En une phrase : L’AEO (Answer Engine Optimization) c’est le SEO réécrit pour des moteurs qui ne renvoient plus une liste de liens mais une réponse synthétisée. Pour une boutique Shopify en 2026, ça veut dire optimiser pour que ChatGPT, Gemini, Le Chat, Copilot et Perplexity te citent dans la réponse et choisissent tes produits quand un utilisateur exprime une intention d’achat. Cette checklist couvre les 84 points à vérifier, classés par priorité, avec ce qui est natif Shopify, ce qui nécessite un metafield et ce qui demande un développement.

À qui s’adresse cet article : e-commerçants Shopify FR (Basic à Plus) qui veulent un plan d’action concret pour passer du “potentiellement visible” au “réellement choisi” dans les réponses des agents IA. Pas de théorie générale ici, juste des checks actionnables avec leur impact attendu.

TL;DR

  1. L’AEO n’est pas du SEO renommé. Le SEO optimise un classement dans une liste. L’AEO optimise une citation et une recommandation dans une réponse. La rédaction, le maillage et le balisage changent.
  2. Sur Shopify, 60 % du travail est gratuit et natif : robots.txt, opt-in Agentic Storefronts, Catalog Health, JSON-LD Product auto-généré. Encore faut-il que la donnée derrière soit propre.
  3. Les 84 points sont organisés en 10 sections : robots, Catalog, JSON-LD, titres et descriptions, FAQ, reviews, retours et livraison, maillage interne, signaux externes, monitoring.
  4. Quatre erreurs récurrentes détruisent l’AEO d’une boutique correctement positionnée par ailleurs : absence de GTIN, AggregateRating divergent entre site et Trustpilot, descriptions en prose marketing sans structure, et politique de retour invisible. On y reviendra.
  5. Le ROI mesurable arrive entre 60 et 90 jours après l’application de la checklist sur les 200 SKUs prioritaires, sous forme d’une hausse du trafic référent agentique et du volume Instant Checkout (si activé).
  6. Le monitoring est la partie la plus négligée. Sans outil de tracking de citations (Profound, Peec AI, AthenaHQ, Otterly, ou un setup maison), tu travailles à l’aveugle. La checklist se termine sur ce volet.

1. Ce que l’AEO change par rapport au SEO

Trois différences structurelles à intégrer avant la checklist.

Différence 1 : la requête n’est plus un mot-clé, c’est une intention en langage naturel. Un utilisateur ChatGPT ne tape pas “casque audio bluetooth 200€” mais “trouve-moi un casque sans fil sous 200 € pour le train, qui isole bien et qui ne fasse pas mal aux oreilles après deux heures”. L’agent décompose cette requête en cinq sous-contraintes implicites et filtre l’index sur ces sous-contraintes. Si tes attributs ne couvrent pas ces dimensions (isolation, confort prolongé), tu sors du filtre, indépendamment de ton classement Google.

Différence 2 : le ranking n’est plus une note unique, c’est un score multi-critères. L’agent ne te classe pas avec un PageRank-like. Il pondère : pertinence aux contraintes, signaux sociaux externes (reviews croisées Trustpilot, Reddit, Amazon), politique de retour, taux de réussite checkout, présence dans son index Catalog. Optimiser un seul critère ne suffit pas. C’est un travail global.

Différence 3 : la réponse est une recommandation synthétisée, pas une liste. L’agent cite 2-3 produits maximum dans 80 % des réponses shopping (étude BrightEdge, février 2026). Être en position 7 c’est être invisible. Le winner-take-most est plus brutal qu’en SEO classique.

L’AEO produit consiste donc à maximiser ta probabilité d’être l’un des 2-3 cités. C’est ce que cette checklist couvre.

2. Section 1 : robots et crawlers (10 points)

C’est le préalable. Si les bots ne te voient pas, rien d’autre ne compte.

Pour le détail des bots à autoriser et le robots.txt Shopify type, voir le glossaire : GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, Applebot-Extended.

3. Section 2 : Shopify Catalog et Agentic Storefronts (8 points)

Shopify Catalog est ton canal N°1 d’être découvert. Il pousse ton catalogue directement dans les index OpenAI, Google AI Mode, Bing Shopping et Perplexity, sans crawl.

Pour le secteur du reconditionné ou de l’occasion (itemCondition: RefurbishedCondition ou UsedCondition), ajouter aussi le métafield agent_ecommerce.repair_index ou équivalent, exposé dans le manifest UCP enrichi (voir audit-agentic-readiness-50k-skus).

4. Section 3 : JSON-LD structuré (12 points)

Shopify auto-génère du JSON-LD Product minimal sur chaque fiche. Suffisant pour être indexé, insuffisant pour être choisi. Compléter via le thème ou via une app de schema.

Tester via le Google Rich Results Test ET via le Schema Markup Validator de schema.org. Les deux donnent des erreurs différentes. Idéalement, ajouter aussi une vérification automatisée via le linter schema-dts ou via un cron qui parse 50 URLs par semaine.

5. Section 4 : titres et descriptions produit (10 points)

Là où la rédaction change vraiment vs le SEO traditionnel. La règle d’or : un agent extrait depuis des structures, pas depuis de la prose.

6. Section 5 : FAQ produit et FAQ globale (6 points)

Les FAQ structurées sont massivement sous-utilisées sur Shopify FR. Énorme quick win.

Erreur fréquente : avoir des FAQ riches sur le site mais sans JSON-LD. L’agent ne les lit pas, ou les lit en HTML brut avec une perte d’information.

7. Section 6 : reviews et signaux sociaux (8 points)

Les reviews sont un signal pondéré fortement par les agents. Mais elles doivent être cohérentes avec les sources externes que l’agent va consulter.

Erreur à éviter absolument : la review fabrication. Les agents détectent les patterns de fraude de reviews (langage uniforme, timing, IP). Trustpilot peut te flagger et l’agent croisera. Coût d’image durable.

8. Section 7 : retours, livraison, garanties (6 points)

C’est le terrain de jeu où un marchand FR a un avantage facile : les obligations légales françaises sont déjà avantageuses, il suffit de les structurer pour que l’agent les lise.

9. Section 8 : maillage interne et architecture (8 points)

L’architecture de ton site est lue par les agents comme un signal de “marchand sérieux”. Une boutique éparpillée avec 0 maillage interne perd des places.

10. Section 9 : signaux externes et autorité (8 points)

L’AEO ne se joue pas qu’on-site. Les agents construisent leur opinion sur ta marque depuis des sources externes que tu ne contrôles pas directement, mais que tu peux influencer.

C’est la section la plus longue à activer (3-12 mois), c’est aussi la plus défensive : tes concurrents ne peuvent pas la rattraper rapidement.

11. Section 10 : monitoring et mesure (8 points)

C’est la section systématiquement oubliée. Si tu ne mesures pas, tu ne peux pas itérer.

Note : si tu ne veux pas de SaaS dédié, un setup minimal avec un script Python qui interroge l’API ChatGPT et Perplexity sur tes 30 requêtes 1x / semaine et stocke dans une feuille Google fonctionne. Compte 2 jours de dev et 50€/mois d’API.

12. Les 4 erreurs qui détruisent tout

J’audite régulièrement des boutiques Shopify FR mid-market. Quatre erreurs reviennent dans 60 % des cas, malgré un Catalog Health correct.

Erreur 1 : absence de GTIN sur 40-60 % des SKUs. Le marchand a importé son catalogue depuis un ERP qui ne pousse pas les EAN. Le SKU apparaît dans Catalog Shopify mais avec un score de qualité < 70 %, et les agents le filtrent en priorité. Solution : enrichir via le métafield google.gtin, en bulk via Matrixify ou via l’API Admin Shopify.

Erreur 2 : AggregateRating divergent entre site et Trustpilot. Le site affiche 4,9/5 sur 800 reviews internes, Trustpilot affiche 3,2/5 sur 250 reviews. ChatGPT croise les deux et flagge la divergence. Conséquence : la marque sort des recommandations sur les requêtes “fiable” ou “recommandé”. Solution : audit Trustpilot, plan de gestion des réponses, réconciliation des sources.

Erreur 3 : description produit en prose marketing sans structure. “Découvrez notre crème miracle révolutionnaire qui change la donne…”. L’agent parse mais n’extrait rien d’utile. Aucun attribut, aucune contrainte matchable. Solution : réécriture template (premier paragraphe synthétique + bullets structurées + section limites).

Erreur 4 : politique de retour invisible. La page existe mais sans JSON-LD MerchantReturnPolicy. Sur les requêtes shopping où l’utilisateur exprime du doute (“est-ce que je peux retourner ?”), ChatGPT favorise les concurrents dont la politique est lisible structurée. Solution : ajouter le balisage, c’est 30 minutes de dev sur Shopify.

13. Roadmap d’application (30 jours)

Semaine 1 : audit et fondations gratuites

Semaine 2 : JSON-LD et données structurées

Semaine 3 : titres, descriptions, FAQ

Semaine 4 : monitoring et signaux externes

À J+90, mesurer l’évolution : volume citations, trafic référent agentique, commandes attribuables. Itérer sur les SKUs sous-performants.

14. Per Shopify plan : ce que tu peux faire selon ton niveau

Shopify Basic / Grow : sections 1, 2, 5, 6, 7 entièrement faisables. Section 3 (JSON-LD complet) nécessite parfois un thème custom ou une app. Section 8 et 9 sont accessibles avec un peu d’effort éditorial. Section 10 nécessite un budget SaaS ou du temps dev.

Shopify Advanced : tout est accessible. Le seul point limitant peut être le développement de metafields custom pour les attributs réglementaires sectoriels.

Shopify Plus : accès à robots.txt éditable, hooks Shopify Flow pour automatiser les enrichissements de données, B2B et expansion stores pour la segmentation par marché. Tout devient natif ou facilement codable. Sur Plus, la limite est le temps interne, pas le plan.

15. Ce qu’il ne faut pas faire

Trois pièges récurrents.

Piège 1 : automatiser la génération de descriptions avec un LLM. Tentant mais contre-productif. Les agents reconnaissent les patterns AI-generated et les pondèrent négativement. Si tu utilises un LLM pour aider à la rédaction, fais-le en mode “draft + édition humaine forte”, pas en mode “publication brute”.

Piège 2 : empiler les balises sans contenu derrière. Avoir un JSON-LD Product ultra-complet sur une fiche qui dit en réalité “Le meilleur produit pour vous” est pire que pas de balise du tout. L’agent croise et te pénalise.

Piège 3 : se focaliser sur la quantité plutôt que la qualité. Mieux vaut 50 SKUs irréprochables que 5000 médiocres. Les agents pondèrent la part de catalogue de haute qualité, pas le volume brut.

16. FAQ

Combien de temps avant de voir l’impact ?

Premiers signaux à 30-45 jours sur l’AEO pur (citations, trafic référent). Volume Instant Checkout significatif à 60-90 jours si activé. ROI mesurable comptable à 3-6 mois.

Est-ce que je dois faire la checklist d’un coup ou itérativement ?

Itératif. Vise un Catalog Health > 90 % sur le top 100 SKU avant tout. Puis JSON-LD, puis FAQ, puis monitoring. Faire les 84 points d’un coup est irréaliste pour une équipe mid-market.

Quel ROI réaliste pour un Shopify FR mid-market ?

Ordre de grandeur : 2-5 % de CA additionnel à 6 mois post-mise en place complète, conditionnel à un trafic existant correct. Très dépendant du secteur (l’électronique pèse plus que le luxe sur ChatGPT actuellement).

Et si je suis sur Shopify mais pas en FR ?

La checklist s’applique. Adapter les références réglementaires (TVA, retours, garanties) à ton marché. Les sections 1 à 9 sont géographiquement neutres.

Mon thème ne supporte pas le JSON-LD MerchantReturnPolicy. Solution ?

Apps Shopify dédiées au schema (JSON-LD for SEO, Schema Plus, etc.) ou ajout custom dans theme.liquid (50-100 lignes Liquid). Pas la peine de changer de thème pour ça.

Comment je sais si un agent IA voit bien mes pages ?

Tester en curl -A "OAI-SearchBot" https://ta-boutique.com/products/exemple et observer le rendu (HTML serveur, pas JavaScript). Si le contenu critique n’est pas dans le HTML serveur (rendu côté client uniquement), l’agent ne le verra pas.

Est-ce que ChatGPT Apps SDK est dans cette checklist ?

Non, c’est un sujet à part. Voir Vendre sur ChatGPT en 2026 pour le décisionnel Apps SDK.

Conclusion

L’AEO sur Shopify n’est pas une optimisation marginale du SEO. C’est un travail structurel qui repose sur des fondamentaux : données structurées rigoureuses, contenu extractible, signaux externes cohérents, monitoring rigoureux. La bonne nouvelle c’est que Shopify gère nativement 40-50 % du travail. La moins bonne, c’est que les 50 % restants demandent un effort interne soutenu sur 3-6 mois.

Les boutiques FR mid-market qui s’y mettent maintenant prennent une avance qui se compose. Celles qui attendent 2027 se retrouveront face à des concurrents dont l’index agentique est déjà mature.

Si tu veux un audit AEO complet de ta boutique (les 84 points évalués, hiérarchisés, chiffrés en effort), demande un audit. On délivre un rapport sous 10 jours ouvrés.

Ressources liées