Kiwop Labs · Étude
IA dans l'e-commerce espagnol 2026 : ce que les boutiques montrent à l'IA
Nous avons mesuré 300 boutiques en ligne espagnoles les 1er et 2 septembre 2026, puis revérifié chaque donnée le 5 septembre 2026. Ce n'est pas un sondage : c'est ce que trouve n'importe quel crawler ou agent d'IA en arrivant. Méthode, dataset et scripts sont ouverts.
Cinq choses que disent les données
- L'e-commerce espagnol ne ferme pas la porte à l'IA. Seules 10,7 % des boutiques bloquent un crawler d'IA dans leur robots.txt et 5 % bloquent GPTBot. Quand une boutique bloque, elle bloque surtout CCBot, ClaudeBot, Bytespider et l'agent de Meta.
- Mais elle ne lui parle pas non plus. Sur les 216 fiches produit que nous avons pu localiser, seules 27,8 % exposent le produit avec schema Product. L'IA entre, mais sur sept fiches sur dix elle ne trouve ni prix, ni stock, ni référence qu'elle puisse lire sans deviner.
- Le llms.txt est passé de l'anecdote à la norme en deux mois, et la moitié des boutiques ne l'a pas décidé. Dans le pilote de juillet, 1 boutique sur 20 en avait un. Aujourd'hui, 26 % des 300 en servent un, mais 13 % est le modèle automatique que Shopify installe sur toutes ses boutiques. 13 % l'ont écrit elles-mêmes.
- La taille explique presque tout, dans les deux sens. Les grandes exposent plus de produits en schema (34,4 % contre 17,7 % chez les petites) et les petites ont plus souvent un llms.txt (36,6 % contre 17,3 %), parce que ce sont elles qui tournent sur Shopify.
- La relation client automatisée reste minoritaire : 23,2 % ont un chatbot détectable sur la page d'accueil (Oct8ne, Zendesk et Salesforce, dans cet ordre) et 30,6 % un moteur de recherche personnalisé. Ni l'un ni l'autre n'est de l'IA générative en soi.
Le chiffre du llms.txt, avec les petites lignes
Nous avons détecté un llms.txt dans 86 boutiques et nous les avons tous relus. 78 sont de vrais fichiers texte. Parmi eux, 39 commencent par « Agent Instructions » : c'est le modèle que Shopify sert à toutes ses boutiques sans que personne le demande (sur les 44 boutiques de l'échantillon identifiées sous Shopify, 39 l'ont). Les 39 autres ont été écrits par la boutique. Le reste était une page normale renvoyant un code 200, ou ne répondait plus, et n'est pas compté. Publier « 29 % parlent déjà à l'IA » sans cette distinction serait faux : le chiffre honnête est 13 % par décision propre et 13 % par défaut de la plateforme.
Parmi celles qui l'ont écrit elles-mêmes : MediaMarkt, SHEIN, Samsung, Casa del Libro, PlayStation, Sprinter, Tradeinn, ManoMano, LG, General Optica.
Par taille
Trois tranches d'une centaine de boutiques chacune, selon le trafic estimé de la base de sondage. Pourcentages sur le total de la tranche ; schema Product, chatbot et moteur de recherche sur les boutiques où la mesure a été possible.
| Tranche | n | Mesurables | Bloquent un crawler IA | Bloquent GPTBot | llms.txt vérifié | llms.txt maison | Schema Product (fiches) | Chatbot | Recherche personnalisée |
|---|---|---|---|---|---|---|---|---|---|
| Grandes | 98 | 86 | 11,2 % | 8,2 % | 17,3 % | 13,3 % | 34,4 % | 22,1 % | 25,6 % |
| Moyennes | 101 | 89 | 8,9 % | 2 % | 23,8 % | 13,9 % | 32,9 % | 28,1 % | 39,3 % |
| Petites | 101 | 96 | 11,9 % | 5 % | 36,6 % | 11,9 % | 17,7 % | 19,8 % | 27,1 % |
| Total | 300 | 271 | 10,7 % | 5 % | 26 % | 13 % | 27,8 % | 23,2 % | 30,6 % |
Par secteur
Dix secteurs. Les cases avec moins de 25 boutiques sont indicatives, et nous le disons : elles montrent une direction, pas des écarts fins.
| Secteur | n | Bloquent un crawler IA | llms.txt vérifié | llms.txt maison | Schema Product (fiches) | Chatbot |
|---|---|---|---|---|---|---|
| Généralistes et places de marché | 62 | 12,9 % | 14,5 % | 14,5 % | 29,3 % | 16,7 % |
| Maison | 35 | 20 % | 42,9 % | 22,9 % | 30,8 % | 38,2 % |
| Mode | 33 | 6,1 % | 33,3 % | 9,1 % | 40,9 % | 25 % |
| Sport | 28 | 14,3 % | 17,9 % | 10,7 % | 45,5 % | 30,8 % |
| Électronique | 28 | 10,7 % | 28,6 % | 25 % | 21,1 % | 16,7 % |
| Bijouterie et luxe | 28 | 7,1 % | 53,6 % | 14,3 % | 27,8 % | 33,3 % |
| Beauté * | 24 | 0 % | 20,8 % | 0 % | 17,6 % | 35 % |
| Santé et parapharmacie * | 24 | 16,7 % | 12,5 % | 8,3 % | 31,6 % | 8,7 % |
| Vins et boissons * | 23 | 8,7 % | 26,1 % | 13 % | 10 % | 0 % |
| Alimentation * | 15 | 0 % | 6,7 % | 0 % | 8,3 % | 33,3 % |
* n < 25
Qui est bloqué
Les crawlers d'IA les plus souvent bloqués dans les robots.txt de l'échantillon : CCBot (20), ClaudeBot (18), Bytespider (18), meta-externalagent (18), GPTBot (15), Google-Extended (14). GPTBot n'est pas en tête : le blocage se concentre sur les robots d'entraînement (CCBot, Bytespider) et sur les agents d'Anthropic et de Meta.
Qui répond
Fournisseurs de chatbot détectés sur la page d'accueil : Oct8ne (27), Zendesk (17), Salesforce Chat (12), Gorgias (6), Genesys (2), Tidio (2). La détection se fait par signature de script, donc un chatbot chargé après la première interaction n'apparaît pas.
Que faire de tout ça si vous avez une boutique
- Laissez entrer ceux qui doivent vous recommander. Vérifiez votre robots.txt : bloquer GPTBot, ClaudeBot ou PerplexityBot vous sort des réponses d'achat de ces assistants, et ne vous protège pas des robots d'entraînement si vous ne les nommez pas.
- Expliquez votre produit dans une langue que la machine lit. Schema Product avec prix, disponibilité, marque et référence sur chaque fiche, et un flux cohérent avec ce que voit l'utilisateur. C'est ce qui sépare « on vous cite » de « on vous achète ».
- Regardez ce que vous dites déjà. Si votre boutique tourne sous Shopify, vous avez un llms.txt que vous n'avez pas écrit : lisez-le. Et si vous n'en avez pas, écrivez-en un court et vrai plutôt qu'un long sorti d'un modèle.
Méthode
- Échantillon : 300 boutiques en ligne opérant en Espagne, choisies selon une règle publique secteur × taille sur la base de Semrush Trending Websites Espagne (juin 2026), avec criblage et repêchage documentés. 53 domaines sont restés dehors faute d'être mesurables (places de marché mondiales sans fiche localisable, applis, etc.).
- Double passage : une requête HTTP identifiée comme KiwopResearchBot et une session de Chromium headless avec le user-agent de Chrome normalisé et navigator.webdriver honnête, sans contournement du fingerprinting. La fusion se fait par signal : une boutique compte comme accessible si elle a répondu à l'une des deux.
- Ce qui est mesuré : existence et règles du robots.txt pour 14 crawlers d'IA, existence d'un llms.txt, types de JSON-LD sur la page d'accueil, localisation d'une fiche produit et présence de schema Product dessus, signatures de chatbot et de moteur de recherche personnalisé sur la page d'accueil.
- Vérification a posteriori : chaque llms.txt détecté a été relu et classé (écrit par la boutique, modèle de plateforme, faux positif, sans réponse). La plateforme de chaque boutique est détectée par signatures sur la page d'accueil avec un fetch identifié, et reste indicative.
- Nous n'avons rien acheté, créé aucun compte et résolu aucun CAPTCHA. Un blocage anti-bot est un résultat, pas un obstacle à contourner.
Limites
- On mesure ce que la boutique expose, pas ce qu'elle obtient : qu'une fiche ait schema Product ne garantit pas qu'un assistant la cite, et ne pas l'avoir ne l'empêche pas.
- C'est une photo de deux jours. Une boutique dont le CDN était en mode défi ce jour-là ressort comme non mesurable ; c'est pour ça que nous publions le taux d'accessibilité au lieu de le cacher dans les pourcentages.
- La détection du chatbot et du moteur de recherche passe par des signatures de script connues : elle sous-estime le sur-mesure.
- La détection de plateforme ne répond pas sur un tiers des boutiques (elles bloquent le fetch identifié) et ne se devine pas : elle est publiée comme « sans réponse ».
La suite
La deuxième partie est celle que personne n'a publiée pour l'Espagne : un agent d'IA avec navigateur peut-il arriver au panier avec un produit précis ? Le protocole est écrit et préenregistré avant la mesure (40 boutiques, tâche identique, catégories de résultat fermées, sans contourner aucun anti-bot). Publication au quatrième trimestre 2026, et le niveau 1 se répète chaque trimestre pour avoir une série.
Dataset et scripts
- Dataset de cette édition (JSON, une ligne par boutique avec tous les signaux) ·
2026-09.json - Index des éditions (JSON)
- Scripts de mesure, de vérification et protocole agentique (GitHub)
Comment citer
Kiwop Labs (2026). IA dans l'e-commerce espagnol 2026 : ce que les boutiques montrent à l'IA. https://www.kiwop.com/fr/labs/ia-ecommerce-espagne
Données et textes sous licence CC BY 4.0 : vous pouvez les utiliser et les citer, avec un lien vers cette page.