Computer de Perplexity pour le e-commerce se présente comme un workflow autonome tout-en-un qui relie analyse des données, création de contenus produits et exécution de campagnes. Pour les marchands, la promesse est simple : connecter Shopify, laisser un agent analyser les commandes et le trafic, puis transformer ces données en pages produits et en supports de lancement, sans passer d’un tableau de bord analytique à un éditeur de CMS ou à un gestionnaire de publicités. Cette centralisation est importante, car la plupart des petites et moyennes entreprises disposent d’un ensemble d’outils disparates et de peu de ressources humaines. Automatiser les tâches courantes, de la détection d’opportunités au lancement, peut faire gagner plusieurs jours sur les tests produits et alléger la charge de travail.
Concrètement, le workflow de Computer fonctionne comme un chef de projet qui recommande des actions et les exécute. Il récupère les données de vente et les métadonnées du catalogue Shopify, classe les références selon leur vitesse de vente et leur marge, mène des recherches simples sur la concurrence et le marché, rédige des descriptions de produits, sélectionne des images ou propose des instructions pour en générer, puis peut produire des textes publicitaires ou une séquence d’e-mails. Cette continuité élimine les transferts entre intervenants. Par exemple, un marchand n’a plus besoin d’exporter un fichier CSV pour le confier à un analyste, puis de copier les recommandations dans un brief destiné à un rédacteur. Résultat : les tests sont plus rapides et les informations se perdent moins d’une étape à l’autre.
Mais l’exécution soulève de nouvelles questions opérationnelles. Les agents qui rédigent des pages et lancent des campagnes ont besoin de permissions d’accès aux données bien définies, de mécanismes de retour en arrière et de garde-fous pour respecter l’identité de marque et les exigences de conformité. Il faut évaluer la manière dont le workflow de Computer présente les scores de confiance, expose ses hypothèses et fournit des brouillons modifiables plutôt que d’appliquer des changements opaques. Pour les décideurs, l’essentiel est de déterminer si l’agent fonctionne en mode conseil, avec validation humaine, ou s’il exécute tout automatiquement. Les deux approches sont utiles, mais impliquent des modèles différents en matière de confiance, de risques et de ressources humaines.
À l’échelle du marché, l’approche de Perplexity accélère une tendance déjà amorcée à la consolidation : les outils spécialisés d’analyse, de gestion de contenu, de tests A/B et d’orchestration publicitaire sont coûteux et fonctionnent séparément. Si les agents parviennent à effectuer de manière fiable la détection d’opportunités, la création de pages et la configuration de campagnes à un niveau publiable, les marchands réaffecteront leurs budgets : moins d’abonnements, davantage d’investissements dans les créations, les pipelines de données et les fonctions de supervision. Cette évolution ne fera pas disparaître immédiatement les outils spécialisés, mais les repositionnera comme des solutions avancées — pour des tests UX complexes ou la personnalisation à l’échelle d’une grande entreprise, par exemple — plutôt que comme des outils de base pour chaque boutique.