Les nouveaux assistants d’achat dopés à l’IA promettaient de simplifier les choix. En pratique, ils poussent trop souvent vers des modèles déjà dépassés. Plusieurs tests récents montrent que les recommandations se basent sur des informations vieillissantes, alors même que le discours est présenté comme actuel et fiable.
Ce que ces outils annoncent… et ce que l’on constate
Les services de OpenAI, Google, Microsoft et Perplexity ont lancé des fonctionnalités capables de rechercher des produits, comparer des prix et même contacter des magasins. Sur le papier, l’expérience d’achat devient fluide et personnalisée. Dans les faits, les suggestions renvoient fréquemment à des appareils sortis l’année précédente, voire plus anciens, ce qui complique les achats de fin d’année et peut mener à des choix peu optimaux.
Un test grandeur nature qui met le décalage en lumière
Une journaliste a demandé à quatre systèmes de lui trouver une montre connectée Android compatible avec son Nothing CMF Phone 1. Les résultats illustrent tous la même dérive: la priorité est donnée à des références obsolètes par rapport aux modèles récents.
ChatGPT Shopping Research
La recommandation phare s’est portée sur la Garmin Vivoactive 5. C’est une montre fiable de 2023, mais elle est déjà dépassée par la Vivoactive 6, qui apporte davantage de stockage, un GPS amélioré et des fonctions inédites comme un réveil intelligent. L’outil argumente avec assurance, tout en ignorant la dernière génération.
Google Gemini et l’automatisation des appels
Côté Gemini, la suggestion a mis en avant la Pixel Watch 2 (2023) alors que la Pixel Watch 4 offre des progrès notables en autonomie, charge et puissance. Pire, la fonction “Call for me” censée joindre des boutiques locales a renvoyé un compte rendu peu utile après un long délai, indiquant qu’aucun magasin ne vendait de Garmin, un résultat déroutant et peu actionnable.
Perplexity
Les réponses de Perplexity mélangent l’actuel et l’ancien: la Pixel Watch 4 peut côtoyer une Samsung Galaxy Watch 4 de 2021, créant une liste hétérogène où des modèles trop anciens se glissent parmi des références pertinentes.
Microsoft Copilot
Copilot s’en sort le mieux en identifiant immédiatement la CMF Watch Pro 2, pensée pour accompagner le CMF Phone 1. Toutefois, l’outil ignore la CMF Watch Pro 3, plus récente. Son atout principal réside dans une barre latérale utile: historique de prix, synthèse des avis Amazon et alertes de suivi tarifaire, autant d’éléments concrets pour décider.
D’où vient le problème ?
- Des données périmées: les modèles semblent s’appuyer sur des fiches produits âgées de 18 à 24 mois, avec des mises à jour irrégulières.
- Une recherche web peu fiable: les pages marchandes changent, les noms de produits se ressemblent, et les résultats mêlent promos et modèles reconditionnés, ce qui brouille l’analyse.
- Un ton trop confiant: les réponses sont formulées comme des analyses “à jour”, alors que la base d’information ne l’est pas toujours, ce qui renforce la crédibilité de conseils pourtant datés.
Conséquences pour les acheteurs
Pour un public qui ne sait pas exactement quoi chercher — la cible idéale de ces assistants — le risque est d’acheter “la bonne référence… de l’an dernier”. Résultat: moins de performances, de batterie, de mise à jour logicielle et parfois un support plus court. En période de fêtes, cette confusion rend les arbitrages plus longs et plus frustrants.
Comment ne pas se faire piéger
- Vérifier la date de sortie et la génération du produit (ex. 2 vs 3 vs 4).
- Comparer au moins une alternative plus récente du même fabricant.
- Contrôler le numéro de modèle exact avant achat (les noms se ressemblent).
- Croiser les infos avec des sources fiables: site du constructeur et médias spécialisés.
- Utiliser les outils utiles des assistants (ex. historique de prix, alertes), mais valider manuellement la fraîcheur des références.
En bref
Les assistants d’achat à base d’IA accomplissent bien certaines tâches pratiques (agréger les prix, résumer des avis), mais leur radar temporel est souvent en retard. Sans vérification humaine, ils peuvent orienter vers des recommandations dépassées.
FAQ
Comment savoir si une recommandation est obsolète ?
Regardez la date de lancement, le numéro de génération et comparez les spécifications clés (processeur, batterie, capteurs, compatibilité). Si une version plus récente existe, il y a de fortes chances que l’outil ne soit pas à jour.
Ces problèmes se limitent-ils aux montres connectées ?
Non. On observe des écarts similaires pour les smartphones, écouteurs, PC portables et même certains appareils photo, où les cycles de renouvellement sont rapides.
Les assistants d’achat peuvent-ils offrir des données en temps réel ?
Parfois, via des fonctions de navigation web ou des API marchandes. Mais l’accès peut être restreint, les pages sont mouvantes, et l’agrégation n’est pas toujours fiable, d’où des erreurs persistantes.
Quelles sources consulter pour valider un choix ?
Commencez par le site du fabricant, puis des comparatifs récents dans des médias spécialisés. Les bases de données techniques et les communautés d’utilisateurs aident à confirmer la version et la compatibilité.
Que devraient faire les éditeurs d’IA pour corriger le tir ?
Mettre en place des flux de données frais, des contrôles qualité sur la récence des produits, des filtres anti-obsolescence et des avertissements explicites indiquant la date des informations utilisées.
