J’ai créé un vendeur IA pour ma boutique Shopify, capable d’interagir avec les clients 24h/24, de recommander des produits et de les accompagner jusqu’à l’achat, là où un chatbot traditionnel reste limité à des réponses scriptées.

Points clés

  • Shopify a ouvert ses serveurs MCP (Model Context Protocol) en 2026, donnant à l’IA un accès temps réel au catalogue, aux promotions et aux politiques de la boutique
  • Prérequis : Node.js, un compte Shopify Partners, la dernière version de Shopify CLI, une clé API pour un modèle comme Claude
  • L’installation part du projet officiel Shopify sur GitHub, configuré via un fichier .env
  • Le coût en tokens reste faible, quelques dollars par mois pour un usage normal
  • Pour tourner 24h/24, un hébergement tiers (Railway, Render) est nécessaire, le mode développement ne fonctionne qu’en local

Pourquoi un vendeur IA plutôt qu’un chatbot classique

Un chatbot traditionnel répond à partir d’un script figé : il reconnaît des mots-clés et renvoie des réponses préparées à l’avance. Un vendeur IA fonctionne différemment, il analyse la demande réelle du client, accède aux données actuelles de la boutique, gère les objections et adapte sa réponse à la conversation en cours, jusqu’à accompagner la vente.

Comment le vendeur IA accède aux données produits

C’est le protocole MCP (Model Context Protocol) qui rend ça possible. Shopify a ouvert ses serveurs MCP en 2026 : ils donnent à un agent IA un accès en temps réel au catalogue, aux promotions en cours et aux politiques de la boutique (livraison, retours), sans que ces informations aient besoin d’être copiées ou synchronisées manuellement ailleurs. L’agent interroge directement les données à jour de la boutique au moment de répondre.

Les prérequis techniques

Node.js, nécessaire pour faire tourner le projet. Un compte Shopify Partners, pour créer une boutique de développement dédiée aux tests, séparée de la boutique active. La dernière version de Shopify CLI, pour connecter le projet à la boutique. Une clé API pour un modèle de langage comme Claude, qui alimente les réponses de l’agent.

Installation : partir du projet officiel Shopify

Le tutoriel part du clonage du projet officiel Shopify depuis GitHub, suivi de l’installation des dépendances et de la configuration via un fichier .env (clé API, informations de connexion à la boutique). Cette base officielle évite de reconstruire l’intégration MCP depuis zéro.

Démonstration : conclure une vente de snowboard

Dans la démonstration, l’agent IA analyse les besoins exprimés par un client, gère ses objections, et l’accompagne jusqu’à la conclusion d’une vente de snowboard. Ce n’est pas une simple réponse à une question produit : l’agent mène une conversation de vente complète, du besoin initial jusqu’à la décision d’achat.

Coûts et hébergement pour tourner 24h/24

L’agent consomme des tokens à chaque interaction, mais le coût reste faible, de l’ordre de quelques dollars par mois pour un usage normal. En revanche, le mode développement ne tourne qu’en local, sur votre machine : pour un fonctionnement réellement 24h/24, il faut héberger le projet sur un service tiers comme Railway ou Render.

Pourquoi l’IA cesse parfois de fonctionner

La qualité des réponses dépend directement de l’entraînement de l’agent, c’est-à-dire des prompts et des scénarios que vous lui avez fournis. Un agent mal préparé sur certains cas de figure peut donner des réponses imprécises ou hors sujet face à une situation non anticipée. Ce n’est pas un bug ponctuel, c’est un signe qu’il faut enrichir les prompts et les scénarios couverts.

Qu’est-ce qui rend un agent vraiment efficace

Le protocole MCP donne l’accès aux données, mais ce sont les prompts et les scénarios de vente qui déterminent la qualité réelle des réponses. Un agent efficace a été entraîné sur des situations concrètes (objections fréquentes, questions sur la livraison, comparaisons entre produits), pas seulement configuré techniquement.

Limites et futur

La principale limite reste la dépendance à la qualité du prompting : le protocole MCP fournit l’accès aux données, il ne garantit pas des réponses pertinentes sans un travail de configuration soigné en amont. À terme, une solution clé en main sur l’App Store de Shopify pourrait simplifier cette mise en place, mais elle n’existe pas encore : aujourd’hui, ce projet demande une installation technique.

À retenir

Un vendeur IA Shopify s’appuie sur le protocole MCP pour accéder en temps réel au catalogue, aux promotions et aux politiques de la boutique, et sur un modèle comme Claude pour mener la conversation. L’installation part du projet officiel Shopify sur GitHub, le coût en tokens reste faible, mais un fonctionnement 24h/24 demande un hébergement tiers. La qualité des réponses dépend avant tout du travail de prompting, pas seulement de la configuration technique.

FAQ

Comment créer un vendeur IA pour Shopify ?

En partant du projet officiel Shopify sur GitHub, connecté au catalogue via le protocole MCP, et alimenté par un modèle de langage comme Claude via une clé API. L’installation demande Node.js, un compte Shopify Partners et Shopify CLI.

Pourquoi un vendeur IA spécialisé plutôt qu'un chatbot générique ?

Parce qu’un chatbot générique répond à partir d’un script figé, alors qu’un vendeur IA accède aux données réelles et à jour de votre boutique via MCP, analyse la demande du client et gère les objections jusqu’à la vente, plutôt que de se limiter à des réponses préparées à l’avance.

Quels sont les prérequis techniques ?

Node.js, un compte Shopify Partners pour créer une boutique de développement, la dernière version de Shopify CLI, et une clé API pour un modèle de langage comme Claude.

Comment le vendeur IA accède-t-il aux données produits ?

Via le protocole MCP (Model Context Protocol), que Shopify a ouvert en 2026. L’agent interroge en temps réel le catalogue, les promotions et les politiques de la boutique, sans copie manuelle des données ailleurs.

Pourquoi l'IA cesse-t-elle de fonctionner parfois ?

Le plus souvent parce que l’agent n’a pas été entraîné sur le scénario rencontré : la qualité des réponses dépend directement des prompts et des cas de figure prévus en amont, pas d’un défaut du protocole MCP lui-même.

Qu'est-ce qui rend un agent vraiment efficace ?

Un travail soigné de prompting : couvrir les objections fréquentes, les questions de livraison, les comparaisons entre produits. L’accès aux données via MCP est nécessaire mais pas suffisant, c’est la préparation de l’agent qui fait la différence.

Conclusion

Créer un vendeur IA pour Shopify est aujourd’hui accessible techniquement grâce au protocole MCP et au projet officiel Shopify sur GitHub, pour un coût mensuel faible. La vraie différence entre un agent qui vend et un agent qui déçoit se joue dans le prompting, pas dans l’installation. Pour aller plus loin sur l’écosystème IA appliqué à Shopify, voir Shopify Agentic Commerce.