IA et Fin du Clic

Les AI Overviews et les agents d'achat effondrent l'économie du clic (~60 % de recherches zero-click) : « être vu » devient « être choisi » par une machine, et l'évaluation pré-achat migre hors instrumentation - le pilote perd la trace du funnel au moment où l'amont prend de l'importance.

Fiole de laboratoire fissurée dont le liquide s'écoule, une main mécanique recueillant le flux dans un flacon scellé - gravur
Le clic part dans une autre main

Depuis une décennie, le search a fonctionné comme une machine à demande : on insère un budget, on sélectionne des mots-clés, on récolte des clients. Cette machine se casse sur deux fronts simultanés. Les AI Overviews de Google répondent directement aux requêtes - le moteur devient la destination au lieu de l’intermédiaire. Et les agents d’achat commencent à choisir à la place de l’utilisateur, en s’appuyant sur leur représentation de la marque : si le client cherche votre catégorie, l’IA compare les prix ; s’il cherche votre marque, vous partez avec un avantage. « Être vu » devient « être choisi » - et le choix se joue de plus en plus hors de votre vue.

L’idée a d’abord été formulée de façon prospective par Thomas Barta, consultant en croissance, dans un post LinkedIn de 2026 (« The End of the Click »), avant d’être adossée à un corpus empirique qui a grossi tout au long de 2025-2026 : les études clickstream de SparkToro et Datos sur 41 domaines, la méta-analyse de Kevin Indig couvrant 19 études sur les AI Overviews, les données WARC sur le parcours zero-click, et les mesures Semrush sur la qualité du trafic référent.

La robustesse de l’ensemble est asymétrique. Sur l’effondrement du clic, les données sont larges et convergentes : entre 60 et 68 % des recherches Google se terminent sans visite externe, le trafic organique référé recule d’environ 22 % en un an, et la baisse frappe surtout les requêtes informationnelles. Sur le scénario agentique - des machines qui choisissent seules -, l’hypothèse reste spéculative : la direction semble juste, la vitesse et l’ampleur restent ouvertes.

Cette page lit le nouveau funnel côté pilotage : ce que deviennent les dashboards quand l’évaluation pré-achat migre hors instrumentation, et quelles décisions en découler. Elle ne traite ni du versant construire la marque que la machine retiendra (chapitre 3, voir La marque vue par les LLMs), ni de la discipline supply-side d’être cité dans les réponses (voir Generative Engine Optimization (GEO)).

L’essentiel en 5 points

  • 60 à 68 % des recherches Google se terminent sans clic : la page de résultats retient l’attention avant tout clic - ce n’est pas un défaut de contenu.
  • Les AI Overviews ne couvrent que ~5 % des requêtes, mais quand ils apparaissent ils occupent 42-48 % de l’écran : la position organique reste nécessaire, elle ne suffit plus.
  • 80 % des utilisateurs consultent ChatGPT avant d’acheter : l’évaluation pré-achat se joue hors instrumentation, et Google récolte le crédit de la conversion.
  • Le trafic référé par les LLMs est marginal (1-3 %) mais convertit 4,4× mieux : le ROAS apparent par canal en est distordu.
  • 35 % des acheteurs américains utilisent déjà un assistant d’achat : la donnée produit structurée devient le signal de compétitivité.

Le modèle search qui s’effondre

Le search a fonctionné une décennie comme une machine à demande : budget, mots-clés, clients en sortie. Le mécanisme se casse sur deux fronts : les AI Overviews répondent directement, et les agents choisissent à la place de l’utilisateur. Comme le formule Thomas Barta : « If customers search your category, AI compares price. If customers search your brand, you already have an advantage. »

Les chiffres du basculement sont solides. Les données 2026 de WARC documentent ~60 % de recherches zero-click et ~13 milliards de recherches quotidiennes intégrant un résumé IA, avec des effets mesurés sur les éditeurs (WebMD a perdu 30 à 40 % de son trafic référé). Chiffré sur clickstream par SparkToro et Datos, 37 % des recherches ne produisent aucun clic et 21 % une nouvelle recherche - soit ~58 % des sessions sans visite externe. Le mécanisme est cumulatif : plus de 30 features de résultats (questions suggérées, vidéos, résumés IA, annonces intercalées) fragmentent l’attention avant le premier clic. Le déclin du Display documenté par WARC est le même signal côté budget : le web publicitaire ouvert se déplace vers le web agentique.

Les AI Overviews eux-mêmes sont limités en surface mais dévastateurs sur les clics. La méta-analyse de Kevin Indig (19 études, des millions de mots-clés) montre qu’ils n’apparaissent que sur ~5 % des requêtes - un recul depuis les 20-40 % du lancement -, mais que, présents, ils occupent 42 à 48 % de l’écran et repoussent les résultats organiques de 200 à 1 000 pixels vers le bas. Le chevauchement entre leurs citations et les résultats organiques n’est que de 20 à 26 %, et 40 % des sources citées se trouvent en positions 11-20 : la position organique est nécessaire, elle n’est pas suffisante. YouTube, Wikipedia et LinkedIn sont les sites les plus cités - la présence éditoriale sur ces plateformes pèse directement sur la visibilité.

Une mise en perspective s’impose : la substitution est prématurée en volume absolu. Sur le panel desktop de SparkToro/Datos (US et UE/UK, Q4 2025), Google représente encore 73,7 % des recherches au sens large, et les outils IA confondus 3,2 % - moins que Bing, YouTube ou Amazon. Semrush confirme : 94,3 % des recherches passent encore par Google (octobre 2025). Mais Google a perdu 3,5 points de part en 2025 : la fragmentation est structurelle, même si elle ne profite pas prioritairement aux LLMs. Et elle est déjà mesurable démographiquement : chez les 18-24 ans, ChatGPT est utilisé dans 50 % des sessions de recherche contre 25 % pour Google - la cohorte qui forme ses habitudes numériques a déjà basculé, là où les dashboards agrégés (dominés par les 25-54 ans) masquent le déplacement.

Le point le plus coût pour la mesure vient de Josh Blyskal (Profound), interviewé par Marketing Architects : 80 % des utilisateurs consultent ChatGPT avant d’acheter, en formulant le problème qu’ils cherchent à résoudre ; 47 % reçoivent une recommandation produit, puis se rendent sur Google pour transacter.

“Google becomes this navigation and transaction layer.”

Josh Blyskal (Profound), Marketing Architects

L’évaluation pré-achat est invisible, la conversion atterrit comme du trafic Google brandé : ChatGPT influence la décision, Google récolte le crédit. Chaque moteur s’appuie d’ailleurs sur un backend distinct - ChatGPT vers Bing, Claude vers Brave, Perplexity sur son propre index - la visibilité se joue moteur par moteur.

« Being seen », « being chosen »

L’agent reçoit une mission - « le meilleur casque pour vol long-courrier » - et exécute découverte, comparaison et choix en arrière-plan. Soit la marque figure dans la réponse finale, soit elle ne participe pas : il n’y a plus d’étape d’awareness intermédiaire où se rattraper. WARC le résume : « It’s no longer about being seen, it’s about being chosen. » Les requêtes LLM (~23 mots en moyenne contre 4 en SEO) expriment explicitement la situation d’usage - c’est la formulation verbale des points d’entrée de catégorie (voir Category Entry Points).

Le funnel observable se raccourcit côté visible et s’allonge côté invisible : toute l’évaluation pré-clic (consultation LLM, comparaison agentique, exposition aux recommandations) se passe hors instrumentation - les dashboards des régies n’en voient ni le début ni la fin. Le pilote perd la vue sur l’amont au moment précis où l’amont prend de l’importance.

La scénario le plus probable n’est pas la substitution. Le podcast Sleeping Barber rappelle que Google entre dans l’ère de l’AI Mode avec ce que personne d’autre ne possède : des décennies d’infrastructure publicitaire et un système qui sait déjà transformer l’intention en revenu. Les concurrents maîtrisent la conversation, Google la monétisation - la coexistence entre search conversationnelle et couche de transaction Google est le scénario probable à 3-5 ans. Corollaire pour la mesure : « search becomes conversational, which means performance metrics may look worse than they ever looked before, and brand presence inside these AI environments becomes quite critical. » Les métriques de performance vont paraître se dégrader sans dégradation réelle - il faut préparer cette lecture, y compris côté direction financière.

Les agents d’achat : déjà en marche

Le sujet n’est pas prospectif. Selon les données Adyen (janvier 2026) relayées par Kirk Williams (ZATO), 35 % des acheteurs américains utilisent déjà un assistant IA pour leurs achats, et plus de la moitié se disent prêts à lui confier l’intégralité du checkout. Le modèle requête clavier, clic sur annonce s’efface au profit d’agents qui opèrent découverte, comparaison et sélection en arrière-plan, sans clic visible.

L’implication opérationnelle est l’enchère machine-à-machine : l’IA publicitaire de Google négocie avec l’IA personnelle du consommateur - « computers talking to computers to spend human money ». La donnée produit (Merchant Center : spécifications, matériaux, délais) devient le principal signal de compétitivité, car l’agent évalue sur les faits structurés et non sur le créatif : « An AI with incomplete information drops your product from the evaluation. » C’est la disponibilité physique transposée à l’ère agentique - être dans l’inventaire de l’agent, pas seulement dans la page de résultats (voir Disponibilité Physique & Digitale).

Le moteur économique de la bascule est explicite : « agents are easier to monetize because they save users time in a much more tangible way than getting an answer » - d’où la course de Perplexity Shop, Google Mariner et OpenAI vers l’achat actionnel. Corollaire : dès que l’agent remplace la page de résultats sur les requêtes à fort volume, les volumes de clics baissent mécaniquement, indépendamment de toute action marketing.

Mais pas de désintermédiation totale

Le contrepoint tient en deux données. D’abord le clickstream Semrush : les clients arrivant via un moteur IA où la marque est explicitement référencée convertissent 4,4× mieux que la moyenne. Convergent avec les données WARC (SimilarWeb, Adobe) : les visiteurs référés par ChatGPT convertissent à ~11 % - mieux que le paid search, l’email ou le social -, passent plus de temps et voient plus de pages. Le LLM agit comme un filtre d’intention qualifié, pas comme un substitut de marque (voir Trafic LLM).

Ensuite l’argument de conception : l’agentique pur - l’agent qui achète seul - est improbable. L’analogie de l’option « I’m feeling lucky » de Google (moins de 1 % d’usage malgré un coût d’erreur minime) et l’aversion à la perte le suggèrent, et l’argument de Lipsman (WARC) le formule : « shopping is the process of building conviction - when you outsource everything to an agent, you deprive yourself of building that conviction. »

La bonne question de pilotage n’est donc pas « l’agent va-t-il remplacer le site ? » (probablement non) mais « la séquence amont LLM est-elle instrumentée ? » - et à date, presque jamais.

Limites

L’argument de Barta est un post LinkedIn prospectif. L’effondrement du clic est réel et mesuré ; l’hypothèse « les agents choisiront à la place des humains » reste spéculative en 2026 : la direction semble juste, la vitesse et l’ampleur restent ouvertes. Agir sur l’instrumentation et la marque ne suppose pas de parier sur un scénario agentique total.

Si ta scale-up plafonne aujourd’hui

  • Isoler le canal LLM dans l’attribution. Tracke séparément ChatGPT, Perplexity et Claude (segmentation par source), et ajoute les LLMs au menu « comment avez-vous entendu parler de nous ? » en post-achat. Ce trafic est marginal (1-3 %) mais convertit 4,4× mieux : ton ROAS apparent par canal en est distordu, à corriger dans la lecture (voir Trafic LLM).
  • Lire la baisse de clic comme une mutation, pas une panne. Recul du Display, du paid search non-brand, du trafic informationnel : c’est le funnel qui se déplace vers l’amont LLM, pas un défaut de campagne. Sur-allouer en performance en réaction renforce le doom loop du plateau (voir Performance Plateau).
  • Protéger tes owned audiences et ta first-party data. Les assistants natifs (Walmart Sparky : paniers ~+1/3) et OpenAI Instant Checkout (~-1/3) redessinent l’équilibre : bâtir dans l’environnement OpenAI revient à donner sa first-party data à un futur désintermédiaire. « Direct customer relationships are still your No. 1 asset » - la relation directe reste l’actif n°1.
  • Compléter tes feeds produit. Spécifications, matériaux, délais : l’agent élimine les produits à information incomplète avant toute considération créative. Le Merchant Center est un terrain de compétitivité, pas une formalité.
  • Garder la main sur ce qui n’est pas délégable. La full-automation régie (« we just do the rest ») érode les actifs distinctifs, le brand-building et le diagnostic externe - pendant que les stacks publicitaires s’améliorent plus vite que la mesure indépendante (MMM, geo-tests, voir Actifs Distinctifs). Non délégable : produit, offre, positioning, landing page, attribution externe, stratégie de marque.

Pour aller plus loin

  • La marque vue par les LLMs - Le mécanisme mode-seeking, le brand embedding comme actif, et la distinctivité comme antidote : le versant « être choisi » de cette page.
  • Trafic LLM - Le cadrage chiffré du canal chatbot référent : marginal en volume, 4,4× en conversion.
  • Generative Engine Optimization (GEO) - La discipline supply-side : comment les LLMs choisissent leurs citations, et pourquoi le GEO amplifie ce qui est déjà propriétaire.
  • Disponibilité Physique & Digitale - La disponibilité transposée à la couche machine : feed produit, badges, position dans la grille.
  • Performance Plateau - Le doom loop que la lecture erronée de la baisse de clic vient renforcer.

Sources

ℹ️ À propos de cette page

Reaching Kibo explore les vrais moteurs de la croissance des scale-ups B2C - et comment les mettre en pratique. Cette page appartient à Basecamp, le playbook du projet.

Elle est rédigée par IA, d’après le cadre et la direction que je donne. Une erreur, un désaccord, une source à ajouter ? Écris-moi : romain@reachingkibo.com.