Amazon a retiré la marque Rufus le 13 mai 2026, intégrant son assistant d'achat IA dans un système unique appelé Alexa for Shopping. La technologie derrière Rufus a continué de fonctionner ; ce qui a changé, c'est qu'elle partage désormais sa mémoire avec Alexa+, si bien qu'un acheteur qui commence à se renseigner sur un produit depuis son téléphone peut reprendre la conversation sur une enceinte Echo. Au moment du relancement, Amazon a indiqué que l'assistant touchait déjà plus de 300 millions de clients, avec des utilisateurs actifs mensuels en hausse de plus de 115 % sur un an. Pour les marques, le nouveau nom compte bien moins que la mécanique sous-jacente : ce qui détermine quels produits sont cités à voix haute dans une réponse, et lesquels sont totalement laissés de côté.
Pourquoi Amazon a fusionné Rufus dans Alexa for Shopping
Amazon a fusionné Rufus avec Alexa+ parce que les deux systèmes ne partageaient pas de contexte. Un acheteur pouvait comparer des chaussures de randonnée dans le chat Rufus de l'application Amazon, puis ouvrir Alexa sur un appareil Echo et ne trouver aucune trace de cette conversation. Alexa for Shopping corrige cela en donnant aux deux interfaces une mémoire commune.
Rajiv Mehta, vice-président d'Amazon en charge du commerce conversationnel, a expliqué que l'objectif était que le client n'ait pas à se demander où il a commencé une discussion avec Amazon, selon la couverture de GeekWire de l'annonce du 13 mai. Le déploiement a débuté aux États-Unis la même semaine.
Ce calendrier s'inscrit dans un mouvement plus large. ChatGPT, Gemini et Perplexity ont chacun ajouté des fonctionnalités liées au shopping au cours de l'année écoulée, et Google permet désormais aux acheteurs de passer commande chez des enseignes comme Walmart et Wayfair sans quitter la conversation. OpenAI avait tenté le même mouvement en premier, avant de retirer son paiement intégré au chat en mars 2026 après une adoption plus faible que prévu. Amazon détient le plus grand catalogue produit de tous, ce qui explique précisément pourquoi le décalage entre les agents d'achat IA et les fiches produits traditionnelles, traité dans notre guide sur le commerce agentique et la préparation des fiches produits, compte davantage ici que presque partout ailleurs.
Les cinq couches qu'Alexa for Shopping analyse avant de nommer un produit
Alexa for Shopping ne fait pas tourner un seul algorithme de classement. Il empile cinq couches de données, chacune répondant à une question différente sur un produit, puis les combine avant de générer une réponse. Si une seule couche est mal renseignée, un produit peut être en stock, au bon prix, et pourtant ne jamais être cité.
Ces cinq couches sont :
Les grands modèles de langage, Claude Sonnet, Amazon Nova et un modèle personnalisé entraîné sur le catalogue d'Amazon, génèrent les phrases que lit l'acheteur.
La retrieval-augmented generation, qui puise dans les fiches produits, avis et questions-réponses d'Amazon, ainsi que dans des sources externes. Amazon a indiqué en novembre 2025 que Rufus s'appuyait sur des sources populaires comme le New York Times, USA Today, Good Housekeeping et Vogue lorsqu'une question requiert une expertise extérieure.
Un knowledge graph propriétaire qu'Amazon appelle COSMO, qui relie les produits aux situations concrètes décrites par les acheteurs, en connectant une phrase comme « tient sous un siège d'avion » à des dimensions de bagage précises, selon l'analyse de Perpetua de juin 2026 sur ce système.
L'analyse de sentiment des avis, qui extrait les thèmes récurrents, positifs et négatifs, des avis clients plutôt que de se contenter de moyenner les notes en étoiles.
La mémoire du compte, qui intègre les achats passés et la navigation de l'acheteur sur Amazon, Kindle, Prime Video et Audible dans ce qui est suggéré.
C'est un filtre plus étroit que celui appliqué par la plupart des moteurs IA. Microsoft Copilot, à l'inverse, puise encore dans l'index de recherche complet de Bing avant de restreindre à une réponse, si bien qu'une fiche qui ne se classe pas près du sommet de Bing a rarement plus de chances d'être citée par Copilot non plus.
Alexa for Shopping ne se comporte pas comme une page de résultats de recherche. Il cite typiquement cinq produits dans une réponse, contre une cinquantaine environ dans une grille de recherche Amazon standard selon l'analyse de Perpetua de juin 2026, et une fois l'achat agentique activé, il n'existe plus aucun repli vers la navigation classique.
Ce qui fait vraiment nommer un produit dans une réponse
Être recommandé par Alexa for Shopping n'a presque rien à voir avec la densité de mots-clés dans un titre. Tout dépend de si les attributs backend, le texte des puces et les avis d'un produit répondent à la question précise, souvent formulée de façon inhabituelle, que l'acheteur a réellement tapée.
Les données structurées d'Amazon servent aussi de données d'entraînement pour le modèle qui décide quoi dire, si bien que renseigner les champs backend comme le matériau, l'usage prévu, les dimensions et la compatibilité alimente directement le knowledge graph, selon les recommandations d'optimisation de Perpetua.
Des puces rédigées dans un ordre simple, ce que l'acheteur obtient, quelle fonctionnalité le permet, et à qui c'est destiné, offrent à la couche de récupération quelque chose de plus proche d'une réponse directe qu'une phrase marketing. Le guide de Tinuiti sur l'assistant recommande le même changement dans la description produit : répondre aux questions contraintes, comme savoir si une valise tient sous un siège d'avion, par des phrases déclaratives simples plutôt que de laisser l'acheteur le déduire d'un tableau de dimensions.
La même rigueur autour des entités qui aide une marque à apparaître correctement dans ChatGPT ou le Knowledge Graph de Google s'applique aussi ici. Quand la couche de récupération sort d'Amazon.com, c'est Amazonbot qui explore, de la même façon que GPTBot ou ClaudeBot indexent une page pour d'autres assistants. Un schéma produit JSON-LD déjà correct pour ces moteurs n'a pas besoin d'une version séparée ici.
Les thèmes récurrents des avis négatifs méritent eux aussi une réponse directe dans le texte de la fiche. Si les avis pointent régulièrement une autonomie de batterie trop courte, l'aborder frontalement dans la description donne à la couche de sentiment un contre-signal crédible, plutôt que de laisser la plainte comme seul thème qu'elle puisse extraire.
Sponsored Prompts : de vraies dépenses publicitaires, avec de vraies limites
Amazon vend désormais des publicités à l'intérieur des réponses d'Alexa for Shopping, appelées Sponsored Prompts, mais le format reste modeste et étroitement ciblé aujourd'hui. Il vaut la peine de le tester avec un budget limité. Il ne vaut pas encore la peine d'en faire une stratégie.
Un Sponsored Prompt est une question suggérée, liée à un produit ou une marque spécifique, qui apparaît dans la section « Les clients demandent » d'une fiche produit. Cliquer dessus déclenche une réponse générée, suivie d'une publicité avec un bouton d'ajout au panier, selon le décryptage du format par Intentwise, publié en novembre 2025. Les annonceurs y sont inscrits automatiquement et peuvent désactiver chaque prompt individuellement.
La portée reste faible. Un vendeur de taille moyenne suivi par eMarketer a reçu 88 clics via les Sponsored Prompts au premier trimestre 2026, contre 500 000 clics issus des publicités Amazon classiques sur la même période, soit moins de 1 % du volume total de clics. Le coût par clic tournait autour de 31 cents, moins cher que les 50 à 70 cents habituels des emplacements standards, bien qu'eMarketer ait précisé que ce repère reposait sur trop peu de données pour être fiable pour l'instant.
Le format cible aussi les acheteurs ayant déjà nommé une marque, plutôt que ceux encore en phase de comparaison, un point que les analystes d'eMarketer ont décrit comme méritant d'être traité « comme un outil de recherche, pas comme un levier de vente » jusqu'à ce qu'Amazon l'étende à des requêtes non affiliées à une marque, plus haut dans le tunnel d'achat. Ce ciblage réservé aux marques déjà nommées fait écho à un schéma que VizibleAI a aussi observé sur d'autres moteurs : un écart entre être mentionné et être cité comme la source réelle sur laquelle un acheteur agit.
Comment savoir si ça fonctionne
Mesurer la performance dans Alexa for Shopping suppose de suivre deux choses différentes : si un produit est cité dans les réponses à des questions réalistes d'acheteurs, et si les Sponsored Prompts qui lui sont associés apparaissent sur des requêtes pertinentes et à forte intention. Le rapport Prompts d'Amazon Ads, ajouté à la console fin 2025, est le seul endroit qui relie les deux.
Le rapport Prompts affiche les impressions, clics et achats par prompt, mais Intentwise notait fin 2025 que « peu de gestionnaires de compte semblent disposer de beaucoup de données dans l'onglet Prompts » pour l'instant, si bien que les échantillons restent minces pour la plupart des vendeurs. En dehors de la console publicitaire, la vérification la plus fiable reste manuelle : poser les questions comparatives précises que les acheteurs d'une catégorie posent réellement, quel mixeur est le plus silencieux, quelles chaussures de course conviennent aux pieds plats, et observer quelles marques l'assistant cite en premier, si tant est qu'il en cite.
La discipline sous-jacente rejoint ce qui régit déjà le fait d'être cité par Claude directement, puisque Claude Sonnet est l'un des modèles qui génère ces réponses : tester la formulation exacte qu'utiliserait un acheteur, pas le mot-clé que choisirait un marketeur, et suivre l'évolution de la réponse sur plusieurs semaines plutôt que de vérifier une seule fois.
Amazon n'a pas publié la fréquence à laquelle le graphe COSMO actualise sa lecture d'une fiche donnée, donc les vendeurs qui mettent à jour leurs attributs backend devraient prévoir au moins quelques jours avant de retester, sur la base du délai observé par l'équipe de Perpetua sur ses comptes clients.
Questions fréquemment posées
Qu'est-ce qu'Alexa for Shopping ?
Alexa for Shopping est l'assistant d'achat IA d'Amazon, né de la fusion entre Rufus, le chatbot lancé en bêta par Amazon en février 2024, et son assistant plus large Alexa+. Il répond aux questions sur les produits, compare les options et peut finaliser des achats sur l'application, le site web et les appareils Echo d'Amazon, en s'appuyant sur des grands modèles de langage, un knowledge graph propriétaire et l'historique du compte de l'acheteur pour générer ses recommandations.
Quand Amazon a-t-il renommé Rufus en Alexa for Shopping ?
Amazon a annoncé ce changement le 13 mai 2026 et a commencé à déployer l'assistant unifié aux États-Unis la même semaine. Le nom de marque Rufus a été retiré, bien que la technologie sous-jacente continue d'alimenter l'expérience d'achat en coulisses.
Quelles données Alexa for Shopping utilise-t-il pour décider quels produits recommander ?
Il combine cinq sources : des grands modèles de langage dont Claude Sonnet et Amazon Nova, de la retrieval-augmented generation puisant dans les fiches produits et des publications externes, un knowledge graph propriétaire appelé COSMO qui relie les produits à des cas d'usage réels, l'analyse de sentiment des avis clients, et l'historique du compte et des achats de l'acheteur.
Comment une marque peut-elle améliorer ses chances d'être recommandée ?
Renseignez tous les attributs produit backend qu'Amazon autorise, car ils alimentent directement le knowledge graph. Rédigez des puces et des descriptions qui répondent à des questions précises et contraintes dans un langage déclaratif simple, et traitez directement les thèmes récurrents des avis négatifs dans le texte de la fiche plutôt que de les laisser sans réponse.
Les Sponsored Prompts, les publicités d'Amazon dans l'assistant, valent-elles l'investissement ?
Les premières données invitent à la prudence. Un vendeur suivi par eMarketer a reçu moins de 1 % de ses clics publicitaires totaux via les Sponsored Prompts début 2026, et le format cible actuellement les acheteurs ayant déjà nommé une marque plutôt que ceux encore en phase de comparaison. Il est raisonnable de tester avec un budget limité, pas encore de s'y fier.