Sommaire
Les LLM ne se contentent pas de répondre à une requête. Ils prolongent systématiquement la conversation en suggérant une action suivante. Ces “nudges” influencent directement les comportements et redéfinissent les parcours utilisateurs, notamment dans les contextes d’achat et de comparaison.
Jason Tabeling analyse ce phénomène dans un article publié par Search Engine Land, en étudiant la manière dont plusieurs plateformes utilisent ces suggestions.
Des suggestions qui prolongent la conversation
Les LLM ne s’arrêtent pas à une réponse. Ils proposent presque systématiquement une étape suivante. Par exemple :
- proposer de créer un itinéraire,
- comparer des produits,
- affiner une recommandation.
Ces relances sont intégrées à la réponse. Elles orientent la suite du parcours sans que l’utilisateur ait besoin de reformuler une demande.
Ce mécanisme influence directement les décisions. La direction prise par l’IA constituent pour Jason Tabeling un point important, notamment pour les marques.
Des nudges dominés par le prix et les comparaisons
Son analyse met en évidence des tendances dans les suggestions proposées. Les thèmes les plus fréquents :
- budget et promotions : environ 45 % des suggestions,
- comparaisons de produits : deuxième catégorie la plus présente,
- caractéristiques techniques : part minoritaire.
Les LLM partent donc du principe que l’utilisateur cherche en priorité :
- à comparer,
- à optimiser son budget.
Les contenus techniques restent utiles, mais interviennent moins dans la continuité de la conversation.
Des logiques différentes selon les plateformes
Chaque plateforme adopte un style spécifique pour orienter l’utilisateur.
- ChatGPT → forte orientation commerce, avec suggestions de deals et comparaisons.
- Microsoft Copilot → logique interactive, demande des précisions pour affiner.
- Google Gemini → approche formelle, basée sur la permission (“voulez-vous que…”).
- Perplexity → posture de service, avec des propositions d’aide variées.
- Meta AI → ton plus passif, orienté comparaisons et fiches produits.
Ces différences traduisent des positionnements distincts dans la manière de guider les utilisateurs.
Trois actions à mettre en place
L’auteur de l’article identifie ainsi trois axes de travail prioritaires pour les marques et les éditeurs.
Exploiter le manque sur le support
Les suggestions liées à l’assistance ou au dépannage sont moins fréquentes.
- investir les contenus post-achat,
- produire des guides pratiques,
- renforcer la présence sur les sujets techniques.
Miser sur les comparaisons
Les LLM orientent fortement vers des analyses comparatives.
- développer des contenus “A vs B”,
- structurer les comparaisons,
- couvrir plusieurs catégories de produits.
Travailler les données prix et offres
Le prix reste le premier déclencheur de suggestion.
- proposer des données tarifaires à jour,
- structurer les offres et promotions,
- faciliter leur exploitation par les plateformes.
Un levier qui structure les parcours
Ces suggestions ne sont pas neutres. Elles orientent :
- les décisions,
- les étapes du parcours,
- les points de contact avec les marques.
Il reste aujourd’hui difficile de suivre ces parcours de bout en bout. Les données sont encore fragmentées et limitées à des interactions isolées.
Mais une chose se confirme, les LLM deviennent un point d’entrée majeur dans la recherche et la décision. Comprendre la manière dont ils prolongent les échanges permet d’anticiper :
- les redirections vers des comparaisons,
- les mises en avant de prix,
- la place donnée à certaines marques ou contenus.
Suivre ces dynamiques devient essentiel pour maintenir sa visibilité et son positionnement dans des parcours de plus en plus pilotés par l’IA.
