Une recherche qui ne génère aucun clic de la part de l’acheteur est habituellement classée comme une session ratée. Flipkart a commencé à la traiter comme une liste de diffusion. En connectant un agent de recherche produit à son CRM, l’entreprise transforme la recherche marchande d’un canal qui attend l’intention en un canal qui programme lui-même sa prochaine occasion — et déplace ainsi les dépenses de découverte du plan média vers une infrastructure que le distributeur possède déjà.

Le pipeline commence par traquer un type précis d’échec. Mandar Kulkarni, Pooja A. et Samir Shah, de Flipkart, décrivent un filtre basé sur des règles, dans un article publié sur arXiv le 19 août, qui parcourt les journaux de recherche de l’entreprise et ne retient que les requêtes satisfaisant quatre conditions. La recherche n’a généré aucun clic ; l’utilisateur porte un indicateur de forte solvabilité ; la formulation contient un qualificatif subjectif comme « meilleur », « dernier », « top » ou « à moins de » ; le produit appartient à la catégorie des téléphones mobiles. Ce qui reste, c’est un acheteur qui a posé une question à laquelle la barre de recherche n’a pas su répondre, puis qui est parti. En 23 jours, le pipeline a transformé ces cas en 15 061 messages WhatsApp, chacun proposant deux ou trois produits accompagnés d’un lien raccourci et traçable.

La décision déterminante concerne l’endroit où l’architecture place la recherche. Un Discovery Agent va chercher sur Google, sur des blogs et des vidéos de test, formule plusieurs versions reformulées de la requête, et ne retient que les produits cités par plusieurs sources indépendantes. C’est le trajet que l’acheteur s’apprêtait à faire seul, effectué à sa place par le distributeur et renvoyé accompagné d’un prix. Un Flipkart Search Agent rattache chaque candidat à une fiche catalogue réelle, vérifie le stock selon le code postal de livraison et fixe le prix selon le niveau du client et les offres bancaires en cours. Un Review Agent recoupe ensuite chaque affirmation technique du message rédigé avec les métadonnées du catalogue avant tout envoi. L’étape de recherche hors plateforme qui mettait autrefois fin à la session a été absorbée dans le message qui la relance.

Flipkart rapporte un taux de clics environ 285 % supérieur à celui de ses campagnes WhatsApp historiques. Ce chiffre appelle une nuance que l’article fournit lui-même : le taux de lecture n’a augmenté que d’environ 8 %, car une lecture ne peut être attribuée qu’au destinataire d’origine. Les clics, eux, ont été comptabilisés pour tout le monde, puisque le lien traçable continuait de fonctionner même après que le message ait été transféré. Les auteurs attribuent cette progression à la fois à la pertinence et au transfert, sans les distinguer, si bien que le chiffre phare mesure simultanément la portée et la qualité. La comparaison se fait par rapport à des campagnes historiques plutôt qu’à un groupe témoin, et le gain de GMV annoncé arrive sans chiffre à l’appui.

C’est le transfert qui mérite d’être reproduit. La campagne a généré 37 258 visites, soit environ deux et demie par message envoyé, et certains jours, elle a rapporté plus de clics que de notifications. Personne ne transfère un message promotionnel. Ce qui a circulé, c’est une sélection accompagnée de son raisonnement, empruntant le canal par lequel un acheteur aurait sinon demandé à un ami quel téléphone acheter. Flipkart n’a pas acheté cette diffusion.

C’est désormais le distributeur, et non l’acheteur, qui fixe la date de la seconde conversation.

Le coût est ce qui transforme ce cas en un problème pour la mode, et non en une simple histoire d’électronique indienne. Flipkart fait tourner le pipeline sur Gemini 2.5 Flash et estime le coût d’inférence entre deux et trois centimes par requête, ce qui lui permet de se limiter aux clients à forte solvabilité plutôt que de servir tout le monde. Ce filtre porte un nom plus ancien dans ce secteur. Le clienteling est la pratique du vendeur qui connaît un bon client et lui écrit dès qu’un article arrive, et nous avions couvert Printemps en juillet affichant à l’écran le numéro de téléphone d’un personal shopper et comptabilisant les relations ouvertes plutôt que les paniers conclus. Cette pratique n’a jamais pu passer à l’échelle car elle coûte un salaire. Ce que Flipkart a ajouté, ce n’est pas l’idée. C’est le prix.

La plupart des écrits actuels sur le commerce agentique orientent l’agent dans l’autre sens. La menace supposée est celle d’un assistant généraliste qui s’interpose entre distributeur et acheteur, intercepte la requête et relègue le distributeur au rang de simple point d’exécution logistique — c’est pourquoi une part croissante des budgets retail sert désormais à se rendre lisible pour le modèle de quelqu’un d’autre. L’enquête menée par RTB House en juin et juillet auprès de 1 840 acheteurs, relayée par PPC Land, révèle que 42 % des répondants américains estiment que les outils d’IA allongent leur décision d’achat — un chiffre généralement classé comme une mauvaise nouvelle pour la conversion. Vu à travers cette architecture, il s’inverse : une phase de recherche plus longue laisse davantage de requêtes sans réponse dans les propres journaux du distributeur, horodatées et attribuables à un client identifié. La posture défensive traite l’écart entre la question et l’achat comme un territoire en train d’être perdu. Flipkart le traite comme une file d’attente.

La condition sous laquelle cela ne se transpose pas mérite d’être nommée précisément. Les smartphones reposent sur une vérité objective : une caractéristique technique est un nombre entier, une date de lancement est un fait — ce qui explique que le Review Agent ait obtenu un score de précision technique de 99,1 % lorsqu’une équipe humaine a vérifié 2 218 de ses recommandations. La méthode du Discovery Agent dépend de la convergence de sources indépendantes, et les blogs technologiques convergent parce qu’il existe un point de convergence possible. La mode n’a pas de classement consensuel du meilleur manteau pour un automne doux, pas de date de lancement à revérifier, pas de corpus externe qui tranche. Si la vérification est ce qui rend un message non sollicité sûr à envoyer, et que la mode ne peut être vérifiée, cette architecture s’arrête aux portes de l’électronique.

Cette objection se trompe sur ce que fait réellement le Review Agent. Il ne certifie pas qu’une recommandation est bonne ; il certifie que rien dans le message ne contredit le catalogue. Les catalogues de mode comportent eux aussi des champs vérifiables : composition des tissus, prix après les remises propres à ce client, disponibilité de la taille de l’acheteur en stock, date de livraison, délai de retour. Ce sont précisément les affirmations qui coûtent cher en confiance lorsqu’elles s’avèrent fausses, et ce sont celles que les messages sortants de la mode se trompent le plus souvent. Quant au corpus manquant, des chercheurs d’Amazon ont conçu un agent pour les besoins subjectifs de sélection de cadeaux présenté à WSDM 2025, s’appuyant sur les avis clients plutôt que sur des classements d’experts, au motif que le goût réside dans les avis et non dans les données de catalogue. La même logique s’étend à la mode, où les distributeurs détiennent bien plus de cette matière qu’aucun blog technologique n’en détient sur les téléphones.

Si la recherche agentique continue d’allonger la distance entre la première question d’un acheteur et son achat, la valeur du propre journal de recherche d’un distributeur augmente d’autant. Ce journal est le seul enregistrement de ce qu’un client a voulu qu’aucune plateforme ne peut revendre à la marque aux enchères. Transformer ce journal en contact programmé fait passer la découverte du statut d’achat média — loué et repayé chaque trimestre — à celui d’actif d’exploitation, avec un coût marginal se mesurant en centimes. Les distributeurs qui franchissent ce pas cessent d’enchérir pour la seconde visite et commencent à la déclencher eux-mêmes. Ceux qui ne le font pas continueront de payer une plateforme pour les réintroduire auprès de gens qui avaient déjà posé la question. Chaque distributeur détient déjà la trace des questions auxquelles il n’a pas su répondre, et la seule décision qui reste à prendre est de savoir si cette trace demeurera un simple diagnostic ou deviendra un canal.