The four layers powering agentic commerce

Generative AI is still primarily a research and consideration layer, and the final click, at least for now, happens on a conventional site and belongs to a human, not a machine.  

But while most public discussion still focuses on consumer-facing shopping assistants, the infrastructure transformation enabling agents to search, negotiate, and assist payments at scale is already operational - particularly in B2B flows, where consent and liability are clearer.  

Early pilots show that eCommerce is quickly evolving into a multi‑agent ecosystem where public agents, merchant agents, payment service provider (PSP) agents, and card network agents negotiate and transact in real time. Each layer within this infrastructure has different roles and control points. And understanding them will determine merchants’ competitive advantage as agentic commerce scales.  

Layer One - Consumer AI Platforms: The new gatekeepers of discovery

By late 2025, public AI platforms such as ChatGPT, Perplexity, and others had become major discovery channels that increasingly influence which merchants consumers visit.  

On September 29, 2025, Mastercard's Agent Pay launched on ChatGPT, enabling U.S. cardholders to complete purchases directly within chat interfaces. Meanwhile, OpenAI partnered with Shopify to make over one million merchants discoverable and purchasable through ChatGPT's conversational flows.  

Unlike humans, AI agents do not meaningfully scroll or interpret visual hierarchy - ChatGPT, Perplexity, Claude, Gemini, and others extract structured data from feeds, APIs, and schema.org markup.  

Despite all the efforts of a merchant brand team, the homepage, banners, and UX flows carry little weight for an agent.

Instead, agents evaluate products as rows in a table with attributes, prices, availability, and policies they can parse and compare across multiple merchants.  

Merchants with near-complete attribute coverage (95%+) in their product feed often report higher visibility in AI recommendations compared to sparse catalogs. On the other hand, agents routinely skip products with missing data like shipping windows, sizing, or return policies.  

Best practices to maximize visibility for merchants in agentic commerce:

1. Expose complete, structured product data via feeds and schema.org product markup so agents can reliably interpret the catalog.  
2. Align catalog structure to natural‑language queries (“waterproof hiking boots under £200 that deliver by Friday”), not just internal merchandising logic.
3. Maintain real‑time inventory and pricing sync. Agents penalize outdated or inaccurate data and will quickly down‑rank merchants that routinely misrepresent stock or delivery promises.
4. Provide agent‑friendly checkout APIs or adopt emerging agentic commerce standards to avoid brittle HTML scraping.
5. Whitelist trusted agents while maintaining fraud defenses to distinguish beneficial automation from abusive bots.

As agentic commerce scales, merchants who optimize machine-readable data rather than (just) human persuasion will dominate agent-driven discovery. While those still building exclusively for pageviews could risk becoming invisible.

Layer Two - Merchant Agents: From visibility to owning outcomes

Even if you've done all the optimization for public agents, you might have visibility, but you still don't have control over the brand experience, transaction outcome, or how your message is transmitted to consumers. Recent industry surveys indicate most large retailers expect agentic payments to become mainstream within three years, yet many have not yet defined how their systems will handle agent-initiated purchases, post-purchase modifications, or refunds when operating at scale.

This is where a bespoke merchant agent comes into play.  

When a public agent arrives with a request such as “a £120 running shoe shipping by Tuesday,” a merchant agent interprets the intent, maps it to the merchant’s catalog and logistics, and assembles the best offer that merchant can make. It can manage real‑time inventory constraints, choose shipping and fulfilment options that meet the deadline, and maintain brand voice in how products and trade‑offs are presented. Rather than leaving it to a public agent to scrape pages and guess, merchant agents become active negotiating counterparts that can adjust bundles, apply promotions, and propose alternatives when an exact match does not exist.  

Over time, merchant agents are likely to become the default interface to PSPs and schemes. They will surface real‑time inventory, pricing, and risk signals that other layers of the infrastructure can optimize against. In that model, the public or broker agent orchestrates across multiple merchants, while each merchant agent focuses on maximizing conversion, margin, and customer experience for its own business.  

In agentic commerce, the future belongs to merchants who have built agents to actively shape transactions and own outcomes, not merely waiting to be discovered.

Layer Three - Payment Agents: The operational intelligence center  

Les agents des PSP et des plateformes de paiement mondiales comme Nuvei gèrent de plus en plus l'intelligence opérationnelle qui transforme les intentions en mouvements d'argent à grande échelle. Ils s'occupent de la détection des fraudes, de l'optimisation des routages, des performances d'autorisation, de la gestion des litiges, du rapprochement, des décisions de trésorerie et de la mise en conformité pour des milliers de commerçants et des millions de transactions. Comme ces points de contrôle se rejoignent dans le commerce agentique, l'intelligence que les plateformes de paiement peuvent générer peut se répercuter sur toute la chaîne de valeur.  

Un agent de paiement peut bosser dans l'un des points de contrôle suivants :

• Paiement et financement. Décider en temps réel si une transaction doit être validée, quelle source de financement utiliser et quels signaux de fraude appliquer. Ici, l'intelligence, c'est apprendre de nouveaux comportements des agents et s'adapter à mesure qu'ils évoluent .
• Autorisation et routage. Décider s'il faut envoyer une transaction via 3D Secure, quel acquéreur ou quel itinéraire choisir en fonction des performances en temps réel, et s'il faut enchérir de manière dynamique sur les frais et les itinéraires de routage. Des études de cas récentes montrent que le routage et l'optimisation des risques basés sur l'IA peuvent réduire de plus de moitié les pertes liées à la fraude et augmenter suffisamment les taux d'approbation pour permettre à certains commerçants d'augmenter leurs revenus de plusieurs dizaines de pour cent, en particulier dans les segments transfrontaliers et à haut risque .
• Contrôles après paiement. On optimise les preuves de rétrofacturation, le timing de libération des fonds et la gestion des liquidités, avec des décisions qui s'additionnent sur des milliers de transactions par jour.

Les PSP et les plateformes de paiement qui ont des données partout dans le monde, des configurations mondiales multi-acquéreurs et des décisions basées sur l'IA intégrée seront mieux placées pour former des modèles adaptés aux agents dans toutes les zones géographiques et tous les cas d'utilisation.

Les infos reçues de ces PSP peuvent devenir un atout commun pour les commerçants qui veulent profiter du commerce agentique sans avoir à développer eux-mêmes toutes les capacités et l'infrastructure nécessaire pour le faire fonctionner.  

Couche quatre - Agents de schéma : encoder la confiance et les normes

Les réseaux de cartes évoluent au-delà des simples moyens de paiement passifs pour devenir des couches d'orchestration intelligentes qui distinguent les agents des transactions humaines et appliquent des modèles de sécurité adaptés au contexte.  

Par exemple, en octobre 2025, Visa a lancé son protocole TAP (Trusted Agent Protocol), développé avec Cloudflare, pour vérifier de manière cryptographique les agents IA pendant la navigation et le paiement. Grâce à lui, les commerçants et les prestataires de services de paiement peuvent distinguer les agents fiables des automatisations malveillantes sans trop changer leur infrastructure.

En attendant, Mastercard bosse avec des partenaires comme Microsoft, IBM et Google pour développer le commerce par agent à l'échelle mondiale, et a annoncé son intention d'étendre Agent Pay à toute l'Amérique latine.  

Les agents du programme commencent à repérer et à classer les transactions « en présence d'un agent » grâce à : ‍

• Protocole d'agent de confiance (Visa) : des signaturescryptographiques vérifient l'identité de l'agent pendant la navigation.
• Agent Pay (Mastercard) : des identifiants spéciaux prouvent que « je suis ChatGPT agissant pour Alex B ».

Les agents du programme repèrent le trafic des agents grâce aux adresses IP cloud, aux empreintes digitales automatisées et aux indicateurs de protocole. Ils distinguent les agents légitimes des humains et des robots malveillants, puis appliquent des règles spécifiques aux agents, comme moins de friction pour les agents de confiance et un contrôle plus strict pour ceux qu'ils ne connaissent pas. Ils coordonnent aussi l'authentification en gardant les signaux d'identité des agents tout au long du processus PSP → émetteur → règlement.  

Ce qui reste à faire, c'est de mettre en place une adoption large et interopérable de ces normes, ainsi que des règles claires en matière de responsabilité qui définissent ce qui se passe lorsqu'un agent autorisé prend une décision préjudiciable au nom d'un consommateur ou d'une entreprise.  

Au fur et à mesure que le commerce agentique prend de l'ampleur, les agents de schéma seront de plus en plus chargés de coordonner l'authentification, d'appliquer des modèles de fraude adaptés au contexte et de mettre en place de nouvelles catégories « agent présent » qui s'ajoutent aux distinctions actuelles « carte présente » et « carte non présente ».  

En même temps, des projets étudient comment les protocoles des réseaux de cartes (comme TAP et Agent Pay) pourraient évoluer vers l'interopérabilité APM.  

Est-ce que ton système de paiement est prêt pour le commerce agentique ?

Les enquêtes dans le secteur montrent que près de 60 % des banques et des grandes entreprises pensent que les paiements par agent seront super courants d'ici trois ans, avec une adoption précoce surtout pour la facturation récurrente et les achats B2B.  

Ce n'est probablement qu'une question de temps avant que ces tendances se généralisent dans le secteur B2C, surtout pour les achats répétés et à faible risque. Le commerce électronique est en train de devenir un écosystème multi-agents, où les intentions humaines s'expriment de plus en plus indirectement plutôt que par des clics.

Pour les commerçants, la question n'est pas tant de savoir si les agents vont arriver, mais plutôt si leur infrastructure sera prête quand les agents deviendront le principal moyen d'acheter.

‍

Asaf Ben Gal est le directeur de l'IA et de l'analyse chez Nuvei. Il s'occupe de la stratégie d'IA de l'entreprise et des projets d'apprentissage automatique appliqué pour transformer les technologies de pointe en résultats commerciaux concrets.