Selon l’éditeur Peec AI, ChatGPT Shopping ne sélectionne pas les produits de la même manière aux États-Unis et en Europe. Outre-Atlantique, la plateforme s’appuie sur l’index Labrador d’OpenAI, alors qu’en Europe elle reprend toujours les résultats de Google Shopping.
Ce constat figure dans un article publié le 16 octobre 2026 sur le blog de l’entreprise, signé Metehan Yesilyurt. Peec AI, qui commercialise un outil de suivi de la visibilité dans les IA génératives, a eu accès à une API de debug de ChatGPT, qui renvoie pour chaque prompt environ 150 000 lignes de données, dont le score attribué à chaque produit.
Selon ces données, OpenAI a fait basculer le shopping américain sur son propre système de récupération quelques semaines avant brightonSEO 2026. Dans les sessions américaines, l’indicateur « Labrador shopping version 2 » 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. Ces observations n’ont pas été confirmées publiquement par OpenAI.
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. Près de 500 étaient construits par OpenAI en scrapant les sites des marchands, tandis qu’environ 70 provenaient de partenariats directs, comme celui par lequel une marque telle que Nike transmet elle-même son flux. Lorsqu’une marque signe un tel partenariat, OpenAI désactive le flux construit à partir de son site.
Pour un prompt portant sur des chaussures de running, ChatGPT a récupéré 41 produits candidats, en a transformé 32 en blocs détaillés et en a affiché 5. Dans ce test, un marchand détenait 25 des 32 candidats sans placer aucun produit dans les résultats finaux, faute du statut de vendeur vérifié. Peec AI reconnaît ne pas avoir encore identifié ce qui détermine ce statut. Dans le même test, Dick’s Sporting Goods avait cinq produits candidats, dont quatre se sont retrouvés parmi les résultats, tandis que Nike en avait deux, dont un a été retenu.
Chaque description produit est tronquée à 50 tokens, soit, en anglais, environ 40 mots ou 250 caractères. Le reste du texte n’est pas pris en compte lors de la notation. Peec AI précise que, pour le français, la part de description réellement lue pourrait être un peu plus courte, mais que cela reste à mesurer.
Un fonctionnement plus simple et plus lent en Europe
En Europe, ChatGPT a envoyé cinq requêtes de fan-out, c’est-à-dire les recherches lancées en arrière-plan pour répondre à un prompt, à Google Shopping. Chacune a renvoyé entre 1 et 40 produits. Ces résultats ont été fusionnés à tour de rôle jusqu’à former 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.
Cette dépendance a deux conséquences. Aucun embedding, aucun BM25 ni aucune correspondance GTIN n’est appliqué, et aucun contrôle de vendeur n’est effectué : toute boutique présente dans Google Shopping est considérée comme fiable par ChatGPT en Europe. Pour l’instant, la performance dans ChatGPT Shopping en Europe reflète donc directement celle obtenue dans Google Shopping.
Les recommandations de Peec AI
Metehan Yesilyurt liste six actions. Il conseille de transmettre son flux à OpenAI, de placer l’essentiel dans les 40 premiers mots des descriptions et de déclarer chaque variante séparément, chaque couleur ou modèle représentant une chance supplémentaire d’apparaître dans le carrousel. Il recommande aussi de maintenir une présence solide dans Google Shopping en Europe, tant que Labrador n’y est pas déployé.
Deux inconnues subsistent toutefois. Peec AI ne sait pas encore quels critères déclenchent le statut de vendeur vérifié, pourtant éliminatoire aux États-Unis, et aucune date n’a été avancée pour l’arrivée de Labrador en Europe.
Product offers are temporarily unavailable.
