
1/ Pouvez-vous nous rappeler votre rôle dans cette étude et à quoi ressemblait concrètement ce travail de terrain et d’analyse au quotidien ?
Concrètement, le travail de recherche a été mené en plusieurs phases. En premier lieu, nous avons fait un état de l’art, c’est-à-dire que nous avons parcouru les articles académiques et les publications managériales déjà existants sur le sujet et identifié les comportements qui n’ont pas encore été étudiés. Cela nous a amenés à nous concentrer sur des questions de recherche plus précises et à construire les designs de notre étude qualitative et de nos études quantitatives. Concernant l’étude qualitative, après le recrutement de répondants qui utilisaient déjà l’IA dans un contexte d’achat, nous avons mené des entretiens (d’une heure en moyenne) en les questionnant sur leur manière de consommer avec l’IA, et en leur demandant de simuler leur comportement de recherche d’information avec l’IA. Une fois retranscrits et codés thématiquement, les entretiens ont été analysés et ont permis de mettre en lumière des typologies de comportements différentes et de faire ressortir des éléments explicatifs de ces comportements variés. Pour la phase quantitative basée sur des expérimentations, nous avons conçu plusieurs scénarios d’utilisation de l’IA, qui ont été prétestés. L’objectif était de mesurer les attitudes et comportements des consommateurs après qu’ils aient été confrontés à l’un de ces scénarios. Pour ce faire, nous avons développé des questionnaires incluant des échelles de mesure validées par la littérature scientifique. Ces questionnaires ont été administrés auprès de centaines de répondants (utilisant déjà ou non l’IA dans leur parcours d’achat). Les données récoltées, une fois analysées statistiquement, ont permis de tirer les conclusions présentes dans l’étude. La recherche a été menée collectivement, mais si nous devons parler de notre rôle plus précisément, nous sommes toutes deux spécialisées dans les études expérimentales. Notre contribution à cette étude s’est donc portée plus spécifiquement sur l’état de l’art et sur toute la phase quantitative ainsi que sur la présentation de ces résultats lors de la grande conférence FEVAD le 1er juillet dernier. Nous étions accompagnées de la Pr. Isabelle Collin-Lachaud et de la Dr. Alice Peyraud pour cette restitution devant les membres FEVAD, qui, elles, se sont plus particulièrement concentrées sur la phase qualitative de la recherche. Nous avons également eu les contributions précieuses de la Pr. Christine Lambey-Checchin (IUT Clermont Auvergne) et du Pr. Mbaye Fall Diallo (Université de Lille) tout au long de ce projet de recherche.
2/ Y-a-t-il un moment de l’étude, un échange avec un consommateur ou un résultat, qui vous a particulièrement marquée ou surprise ?
Lors de la phase quantitative, nous avons mené une étude sur l’impact de la publicité et des caractéristiques de la publicité. Nous nous attendions à ce que les consommateurs soient plus méfiants envers l’IA lorsque celle-ci intègre de la publicité. Or, les résultats montrent que la présence de la publicité n’impacte ni la confiance des consommateurs envers l’IA ni leur envie de suivre la recommandation de l’IA. Ce résultat a été confirmé et expliqué dans la phase qualitative. Les participants ont indiqué être habitués à la présence de publicité et comprendre que sa présence est nécessaire pour faire fonctionner une plateforme et leur garantir un usage gratuit. Ceci constitue un apport majeur de notre étude.
3/ Aviez-vous des hypothèses ou des intuitions de départ ? Est-ce que les résultats ont changé votre vision ?
Notre recherche était exploratoire, c’est-à-dire que nous n’avions pas d’hypothèse précise au départ car la nouveauté du phénomène et l’inexistence de recherches menées en France sur le sujet ne nous permettaient pas de nous appuyer sur des études précédentes pour formuler des hypothèses. Notre intuition nous laissait cependant penser que l’IA développée par les retailers pouvait être moins bien perçue que les IA génériques comme ChatGPT car elle pourrait être jugée moins objective. Les résultats ont changé notre vision, car il y avait très peu de différences de perception entre les deux types d’IA (retailers et génériques) en France. C’est surtout l’IA de façon générale, peu importe par qui elle est gérée, qui amène à une expérience du processus de décision détériorée. En effet, lorsque le consommateur utilise l’IA pour rechercher des informations sur un produit, son choix apparaît moins justifiable que lorsqu’il utilise un moteur de recherche traditionnel. De même, le consommateur juge son processus de décision moins satisfaisant lorsqu’il utilise l’IA que lorsqu’il recourt à un moteur de recherche traditionnel.
4/ Quelles limites identifiez-vous dans cette étude, et qu’est-ce qu’elle ne permet pas encore de dire sur les usages de l’IA dans l’achat ?
Premièrement, dans nos études, nous avons étudié la perception des consommateurs entre janvier et juin 2026. Cependant, vu l’évolution rapide de l’utilisation de l’IA par les consommateurs et les évolutions technologiques, il serait utile d’effectuer des études longitudinales permettant d’identifier les évolutions des perceptions et des comportements. Deuxièmement, dans notre étude quantitative, nous avons comparé différentes sources (IA développée par le retailer, IA générique, ou moteur de recherche) pour une même utilisation, mais nous pourrions nous intéresser dans le futur à la complémentarité de ces sources qui peuvent être utilisées à différents moments d’un parcours d’achat. Enfin, nous nous sommes concentrés sur le moment avant l’achat (la recherche d’informations), donc nos résultats ne peuvent pas être généralisés concernant l’utilisation de l’IA à d’autres étapes, notamment au niveau du paiement.
5/ À ce jour, en France, l’IA n’est pas supérieure au moteur de recherche dans le processus de décision. Comment l’expliquez-vous, et jusqu’à quand ce constat tiendra-t-il ?
Dans le processus de décision du consommateur, l’efficacité n’est pas le seul déterminant. En effet, même si l’IA permet de comparer plus facilement et de proposer la meilleure option, l’expérience du consommateur a aussi son importance. Dans son expérience, le consommateur aime se sentir autonome, compétent et garder le contrôle sur sa prise de décision. Néanmoins, ces différences entre IA et moteur de recherche vont être de plus en plus floues. En effet, depuis nos études, Google a intégré l’IA au moteur de recherche. On s’attend donc à voir cette différence entre les sources s’estomper. De nouvelles études vont devoir être menées. Les e-commerçants intéressés peuvent nous contacter.
6/ Quel est, selon vous, le principal point d’attention ou l’erreur que commettent aujourd’hui les e-commerçants qui cherchent à intégrer l’IA dans le parcours d’achat de leurs clients ?
Selon nous, la principale erreur est de considérer l’IA comme un simple outil de recommandation, sans suffisamment s’interroger sur l’expérience qu’elle fait vivre au consommateur pendant son processus de décision. Quand on confie une partie de la recherche d’information et de la comparaison à une IA, on peut certes simplifier le parcours, mais on risque aussi de rendre la décision moins transparente et moins maîtrisable pour le consommateur. Or, avoir le sentiment de comprendre pourquoi on choisit un produit et de pouvoir justifier sa décision est important, notamment pour des achats impliquants. L’enjeu n’est donc pas seulement de faire gagner du temps au consommateur ou de lui proposer une recommandation pertinente. Il faut aussi lui permettre de rester acteur de sa décision : comprendre les critères utilisés, accéder aux informations qui lui permettent de vérifier la recommandation et conserver un certain contrôle sur le processus. Comme notre étude qualitative le montre, à ce stade, le consommateur français veut bien que l’IA soit son copilote, mais il souhaite rester le pilote pour garder le contrôle !
Cet article Entretien du mois – Chercheuses Chaire TREND(S) est apparu en premier sur Fevad, la Fédération du e-commerce et de la vente à distance.
Leave a comment