spécifique à l'AAO par rapport au GEO. Un agent qui veut agir a besoin de données transactionnelles.

• APIs exposées pour interaction agent (catalogue, prix, disponibilité)
• Calendriers de réservation et endpoints de demande de démo
• « Tool Contracts » WebMCP définissant les actions disponibles sur votre site
• Flux d'achat lisibles par machines (pas uniquement des formulaires HTML)

En AAO, les interfaces transactionnelles sont aussi importantes que le contenu descriptif.

6. Crawlabilité pour bots IA

Point critique : la plupart des bots d'agents IA ne rendent pas le JavaScript. Le contenu derrière du rendu côté client est invisible pour beaucoup d'agents. Privilégiez le rendu côté serveur ou la génération statique. Autorisez GPTBot, ClaudeBot et PerplexityBot dans votre robots.txt. Les requêtes GPTBot ont augmenté de +305 % en 2025 et les crawlers IA ont généré plus de 50 % du trafic web en 2025 selon les rapports Cloudflare et Vercel.

L'évolution de AEO vers AAO renforce la nécessité d'une plateforme qui ne se contente pas de mesurer mais qui guide l'action. Chaque module Hikoo correspond à un pilier de l'AAO.

• Analyzer pour l'audit de base. Clarté de l'entité, complétude du schema, crawlabilité par bots IA, score de lisibilité machine. C'est le diagnostic des 5 premières portes du pipeline (DSCRI).
• Spotlight pour le suivi du Share of AI Voice. Pas la position, mais le pourcentage de visibilité à travers les exécutions de prompts. Monitoring de la concentration de citabilité vs concurrents, sur ChatGPT, Claude, Gemini, Perplexity et Mistral simultanément.
• Elevate pour l'optimisation concrète. Entity Home, schema markup, corroboration tierce, création llms.txt, recommandations priorisées pour franchir les 10 portes du pipeline.
• Battlemap pour l'intelligence concurrentielle. Qui gagne la course AAO, quels concurrents apparaissent dans les réponses IA, leur complétude schema, leur force d'entité.

Le monitoring seul est un thermomètre. L'AAO exige un médecin, quelqu'un qui diagnostique, prescrit et accompagne l'exécution. C'est la différence entre suivre les symptômes et traiter les causes.

Le passage de « être cité » à « être choisi » est le changement le plus structurel du marketing digital depuis la migration du print vers le web. L'AAO n'est pas une tendance à surveiller, c'est une réalité opérationnelle avec des infrastructures en production (UCP, Instant Checkout, WebMCP), des acheteurs B2B qui ont déjà migré (47 % commencent par l'IA) et un effet de concentration qui s'accélère (+293 % en 60 jours).

La fenêtre pour construire la confiance algorithmique est maintenant. Chaque semaine de retard creuse l'écart avec les marques qui occupent déjà l'espace. Le modèle de Cascading Confidence est impitoyable : la confiance accumulée aux premières portes du pipeline amplifie les résultats aux portes suivantes. Un site bien structuré, rapide, sémantiquement propre et corroboré par des tiers arrive à la sélection finale avec un avantage composé que les retardataires ne peuvent pas reproduire rapidement.

Chez Hikoo, nous accompagnons les entreprises dans cette transition de la visibilité IA vers la sélection agentique. Analyzer diagnostique, Spotlight mesure, Elevate optimise, Battlemap surveille la concurrence. Parce que dans un monde où l'agent ne choisit qu'une seule marque, la deuxième place n'existe pas.