Cartographiez le parcours client automobile et vous obtenez presque toujours la même slide : prise d…
Où les acheteurs commencent en 2026
Webflow a lancé AEO Enterprise. Storyblok se repositionne vers une plateforme marketing. Uniform a fait la démonstration de Scout v2 hier. Ces trois mouvements d'éditeurs pointent vers la même question : comment l'interface de recherche et de découverte change-t-elle quand l'IA s'installe dans la boutique.
Ce qu'aucun de ces lancements ne répond clairement : où l'acheteur commence-t-il réellement aujourd'hui ? Quel chemin d'entrée dans la boutique domine en 2026, et comment évolue-t-il au cours des 12 prochains mois ?
Cet article livre une réponse empirique, fondée sur des données pilotes de boutiques DACH sur les 90 derniers jours. Trois schémas d'entrée, parts de trafic, leviers de conversion, et quatre conséquences UX concrètes pour la prochaine itération de boutique.
Les trois schémas d'entrée en chiffres
Une précision d'emblée : ces données proviennent d'un mélange de boutiques DACH de différentes tailles (du mid-market à l'enterprise) que nous avons analysées ces derniers trimestres. Les chiffres absolus varient selon le secteur et la profondeur de l'assortiment, mais les schémas relatifs sont cohérents.
Schéma A : la recherche IA en premier
L'acheteur arrive dans la boutique et utilise une surface de recherche pilotée par IA comme premier point de contact de découverte, soit un hub de recherche en style dialogue (schéma question-réponse), soit une recherche intelligente sensible aux filtres.
Part de trafic : ~4 % des sessions Hausse de conversion vs. référence : +12 % dans les pilotes DACH Audiences typiques : acheteurs pour la première fois dans des assortiments complexes (cas d'usage de configurateur, recherche produit B2B), acheteurs multi-catégories
4 % paraît faible. Mais cela croît : dans les pilotes que nous avons suivis, la part double environ tous les six mois, portée par une familiarité croissante des acheteurs avec les interfaces d'IA issues des contextes grand public.
Schéma B : la navigation par catégorie en premier
Le chemin classique : l'acheteur arrive sur la page d'accueil ou une landing page de campagne, navigue via les catégories d'en-tête ou les tuiles hero vers une page de liste de produits (PLP), puis filtre davantage à partir de là.
Part de trafic : ~60 % des sessions Hausse de conversion vs. référence : stable, mais part en déclin d'environ 8 % par an Audiences typiques : acheteurs récurrents avec une intention de catégorie claire, fidèles à la marque, clics issus de la newsletter
Ce schéma est l'épine dorsale de la plupart des boutiques, et le plus grand perdant de la tendance à moyen terme. Le déclin n'est pas dramatique, mais constant. Quiconque s'attend au même mélange de schémas en 2027 qu'en 2025 planifie à contre-courant de la tendance.
Schéma C : le filtre à facettes en premier
Le chemin de l'utilisateur expert : l'acheteur arrive directement sur une page de liste de produits (via le SEO, une publicité payante ou un lien profond depuis une newsletter) et commence la découverte principalement via la barre latérale de facettes.
Part de trafic : ~18 % des sessions Taux d'ajout au panier : plus élevé que pour le schéma A ou B, l'acheteur arrive avec une présélection claire et convertit plus vite Audiences typiques : acheteurs orientés recherche, phases de comparaison, achats à fort ticket
Le schéma C tend à être sous-estimé parce que ses volumes de trafic paraissent faibles à côté de la navigation par catégorie. Mais la qualité de conversion est au-dessus de la moyenne. Plus sur la conception de la couche de facettes dans notre article de mai sur l'UX de la recherche à facettes pour les boutiques composable.
Ce que les données impliquent, au-delà des chiffres
Les trois schémas ne sont pas statiques. Ils évoluent, et ils se chevauchent.
Chevauchement 1 : La recherche IA en premier (schéma A) et le filtre à facettes en premier (schéma C) ne sont pas des opposés. Dans les pilotes, nous avons vu que les acheteurs les plus efficaces utilisent les deux en séquence : la recherche IA pour un premier resserrement de catégorie, puis le filtre à facettes pour la sélection de détail. Si les deux surfaces ne sont pas conçues de façon cohérente (même logique de tri, état de filtre transférable), le chemin se brise.
Chevauchement 2 : La navigation par catégorie en premier (schéma B) est sur-optimisée dans la plupart des boutiques par rapport à sa tendance. La page d'accueil, les tuiles hero, les structures de méga-menu d'en-tête reçoivent la majorité des ressources UX, alors même que leur pertinence décline. Les surfaces de découverte sensibles à la recherche IA reçoivent souvent trop peu.
Tendance : la part de la recherche IA passera à 10-15 % dans les 18 prochains mois, portée par les mouvements des éditeurs (Webflow AEO, Storyblok, Uniform Scout) d'un côté et la familiarité des acheteurs de l'autre. Quiconque n'a pas aujourd'hui un concept clair de surface de recherche IA ne rate pas les six prochains mois, mais ne construit pas non plus le chemin de la croissance.
Quatre conséquences UX pour la prochaine itération de boutique
1. Architecture de la PDP : du conteneur de comparaison au conteneur de réponse
Quand les acheteurs arrivent via la recherche IA, ils viennent généralement avec une question, pas un nom de produit. L'architecture de la PDP doit répondre à cette question explicitement en haut de la page, avant les tableaux classiques de comparaison et de spécifications. Un bloc question-réponse (souvent appelé bloc featured-question) entre le hero et le détail des spécifications est le schéma le plus simple. Ce n'est pas seulement une amélioration UX mais aussi une mesure GEO/AEO : les mêmes réponses structurées sont indexées en priorité par les crawlers d'IA.
2. Composant de recherche d'en-tête : du champ de saisie au hub de découverte
La recherche d'en-tête classique est un champ de saisie avec autocomplétion. La version 2026 est un hub de découverte : au focus, un panneau s'ouvre avec trois sections, recherches en tendance (schéma A), catégories actuelles (schéma B) et listes filtrées récentes (schéma C), les trois schémas d'entrée accessibles dans une seule surface. L'effort de mise en œuvre est gérable, la hausse de conversion dans nos tests est significative.
3. Conception des états vides : de l'écran cul-de-sac à la surface de réorientation
Les états vides pour les résultats de recherche sont sous-développés dans la plupart des boutiques. Quand une requête de recherche IA ou une configuration de filtre ne renvoie aucun résultat, c'est un moment UX précieux, pas un cas marginal. L'état vide devrait réorienter activement : termes de recherche alternatifs (sémantiquement proches, pas seulement une correspondance approximative), catégories liées, ou un repli humain (chat, prise de rendez-vous conseil). La moitié des boutiques que nous avons vues n'affichent ici que « aucun résultat », ce qui est une perte de conversion sans nécessité.
4. Continuité post-clic : de l'entrée sur la liste au chemin continu
Quand un acheteur commence par la recherche IA et poursuit vers une page de liste, la liste devrait conserver le contexte de recherche : filtres appliqués visibles, question d'origine en en-tête fixe, possibilité d'affiner sans perte de contexte. C'est une personnalisation post-clic qui ne repose pas sur des identifiants utilisateur ou des profils de cookies, mais sur l'intention de session. Plus dans notre article sur la personnalisation post-clic 2026.
Ce que cela signifie pour la bibliothèque de composants
Quiconque planifie une refonte de boutique dans les 12 prochains mois devrait repenser trois composants : la recherche d'en-tête (schéma A + pontage inter-schémas), la zone hero de la PDP (conteneur question-réponse pour le trafic d'entrée IA) et l'état vide de la liste (surface de réorientation). Ces trois composants ont un effort de construction gérable et interviennent directement dans les trois schémas d'entrée.
Au niveau des composants, cela signifie des définitions de blocs avec des emplacements clairs pour les recherches en tendance, les blocs featured-question, les modèles d'état vide sémantiques. Dans une Frontend Management Platform, ce sont des configurations pilotées par schéma, pas de nouvelles implémentations frontend, la couche d'édition permet aux équipes marketing de configurer et de tester en A/B ces surfaces de façon autonome. Plus sur Laioutr UI.
L'ancrage marché
Webflow AEO Enterprise, la dérive de Storyblok vers une plateforme marketing, Uniform Scout v2, ces trois mouvements d'éditeurs des dernières semaines convergent vers la couche de surface de recherche IA. C'est la validation de la tendance, pas la tendance elle-même.
Plus sur le contexte AEO et sur la façon dont les équipes marketing produit/catégorie opérationnalisent le sujet dans notre article AEO de fin mai.
En résumé
60 % du trafic sur la navigation par catégorie est la réalité d'aujourd'hui. Les 4 % de recherche IA seront 12-15 % dans 18 mois. Les 18 % de filtre à facettes sont le groupe qualitativement le plus fort et sont négligés dans de nombreuses feuilles de route.
L'itération UX pour 2026 n'est pas : construire la recherche IA à la place de la navigation par catégorie. C'est : soutenir les trois schémas avec une architecture de découverte cohérente qui fait le pont entre eux. Quiconque fait cela construit la boutique pour les trois prochaines années. Quiconque optimise uniquement le schéma dominant construit pour 2024.