L’assistant d’achat IA de Shipt arrive tard dans une course aux paniers déjà encombrée

Shipt a lancé Ask Shipt le 9 septembre, devenant la dernière grande plateforme de livraison à permettre à l’IA de composer un panier complet à partir d’une seule demande. L’assistant d’achat IA de Shipt accepte des requêtes conversationnelles, des recettes et des photos de plats via l’application et le site web de Shipt. Il recommande ensuite des produits que les clients peuvent examiner avant de passer commande.

La fonctionnalité phare paraît simple. Un client peut demander de quoi organiser un tailgate un samedi pour 25 invités, avec des options de brunch. Une autre requête peut couvrir les déjeuners scolaires et les collations après l’école. L’assistant prend en charge le travail de planification qui intervient habituellement avant la recherche de produits individuels.

Cette commodité met aussi en lumière le défi concurrentiel auquel fait face Shipt, détenue par Target. Instacart et DoorDash proposent déjà des outils conversationnels qui transforment des plans, des recettes et des images en paniers achetables. Ask Shipt entre donc dans une course qui a dépassé le simple ajout d’un chatbot. Chaque plateforme cherche désormais à contrôler le moment où un client décide quoi acheter.

Ce que Ask Shipt change réellement

Ask Shipt remplace une série de recherches de produits par une seule expression d’intention.

La fonctionnalité est accessible sous la barre de recherche après qu’un client a sélectionné un détaillant sur la marketplace de Shipt. Un client peut décrire une occasion, saisir une recette ou téléverser une photographie. Ask Shipt génère alors un panier suggéré à partir des produits disponibles chez ce détaillant.

Shipt présente cet outil comme une réponse à la charge de planification qui accompagne les achats habituels. Acheter des courses commence souvent par plusieurs questions non résolues. Le client doit choisir des repas, estimer les quantités, se souvenir des préférences du foyer et traduire ces décisions en produits.

La recherche traditionnelle sur une marketplace commence une fois que l’essentiel de ce travail est terminé. Elle fonctionne bien lorsque quelqu’un sait déjà qu’il lui faut des œufs, des pains à hamburger ou une collation précise. Elle aide moins lorsque la demande commence par « nourrir un groupe avant un match de football ».

Ask Shipt tente d’interpréter cet objectif plus large. Selon le lancement d’Ask Shipt de l’entreprise, l’assistant peut remplir un panier pour un événement ou un besoin récurrent du foyer. Les clients peuvent également poser des questions sur les promotions ou demander des recommandations tenant compte d’un budget indiqué.

Sa fonctionnalité d’image étend la même idée à l’inspiration visuelle. Shipt indique qu’un utilisateur peut téléverser une photo d’un plat de restaurant ou d’une recette en ligne. Le système identifie les ingrédients probables et ajoute les articles correspondants au panier.

Ce processus implique bien plus que la reconnaissance d’objets dans une photographie. Un résultat utile doit déduire le plat, le décomposer en ingrédients, sélectionner des quantités adaptées et associer ces ingrédients au stock local. Chaque étape crée une nouvelle possibilité de recommandation imprécise ou inadaptée.

Shipt laisse la décision finale au client. Chaque article suggéré peut être examiné, remplacé, modifié ou supprimé avant le passage en caisse. Cette étape de vérification est importante, car l’assistant ne passe pas de commande autonome.

Le produit est donc mieux compris comme un générateur de paniers que comme un agent d’achat indépendant. Il raccourcit la distance entre une idée et un brouillon de commande. Le client vérifie toujours si ce brouillon correspond à ses besoins.

Cette distinction sépare l’assistance pratique de l’automatisation complète. Ask Shipt peut réduire les recherches et la création de listes sans demander aux clients d’abandonner le contrôle des substitutions, des quantités ou des marques. Elle offre aussi à Shipt un moyen plus sûr d’introduire le commerce conversationnel alors que la technologie reste imparfaite.

Le lancement crée une tension, car cette capacité devient standard sur les plateformes de livraison. Un panier généré ne constitue plus, à lui seul, une différenciation évidente. Shipt doit démontrer que ses recommandations sont plus fiables, pertinentes ou pratiques chez les détaillants que ses clients utilisent déjà.

L’assistant d’achat IA de Shipt relie la planification aux stocks

Le mécanisme central n’est pas la conversation seule, mais la conversation reliée à un catalogue local de détail et à un parcours de paiement.

L’IA généraliste peut déjà suggérer des menus ou produire des listes de courses. Ces résultats deviennent moins utiles lorsqu’ils ignorent les formats de conditionnement, le choix du magasin, la disponibilité des produits ou les achats habituels d’un foyer. Les plateformes de livraison ont accès à la couche commerciale nécessaire pour combler cet écart.

Ask Shipt commence après que le client a choisi un détaillant. Cette conception limite la tâche de l’assistant aux produits disponibles dans un magasin précis de la marketplace de Shipt. Elle réduit aussi le risque de recommander un ingrédient abstrait qui ne peut pas devenir une commande réelle.

Shipt indique que sa marketplace compte plus de 100 partenaires de détail. L’entreprise affirme également que son service couvre 80 % de la population des États-Unis. Ces chiffres décrivent une portée potentielle, et non une adoption confirmée du nouvel assistant.

Les cas d’usage les plus solides de la fonctionnalité commencent par un résultat souhaité plutôt que par un nom de produit. Un parent peut demander des déjeuners scolaires faciles. Un hôte peut demander un panier pour une fête. Une personne qui recrée un plat photographié peut passer directement de l’inspiration à une liste modifiable d’ingrédients.

Ces demandes combinent plusieurs contraintes. La taille du groupe influe sur la quantité, tandis que les préférences alimentaires influent sur la sélection des produits. Un budget modifie l’équilibre entre les marques, les formats et les alternatives. La disponibilité locale détermine si le panier final peut réellement être préparé.

Les requêtes en langage naturel facilitent l’expression simultanée de ces contraintes. Toutefois, l’interface ne fait gagner du temps que si le système les interprète de manière cohérente. Un panier nécessitant d’importantes corrections ne fait que déplacer le travail de la recherche vers la vérification.

L’expansion de Shipt en août dans ChatGPT et Claude apporte un contexte important. Ces intégrations permettent aux clients de planifier via un assistant externe avant de transférer un panier préparé vers Shipt. Ask Shipt propose une interaction similaire au sein de la marketplace de Shipt.

Les deux approches répondent à des points d’entrée différents. Les intégrations externes rencontrent les clients lorsqu’ils discutent de repas, d’horaires ou d’événements dans un service d’IA généraliste. L’assistant intégré à l’application atteint les personnes qui ont déjà choisi Shipt et un détaillant.

Ensemble, elles montrent que Shipt ne s’attend pas à ce que l’intention d’achat naisse dans une seule interface. Un client peut commencer dans une conversation avec une IA, une application de livraison, une recette ou une photographie. Shipt veut que chaque parcours se termine dans son système de préparation des commandes.

Cette stratégie est importante, car le premier service à comprendre une demande peut façonner le panier qui en résulte. Il peut décider quels articles apparaissent en premier, quelles alternatives sont prises en compte et quel détaillant exécute la commande. L’interface devient à la fois planificateur, moteur de recherche et couche de merchandising.

Shipt n’a pas détaillé publiquement les modèles sous-jacents, le processus de classement ou les garde-fous utilisés par Ask Shipt. L’entreprise n’a pas non plus indiqué comment les recommandations équilibrent les préférences des utilisateurs, la disponibilité, les promotions et les placements sponsorisés. Ces omissions limitent toute comparaison technique avec les assistants concurrents.

Ce qui est clair, c’est le parcours produit. Le système convertit une intention non structurée en données commerciales structurées. Il associe une demande à des produits, des quantités et un panier propre à un détaillant, puis rend le contrôle au client.

C’est ce flux de travail qui constitue le changement significatif. L’IA conversationnelle devient commercialement utile lorsque ses suggestions sont reliées aux stocks et à la préparation des commandes. Shipt parie que moins d’étapes entre la planification et le paiement produiront davantage de paniers finalisés.

Instacart et DoorDash ont déjà donné le rythme

Shipt rejoint une compétition déjà établie, et ses rivaux les plus proches ont déjà défini ce que les clients doivent attendre.

Instacart a lancé Ask Instacart en 2023 comme fonctionnalité de recherche conversationnelle pour les questions liées à l’alimentation. Elle pouvait recommander des associations, expliquer des substitutions, faire apparaître des options alimentaires et générer des listes d’ingrédients. Le service combinait initialement la technologie d’OpenAI avec les propres modèles et données de catalogue d’Instacart.

Lors de son lancement, Instacart indiquait que son catalogue couvrait plus d’un milliard d’articles achetables dans plus de 80 000 sites de partenaires de détail. Sa précédente recherche de courses lui a procuré un avantage majeur : des années de données liées aux produits, aux détaillants et aux achats, connectées à une marketplace de courses existante.

Instacart est depuis passé de la découverte conversationnelle à la création complète de paniers. En juin 2026, l’entreprise a déclaré que son assistant IA plus récent avait atteint des millions de clients après plusieurs mois de tests. Elle prévoyait un déploiement plus large aux États-Unis et au Canada.

Cet assistant peut traiter des demandes, des photos de listes de courses et des questions sur les promotions locales. Instacart affirme qu’il utilise les stocks actuels du magasin sélectionné par le client lors de la création d’un panier. Cette connexion aux stocks répond à l’un des écarts les plus difficiles entre les suggestions de l’IA et les commandes réelles.

DoorDash a suivi une voie similaire. Son lancement de recherche conversationnelle en juin 2026 couvrait les restaurants, les courses et les réservations. Ask DoorDash peut interpréter un lien vers une recette, une photographie de livre de cuisine ou une photo d’une liste de courses.

Pour les courses, DoorDash indique que l’assistant peut créer un panier avec des ingrédients et des quantités appropriés. Il peut aussi s’appuyer sur les commandes précédentes, suggérer des produits habituels et rappeler aux clients de vérifier s’ils possèdent déjà des produits de base courants.

DoorDash bénéficie de son activité dans plusieurs catégories de commerce local. Une interface conversationnelle unique peut recommander un restaurant, composer une commande de courses ou, à terme, aider à réserver une table. Cette portée plus large lui donne davantage d’occasions de capter l’intention liée à l’alimentation.

L’entreprise avait déjà relié les courses à un service d’IA externe. Son application de courses ChatGPT de décembre 2025 transforme les conversations sur les recettes en listes achetables et dirige les clients vers DoorDash pour vérification et paiement.

Le produit de Shipt offre désormais nombre des mêmes capacités visibles. Les trois plateformes peuvent prendre une demande ouverte et générer des recommandations de produits. Les images, les recettes, les budgets, les préférences et la taille des groupes sont devenus des données d’entrée courantes plutôt que des fonctionnalités distinctives.

Leurs différences se situent de plus en plus sous la boîte de dialogue. La qualité du catalogue détermine si le bon produit apparaît. L’exactitude des stocks détermine s’il peut être acheté. Les données de préférence influent sur la pertinence, tandis que la performance de préparation et de livraison détermine si la commande arrive comme prévu.

Les relations avec les détaillants comptent également. Shipt peut séduire les clients qui associent déjà sa marketplace à certains magasins et à des acheteurs personnels. Instacart peut s’appuyer sur un vaste catalogue centré sur les courses. DoorDash peut relier les décisions d’achat de courses aux restaurants et à d’autres services locaux.

C’est pourquoi Ask Shipt ne doit pas être évalué comme une fonctionnalité d’IA isolée. Son utilité dépend du réseau de détaillants, du système de recommandation et de l’activité de livraison qui le soutiennent. Les concurrents peuvent reproduire l’interface conversationnelle bien plus rapidement qu’ils ne peuvent reproduire ces actifs.

L’entrée tardive de Shipt constitue à la fois une faiblesse et un avantage. Ses rivaux disposent déjà d’une expérience utilisateur et d’un historique de tests. Toutefois, Shipt peut observer quels flux de travail les personnes comprennent, où les paniers générés échouent et quels contrôles les clients attendent.

La course visible entre les produits restera serrée. Le concours le plus déterminant concerne la capacité à transformer une demande vague en un panier précis, avec le moins de corrections possible. Ce résultat exige une infrastructure commerciale, et pas seulement une génération de texte fluide.

Le véritable enjeu est de maîtriser la décision d’achat

La création de paniers par l’IA déplace la concurrence vers l’étape de planification, avant même qu’un client ne cherche une enseigne ou un produit.

Les marketplaces de livraison se font traditionnellement concurrence une fois la demande déjà établie. Un client décide d’acheter des courses, ouvre une application, choisit un distributeur et recherche des produits. La plateforme rivalise alors sur l’assortiment, les délais de livraison, la qualité de service et la simplicité d’usage.

Le shopping conversationnel avance le point de départ. Le client sait peut-être seulement qu’il lui faut des dîners pour la semaine, des goûters pour les enfants ou des fournitures pour une réunion. L’assistant aide à définir le panier avant que les décisions d’achat individuelles ne soient arrêtées.

Cette position confère une influence. Le système peut sélectionner une recette, estimer les quantités, recommander des marques et décider quels produits répondent à une instruction générale. Chaque panier généré représente une série de choix que le client n’a pas effectués article par article.

Pour Shipt, cela offre l’occasion d’accroître la valeur de sa marketplace existante. Un client qui utilisait auparavant un site de recettes, une application de notes et une barre de recherche distincts peut accomplir ces étapes dans un seul parcours. Chaque étape supprimée réduit une occasion supplémentaire d’abandonner la commande.

Cela accentue aussi la pression sur les services de livraison concurrents. Si un client accepte un panier Shipt généré par IA, changer de plateforme implique de recréer ou de comparer ce panier ailleurs. L’interface de recommandation peut donc favoriser la fidélisation avant même que la vitesse de livraison n’entre en jeu.

Les distributeurs font face à leur propre question stratégique. Les assistants conversationnels peuvent amener les clients des idées jusqu’aux achats, mais ils servent aussi d’intermédiaires dans la découverte des produits. Un distributeur peut obtenir un panier plus important tout en perdant une part du contrôle sur les produits qui reçoivent de l’attention.

Les marques ont des préoccupations semblables. Les résultats de recherche traditionnels, les pages de catégories et les emplacements publicitaires offrent des moyens connus de se battre pour la visibilité. Un panier généré peut condenser de nombreux choix en une seule recommandation, laissant moins de moments au client pour comparer les alternatives.

Instacart a reconnu cette dimension commerciale lors du lancement de Ask Instacart. L’entreprise a indiqué que les questions conversationnelles pouvaient relier les besoins des clients à des campagnes de produits sponsorisés. Ce lien montre que l’assistance et la publicité peuvent coexister dans un même résultat.

Shipt n’a pas expliqué si Ask Shipt inclut des recommandations sponsorisées ni comment les considérations commerciales influencent le classement. Tant que l’entreprise ne fournira pas ce détail, les clients ne pourront pas facilement distinguer une personnalisation pure du merchandising de la marketplace.

Cette question ne rend pas chaque recommandation suspecte. Les plateformes de commerce ont toujours ordonné les résultats de recherche et mis en avant des produits. Les interfaces conversationnelles rendent simplement le processus de classement moins visible, car le système présente une réponse finalisée plutôt qu’une page d’options.

Cette opacité modifie l’exigence de confiance. Un client doit croire que l’assistant respecte les restrictions alimentaires, les consignes budgétaires et les préférences de produits. L’utilisateur doit également disposer de suffisamment de contrôle pour identifier les recommandations qui répondent à un autre objectif commercial.

L’accent mis par Shipt sur les paniers modifiables est donc important. Les contrôles de vérification et de substitution permettent aux clients de traiter le panier généré comme un brouillon. Ils réduisent le risque que la commodité conversationnelle se transforme en achat non questionné.

Pourtant, le contrôle après la génération ne résout pas entièrement le problème de découverte. De nombreux clients vérifieront rapidement, car le gain d’effort est la promesse principale de cette fonctionnalité. Le premier panier proposé peut influencer la commande finale, même si chaque article reste modifiable.

La plateforme gagnante ne produira pas nécessairement la réponse la plus conversationnelle. Elle produira un panier qui obtient une validation rapide sans provoquer de mauvaises surprises par la suite. Cela dépend de la précision, du contexte et d’un contrôle client transparent.

Pour les développeurs et les acheteurs d’entreprise, ce schéma dépasse le secteur de l’alimentaire. Les interfaces IA acquièrent de la valeur commerciale lorsqu’elles traduisent un objectif ambigu en transaction exécutable. Elles héritent aussi de la responsabilité de chaque choix caché effectué durant cette traduction.

Un panier généré nécessite encore du jugement humain

La plus grande incertitude d’Ask Shipt est de savoir si ses paniers générés font gagner plus de travail qu’ils n’en créent.

Une démonstration soignée commence par une demande claire et se termine par un panier plausible. Les foyers réels sont plus complexes. Les préférences peuvent ne pas être exprimées, les restrictions alimentaires peuvent être strictes et les formats d’emballage correspondent rarement parfaitement aux recettes ou au nombre de convives.

Une demande pour des déjeuners scolaires peut devoir tenir compte des allergies, des règles de l’école, du temps de préparation, de la réfrigération et de ce que les enfants mangeront réellement. Une commande pour un tailgate peut nécessiter des fournitures jetables, des boissons, des condiments, de la glace et du matériel de service.

L’assistant doit décider jusqu’où interpréter la demande. Un résultat trop limité peut omettre des articles essentiels. Un résultat trop large peut gonfler le panier avec des produits que le client ne souhaitait pas.

Les photographies ajoutent une autre couche d’incertitude. Un plat fini peut dissimuler des ingrédients, des substitutions ou des méthodes de préparation. La similitude visuelle ne garantit pas l’exactitude d’une recette, et un ingrédient erroné peut avoir davantage d’importance en cas d’allergies.

Shipt indique que les clients peuvent vérifier et remplacer chaque recommandation. Cette protection doit rester centrale dans l’expérience. Les utilisateurs devraient vérifier les ingrédients, les quantités, les étiquettes alimentaires et les substitutions avant de passer commande.

Les stocks créent également des complications concrètes. Un produit peut devenir indisponible entre la génération du panier et l’exécution de la commande. La plateforme doit alors proposer un remplacement adapté qui respecte toujours la demande d’origine, et pas seulement un article de la même catégorie.

Ces problèmes sont familiers aux services de livraison de courses. L’IA ne les élimine pas. Elle les concentre dans un système qui promet de prendre plusieurs décisions à la fois.

Le niveau d’exigence augmente avec l’ampleur du prompt. Recommander un seul substitut est plus facile à vérifier que générer les repas d’une semaine entière. Une petite erreur répétée dans un grand panier peut effacer la commodité qui a attiré le client.

Il n’existe pas encore de preuve publique concernant l’adoption d’Ask Shipt, ses taux de finalisation ou le fardeau des corrections. Shipt n’a pas indiqué à quelle fréquence les clients acceptent les articles générés, les remplacent ou abandonnent le panier suggéré. Les exemples de lancement démontrent une capacité, et non une utilité durable.

Cette lacune en matière de mesure doit façonner les premières conclusions. Ask Shipt est entré en production dans l’application et sur le site web de Shipt, mais la disponibilité ne signifie pas un usage habituel. Les clients doivent déterminer si la conversation est réellement plus rapide que la recherche familière et les listes enregistrées.

L’assistant pourrait être le plus performant pour les occasions flexibles, où plusieurs réponses sont acceptables. Les en-cas de fête, les idées de repas générales et les fournitures ménagères courantes laissent place à la substitution. Les enjeux sont plus élevés avec les allergies, les régimes médicaux ou des préférences très spécifiques.

La confidentialité et la personnalisation méritent également de l’attention. De meilleures recommandations exigent souvent un historique d’achat, des préférences enregistrées, des habitudes de foyer et des détails conversationnels. Les clients ont besoin de contrôles clairs sur la manière dont ces signaux influencent l’expérience.

La conception intégrée à l’application de Shipt peut aider, car le client reste dans un compte de marketplace familier. Toutefois, l’entreprise n’a pas publié d’explication technique détaillée sur le traitement des données d’Ask Shipt dans ses documents de lancement.

La transparence commerciale comptera tout autant. Si des produits promus influencent les paniers générés, l’interface devrait rendre cette relation compréhensible. Une recommandation conversationnelle semble plus personnelle qu’une publicité conventionnelle, ce qui peut rendre une influence non divulguée plus conséquente.

Aucune de ces incertitudes ne rend le produit impraticable. Elles identifient le travail nécessaire après le lancement. Les courses alimentaires constituent un test particulièrement exigeant, car les erreurs touchent aux budgets, aux repas, aux besoins de santé et aux routines domestiques.

Ask Shipt ne réussira que si les clients font suffisamment confiance à son premier brouillon pour continuer à l’utiliser. Cette confiance viendra de paniers cohérents, de contrôles visibles et d’une gestion honnête de l’incertitude. Une interface fluide ne peut se substituer à ces qualités.

Trois signaux montreront si Ask Shipt compte

Le prochain test n’est pas une nouvelle annonce de lancement, mais la preuve que les paniers conversationnels améliorent les comportements d’achat réels.

Le premier signal est l’adoption par les clients au sein de Shipt. L’entreprise devrait à terme indiquer combien de clients éligibles essaient Ask Shipt et à quelle fréquence ils y reviennent. Une utilisation répétée montrerait que la fonctionnalité résout un problème récurrent plutôt que d’attirer une curiosité passagère.

L’acceptation du panier offre une mesure encore plus forte. Shipt peut examiner combien d’articles suggérés restent jusqu’au paiement et dans quelle mesure les clients modifient chaque panier. Un taux de finalisation élevé avec peu de corrections étayerait l’affirmation selon laquelle l’assistant réduit le travail de planification.

Des modifications importantes raconteraient une histoire différente. Elles suggéreraient que le système peut produire un panier, mais ne peut pas saisir de manière fiable le contexte du foyer. Shipt aurait alors besoin de meilleurs signaux de préférence, d’une meilleure cartographie des stocks ou d’un affinage des prompts.

Le deuxième signal est la manière dont Shipt relie Ask Shipt à Shared Lists. L’entreprise indique que cette fonctionnalité collaborative arrivera bientôt et permettra à plusieurs personnes de contribuer en temps réel à une même liste de courses. Cette liste pourra ensuite devenir un panier.

Associer la collaboration à l’IA pourrait répondre à une faiblesse fréquente de la planification automatisée. Les connaissances du foyer sont réparties entre les membres de la famille, les colocataires et les organisateurs d’événements. Une liste partagée peut capturer les corrections et préférences qu’un seul prompt ne détecte pas.

L’intégration comptera si Ask Shipt peut utiliser ces contributions sans les écraser. L’assistant devrait organiser et compléter le plan d’un groupe tout en préservant les choix humains explicites. Cela transformerait les paniers générés en flux de travail collaboratif plutôt qu’en session solitaire avec un chatbot.

Le troisième signal est la réponse de la concurrence. Instacart et DoorDash continueront d’améliorer leurs assistants, leurs connexions aux catalogues et leurs intégrations d’IA externes. Leurs prochaines sorties révéleront si la génération de paniers est devenue une fonctionnalité de base ou une véritable source de différenciation.

Il faudra observer les éléments relatifs aux stocks en temps réel, à la mémoire du foyer, aux placements sponsorisés et au paiement interservices. Ces capacités sont plus proches de la valeur commerciale que la conversation de surface. Elles déterminent quel assistant peut passer de façon fiable de l’intention à l’exécution.

Shipt doit également clarifier ce qui distingue son approche. Son réseau de partenaires distributeurs et son lien avec Target lui apportent une distribution et une expérience commerciale. Aucun de ces avantages ne produit automatiquement de meilleures recommandations.

L’assistant de shopping IA de Shipt arrive alors que la direction de la catégorie est déjà visible. Les champs de recherche deviennent des interfaces de planification, tandis que les listes de courses deviennent des résultats générés et modifiables. Les plateformes de livraison se concurrencent de plus en plus avant que les clients sachent exactement ce qu’ils veulent.

Ask Shipt donne à l’entreprise une place crédible dans cette compétition. Il prend en charge les prompts pratiques, les entrées visuelles, les paniers propres à chaque distributeur et la vérification humaine. Ces capacités correspondent au standard émergent établi par ses plus grands concurrents.

La question plus difficile est de savoir si Shipt peut rendre l’assistant fiable lors des achats domestiques ordinaires et désordonnés. Les gens toléreront une suggestion de recette médiocre. Ils seront moins indulgents lorsqu’un panier oublie une allergie, évalue mal les quantités ou exige une reconstruction importante.

Pour l’instant, les clients devraient considérer Ask Shipt comme une première ébauche rapide. Formulez une demande précise, examinez chaque recommandation et comparez le résultat au travail nécessaire pour constituer un panier manuellement.

Si cette vérification se raccourcit au fil des commandes, Shipt aura créé bien plus qu’une fonctionnalité de recherche par IA. L’entreprise aura gagné un rôle dans les décisions d’achat des foyers. Si les corrections restent contraignantes, la barre de recherche traditionnelle aura toujours le dernier mot.