Shopping Graph de Google

En bref — Le Shopping Graph est l’immense base de données de Google, mise à jour en permanence, qui recense les produits et les magasins qui les vendent. Imaginez une carte de « tous les produits du monde », construite à partir des flux envoyés par les commerçants, du balisage produit lu par Google sur les pages Web et de signaux provenant de tout le Web — avis, images et vidéos. Il alimente l’onglet Shopping, les grilles de produits dans la recherche classique et les réponses commerciales dans les AI Overviews, AI Mode et Gemini. Pour y représenter correctement vos produits, il faut surtout un flux propre et des données structurées concordantes.

Qu’est-ce que le Shopping Graph ?

Lorsque vous recherchez un produit à acheter sur Google — une paire de chaussures de course, un moulin à café ou un modèle précis de téléviseur —, les produits affichés ne proviennent pas de la liste habituelle de pages Web de Google. Ils viennent d’un système distinct que Google appelle le Shopping Graph.

Google le décrit comme son “ML-powered, real-time data set of the world’s products and sellers.” (traduction) « jeu de données en temps réel, alimenté par le machine learning, sur les produits et les vendeurs du monde entier ». En bref, c’est une immense base toujours à jour qui sait quels produits existent, qui les vend, combien ils coûtent et s’ils sont en stock. Google l’actualise lorsque les commerçants modifient leurs prix et leurs stocks. Evidence for this claim Google describes the Shopping Graph as an ML-powered, real-time data set of products and sellers. Scope: This is Google's product description; scale and supported experiences change over time. Confidence: high · Verified: 2026-07-14 Google: Shopping Graph explained

En quoi diffère-t-il d’un résultat de recherche classique ?

Un résultat Google classique est une page Web. Le Shopping Graph s’organise autour des produits. La différence est réelle. Si une chemise existe en cinq couleurs et six tailles, il ne s’agit pas de 30 éléments séparés dans le Shopping Graph, mais d’un produit auquel ses variantes sont rattachées. Google rassemble dans une seule fiche tout ce qu’il apprend sur cette chemise à partir de nombreuses sources.

Google le compare lui-même à son Knowledge Graph, la base de données qui alimente les encadrés d’information consacrés aux personnes, aux lieux et aux films. Le Shopping Graph reprend le même principe, mais l’applique aux produits plutôt qu’aux faits.

D’où viennent les produits ?

Deux canaux principaux, auxquels s’ajoutent quelques sources complémentaires :

• Les flux de produits envoyés par Google Merchant Center : titres, prix, images et disponibilité sont transmis directement à Google.
• Les données structurées de vos pages Web : ce code spécial, le balisage Product, décrit les mêmes caractéristiques lorsque Google explore le site.
• Le reste du Web : avis, images, vidéos YouTube et sites de fabricants apportent d’autres détails que Google intègre.

Il n’est pas strictement nécessaire de posséder un compte Merchant Center pour apparaître : depuis 2022, des données structurées de produit valides peuvent suffire à rendre une page éligible à certaines offres. Google recommande néanmoins d’utiliser les deux canaux. Evidence for this claim Google recommends providing both Product structured data and a Merchant Center feed to maximize eligibility and verification. Scope: Either path can support some experiences; both do not guarantee appearance. Confidence: high · Verified: 2026-07-14 Google: Product structured data (Merchant Center mérite un sujet à part entière.)

Ce qu’il alimente

Le Shopping Graph alimente de nombreuses surfaces familières : l’onglet Shopping, les grilles de produits en haut des recherches commerciales, Google Images et Lens, les annonces Shopping, puis les réponses commerciales plus récentes des AI Overviews, d’AI Mode et de l’application Gemini. Un point utile pour la confiance : Google indique que les listes de produits classées et les résultats Shopping des AI Overviews ne sont pas des placements payants. Ils sont distincts des véritables annonces Shopping.

Ce qu’il faut faire concrètement

Maintenez un flux de produits complet et exact, ajoutez des données structurées Product qui lui correspondent, gardez les prix et les stocks à jour et ne bloquez pas le robot commercial de Google, StoreBot-Google. Cela couvre l’essentiel, tout en gardant à l’esprit que ces mesures améliorent les chances d’une représentation exacte sans garantir l’inclusion ni le classement.

Vous voulez comprendre les mécanismes — les quatre entrées pratiques, le fonctionnement réel du « temps réel », la différence avec un index de recherche et la checklist complète du marchand ? Passez à l’onglet Advanced.

En bref — Le Shopping Graph est le “ML-powered, real-time data set of the world’s products and sellers” de Google (traduction) « jeu de données en temps réel, alimenté par le machine learning, sur les produits et les vendeurs du monde entier », explicitement inspiré du Knowledge Graph. L’analogie de Google suggère un modèle d’entités, non un index de pages : un nœud par produit, avec variantes et attributs rattachés. Google n’ayant pas publié ce modèle comme spécification exacte de l’index, considérez-le comme mon meilleur modèle de travail. Au moins quatre types d’entrées l’alimentent : les flux Merchant Center, les données structurées Product explorées, les vérifications d’exploration et de paiement de StoreBot-Google, et les signaux plus larges du Web. Il s’agit d’un regroupement pratique, non de la liste exhaustive de Google. Associer un flux et des données structurées maximise l’éligibilité et permet à Google de vérifier vos données : les deux se recoupent, ils ne font pas double emploi. La fraîcheur vient de l’ingestion continue du flux et des contrôles ponctuels de StoreBot, non d’une réexploration programmée. Google ne garantit toutefois pas le délai de traitement après exploration et un décalage entre flux et page peut créer des conflits temporaires. Google a cité plus de 50 milliards d’offres, dont environ 2 milliards mises à jour chaque heure, puis plus de 60 milliards à I/O 2026. Traitez tout chiffre comme un instantané daté, non comme une preuve de l’architecture sous-jacente : 35 milliards en février 2023, environ 50 milliards, puis plus de 60 milliards en quelque quatre ans. Le Graph alimente l’onglet Shopping, les grilles de produits de Search, Images et Lens, les annonces Shopping, les AI Overviews, AI Mode, Gemini, ainsi que le paiement agentique et Universal Cart. Google précise que ces listes classées et les résultats Shopping des AI Overviews ne sont pas sponsorisés. Pour renforcer votre présence — en améliorant l’éligibilité et la vérification, sans garantir l’inclusion, le classement, la citation par l’IA ou la conversion — fournissez un flux complet, GTIN/MPN/marque, des données structurées conformes au flux, des prix et disponibilités à jour, un accès non bloqué pour StoreBot, de vrais avis et des variantes correctement regroupées.

Ce qu’est réellement le Shopping Graph

La définition de Google est la plus claire : le Shopping Graph est “our ML-powered, real-time data set of the world’s products and sellers” (traduction) « notre jeu de données en temps réel, alimenté par le machine learning, sur les produits et les vendeurs du monde entier » (source).

Google établit ensuite l’analogie la plus importante pour le comprendre : “If this sounds familiar, it’s because the Shopping Graph is a similar model to our Knowledge Graph, Google’s database of facts about people, places and things.” (traduction) « Si cela vous semble familier, c’est parce que le Shopping Graph suit un modèle similaire à notre Knowledge Graph, la base de données de Google qui rassemble des faits sur des personnes, des lieux et des choses. » (source)

Cette analogie est déterminante et mérite d’être prise au sérieux. L’index de recherche classique s’organise autour de pages — une URL, son contenu et ses liens. Le Shopping Graph s’organise autour de produits considérés comme des entités. Un produit forme un nœud unique ; tout ce que Google apprend à son sujet — flux, balisage de la page, avis, images, données du fabricant — est normalisé et rattaché à ce nœud. Google indique que le système “scans billions of listings while also pulling relevant data from the web — like images, descriptions, reviews and YouTube videos” (traduction) « analyse des milliards d’offres tout en récupérant des données pertinentes sur le Web, comme des images, descriptions, avis et vidéos YouTube » (source) et “uses machine learning to understand relevant, nuanced characteristics.” (traduction) « utilise le machine learning pour comprendre des caractéristiques pertinentes et nuancées » (source)

Précisons les limites de cette affirmation : l’article explicatif et les pages d’aide de Google décrivent le jeu de données et le comparent au Knowledge Graph, mais aucun ne détaille la structure technique exacte de l’index. L’idée d’« un nœud par produit » découle naturellement de cette analogie et du comportement observé des produits. C’est mon meilleur modèle de travail, non une phrase énoncée textuellement par Google ni une spécification d’implémentation publiée.

La page d’aide destinée aux consommateurs apporte une seconde définition indépendante à confronter à la première : un “dynamic repository of product info that provides an up-to-date view of the products available” (traduction) « référentiel dynamique d’informations produit qui offre une vue à jour des produits disponibles » (source). Les deux formulations convergent sur les mêmes notions : temps réel et produits, non pages.

Quelle est sa taille — et pourquoi ce chiffre est-il trompeur ?

Google aime mettre en avant le nombre d’offres, mais celui-ci évolue sans cesse :

• L’article explicatif d’origine, publié en février 2023, affirmait qu’il contenait “more than 35 billion product listings (and counting).” (traduction) « plus de 35 milliards d’offres de produits, et ce nombre continue d’augmenter »
• L’article de Google sur le paiement agentique décrit le Graph comme réunissant “more than 50 billion product listings, 2 billion of which are updated every hour.” (traduction) « plus de 50 milliards d’offres de produits, dont 2 milliards sont mises à jour chaque heure » (source)
• Lors de Google I/O en mai 2026, Vidhya Srinivasan, VP/GM Ads & Commerce, l’a qualifié de “the world’s most comprehensive catalog of over 60 billion product listings” (traduction) « le catalogue le plus complet au monde, avec plus de 60 milliards d’offres de produits » et a indiqué que les utilisateurs font des achats sur Google plus d’un milliard de fois par jour.

La trajectoire est donc d’environ 35 milliards à plus de 50 milliards, puis à plus de 60 milliards en quelque quatre ans. Mon conseil sincère : ne mémorisez pas le chiffre. Toute valeur citée semblera dépassée quelques trimestres plus tard, car Google la renouvelle lors d’événements comme I/O. Ce chiffre sert de preuve à l’appui de l’affirmation sur le temps réel : une base qui grandit et se rafraîchit à ce rythme n’est pas un index réexploré périodiquement. Il ne prouve pas non plus un détail d’implémentation précis, telle la structure exacte des nœuds ou de l’index évoquée plus haut. Chaque valeur est un instantané daté, lié à l’article ou à l’événement où Google l’a annoncée, et non un compteur en direct. Pour obtenir un chiffre actuel, consultez la publication la plus récente de Google au lieu de vous fier au nombre figé dans un article, même celui-ci.

La statistique de fraîcheur est la seule que je retiendrais : environ 2 milliards d’offres mises à jour chaque heure. C’est le cœur mécanique du « temps réel » et ce qui distingue structurellement le Graph de l’index classique.

Les entrées : un modèle pratique, non la liste exhaustive de Google

Google indique que les données envoyées à Merchant Center, le contenu Web des détaillants et marques, ainsi que des ressources plus larges du Web — images, descriptions, avis et vidéos — alimentent le Graph. Il ne publie toutefois aucune taxonomie exhaustive comportant un nombre exact d’entrées. Le regroupement en quatre canaux ci-dessous est un modèle de travail pratique construit à partir de ce que Google documente. Il aide à raisonner sur l’optimisation, mais ne constitue pas une liste fermée ou officielle publiée par Google :

1. Les flux Merchant Center. C’est le canal direct : vous envoyez titres, prix, images, disponibilité et GTIN. La page d’aide de Google cite Merchant Center et Manufacturer Center comme les outils permettant aux marques et détaillants de transmettre directement leurs informations produit. La configuration et l’optimisation d’un flux constituent un sujet à part, que je ne redévelopperai pas ici.
2. Les données structurées de produit explorées sur vos pages. Google lit le balisage Product/Offer lorsqu’il explore les pages et peut, à partir de ce seul balisage, les rendre éligibles à certaines expériences d’offres marchandes.
3. L’exploration et la vérification du paiement par StoreBot-Google. Ce robot dédié récupère les pages produit, panier et paiement ; il simule même le passage en caisse pour vérifier vos déclarations. Nous y revenons plus loin.
4. Les signaux plus larges du Web. Avis, images, vidéos YouTube et sites de fabricants correspondent aux « données pertinentes récupérées sur le Web ».

La nuance souvent mal expliquée consiste à savoir pourquoi fournir à la fois un flux et des données structurées alors qu’ils semblent dire la même chose. La documentation de Google Search Central répond directement : “Providing both structured data on web pages and a Merchant Center feed maximizes your eligibility to experiences and helps Google correctly understand and verify your data.” (traduction) « Fournir à la fois des données structurées sur les pages Web et un flux Merchant Center maximise votre éligibilité aux différentes expériences et aide Google à comprendre et vérifier correctement vos données. » (source)

Ils ne sont pas redondants : ils se recoupent à des fins de vérification. La documentation précise que Google les combine : “Some experiences combine data from structured data and Google Merchant Center feeds if both are available. For example, product snippets may use pricing data from your merchant feed if it’s not present in the structured data on the page.” (traduction) « Certaines expériences combinent les données structurées et les flux Google Merchant Center lorsque les deux sont disponibles. Par exemple, les extraits de produit peuvent utiliser les prix du flux marchand s’ils ne figurent pas dans les données structurées de la page. » (source) Pour que ce contrôle fonctionne, les deux sources doivent concorder. La documentation Merchant Center impose que “structured data markup must be present in the HTML returned from the web server” (traduction) « le balisage de données structurées doit être présent dans le HTML renvoyé par le serveur Web » (source) et qu’il “must match the values that are shown to the user” (traduction) « doit correspondre aux valeurs affichées à l’utilisateur » (source). La mise en correspondance s’appuie sur l’alignement SKU/GTIN entre votre balisage Offer et les données de produit Merchant Center. Si le flux indique 49 $ et le balisage 59 $, vous donnez à Google un conflit à résoudre au lieu d’un moyen de vérifier les données.

Soyons clairs : la page Search Central consacrée aux données structurées Product n’emploie pas elle-même l’expression « Shopping Graph ». Cette marque apparaît dans le blog et l’aide, tandis que la documentation développeur décrit l’implémentation technique. Les données structurées et le flux restent néanmoins deux entrées du Graph, quelle que soit la page consultée.

Ce que signifie réellement la « fraîcheur » : StoreBot, non une réexploration

Il s’agit de la différence structurelle avec l’index de recherche classique ; la précision est donc importante. L’index classique se rafraîchit lorsque les pages sont réexplorées selon un calendrier algorithmique. Le Shopping Graph reste à jour par deux mécanismes simultanés :

• Ingestion continue du flux. Lorsque vous modifiez un prix ou marquez un produit en rupture de stock dans Merchant Center, l’information est transmise directement ; vous n’attendez pas la prochaine exploration de la page.
• Vérification par StoreBot-Google. Google exécute un robot dédié, StoreBot-Google, présenté dans l’aide Merchant Center comme “a search-engine-based program that automatically ‘crawls’ through web pages to gather and analyze data” (traduction) « un programme fondé sur un moteur de recherche qui explore automatiquement les pages Web afin de recueillir et d’analyser des données » (source). Il explore “certain types of pages, including, but not limited to, product details pages, cart pages, and checkout pages” (traduction) « certains types de pages, notamment les pages de détail des produits, de panier et de paiement » (source) et simule un paiement pour vérifier les frais et délais de livraison, les prix, la disponibilité, la validité des coupons et les moyens de paiement. L’objectif déclaré par Google est le suivant : “It allows Google to verify information you share through Merchant Center, and helps you keep your data more accurate and up to date.” (traduction) « Il permet à Google de vérifier les informations que vous partagez par Merchant Center et vous aide à conserver des données plus exactes et à jour. » (source)

Le modèle de fraîcheur est donc le suivant : le flux transmet continuellement les mises à jour, puis StoreBot contrôle ponctuellement que les pages en ligne correspondent bien à vos déclarations. Il s’agit d’une boucle de vérification, non d’une réexploration programmée. C’est précisément ce qui permet au Graph de mettre à jour environ 2 milliards d’offres par heure sans récupérer à nouveau des milliards de pages Web complètes.

Là encore, il faut être précis : « temps réel » est la description du produit donnée par Google, non la garantie que chaque offre est exacte à chaque instant. Les propres consignes de Google sur le partage des données produit indiquent qu’aucun délai de traitement des données structurées explorées n’est garanti et qu’un flux mis à jour avant — ou après — la page en ligne peut provoquer de brefs conflits de prix ou de disponibilité, jusqu’à la réconciliation par StoreBot ou par le cycle suivant du flux. Si une offre est obsolète, suivez la même procédure que pour tout écart de flux : corrigez la source de vérité, qu’il s’agisse du flux ou de la page en ligne, puis laissez le cycle normal d’ingestion et de vérification se mettre à jour. Un écart isolé ne signifie pas que le Graph est défaillant. Source : Google Search Central, partage des données produit.

StoreBot se présente avec un user-agent contenant Storebot-Google — sa version de bureau comprend Storebot-Google/1.0. D’après la présentation des robots de Google, il possède son propre jeton robots.txt et ne met en cache que dans certaines conditions. D’où l’avertissement opérationnel le plus important de cet article : ne bloquez pas StoreBot-Google. Le bloquer peut faire disparaître des offres et déclencher des erreurs dans Merchant Center. Il s’agit d’un mécanisme de vérification : couper son accès empêche Google de confirmer vos données pour les offres gratuites, et pas seulement pour les annonces.

Différences avec l’index de recherche classique

Rassemblons les différences, car ce modèle mental permet de comprendre tout le reste :

Le point sur les variantes est souvent sous-estimé. Une chemise en cinq couleurs et six tailles forme un nœud dans le Graph, non trente : le machine learning de Google normalise les variantes et les attributs au lieu de traiter chaque URL comme un élément indépendant. Le modèle de données diffère véritablement de l’indexation fondée sur les URL. Voilà pourquoi « faire explorer ma page produit » est nécessaire, mais ne suffit pas.

Ce qu’il alimente

Le Graph constitue l’infrastructure d’une liste de surfaces longue et toujours croissante :

• L’onglet Shopping et les grilles de produits de la recherche classique.
• Google Images et Lens, pour les correspondances visuelles et les images annotées.
• Les annonces Shopping, placements payants qui utilisent les mêmes données de produit.
• Les résultats commerciaux des AI Overviews, AI Mode et l’application Gemini. Google indique explicitement qu’AI Mode est “powered by the Shopping Graph” (traduction) « alimenté par le Shopping Graph » (source) et qu’il permet aux acheteurs de “trust you’re seeing fresh information” (traduction) « être sûrs de consulter des informations récentes »
• Le paiement agentique et Universal Cart, annoncés à I/O 2026. Google affirme que la fonctionnalité est “built on Google’s Shopping Graph and payments infrastructure, so you can also rest assured that you’re seeing accurate results.” (traduction) « bâtie sur le Shopping Graph de Google et son infrastructure de paiement, de sorte que vous pouvez également être assuré de voir des résultats exacts » (source)

Ce dernier point relie le Graph à la couche transactionnelle : l’Universal Commerce Protocol et le paiement agentique s’appuient sur lui comme infrastructure de données produit. Le Graph décrit les produits existants et les informations exactes à leur sujet ; UCP décrit la manière dont un agent effectue une transaction à partir de ces données. Je ne redévelopperai pas le protocole ici : il mérite son propre sujet.

Une phrase importante pour la confiance des lecteurs : l’aide aux consommateurs de Google indique que les listes classées et les informations des AI Overviews, entre autres, “aren’t sponsored” (traduction) « ne sont pas sponsorisées » (source). Les résultats sont adaptés à la requête, non au paiement. Ils se distinguent des véritables annonces Shopping, qui exploitent les mêmes données du Graph mais portent la mention de placement payant.

Ce que les marchands peuvent faire pour renforcer leur présence

Rien d’exotique ici. Le Graph favorise des données produit exactes, complètes et vérifiables, mais il faut comprendre ce que chaque levier apporte. Google parle d’éligibilité, de compréhension et de vérification, non de résultat garanti : aucune de ces mesures ne promet l’inclusion, le classement, une citation par l’IA ou une conversion.

• Flux complet et exact (éligibilité). Renseignez les attributs ; un flux incomplet vous représente mal.
• GTIN / MPN / marque (compréhension). Ces identifiants permettent à Google de rattacher l’article au bon nœud et de réunir des données provenant de plusieurs sources.
• Données structurées conformes aux valeurs du flux (éligibilité + vérification). Leur présence ne suffit pas : elles doivent être cohérentes. Les écarts créent des conflits à résoudre et peuvent faire échouer les conditions de correspondance.
• Prix et disponibilité à jour (vérification). StoreBot les contrôle ; vos pages en ligne doivent dire vrai.
• StoreBot-Google non bloqué (vérification). Vérifiez son jeton dans robots.txt. Le bloquer peut faire disparaître des offres et déclencher des erreurs Merchant Center.
• Avis authentiques (compréhension). Les avis font partie des signaux du Web intégrés par le Graph.
• Variantes correctement regroupées (compréhension). Aidez Google à reconnaître une famille de couleurs ou tailles comme un produit à variantes, et non comme des articles sans rapport.

Avec ces mesures, vous maximisez l’éligibilité, fournissez à Google des données propres à comprendre et vérifier, et supprimez les causes internes d’une représentation insuffisante. C’est la limite honnête de ce qu’une checklist peut promettre. L’inclusion, le classement, la citation par l’IA et la conversion dépendent d’autres facteurs — concurrence, pertinence, prix et comportement des utilisateurs.

Conclusion

Le Shopping Graph se comprend le mieux comme le Knowledge Graph de Google appliqué au commerce : une base d’entités représentant les produits et les vendeurs, tenue à jour par l’ingestion continue des flux et la vérification de StoreBot plutôt que par la réexploration des pages. Le nombre de milliards d’offres est un argument marketing qui évolue chaque année. Les faits durables sont le modèle — des entités, non des pages —, le mécanisme de fraîcheur — flux + StoreBot, environ 2 milliards par heure — et les règles opérationnelles — flux et données structurées concordantes, prix et disponibilité exacts, StoreBot non bloqué. Respectez-les et vous aurez accompli l’essentiel de ce que signifie réellement « optimiser pour le Shopping Graph ».

Résumé pour l’IA

Version condensée de l’onglet Advanced :

• Le Shopping Graph est, selon Google, “ML-powered, real-time data set of the world’s products and sellers” (traduction) « un jeu de données en temps réel, alimenté par le machine learning, sur les produits et les vendeurs du monde entier ». Inspiré du Knowledge Graph pour le commerce, il modélise vraisemblablement les produits comme des entités — un nœud par produit, avec variantes et attributs rattachés — plutôt que comme des pages. C’est un modèle de travail, non la spécification publiée de l’index.
• Au moins quatre entrées l’alimentent : flux Merchant Center, données structurées Product explorées, vérification de l’exploration et du paiement par StoreBot-Google, et signaux plus larges du Web — avis, images, YouTube et sites de fabricants. Ce regroupement pratique n’est pas la taxonomie exhaustive de Google.
• Le flux ET les données structurées comptent. Ils se recoupent au lieu de se dupliquer. Google affirme que leur association maximise l’éligibilité et l’aide à vérifier les données. Le balisage doit figurer dans le HTML renvoyé et correspondre aux valeurs visibles.
• Fraîcheur = ingestion continue du flux + vérification par StoreBot, non réexploration programmée. Google ne garantit cependant pas le délai de traitement, et un décalage entre flux et page peut causer de brefs conflits. Environ 2 milliards d’offres sont mises à jour chaque heure. StoreBot simule même le paiement pour vérifier prix, disponibilité, livraison et moyen de paiement.
• L’échelle est un instantané daté et mouvant, non une preuve d’architecture : 35 milliards en février 2023, plus de 50 milliards, puis plus de 60 milliards à I/O 2026. Vérifiez le chiffre actuel avant de le citer.
• Surfaces alimentées : onglet Shopping, grilles de produits de Search, Images et Lens, annonces Shopping, AI Overviews, AI Mode, Gemini, paiement agentique et Universal Cart.
• Non sponsorisés : Google affirme que les résultats Shopping des AI Overviews et les listes classées ne constituent pas des placements payants, contrairement aux annonces Shopping.
• Ne bloquez pas StoreBot-Google : cela peut faire disparaître des offres et déclencher des erreurs Merchant Center, y compris pour les offres gratuites.
• Pour renforcer votre présence — éligibilité et vérification, sans garantie d’inclusion, de classement, de citation par l’IA ou de conversion — : flux complet, GTIN/MPN/marque, données structurées concordantes, prix et disponibilité à jour, StoreBot non bloqué, avis authentiques et variantes correctement regroupées.

Documentation officielle

Documentation de première main publiée par Google.

Google — le Shopping Graph lui-même

• Quatre façons dont le Shopping Graph de Google vous aide à trouver ce que vous cherchez — l’article de référence : définition, analogie avec le Knowledge Graph, mécanisme d’« analyse de milliards d’offres » et chiffre initial de 35 milliards (Randy Rockinson, Group Product Manager, Shopping).
• Sources des informations Shopping — l’aide destinée aux consommateurs : seconde définition, « dynamic repository of product info » _(« référentiel dynamique d’informations produit », Merchant Center et Manufacturer Center comme canaux d’envoi, et affirmation “aren’t sponsored” _(« ne sont pas sponsorisés »

Google — échelle et fraîcheur

• Paiement agentique et achats de fêtes avec l’IA — fournit la statistique de fraîcheur la plus claire : plus de 50 milliards d’offres, dont 2 milliards actualisées chaque heure. L’article indique aussi qu’AI Mode est alimenté par le Shopping Graph et présente le paiement agentique.
• Google I/O 2026 — annonce d’Universal Cart — chiffre d’échelle annoncé alors, plus de 60 milliards d’offres, et statistique d’un milliard d’achats par jour (Vidhya Srinivasan, VP/GM Ads & Commerce, 19 mai 2026).

Google — les entrées : données structurées, flux et robot

• Introduction aux données structurées Product — explique pourquoi associer les données structurées à un flux Merchant Center maximise l’éligibilité, permet à Google de vérifier les données et autorise leur combinaison.
• Configurer les données structurées pour Merchant Center — conditions de correspondance : le balisage doit figurer dans le HTML renvoyé, correspondre aux valeurs visibles et aligner SKU/GTIN.
• À propos du robot Google StoreBot — nature de StoreBot, pages explorées, simulation du paiement et objectif de vérification.
• Présentation des robots et récupérateurs de Google — user-agent de StoreBot-Google, jeton robots.txt et comportement de mise en cache.

Citations tirées des sources

Déclarations publiques de Google. Chaque lien profond mène au passage cité qui étaye l’affirmation.

Google — définition du Shopping Graph

• “our ML-powered, real-time data set of the world’s products and sellers.” (traduction) « notre jeu de données en temps réel, alimenté par le machine learning, sur les produits et les vendeurs du monde entier ». — Blog Google (Randy Rockinson, Group Product Manager, Shopping). Accéder à la citation
• “If this sounds familiar, it’s because the Shopping Graph is a similar model to our Knowledge Graph, Google’s database of facts about people, places and things.” (traduction) « Si cela vous semble familier, c’est parce que le Shopping Graph suit un modèle similaire à notre Knowledge Graph, la base de données de Google qui rassemble des faits sur des personnes, des lieux et des choses. » Accéder à la citation

Google — échelle et fraîcheur

• “It houses more than 35 billion product listings (and counting).” (traduction) « Il contient plus de 35 milliards d’offres de produits, et ce nombre continue d’augmenter. » — Blog Google, chiffre d’origine daté à utiliser pour le contexte historique. Accéder à la citation
• “more than 50 billion product listings, 2 billion of which are updated every hour.” (traduction) « plus de 50 milliards d’offres de produits, dont 2 milliards sont mises à jour chaque heure » — Blog Google, article sur le paiement agentique (Vidhya Srinivasan). Lire l’article

Google — entrées et vérification

• “Providing both structured data on web pages and a Merchant Center feed maximizes your eligibility to experiences and helps Google correctly understand and verify your data.” (traduction) « Fournir à la fois des données structurées sur les pages Web et un flux Merchant Center maximise votre éligibilité aux différentes expériences et aide Google à comprendre et vérifier correctement vos données. » — Documentation Google Search Central. Accéder à la citation
• “The Google StoreBot is a search-engine-based program that automatically ‘crawls’ through web pages to gather and analyze data.” (traduction) « Google StoreBot est un programme fondé sur un moteur de recherche qui explore automatiquement les pages Web afin de recueillir et d’analyser des données. » — Aide Google Merchant Center. Lire la documentation
• “It allows Google to verify information you share through Merchant Center, and helps you keep your data more accurate and up to date.” (traduction) « Il permet à Google de vérifier les informations que vous partagez par Merchant Center et vous aide à conserver des données plus exactes et à jour. » — Aide Google Merchant Center, StoreBot. Lire la documentation

Google — surfaces d’IA et mention « non sponsorisé »

• “This feature is built on Google’s Shopping Graph and payments infrastructure, so you can also rest assured that you’re seeing accurate results.” (traduction) « Cette fonctionnalité s’appuie sur le Shopping Graph de Google et son infrastructure de paiement, de sorte que vous pouvez également être assuré de voir des résultats exacts. » — Blog Google, paiement agentique (Vidhya Srinivasan). Lire l’article
• À propos des résultats Shopping classés dans les AI Overviews, l’aide aux consommateurs de Google affirme qu’ils “aren’t sponsored” (traduction) « ne sont pas sponsorisés » : ils sont adaptés à la requête, non achetés. Lire la documentation

Checklist de préparation au Shopping Graph

Un passage en revue pour confirmer que vos produits sont bien représentés et vérifiables dans le Graph. Il améliore l’éligibilité, la compréhension et la vérification, sans garantir l’inclusion, le classement, une citation par l’IA ou une conversion :

• Le flux de produits envoyé par Merchant Center est complet : attributs obligatoires et recommandés renseignés, pas seulement le minimum.
• GTIN / MPN / marque sont présents et exacts ; ils permettent à Google de rattacher l’article au bon nœud produit.
• Les données structurées de produit (Product / Offer) figurent dans le HTML renvoyé par le serveur, et ne sont pas injectées seulement après exécution de JavaScript d’une manière illisible pour Google.
• Les valeurs structurées correspondent au flux et à ce que voit l’utilisateur — prix, disponibilité, titre — sans conflit entre flux et page.
• Prix et disponibilité sont à jour sur les pages en ligne ; StoreBot les vérifie et simule le paiement.
• StoreBot-Google n’est PAS bloqué dans robots.txt. Vérifiez son jeton : un blocage peut faire disparaître des offres et déclencher des erreurs Merchant Center.
• Les variantes sont correctement regroupées : une famille couleur/taille apparaît comme un produit, non comme plusieurs articles sans rapport.
• De vrais avis sont collectés et balisés lorsque cela convient ; le Graph exploite ce signal du Web.
• Le compte Merchant Center ne contient aucun refus qui empêche la représentation.
• Vous avez vérifié l’affichage réel d’un échantillon de produits sur plusieurs surfaces — onglet Shopping et grilles — sans supposer que le flux correspond nécessairement à ce qui apparaît.

Modèles mentaux

1. Des produits, non des pages. C’est le changement de perspective le plus utile. L’index classique raisonne en URL ; le Shopping Graph raisonne en entités produit. Un produit correspond à un nœud auquel variantes et attributs sont rattachés. En cas de problème, demandez-vous si Google reconnaît un produit unique ou le fragmente, et pas seulement si la page est explorée.

2. C’est le Knowledge Graph du commerce. Google l’affirme directement. Ne le considérez plus comme un index de recherche — exploration puis classement d’une page —, mais comme une base d’entités qui recueille, normalise et vérifie chaque signal relatif à un produit. Votre tâche consiste à rendre l’entité claire et cohérente dans toutes les sources qui la décrivent.

3. Flux + données structurées = contrôle croisé, non duplication. Ce ne sont pas deux façons de dire la même chose : elles se vérifient mutuellement. Le cas d’échec est un conflit — flux à 49 $, page à 59 $. L’optimisation réside dans la cohérence entre les deux, non dans la seule présence de l’un ou de l’autre.

4. La fraîcheur est une boucle de vérification, non une réexploration. Les flux transmettent continuellement les mises à jour ; StoreBot contrôle ponctuellement les pages en ligne et simule le paiement pour confirmer qu’elles disent vrai. C’est ainsi qu’environ 2 milliards d’offres peuvent être actualisées par heure. Votre levier consiste à garder les pages en ligne exactes, puisque StoreBot les vérifie.

5. Le chiffre relève du marketing ; le mécanisme est le fait durable. 35 milliards → 50 milliards → plus de 60 milliards : cette valeur de communication évolue. Ne vous y attachez pas. Retenez les mécanismes durables : modèle d’entités, quatre entrées pratiques, cohérence flux/données structurées et StoreBot non bloqué. Ils ne changent pas à chaque I/O.

« Mes produits s’affichent mal : par où commencer ? »

Procédez du haut vers le bas. La plupart des problèmes de représentation dans le Shopping Graph viennent d’une entrée absente ou incohérente, ou d’un robot bloqué, et non d’un mécanisme exotique.

Erreurs et idées reçues fréquentes

Voici des manières concrètes de mal comprendre le Shopping Graph, avec l’explication du problème et la bonne approche.

« Le Shopping Graph n’est que Google Merchant Center. » Pourquoi c’est faux : Merchant Center est un canal d’entrée, non le Graph. Le Graph est la base synthétisée qui ingère aussi les données structurées explorées, la vérification de StoreBot et des signaux plus larges du Web. À faire : considérez Merchant Center comme l’une de plusieurs entrées. Corrigez le flux, mais aussi les données structurées, l’accessibilité à l’exploration et les signaux du Web.

« Il faut un compte Merchant Center pour apparaître dans le Shopping Graph. » Pourquoi c’est faux : depuis septembre 2022, des données structurées Product valides peuvent à elles seules rendre une page éligible aux expériences d’offres marchandes. Google recommande les deux canaux, mais le flux n’est pas une condition absolue de chaque expérience. Les détails figurent dans le sujet Merchant Center. À faire : si vous ne pouvez pas encore gérer de flux, publiez tout de même des données structurées Product propres, puis ajoutez le flux dès que possible pour maximiser l’éligibilité et la vérification croisée.

« C’est essentiellement un index de recherche auquel on a ajouté des filtres produit. » Pourquoi c’est faux : il s’agit d’un modèle d’entités et de graphe — produits, vendeurs, variantes et attributs forment des nœuds reliés —, mis à jour continuellement et inspiré du Knowledge Graph, non de l’index du Web fondé sur les URL. À faire : optimisez l’entité au moyen d’identifiants cohérents, d’un regroupement correct des variantes et de données concordantes entre les sources, au lieu de vous limiter à faire explorer la page.

« Les résultats commerciaux des AI Overviews et d’AI Mode sont des annonces. » Pourquoi c’est faux : l’aide aux consommateurs de Google affirme que ces listes classées ne sont pas sponsorisées ; elles sont adaptées à la requête. Les véritables annonces Shopping exploitent les mêmes données du Graph, mais portent la mention de placement payant. À faire : ne supposez pas qu’il faut payer pour apparaître dans les réponses commerciales de l’IA. Des données produit solides et vérifiées favorisent la représentation organique.

« Le nombre de milliards d’offres est un fait que je peux citer indéfiniment. » Pourquoi c’est faux : il est passé d’environ 35 milliards à plus de 50 milliards, puis à plus de 60 milliards en quelque quatre ans, et Google l’actualise lors d’événements comme I/O. Toute valeur est un instantané. À faire : citez-la pour illustrer l’affirmation sur le temps réel et consultez la publication la plus récente de Google pour obtenir la valeur actuelle au lieu d’en mémoriser une.

« Bloquer StoreBot-Google ne touche que les annonces, pas les offres organiques ou gratuites. » Pourquoi c’est faux : StoreBot est un mécanisme de vérification. Google avertit que son blocage peut faire disparaître des offres et déclencher des erreurs Merchant Center ; les offres gratuites sont donc elles aussi touchées. À faire : autorisez StoreBot-Google sur les pages produit, panier et paiement. Traitez-le comme un robot à ne pas bloquer.

Aide-mémoire du Shopping Graph

Règles de cohérence

• Utilisez des GTIN, MPN et marques exacts, avec un regroupement stable des variantes.
• Le prix et la disponibilité du flux doivent correspondre aux données structurées et aux valeurs visibles.
• Le balisage produit doit être présent dans le HTML reçu par Google.
• Autorisez Storebot-Google là où il doit vérifier les données de produit et de paiement.
• Traitez les nombres d’offres mis en avant comme des instantanés datés ; optimisez le mécanisme durable.

Ordre du diagnostic

1. Confirmez qu’au moins une entrée valide existe ; utilisez ensemble le flux et les données structurées lorsque c’est possible.
2. Consultez les diagnostics Merchant Center et les identifiants de produit.
3. Comparez le flux, le balisage rendu et les valeurs du paiement en direct.
4. Vérifiez que StoreBot n’est pas bloqué.
5. Examinez le regroupement des variantes et la représentation réelle sur les surfaces Google.

Contrôles rapides du Shopping Graph

Extraire les valeurs Product/Offer avec XPath

Utilisez ces expressions dans un robot compatible XPath, tel que l’extraction personnalisée de Screaming Frog :

//script[@type='application/ld+json']
//link[@rel='canonical']/@href

La première capture le JSON-LD afin de comparer le flux au balisage ; la seconde garde l’identité de l’URL visible pendant le diagnostic d’une fragmentation des nœuds produit.

Inspecter le balisage produit dans Chrome DevTools

Collez ce code dans la console d’une page produit. Il affiche l’identité de chaque objet Product et les premières valeurs Offer.

[...document.querySelectorAll('script[type="application/ld+json"]')]
  .flatMap(s => { try { const x=JSON.parse(s.textContent); return x['@graph'] || [x]; } catch { return []; } })
  .filter(x => [].concat(x['@type'] || []).includes('Product'))
  .forEach(p => { const o=[].concat(p.offers || [])[0] || {}; console.log({name:p.name,sku:p.sku,gtin:p.gtin || p.gtin13,price:o.price,availability:o.availability}); });

Vérifier si StoreBot possède une règle robots explicite

Exécutez la commande sur votre propre site. L’absence d’un groupe nommé ne signifie pas automatiquement un blocage ; examinez aussi les règles génériques applicables.

# Set SITE_ORIGIN to your site's origin before running.
curl -s "$SITE_ORIGIN/robots.txt" | awk 'BEGIN{IGNORECASE=1} /user-agent:[[:space:]]*Storebot-Google/{show=1} show{print} show && /^$/{exit}'

Expression régulière utile pour examiner manuellement le fichier :

(?i)User-agent:\s*Storebot-Google|Disallow:\s*/

Bookmarklet : afficher l’identité et l’offre du produit

Enregistrez cette valeur sur une seule ligne comme favori, puis exécutez-la sur une page produit :

javascript:(()=>{const a=[...document.querySelectorAll('script[type="application/ld+json"]')].flatMap(s=>{try{const x=JSON.parse(s.textContent);return x['@graph']||[x]}catch{return[]}}).find(x=>[].concat(x['@type']||[]).includes('Product'));const o=a&&[].concat(a.offers||[])[0];alert(a?`${a.name}\nSKU: ${a.sku||'?'}\nPrice: ${o?.price||'?'}\nAvailability: ${o?.availability||'?'}`:'No Product JSON-LD found')})();

Valider les entrées du Shopping Graph après une modification

Concordance entre le flux et les valeurs de la page

Test à exécuter : exportez depuis Merchant Center un échantillon de SKU modifiés, puis comparez prix, devise, disponibilité, GTIN et identité de variante au balisage Product/Offer rendu et au paiement en direct. Résultat attendu : le même produit et la même variante ont les mêmes valeurs actuelles dans chaque source. Interprétation d’un échec : le flux, la page ou le système commercial est obsolète ou rattaché à la mauvaise variante. Fenêtre de surveillance : vérifiez immédiatement la parité des sources, puis respectez le délai de traitement de la plateforme avant de juger l’affichage. Déclencheur de retour arrière : suspendez le nouveau mappage du flux s’il publie à grande échelle un prix, une disponibilité ou une identité erronés.

StoreBot reste autorisé

Test à exécuter : récupérez le fichier robots.txt déployé, évaluez le groupe Storebot-Google et le groupe générique applicable, puis demandez à votre robot des chemins représentatifs de produit et panier. Résultat attendu : les chemins de vérification ne sont pas interdits et renvoient le contenu prévu. Interprétation d’un échec : un déploiement de robots.txt ou une règle de routage bloque la vérification des produits par Google. Fenêtre de surveillance : immédiatement après le déploiement. Déclencheur de retour arrière : rétablissez la politique robots précédente si la modification bloque les chemins de vérification de produit ou de paiement.

Le balisage produit résiste aux changements de rendu

Test à exécuter : récupérez la réponse du serveur et le DOM rendu pour les modèles de produit modifiés, puis validez les champs JSON-LD Product/Offer. Résultat attendu : le balisage est présent, analysable et conforme aux valeurs visibles. Interprétation d’un échec : le modèle a omis, dupliqué, retardé ou contredit les données structurées. Fenêtre de surveillance : immédiatement en préproduction et en production, puis dans les diagnostics Merchant Center. Déclencheur de retour arrière : revenez au modèle précédent si l’identité, le prix ou la disponibilité disparaît ou entre en conflit dans un large échantillon.

Ressources utiles

Mes articles connexes

• Guide du débutant sur le SEO technique — pour replacer les données produit, l’exploration et les données structurées dans leur contexte.
• À la rencontre des nouveaux robots du Web : les robots d’IA se rapprochent des robots des moteurs de recherche — mon analyse Cloudflare Radar des robots qui explorent réellement le Web, utile pour la question des robots à autoriser dans laquelle s’inscrit StoreBot.

Mes présentations

• Fonctionnement de la recherche (SlideShare) — mon explication de l’exploration, du rendu, de l’indexation et du classement, utile pour comprendre pourquoi une base d’entités comme le Shopping Graph diffère de l’index classique. Mon avertissement habituel s’applique : “This is my understanding of systems… not going to be 100% complete or accurate.” (traduction) « Il s’agit de ma compréhension des systèmes ; elle ne sera pas complète ou exacte à 100 %. »

Ailleurs dans le secteur

• Optimisation du Shopping Graph : l’avenir du SEO e-commerce (Search Engine Land, Olaf Kopp, mai 2024) — synthèse sectorielle des propres contenus de Google sur l’optimisation pour le Graph.
• Le Shopping Graph de Google expliqué : indexation et classement de 60 milliards de produits (Productrise) — bonne présentation de l’échelle et de la fraîcheur, qui distingue correctement StoreBot-Google comme robot dédié.
• Googlebot face à Google StoreBot (Productrise) — comparaison détaillée du rôle des deux robots pour approfondir les mécanismes.
• Qu’est-ce que le Google Shopping Graph et comment fonctionne-t-il ? (Kopp Online Marketing, Olaf Kopp) — longue checklist des entrées, malgré un chiffre d’échelle ancien : Merchant Center, Manufacturer Center, pages produit, avis et YouTube.
• Le Google Shopping Graph expliqué (Feedops) — explication axée sur la qualité du flux, avec checklist de préparation.

Sources officielles — voir l’onglet Official Docs pour la liste complète

• Quatre façons dont le Shopping Graph de Google vous aide à trouver ce que vous cherchez (Google) et À propos du robot Google StoreBot (aide Google Merchant Center).

Testez vos connaissances : Google Shopping Graph

Cinq questions rapides sur la nature du Shopping Graph, sa fraîcheur et les moyens d’y renforcer votre présence. Choisissez une réponse pour chacune, puis vérifiez.

Journal des modifications