Une méthode opérationnelle pour les équipes DTC qui veulent suivre la visibilité produit dans Google AI, ChatGPT Shopping, Merchant Center, les données structurées, les flux et l’analytics first-party.
La visibilité dans le shopping IA devient une nouvelle couche du SEO ecommerce. Il ne suffit plus de savoir si une page produit est indexée. Il faut aussi regarder si Google, ChatGPT, Gemini et les autres assistants peuvent lire les faits produit, juger ces faits actuels et cohérents, puis les relier à la façon dont les acheteurs formulent leurs besoins.
Pour une équipe DTC, la bonne question n’est pas “sommes-nous visibles partout ?”. La question utile est plus concrète : lorsqu’un acheteur décrit un besoin proche de notre produit, les systèmes de découverte comprennent-ils notre catalogue, décrivent-ils correctement le produit et renvoient-ils du trafic qualifié vers une page que nous contrôlons ?
Cela se mesure avec une routine, pas avec un score magique : un ensemble fixe de produits, un ensemble fixe de requêtes, les diagnostics plateforme, des tests manuels, la revue des données structurées, la revue du flux et l’analytics first-party.
Une capture d’écran isolée ne suffit pas. Avant de tester, définissez quatre signaux.
Cette grille évite de réagir à une seule réponse IA. Elle transforme la visibilité en revue mensuelle pour merchandising, SEO et growth.
Ne commencez pas par tout le catalogue. Sélectionnez 20 à 50 produits.
Pour chaque produit, notez l’URL canonique, le titre, la marque, le prix, le prix promotionnel, la disponibilité, l’image principale, le marché, la langue et la version de page testée. Quand la page ou le flux change, vous saurez quel signal correspond à quelle version.
Les requêtes de shopping IA sont souvent plus longues que les mots-clés classiques. Exemples :
Préparez 5 à 10 requêtes par produit : usage, budget, matière ou attribut, comparaison et contexte marché. Gardez les formulations stables, sinon vous ne saurez pas si la visibilité a changé ou si le test a changé.
Commencez par ce que Google renvoie directement aux marchands.
Merchant Center AI insights est le premier endroit à consulter quand le compte y a accès. L’aide Merchant Center décrit des insights pour AI Mode, AI Overviews dans Search et Gemini, avec visibilité, termes produit, signaux de funnel et complétude des attributs. C’est utile pour relier découverte IA, vocabulaire produit et qualité du catalogue.
Merchant Center diagnostics vient ensuite : refus, éligibilité limitée, identifiants manquants, image, prix, disponibilité, livraison, retours et problèmes de flux par pays. Un produit instable dans Merchant Center part avec un handicap dans les expériences de shopping IA.
Search Console sert à observer la page publique. La documentation Google sur les AI features explique que clics, impressions et positions issus de ces fonctionnalités sont intégrés à Search Console. Regardez les impressions de pages produit, les requêtes longues, les landing pages et les changements avant/après sur le même groupe de produits.
Un assistant ne lit pas seulement une description marketing. Il assemble des faits depuis plusieurs sources. Sur chaque PDP, vérifiez :
Le but n’est pas d’empiler des mots-clés. Le but est de réduire l’ambiguïté. Si la page, le flux, le guide des tailles et les avis racontent quatre versions différentes du produit, les systèmes de découverte auront du mal à le décrire proprement.
C’est souvent ici que le vrai travail apparaît. Comparez le texte PDP, Product JSON-LD, les champs Merchant Center, les images, les variantes, les politiques de livraison/retour/paiement et la page localisée du marché cible.
Cherchez d’abord les conflits : prix obsolète, prix promo absent du flux, couleur ou taille mal mappée, image qui ne correspond pas au SKU, politique différente selon les marchés, promesse présente dans le texte mais absente des données structurées.
Dans le shopping IA, la cohérence est un actif de croissance. Elle aide les moteurs, les surfaces shopping et les clients à comprendre le même produit de la même façon.
Les tests manuels montrent comment l’IA comprend une catégorie. Notez la date, le marché, l’appareil, l’état du compte, l’URL produit, la requête exacte, la surface testée, le type de résultat, les faits répétés, les faits manquants et la prochaine action.
Ne notez pas seulement si le produit apparaît. Notez ce que l’assistant juge important. Si les réponses mentionnent souvent “compatible lave-vaisselle”, “pieds étroits”, “sans sulfate” ou “expédié depuis les États-Unis”, ces éléments doivent devenir des faits produit clairs, pas des détails perdus dans un paragraphe.
Suivez sessions produit, sessions engagées, trafic search/referral, taux d’ajout panier, conversions assistées, visites répétées, recherche de marque et variations par marché après localisation ou correction du flux.
Annotez les dates : mise à jour Product JSON-LD, correction du flux, réécriture PDP, ajout d’un guide, soumission sitemap. La valeur vient de la comparaison entre travail opérationnel et évolution du trafic ou de la conversion.
| Signal | Problème probable | Action suivante |
|---|---|---|
| Le produit apparaît avec des faits erronés | Page, flux et schema ne concordent pas | Corriger la source produit et renvoyer les données concernées |
| Les concurrents sortent sur les requêtes d’attribut | Attributs absents ou copie trop vague | Ajouter attributs, usages et contexte comparatif |
| Impressions fortes, clics faibles | Positionnement ou snippet peu clair | Améliorer title, meta description, intro et offre |
| Merchant Center signale des problèmes | Flux ou politiques incomplets | Corriger les blocages avant d’écrire plus de contenu |
| La réponse IA reste au niveau catégorie | Manque de contexte produit | Créer guide, comparatif ou FAQ relié au produit |
| Trafic en hausse, conversion stable | Confiance ou offre faible | Vérifier prix, livraison, retours, avis et vitesse |
Foundax regroupe les éléments que l’équipe DTC contrôle réellement : faits produit, pages publiques, préparation du flux, contenu, localisation et mesure.
Le workflow est simple : maintenir des données produit propres, publier des PDP avec Product JSON-LD côté serveur, lancer le preflight Google Merchant Center avant synchronisation, vérifier Search Console, soumettre le sitemap, publier du contenu de soutien dans Content Studio, puis suivre l’effet dans l’analytics first-party avec GA4 en diagnostic complémentaire.
C’est la capacité des assistants shopping et expériences de recherche IA à comprendre, citer, décrire et renvoyer du trafic vers vos produits pour des requêtes d’achat pertinentes.
Par un petit groupe de produits, puis Merchant Center AI insights, diagnostics Merchant Center, Search Console, Product structured data, cohérence du flux, tests manuels et analytics.
Utilisez les mêmes prompts par marché et langue. Notez si votre produit ou un concurrent apparaît, quels faits sont répétés, quels faits manquent et quelles données produit corriger.
Mensuellement pour un catalogue stable. Plus tôt après changement de prix, stock, flux, image, template, politique ou localisation.