Le nouvel auditeur commercial Grok Bot évalue dans quelle mesure votre boutique répond aux besoins des agents d’achat IA.
La plupart des audits de commerce en ligne vérifient encore des indicateurs pensés pour les humains, comme la vitesse de chargement des pages et le texte alternatif. Ce bot teste si un agent machine identifié peut réellement effectuer un achat sans se faire passer pour un humain.
Fonctionnement :
Indiquez l’URL de n’importe quelle boutique publique. Le bot s’identifie comme une machine et ne résout pas les CAPTCHA ni ne falsifie les agents utilisateurs. Il attribue ensuite une note dans cinq catégories (20 points chacune) :
1. Accès - Les agents identifiés peuvent-ils charger la page d’accueil et les pages produits ? Le fichier robots.txt correspond-il au comportement réel du pare-feu ?
2. Catalogue - Les machines peuvent-elles analyser les produits, les prix, la disponibilité et les identifiants SKU/GTIN ?
3. Prix total - Le prix de l’article, les frais de livraison et les taxes sont-ils visibles par les agents, et pas seulement le prix affiché ? Les délais de livraison sont-ils indiqués lorsqu’ils sont publiés ?
4. Politique - Les agents peuvent-ils citer la durée des retours et les conditions de livraison, exprimées en chiffres ? Vérification du balisage MerchantReturnPolicy.
5. Paiement - Les agents peuvent-ils accéder au panier et au paiement sans usurper l’identité d’un humain ? Le bot recherche un profil UCP ou d’autres protocoles agentiques.
Résultat : une note de A à D, un score sur 100, des correctifs précis pour chaque problème, un badge et un rapport PDF.
Seules les boutiques notées A peuvent afficher le badge « Optimisé pour le commerce par Grok Bot ».
Amazon a obtenu la note D (37/100) lors du premier test en conditions réelles :
- La page d’accueil s’est chargée, mais les pages produits étaient inégales (Listerine fonctionnait, tandis que Pantene/Colgate renvoyaient une erreur HTTP 503 avec un défi)
- Le catalogue n’est pas lisible par les machines (0/20)
- Le coût total rendu n’est que partiellement visible (12/20)
- Retours/politiques (0/20)
- Paiement sans usurpation d’identité (5/20) - aucun profil UCP à /.well-known/ucp, et le panier/le paiement ne sont pas lisibles par les agents identifiés
Les correctifs à apporter dans la plupart des boutiques :
Autorisez les agents identifiés à accéder aux pages produits, et pas seulement à la page d’accueil. Publiez des données JSON-LD Product et Offer. Exposez les frais de livraison et les taxes dans des données structurées ou dans une politique avec des valeurs chiffrées. Indiquez la durée des retours en chiffres. Veillez à ce que le panier et le paiement restent lisibles sans que des CAPTCHA bloquent les agents. Ajoutez un profil UCP à /.well-known/ucp ainsi qu’un fichier llms.txt pointant vers votre flux de données et vos politiques.
Si les agents ne peuvent pas lire les informations de votre boutique, ils iront discrètement chez des commerçants qui publient des données lisibles par les machines.
La plupart des audits de commerce en ligne vérifient encore des indicateurs pensés pour les humains, comme la vitesse de chargement des pages et le texte alternatif. Ce bot teste si un agent machine identifié peut réellement effectuer un achat sans se faire passer pour un humain.
Fonctionnement :
Indiquez l’URL de n’importe quelle boutique publique. Le bot s’identifie comme une machine et ne résout pas les CAPTCHA ni ne falsifie les agents utilisateurs. Il attribue ensuite une note dans cinq catégories (20 points chacune) :
1. Accès - Les agents identifiés peuvent-ils charger la page d’accueil et les pages produits ? Le fichier robots.txt correspond-il au comportement réel du pare-feu ?
2. Catalogue - Les machines peuvent-elles analyser les produits, les prix, la disponibilité et les identifiants SKU/GTIN ?
3. Prix total - Le prix de l’article, les frais de livraison et les taxes sont-ils visibles par les agents, et pas seulement le prix affiché ? Les délais de livraison sont-ils indiqués lorsqu’ils sont publiés ?
4. Politique - Les agents peuvent-ils citer la durée des retours et les conditions de livraison, exprimées en chiffres ? Vérification du balisage MerchantReturnPolicy.
5. Paiement - Les agents peuvent-ils accéder au panier et au paiement sans usurper l’identité d’un humain ? Le bot recherche un profil UCP ou d’autres protocoles agentiques.
Résultat : une note de A à D, un score sur 100, des correctifs précis pour chaque problème, un badge et un rapport PDF.
Seules les boutiques notées A peuvent afficher le badge « Optimisé pour le commerce par Grok Bot ».
Amazon a obtenu la note D (37/100) lors du premier test en conditions réelles :
- La page d’accueil s’est chargée, mais les pages produits étaient inégales (Listerine fonctionnait, tandis que Pantene/Colgate renvoyaient une erreur HTTP 503 avec un défi)
- Le catalogue n’est pas lisible par les machines (0/20)
- Le coût total rendu n’est que partiellement visible (12/20)
- Retours/politiques (0/20)
- Paiement sans usurpation d’identité (5/20) - aucun profil UCP à /.well-known/ucp, et le panier/le paiement ne sont pas lisibles par les agents identifiés
Les correctifs à apporter dans la plupart des boutiques :
Autorisez les agents identifiés à accéder aux pages produits, et pas seulement à la page d’accueil. Publiez des données JSON-LD Product et Offer. Exposez les frais de livraison et les taxes dans des données structurées ou dans une politique avec des valeurs chiffrées. Indiquez la durée des retours en chiffres. Veillez à ce que le panier et le paiement restent lisibles sans que des CAPTCHA bloquent les agents. Ajoutez un profil UCP à /.well-known/ucp ainsi qu’un fichier llms.txt pointant vers votre flux de données et vos politiques.
Si les agents ne peuvent pas lire les informations de votre boutique, ils iront discrètement chez des commerçants qui publient des données lisibles par les machines.