Comment fonctionne ChatGPT Shopping ?

Le nouvel Assistant Shopping de ChatGPT : fonctionnement, dessous techniques, et quel est le lien avec Google Shopping ?

Salut, c’est Alexis 👋

Bienvenue à 94 (❤️‍🔥) nouveaux abonnés depuis la dernière édition ! Si vous n’êtes pas encore abonné, il n’y a rien de plus simple ⬇️

Cet article contient beaucoup de visuels, si vous avez des difficultés de le visionner, rendez-vous sur la version web complète sur le lien :

Cette semaine, le 24 novembre, OpenAI a lancé Shopping Research : un nouveau mode ChatGPT qui fait la recherche à votre place.

La promesse d’OpenAI est simple :

Vous expliquez ce que vous cherchez, l’outil pose quelques questions, fouille le web, puis vous remet un comparatif clair et personnalisé des meilleures options.

Je vous propose de retrousser nos manches ensemble et de voir comment tout cela fonctionne sous le capot.

Сafé, musique, carnet de notes, c’est parti ! 😉

Guide shopping en 4 étapes

Le processus de génération d’un guide d’achat passe par 4 étapes distinctes :

Étape 1 : Qualification de l’utilisateur

Étape 2 : Réflexion (Chain of Thought)

Etape 3 : Requête de sources externes

Étape 4 : Génération d’un guide shopping

Toutes les étapes sont pilotées par le dernier modèle de OpenAI GPT-5.1-instant :

“model_slug”: “gpt-5-1-instant”,
“default_model_slug”: “gpt-5-1”

Étape 1 : Qualification de l’utilisateur

Le mode ChatGPT Shopping Research se déclenche quand un utilisateur sélectionne explicitement l’option correspondante dans le champ de saisie du prompt :

Le système active un outil spécifique appelé connector_openai_shopping. C’est une sorte de transporteur acharné qui va faire des aller-retour entre ChatGPT et son API produits.

Au lieu de chercher pour vous des produits immédiatement, le système lance un agent intermédiaire (nommé mercury dans les métadonnées) qui a beaucoup de missions qui lui sont confiées.

A cette étape il va se charger de la première : générer un questionnaire (quiz) de clarification de votre recherche.

Mercury suit des règles strictes, définies dans un prompt système particulièrement détaillé.

Comme dans ChatGPT classique, un prompt système c’est une sorte de code de conduite qui détermine le comportement de l’assistant IA.

“You are a Shopping Assistant that generates short, structured multiple-choice quizzes to clarify a user’s shopping request.”

Ce prompt système est trouvable facilement aujourd’hui dans le code source de la conversation avec votre guide shopping généré :

Si vous souhaitez l’examiner vous-même, je vous le propose ci-dessous dans un format plus clair et plus agréable à lire :

Ce prompt système détaille notamment comment le quiz doit être construit.

Règles de construction du quiz :

• Jusqu’à 5 questions de clarification (Budget, Surface, Type de sol, etc.).

• Une question = un attribut (budget, style, taille…).

• 4 choix de réponse exactement par question (courtes : 1 à 4 mots chacun).

• Budget :

  • Toujours demander s’il n’est pas indiqué explicitement par l’utilisateur.

  • Toujours utiliser les formats « Up to $X » et « $X+ ». Aucun intervalle.

• Questions choix multiple :

  • Oui pour les préférences et priorités,

  • Non pour le budget ou la taille/hauteur.

• Si la demande est très spécifique (ex. : comparaison « X vs Y »), ne poser aucune question.

• Ne pas poser de questions si l’utilisateur a déjà fourni l’information.

• Utiliser le contexte du dialogue (likes, dislikes, achats précédents) pour éviter les questions déjà résolues.

Les questions à poser ont une priorisation :

1. Budget (toujours demander si non précisé)

2. Attributs innés de l’utilisateur (comme le genre)

3. Utilisation principale ou attribut indispensable

4. Style, marque ou ressenti

5. Fonctionnalités optionnelles ou contexte

En respectant toutes ces consignes, ChatGPT va nous fournir un quiz simple et efficace:

L’utilisateur ne rédige pas les réponses sous forme de texte, mais clique sur des boutons dans le widget. Les réponses sont mémorisées sous forme structurée dans le champ widget_state :

“widget_state”: “{\”completed\”: true, ..., \”preferences\”: [\”Nettoyage tapis\”, \”Jusqu’à 700 €\”, \”Navigation avancée\”, \”Application mobile\”, \”50–100 m²\”, \”Parquet\”, \”Vidage automatique\”]...}”

Étape 2 : Réflexion (Chain of Thought)

Une fois le quiz complété, Mercury lance son processus de réflexion.

Pendant qu’il réfléchit, des statuts intermédiaires sont affichés à l’utilisateur pour combler l’attente.

Et l’attente est longue ici, la génération de chaque guide prend environ 5 minutes.

Ainsi, ChatGPT fait recours à un paradigme classique de l’UX :

L’important n’est pas tant la durée du chargement, mais la façon dont l’utilisateur perçoit cette attente.

Pour cela, Il pose des questions de clarification, propose des éléments interactifs et l’affichage des étapes de tout le travail ingrat accompli par l’assistant IA.

Nous voyons toutes les étapes principales de ce processus de réflexion dans le code source du chat, dans le champ cot_messages (acronyme de Chain of Thought) :

“cot_messages”: [
	“Researching top noise-canceling headphones”,
	“Comparing expert reviews on noise reduction”,
	“Analyzing user feedback on comfort”,
	“Reviewing durability test results”,
	“Summarizing price-to-performance ratios”
]

3. Requête de sources externes

Pendant tout le processus de réflexion, le connecteur lance des requêtes web massives : ce ne sont même pas des dizaines, mais des centaines de pages.

Voici quelques exemples, pour donner l’idée de l’ampleur:

• “My Dyson V8 vacuum just died. Can you help me find the best replacement with similar or better features?” - 199 sources.

• “I’m looking for a lightweight laptop under $1,000 for business travel. Please compare a few good options with pros, cons, and key specs” - 247 sources.

• “What is the best hiking shoe for men for snowy winter?” - 161 sources.

• “Quel est le meilleur casque anti bruit ?” - 325 sources.

2 types de sources sont clairement identifiables :

1. Pages éditoriales avec des tests & avis tiers.

2. Pages produits marchands.

Derrière ces 2 types de sources se trouvent 2 cibles de requêtes de ChatGPT Shopping.

Google Organique pour la recherche d’avis, de tests, de comparaisons

Aussi bien que ChatGPT classique, ChatGPT Shopping se base principalement sur les résultats de recherche de Google.

Et OpenAI semble toujours le faire de manière indirecte — par l’intermédiaire d’un tiers.

Dans un carrousel LinkedIn récent, Olivier a clairement démontré que ChatGPT et SearchApi.io utilisent les mêmes jetons (tokens).

Même si on n’a pas accès aux requêtes de recherches (fan-out) pour comparer le chevauchement des pages, on retrouve beaucoup d’indices de Google dans :

• les snippets qui sont identiques à ceux sur Google;

• paramètres d’urls citées :

  • srsltid= (utilisé dans les résultats gratuits de Google Shopping)

  • #:~:text= (utilisé dans featured snippets et “People Also Ask”):

Google Shopping pour la recherche d’informations sur les produits

Mais ChatGPT Shopping va plus loin et requête désormais Google Shopping, visiblement toujours par le biais de SearchApi.io.

Pour s’en assurer, on trouve au moins 3 indices :

1. On retrouve exactement les mêmes informations sur les produits que dans Google Shopping : noms de produits, images, note moyenne, nombre d’avis, prix :

2. Les urls des pages référencées dans ChatGPT Shopping contiennent régulièrement le marquage Google Shopping.

3. Les icônes des marchands dans ChatGPT proviennent de l’API Google Shopping et non pas API standard :

Donc pour faire tourner son mode Shopping, ChatGPT requête à la fois les résultats organiques classiques de Google (pour guider votre choix), ainsi que Google Shopping (pour les données exactes sur les produits).

Une fois que les sources sont récupérées, le connecteur va en ouvrir certaines en “view”. Ces turnXXviewY servent :

1. à extraire le texte (pour les citations `` etc.),

2. à lier les cartes produits via merchant_reference_id.

Étape 4 : Génération du guide shopping

Et voilà, c’est fait : après deux tasses de café, une séance de pompes et l’observation d’un pigeon par la fenêtre, le modèle fournit la réponse finale !

L’affichage des résultats est également soumis à des règles spécifiques qu’on retrouve dans le prompt système omniprésent.

Afficher des produits ou pas ?

Même s’il s’agit de la recherche shopping, celle-ci ne prévoit pas par défaut l’affichage de produits. C’est un peu contre-intuitif, mais OpenAI a des raisons derrière.

Pour afficher une sélection des meilleurs produits, ChatGPT doit recevoir 2 réponses affirmatives sur 2 questions suivantes :

1. Est-ce que des exemples de produits aident vraiment l’utilisateur ?

2. La catégorie a-t-elle une bonne couverture par l’API produits basée sur les SERPs ?

Le prompt système inclut une « mini decision table » indiquant quand il faut afficher des produits (show_rateable_products doit être true ou false) :

Il inclut plusieurs exemples pour illustrer les patterns de requêtes:

• Product Discovery : ampoules connectées (questions sur budget, plateforme).

• Comparison : Tesla vs Hyundai (0 question, résultat direct).

• Gift Giving : cadeau pour une nièce (budget + ambiance/« vibe »).

• Gendered : chaussures de running (obligatoirement demande le genre).

Couverture par catégorie (API Coverage)

Le 2nd aspect qui détermine l’affichage ou non-affichage des produits c’est la qualité de couverture par catégorie de produits qui peut être bonne ou mauvaise.

1. GOOD SERP product API coverage

Pour certaines catégories (électronique, vêtements, déco, électroménager, jouets, etc.) :

• Les SERPs exposent beaucoup de fiches produits structurées : prix, images, notes, marchands.

• Les données sont assez complètes, fraîches et comparables.

Dans ces catégories, pour une requête de découverte produit, ChatGPT aura tendance à :

• mettre show_rateable_products = True,

• appeler l’API produits,

• afficher des cartes produits cliquables (prix, note, avis, etc.).

2. BAD SERP product API coverage

Pour d’autres catégories (véhicules, immobilier, assurance, finance, services locaux, voyages, tickets, contenu digital, etc.) :

• Les SERPs ne ressemblent pas à un catalogue exploitable : peu de fiches structurées, objets peu comparables, beaucoup de pages “contractuelles” ou très contextuelles.

• Les infos prix/dispo sont incomplètes ou dépendantes du profil / du contexte.

Dans ces catégories, même si l’utilisateur veut “voir des exemples”, il vaut mieux :

• ne pas s’appuyer sur l’API produits,

• ne pas afficher de cartes produits basées sur ces résultats, car ils seraient souvent faux, partiels ou trompeurs.

Donc, pour décider s’il faut afficher ou non les produits, l’assistant de shopping de ChatGPT suit l’algorithme suivant:

1. Est-ce que des exemples de produits aident vraiment l’utilisateur ?

   • Non → show_rateable_products = False

   • Oui → on passe au 2.

2. La catégorie a-t-elle une bonne couverture par l’API produits basée sur les SERPs ?

   • GOOD → show_rateable_products = True

   • BAD → show_rateable_products = False (même si c’est de la “découverte”).

Prise en compte de la personnalisation

L’assistant shopping ChatGPT prend en compte vos caractéristiques personnelles : likes, dislikes, style, région, composition du foyer, habitudes ou historique d’achats. Mais motus et bouche cousue, il ne va jamais vous le dire 😏

Bloc de sécurité (SAFETY)

ChatGPT Shopping ne va pas non plus vous générer un guide d’achat si votre demande concerne une catégorie interdite.

Si la demande y correspond, le modèle doit renvoyer un JSON vide avec l’en-tête « Prohibited request ».

Interdits :

• Armes, y compris imprimées en 3D et pièces détachées.

• Drogues, y compris accessoires (ex. : bongs).

• Finance : skimmers, faux billets.

• Contenu préjudiciable : suicide, troubles alimentaires.

Exceptions notables :

• Couteaux de cuisine autorisés (couteaux à cran d’arrêt interdits).

• Appareils photo classiques autorisés (cameras espion interdites).

Dans le paramètre render_as on voit 3 formats de rendu et 3 niveaux de visibilité de produits :

• “hero” : 1 produit mis en avant (best overall),

• “block” : recommandation détaillée,

• “table” : cellule dans un tableau de comparaison.

ChatGPT Shopping limite explicitement le nombre de produits maximum à recommander dans la réponse à 10 :

“max_product_recommendations”: 10

Conclusion :

Alors, qu’obtient-on au final ?

Assistant Shopping ChatGPT est un guide shopping : il ne convient pas pour les achats du quotidien, mais si vous pensez à faire un achat important et onéreux qui vous obligerait normalement à éplucher la moitié d’Internet, l’assistant peut véritablement vous aider en prenant en charge tout le travail de recherche fastidieux.

Ce que ChatGPT a gagné avec le nouveau mode, c’est la précision des résultats.

La précision a toujours été le talon d’Achille de la recherche IA, et dans l’e-commerce, elle détermine beaucoup de choses — pour ne pas dire tout : la précision des caractéristiques, des prix, des avis, etc.

Lorsque SearchGPT est apparu, j’avais écrit qu’un véritable shopping ne serait possible que le jour où OpenAI commencerait à travailler avec des flux produits, dans lesquels toutes les informations sont présentées de manière structurée.

Et il semble qu’OpenAI ait trouvé pour l’instant une solution provisoire : ne pas réinventer la roue, mais utiliser une solution déjà existante — Google Shopping, dans sa version web. Je ne sais pas combien coûtent toutes ces requêtes via SerpAPI, mais pour le moment, cela a l’air de fonctionner.

En fin de compte, Assistant Shopping ChatGPT reste ce même mode d’analyse approfondie qui cherche à comprendre votre intention, à demander une énorme quantité d’informations et à synthétiser une réponse sur cette base. Mais cette fois avec du Google Shopping dedans.

Voilà, c’est tout pour aujourd’hui, à très bientôt !