Les prévisions d'achats par agents IA en 2030 vont de 385 à 1 000 milliards de dollars

Trois cabinets ont publié une prévision sur le même sujet : le volume de ventes de détail américaines qu'un agent IA traitera pour le compte d'un acheteur d'ici 2030. Le haut de chaque fourchette :

Cabinet	Haut de fourchette, États-Unis, 2030	Fourchette complète
McKinsey	1 000 milliards de dollars	jusqu'à 1 000 Md$ dans le retail américain, 3 000 à 5 000 Md$ dans le monde
Bain & Company	500 milliards de dollars	300 à 500 Md$
Morgan Stanley	385 milliards de dollars	190 à 385 Md$, soit environ 10 % à 20 % du commerce en ligne

Sources : McKinsey via Digital Commerce 360, Bain, Morgan Stanley.

Ce sont des prévisions, pas des mesures. À prendre comme telles. Mais il vaut la peine de comprendre pourquoi elles divergent, car c'est là que se trouve l'information utile.

Pourquoi les chiffres sont si éloignés

Ils ne comptent pas la même chose.

Morgan Stanley compte les achats qu'un agent finalise. L'acheteur dit à un assistant ce qu'il veut, l'agent choisit et paie. C'est la définition la plus étroite, et elle donne le chiffre le plus bas : 190 à 385 Md$, soit 10 % à 20 % du commerce en ligne américain.

Bain compte les achats qu'un agent influence ou finalise. Sa fourchette de 300 à 500 Md$ inclut les cas où l'agent fait la comparaison et où l'acheteur clique sur le dernier bouton.

McKinsey compte les ventes « orchestrées ». Toute vente où un agent a joué un rôle réel dans le parcours : découverte, comparaison, réassort ou paiement. C'est la définition la plus large, et elle donne 1 000 Md$ aux États-Unis et 3 000 à 5 000 Md$ dans le monde.

L'écart tient donc surtout à l'endroit où l'on trace la ligne entre « l'agent a aidé » et « l'agent a acheté ». Avec la définition étroite, un dollar sur dix du commerce en ligne américain passe par un agent en 2030. Avec la définition large, l'agent touche la majeure partie du total.

Sur quoi ils s'accordent

Trois points, et ils comptent plus que le chiffre exact.

La direction. Personne ne prévoit zéro, ni la stagnation. Tous les cabinets qui se sont penchés sur le sujet s'attendent à ce qu'une part du commerce de détail qui n'existe pas aujourd'hui existe dans quatre ans.

Le mécanisme. Dans les trois modèles, c'est l'agent qui fait la comparaison. Il lit les données produit de plusieurs vendeurs, les confronte à la demande de l'acheteur, et tranche. L'humain voit le résultat, pas la liste des candidats.

Le calendrier. L'infrastructure du cas étroit est arrivée en 2025 et 2026 : le paiement intégré à ChatGPT chez OpenAI, le protocole de paiement pour agents de Google, les couches commerce ouvertes aux agents chez Stripe et Shopify. Les prévisions portent sur l'adoption, pas sur la faisabilité.

L'hypothèse qui sous-tend chaque prévision

Chacun de ces chiffres suppose que, lorsqu'un agent compare des produits, votre produit peut être comparé. Autrement dit, que les faits sur lesquels un acheteur décide sont disponibles pour l'agent sous forme de données : le prix, la caractéristique sur laquelle porte la question, ce qui distingue ce produit du suivant.

Aujourd'hui, dans les boutiques que nous auditons, ce n'est souvent pas le cas. Les faits sont dans une photo, un PDF, un guide des tailles, ou dans la tête du commerçant. Un agent qui lit cette page en retire un nom et un prix, puis passe à une page qui lui en dit plus. Les prévisions comptent le chiffre d'affaires qui va aux vendeurs dont les pages étaient lisibles.

C'est ce qui rend ces chiffres exploitables bien avant 2030. La comparaison a déjà lieu aujourd'hui, à petite échelle, chaque fois que quelqu'un demande à un assistant quel produit acheter. Posez à l'assistant la question que posent vos clients, et regardez s'il vous cite. Le test gratuit sur notre page d'accueil le fait pour une question, avec une recherche en direct.