Agentic Commerce Protocol : comprendre et préparer ACP

Qu’est-ce que l’Agentic Commerce Protocol ?

ACP définit un langage commun entre acheteurs, agents IA et commerçants. Dans leur présentation du 29 septembre 2025, Jeff Weinstein et Steve Kaliski, chez Stripe, le décrivent comme un standard ouvert codéveloppé avec OpenAI pour rendre les parcours d’achat accessibles aux agents. Le lancement accompagnait Instant Checkout, la fonction d’achat dans ChatGPT.

Un agent peut ainsi transmettre une demande à un système marchand selon des règles documentées. Le commerçant conserve la maîtrise des produits vendus et du traitement des commandes. Le site officiel d’ACP, précise que le protocole est open source, sous licence Apache 2.0. Il peut fonctionner avec un prestataire de paiement compatible, sans imposer par principe de remplacer toute l’infrastructure existante.

Cette ouverture concerne la spécification. Elle ne donne pas automatiquement accès à toutes les plateformes qui l’utilisent. Le même site distingue explicitement l’intégration du protocole et l’admission des commerçants dans les expériences proposées par chaque agent.

En 2026, ACP sert aussi à faire découvrir vos produits

Réduire ACP au paiement dans ChatGPT donne une vision incomplète de son rôle actuel. Le 24 mars 2026, OpenAI a annoncé une extension du protocole à la découverte de produits. Dans son annonce sur le shopping dans ChatGPT, l’entreprise explique vouloir recevoir des catalogues et des promotions plus complets, tout en permettant aux commerçants de conserver leurs propres expériences de paiement.

OpenAI reconnaît aussi que la première version d’Instant Checkout n’offrait pas la flexibilité recherchée. Cette évolution compte : un client peut découvrir une offre dans une conversation et finaliser l’achat sur la boutique. Une page produit claire et un tunnel de commande efficace gardent donc toute leur utilité.

La documentation ACP d’OpenAI présente désormais le protocole comme une couche de connexion entre les marchands et les utilisateurs de ChatGPT, notamment pour ingérer des catalogues structurés et présenter les produits pertinents.

Je recommande donc de demander une preuve du parcours proposé avant de commander un développement : quel produit sera visible, pour quel acheteur, et sur quelle interface la transaction se terminera-t-elle ? Cette vérification évite de budgéter une fonction dont l’accès commercial reste incertain.

ACP, UCP et MCP : quelles différences ?

Ces protocoles peuvent intervenir dans un même environnement technique, mais ils répondent à des besoins différents. Le tableau permet de situer leur rôle sans supposer qu’une intégration à l’un vaut compatibilité avec les autres.

Le site officiel d’UCP cite notamment Google et Shopify parmi ses codéveloppeurs et documente plusieurs capacités commerciales. La documentation officielle de MCP décrit pour sa part un protocole de connexion aux systèmes externes.

Pour une équipe e-commerce, le choix dépend du canal et des fonctions recherchées. Un connecteur de catalogue, une interface de commande et un serveur MCP ont des périmètres différents. Demandez au prestataire ce que son intégration permet de tester, plutôt que de vous arrêter au sigle affiché sur sa présentation.

Comment fonctionne un achat avec ACP ?

Le parcours dépend de l’intégration retenue. Pour un achat pris en charge par une interface conversationnelle, la documentation OpenAI sur les concepts d’ACP distingue le partage des données produit, le traitement de la commande et le paiement. Voici le fonctionnement à comprendre, sans en déduire une disponibilité universelle.

1. Le catalogue décrit l’offre. L’assistant reçoit les informations permettant d’identifier les produits et leurs caractéristiques commerciales.
2. Lorsqu’un parcours transactionnel est pris en charge, une session de commande rassemble les articles, les informations de livraison et les montants calculés par le marchand.
3. Les modifications du panier ou de l’adresse donnent lieu à une mise à jour de cette session. L’interface doit présenter l’état renvoyé par le système marchand.
4. Après confirmation de l’acheteur, le commerçant traite le paiement et accepte ou refuse la commande. L’assistant affiche le résultat.

Le marchand reste responsable de la décision transactionnelle sur son système. L’intégration doit donc restituer un prix calculé, un état de commande et des erreurs compréhensibles. Un assistant ne devrait pas combler une information de livraison absente en improvisant une promesse.

Pour le paiement délégué, OpenAI décrit un mécanisme de jeton avec une durée de validité et un montant maximum. Stripe propose notamment le Shared Payment Token. Il faut vérifier la compatibilité effective du prestataire choisi, sans confondre ce mécanisme avec l’accès à un compte Stripe ordinaire.

Le premier chantier concerne la qualité du catalogue

Un flux accepté techniquement peut encore transmettre une offre ambiguë. Le guide de démarrage ACP d’OpenAI propose deux voies de transmission : fichiers ou API. Il recommande généralement un envoi complet quotidien, complété par des mises à jour en cours de journée. L’accès direct à l’intégration des flux reste présenté comme soumis à approbation.

Avant de construire un nouveau connecteur, vérifiez ce que votre plateforme transmet déjà. L’annonce OpenAI de mars 2026 indique notamment une intégration des données Shopify via Shopify Catalog. Cela justifie un contrôle de l’existant avant de payer pour un développement qui ferait doublon.

Les bonnes pratiques ACP d’OpenAI recommandent des descriptions factuelles, des identifiants stables et une modélisation des variantes avec leurs propres données lorsque le prix, l’image ou la disponibilité diffèrent. Les liens du vendeur doivent aussi rester cohérents et accessibles.

Je ferais porter la première revue sur quelques références représentatives : un produit à variantes, une promotion, un article temporairement indisponible et une référence avec des contraintes de livraison. Pour chacun, confrontez les données de gestion, le flux exporté et la page publique. Notez les écarts observés et désignez l’équipe qui peut les corriger à la source.

La rédaction intervient ensuite pour rendre les attributs compréhensibles. Une description peut expliquer un usage ou une compatibilité, à condition de s’appuyer sur une caractéristique vérifiable. Le travail sur une fiche produit adaptée aux LLM complète ainsi le contrôle du catalogue. Il ne permet pas de compenser un stock faux ou un tarif périmé.

Tester les échecs avant d’élargir l’intégration

La fiabilité se mesure aussi quand une opération échoue. Dans sa spécification de checkout, OpenAI demande notamment l’authentification des requêtes, la vérification des signatures, la validation des entrées et l’idempotence. Ce dernier terme désigne une propriété très concrète : rejouer une même opération ne doit pas créer une deuxième commande.

Pour un pilote transactionnel, je demanderais à voir le résultat d’un paiement refusé, d’un délai de réponse dépassé et d’une disponibilité modifiée avant validation. Il faut pouvoir retrouver ce qui a été envoyé, ce qui a été accepté et l’état final de la commande. Le support client doit aussi pouvoir comprendre ce parcours.

Cette exigence rejoint la conception d’un site accessible aux agents IA : les actions sensibles méritent un périmètre et des contrôles explicites. Un test réussi sur une commande idéale laisse encore beaucoup de comportements à vérifier.

Définissez les critères de réussite avant le test : concordance des variantes et des prix, gestion des indisponibilités, absence de commande dupliquée, traçabilité jusqu’au système marchand. Consignez aussi le canal, le marché et la date. Vous pourrez décider d’élargir l’intégration à partir de résultats observés.

Mesurer le commerce agentique au-delà de la présence dans ChatGPT

Une fiche visible dans une réponse constitue un point d’observation. Pour décider d’investir davantage, il faut relier cette exposition aux visites et aux commandes que vous pouvez effectivement attribuer au canal.

OpenAI recommande dans ses bonnes pratiques d’ajouter des paramètres de suivi aux liens du flux lorsque l’on veut isoler leurs clics. Gardez une nomenclature cohérente, puis confrontez les données de visite aux résultats commerciaux disponibles : ventes, annulations, erreurs de prix et demandes au support. Signalez les parcours que votre mesure ne permet pas de relier.

Je commencerais par fiabiliser un périmètre de catalogue et documenter un parcours complet. Ce travail restera utile même si l’interface d’achat change. Vous aurez identifié les données qui empêchent une recommandation précise, les erreurs qui bloquent la commande et les responsabilités nécessaires pour les résoudre.