Réponse en bref
Une méthode pour confronter fiche produit visible, données structurées, flux marchand et politique de retour avant de tester les réponses d'un assistant d'achat.
La réponse n'existe que pour une variante précise
Un assistant d'achat peut-il confirmer qu'une veste existe en taille M et qu'elle peut être retournée ? Affirmer qu'un catalogue est « prêt pour l'IA » ne suffit pas. Il faut connaître la couleur, la taille, le pays de destination, l'instant auquel le stock a été vérifié et les conditions de retour applicables. Cet article propose une méthode aux responsables de boutiques, aux équipes catalogue et aux développeurs. Il ne relate pas l'audit de VITON13 ni celui d'un autre vendeur : aucun SKU réel n'a été échantillonné pour l'écrire et aucune plateforme d'IA n'a fait l'objet d'une mesure. La question utile est de savoir quelles preuves recueillir avant de juger les réponses d'un assistant.
Quatre surfaces sont à comparer : la fiche visible par l'acheteur, les données structurées effectivement rendues, la ligne du flux marchand exporté et la politique de retour consultable. Le livrable est un registre d'écarts, pas une note générale de « visibilité IA ». Shopify présente sa propre infrastructure de commerce agentique comme un moyen de transmettre les informations de catalogue aux expériences connectées, puis de vérifier options, inventaire et prix sur le parcours d'achat. C'est le fonctionnement revendiqué pour son écosystème, non la preuve que chaque assistant lit le même flux ou une copie instantanément à jour. Les faits maîtrisés par le marchand viennent en premier ; la réponse d'un chatbot est une observation distincte.
Échantillonnez des combinaisons, pas seulement des produits parents
Définissez un petit échantillon susceptible de révéler différents défauts : une taille courante disponible, une taille épuisée, un coloris doté d'une autre photo, une variante remisée et un article soumis à une exception de retour. Pour chaque ligne, notez date, fuseau horaire, pays, devise, canal, taille et couleur exactes. Fixez la règle de sélection avant d'examiner les résultats, faute de quoi les cas gênants disparaissent facilement de l'analyse. Cinq variantes suffisent à expliquer cette feuille de travail, pas à estimer le taux d'erreur d'un catalogue entier. Des entrepôts ou des vitrines nationales distincts méritent des contextes distincts.
Prenons DEMO-COAT / noir / M / livraison en France. DEMO-COAT est un identifiant inventé à des fins pédagogiques, ni un véritable article ni un résultat d'enquête. Associez-lui l'identifiant interne de variante, l'URL de la sélection affichée et l'ID envoyé à chaque canal. Le produit parent peut rester disponible alors que le noir M est épuisé ; proposer le parent ne répond pas à la demande concrète. Inscrivez la question complète : « Puis-je commander aujourd'hui le noir M pour la France et combien coûterait son retour ? » Chaque partie de la réponse devra ensuite avoir sa source propre, avec l'heure à laquelle cette source a été examinée.
Consignez ce que la fiche montre réellement au client
Ouvrez la fiche dans une session neuve, sélectionnez la combinaison et attendez la fin du chargement. Relevez libellé de taille, mesures et unités, conseils de coupe, image choisie, prix actif avec sa devise, message de stock, état du bouton d'achat, destination de livraison et lien vers les retours. Recommencez sur un écran de téléphone si un sélecteur ou le lien disparaît à faible largeur. Conservez l'URL et une capture horodatée : une valeur exacte dans la base interne ne remplace pas l'affirmation faite à l'acheteur. « M » peut désigner une mesure du corps, du vêtement ou un simple code. Un guide qui ne le précise pas reste ambigu, même si le flux transmet correctement la lettre.
Suivez le parcours jusqu'au panier sans passer commande. La taille et la couleur sont-elles conservées ? Une variante épuisée redevient-elle cliquable après actualisation ? Le lien de retour accompagne-t-il l'article ou se cache-t-il uniquement dans le pied de page ? Une mention « retours gratuits » est-elle limitée à un pays ou à une catégorie ? Il s'agit de questions pour un audit réel, pas d'accusations envers une boutique particulière. La fiche visible constitue la référence humaine. Elle révèle aussi lorsqu'un JSON-LD techniquement valide décrit une offre différente de celle que l'acheteur peut effectivement placer dans son panier.
Rapprochez chaque variante des données structurées rendues
Inspectez le HTML qu'un robot reçoit, et pas seulement le composant source du dépôt. La documentation de Google sur les variantes présente ProductGroup, variesBy, hasVariant et productGroupID pour relier tailles et coloris ; elle décrit les versions sur une page comme sur plusieurs. Repérez le nœud Product ou ProductGroup pertinent, puis associez SKU, taille, couleur, photo et URL de l'Offer à la variante sélectionnée. Vérifiez priceCurrency, prix et availability par rapport à l'écran. Ouvrez directement l'URL de la variante afin de confirmer la sélection annoncée. Une offre générique du produit parent peut donner l'impression d'un balisage complet sans répondre à la question du noir M.
Servez-vous du Rich Results Test de Google pour contrôler la syntaxe et les conditions techniques de la fonctionnalité, puis confrontez les valeurs vous-même. Un test réussi ne certifie ni le guide des tailles, ni l'inventaire du moment, ni la lecture de ce balisage par un assistant externe. Google décrit également les retours structurés au niveau de l'Organization et de l'Offer. Si une politique générale est déclarée, une offre individuelle ne devrait pas inventer un autre délai sans exception véritable. Archivez le JSON-LD rendu et le résultat du test avec leur heure. Un développeur pourra reproduire l'écart et un éditeur pourra déterminer si le problème tient à la source ou à sa formulation.
Comparez le flux Merchant Center à la variante affichée
Exportez les lignes du flux correspondant aux mêmes identifiants et au même marché. La spécification de Google Merchant Center distingue l'ID d'un article de item_group_id, qui rassemble ses variantes ; elle présente size, size_type et size_system lorsqu'ils s'appliquent, ainsi que prix, disponibilité et lien de destination. Comparez taille et coloris à l'interface, puis l'ID de groupe au produit parent. Le lien ouvre-t-il la variante voulue ou ramène-t-il à une taille par défaut ? Si prix et stock évoluent vite, inscrivez les heures de génération et de traitement du flux à côté de la capture de la page. Un décalage d'actualisation crée aussi un risque pour le client, mais il demande parfois une correction de synchronisation et non de rédaction.
Ne transformez pas le flux Google en prétendu schéma universel. Les exigences Merchant Center varient selon la catégorie et le pays ; d'autres canaux possèdent leurs champs et leurs rythmes. Google demande que la disponibilité envoyée corresponde à la page d'arrivée, au paiement et aux données structurées. L'article de Shopify explique comment son propre catalogue alimente certaines expériences d'IA connectées. Il ne prouve pas qu'un flux Google indépendant soit lu par tous les assistants conversationnels. Séparez donc dans la feuille le système source, la valeur exportée et celle effectivement constatée. Un export bien rangé n'est pas, à lui seul, la vérité de l'expérience d'achat.
Lisez la politique de retour, pas seulement son badge
Depuis l'article échantillonné, ouvrez les conditions intégrales applicables au pays de livraison. Relevez la durée et son point de départ, l'état requis du vêtement, les exclusions, les frais d'expédition, le mode de remboursement et les démarches imposées au client. Les soldes, les pièces personnalisées ou les catégories soumises à des contraintes d'hygiène peuvent obéir à d'autres règles. Une pastille « retour sous 30 jours » ne résout rien si elle tait pays, frais ou exceptions. Cet audit vérifie la cohérence du contenu, sans constituer un conseil juridique ; le propriétaire des conditions ou le juriste du marchand doit approuver le texte applicable à chaque marché.
Confrontez ce texte au balisage et aux réglages de retour de Merchant Center. Google Search Central documente MerchantReturnPolicy au niveau Organization pour la règle générale et au niveau Offer pour certaines dérogations produit, avec notamment applicableCountry, merchantReturnDays et returnFees. Ces champs aident les systèmes compatibles à lire les termes déclarés, mais ne résument pas toutes les clauses ni ne certifient qu'un entrepôt les appliquera. Supposons, toujours de manière entièrement fictive, que DEMO-COAT annonce sur sa page 30 jours après livraison alors qu'un réglage du flux affiche 14 jours. Consignez ce conflit hypothétique et faites-le trancher par le responsable de la politique ; ne choisissez pas le nombre le plus séduisant pour la réponse d'une IA.
Transformez les écarts en corrections vérifiables
Tenez un registre avec une ligne par affirmation : identifiant de variante, marché, type de donnée, valeur visible, valeur structurée, valeur du flux, texte de la politique, heure, URL de preuve, responsable et statut. Classez les problèmes selon leur effet pour l'acheteur, non selon le service qui a saisi le champ. Une disponibilité erronée ou un coût de retour faux pour la taille demandée mérite une attention immédiate ; une légère différence dans le nom d'un coloris peut attendre si elle ne change pas l'article commandé. Pour le manteau imaginaire noir M, la réponse provisoire prudente est que la disponibilité ou les retours ne sont pas confirmés. Aucun défaut d'un marchand réel n'est allégué ici.
Une fois la source corrigée, actualisez page et flux, rouvrez l'URL exacte et reposez la question dans les expériences d'IA réellement prises en charge. Gardez requête, réponse, date, marché et preuves liées. Un succès ponctuel n'est pas un taux de fiabilité : les assistants peuvent récupérer une autre source, conserver un cache ancien ou refuser de conclure. Énoncez avant les essais une règle d'acceptation : prix et possibilité d'achat doivent concorder sur les surfaces maîtrisées par le marchand, chaque promesse de retour doit renvoyer à un texte approuvé et chaque désaccord restant doit avoir un responsable. Le résultat de cet audit est une source de vérité corrigée et un contrôle reproductible, jamais une garantie de citation, de classement ou de recommandation par une IA.
Checklist pratique
- Choisissez à l'avance des variantes précises et notez le marché, la date et la règle d'échantillonnage.
- Capturez la taille, le prix, le stock et le lien de retour visibles une fois la variante sélectionnée.
- Comparez le Product ou ProductGroup rendu à la variante et à son Offer.
- Exportez les lignes correspondantes du flux et rapprochez identifiants, taille, prix, stock et URL.
- Lisez les conditions applicables au pays choisi, consignez les écarts et nommez leur responsable.
Questions et réponses
Un balisage Product valide prouve-t-il que l'IA donnera la bonne taille ?
Non. Un outil de validation vérifie la structure selon ses propres règles. Il ne mesure pas le vêtement, n'atteste pas la justesse du guide des tailles et ne sait pas quel document un autre assistant a consulté au moment de répondre.
Faut-il une page séparée pour chaque taille et couleur ?
Pas nécessairement. Google décrit des variantes sur une page unique ou sur plusieurs pages. Ce qui compte ici est une identité stable et des URL, offres et disponibilités cohérentes pour chaque combinaison effectivement proposée.
Quelle politique de retour faut-il comparer ?
Celle qui s'applique réellement à l'article, au pays de livraison et au canal de vente testés. Vérifiez séparément le texte public, le balisage de l'organisation ou de l'offre et les réglages Merchant Center.
Un flux marchand peut-il corriger un guide des tailles erroné ?
Non. Le flux transmet un attribut de taille, mais ne rend pas exactes des mesures ou des indications de coupe incorrectes. Corrigez le dossier produit et la présentation pour le client, puis mettez les exports en cohérence.
Qu'est-ce qu'un résultat satisfaisant pour cet audit ?
Les informations échantillonnées concordent à une date donnée, les exceptions remontent à une source approuvée et les écarts ont un responsable. Ce résultat ne promet ni classement, ni citation, ni réponse correcte sur toutes les plateformes d'IA.