Cette page est en noindex, les liens sont nofollow et l’article n’est lié depuis aucune page du site.
ChatGPT Shopping ne sélectionne pas ses produits de la même façon aux États-Unis et en Europe, selon Peec AI, éditeur d’outils de suivi de la visibilité dans les IA génératives. D’après l’entreprise, le système américain repose sur un index propre à OpenAI, alors que le système européen dépend toujours de Google Shopping.
Dans un article publié le 16 octobre 2026 sur son blog, Metehan Yesilyurt indique que l’équipe a eu accès à une API de debug de ChatGPT. Pour chaque prompt, elle renvoie environ 150 000 lignes de données sur la récupération des produits, dont le score attribué à chacun d’eux. Malte Landwehr, CPO et CMO de Peec AI, a présenté ces résultats lors de brightonSEO 2026. Ces observations n’ont pas été confirmées publiquement par OpenAI.
Selon ces données, OpenAI a fait basculer le shopping américain sur son propre système quelques semaines avant cette conférence. Aux États-Unis, l’index Labrador, construit à partir de flux produits, est activé, tandis que le scraping de Google Shopping via une SERP API, un service tiers qui extrait les pages de résultats d’un moteur, est désactivé. Les sessions européennes présentent la configuration inverse.
Aux États-Unis, le flux produit conditionne la visibilité
Au moment de la conférence, le shopping américain s’appuyait sur 669 flux, dont 606 actifs. Environ 70 provenaient de partenariats directs, comme celui d’une marque telle que Nike, qui transmet elle-même son flux à OpenAI. Près de 500 étaient construits par OpenAI en scrapant les sites des marchands via Bright Data, le reste passant par Shopify.
Pour observer la sélection, Peec AI a testé un prompt portant sur des chaussures de running. ChatGPT a récupéré 41 produits candidats, en a transformé 32 en « blocs de prompt » détaillés, puis en a affiché 5. Les données montrent plusieurs signaux, dont les scores d’embeddings, qui mesurent la proximité sémantique entre la requête et le produit, et le score BM25, un classement fondé sur la fréquence des termes de la requête dans le texte.
Chaque candidat porte un attribut is_site_verified_seller. Sans lui, la boutique est exclue. Dans le test, un marchand détenait 25 des 32 candidats sans placer aucun produit dans les résultats finaux. Peec AI reconnaît ne pas avoir identifié ce qui détermine cette attribution. Dick’s Sporting Goods, de son côté, avait cinq candidats, dont quatre se sont retrouvés parmi les cinq résultats. Peec AI en conclut qu’il vaut mieux envoyer chaque variante, par modèle ou par couleur, comme une entrée distincte.
Les descriptions sont également tronquées à exactement 50 tokens, soit environ 40 mots ou 250 caractères en anglais. Dans le test, l’une d’elles s’arrêtait au milieu d’une phrase, « Pattern offers a smooth heel to… ». Le reste du texte n’est pas pris en compte lors de la notation. Peec AI précise que cette équivalence concerne l’anglais et que la part lue pourrait être plus courte pour une fiche en français, « mais cela reste à mesurer ».
En Europe, un fonctionnement plus simple et plus lent
Pour un prompt de test, ChatGPT a envoyé cinq requêtes de fan-out à Google Shopping via une SERP API. Chacune a renvoyé entre 1 et 40 produits. Les résultats ont ensuite été fusionnés à tour de rôle, jusqu’à obtenir une liste de 113 produits, dont 18 ont été affichés. L’ensemble de l’étape a pris environ quatre secondes, contre environ 0,6 seconde aux États-Unis.
Aucun embedding, aucun BM25 ni aucune correspondance GTIN ne sont appliqués en Europe, et aucun contrôle de vendeur n’est effectué. Selon Peec AI, un bon positionnement dans ChatGPT Shopping en Europe reflète donc directement celui obtenu dans Google Shopping, et pourrait ne pas résister à l’arrivée de Labrador dans la région. Aucune date n’a été avancée pour ce déploiement.
