DoorDash : à peine « quelques centaines » de commandes passées par des agents IA
🔎 L'e-commerce agentique fait la Une, les chiffres font sourire
Le shopping autonome par agents IA est censé révolutionner le commerce en ligne. Sauf que chez DoorDash, leader américain de la livraison de repas, la révolution tient — pour l'instant — dans une poignée de commandes.
Interrogé lors de l'appel de résultats du troisième trimestre 2026, le CEO Tony Xu a déclaré que DoorDash n'avait reçu que « several hundred orders » — quelques centaines de commandes au total — provenant d'agents IA tiers comme Muse, Instinct ou Fo. À mettre en perspective avec les 3 millions de livraisons par jour que l'entreprise annonce dans son rapport annuel 2025. Le ratio est si faible qu'il frôle l'anecdote statistique.
C'est le reality check dont le secteur de l'agentic commerce avait besoin. Pendant que les conférences s'enflamment sur le « agent-first shopping », les données réelles racontent une tout autre histoire : les utilisateurs continuent de commander via l'application DoorDash, point final.
Ce constat rejoint un schéma que nous avons déjà observé ailleurs dans l'écosystème IA : des annonces spectaculaires, des chiffres d'adoption réels décevants. Comme le montre notre analyse sur Apollo, qui n'a toujours rien rapporté aux 493 autres entreprises du S&P 500, il faut systématiquement distinguer le bruit médiatique de la traction mesurable.
L'essentiel
- Les chiffres réels sont minuscules : quelques centaines de commandes d'agents IA tiers au total chez DoorDash (T3 2026), contre environ 3 millions de livraisons quotidiennes via les canaux classiques.
- Mais DoorDash joue la carte de l'ouverture : l'entreprise a lancé un agent text-to-order en septembre 2026, un agent CLI (dd-cli) en beta invite-only depuis juillet 2026, et publie un MCP officiel pour connecter des agents tiers à son catalogue, son panier et son checkout.
- Le marché se fragmente : Walmart ouvre ses canaux aux agents personnels pendant qu'Amazon les bloque — DoorDash, lui, choisit de devenir une « couche de service » plutôt qu'une destination.
- Tony Xu évoque la publicité dans les agents comme piste de monétisation future, mais sans ligne de business établie à ce stade.
- Conclusion honnête : l'infrastructure agentic commerce se construit sérieusement, l'usage grand public ne suit pas encore.
Outils recommandés
Pour suivre ou tester l'agentic commerce vous-même, voici les briques concrètes disponibles aujourd'hui.
| Outil | Usage principal | Prix (octobre 2026) | Idéal pour |
|---|---|---|---|
| DoorDash MCP | Connecter un agent IA au catalogue, panier et checkout DoorDash | Gratuit (accès développeur) | Développeurs d'agents tiers |
| DoorDash DD-CLI | Recherche de restaurants, comparaison de deals, panier, commande réelle en ligne de commande | Gratuit, beta invite-only | Agents CLI et prototypes |
| Ollama | Faire tourner un LLM local pour piloter vos agents | Gratuit, open source | Tests en local, confidentialité |
| Claude Opus 4.7 (Anthropic) | Modèle de raisonnement pour agents multi-étapes | Abonnement API, tarif au token | Agents complexes avec outils |
| GPT-5.5 (OpenAI) | Modèle généraliste performant pour agents | Abonnement API, tarif au token | Prototypage rapide d'agents |
| Hostinger | Héberger un serveur pour vos agents et webhooks | À partir de quelques euros par mois (octobre 2026, vérifiez sur hostinger.com) | Déployer un agent 24/7 à petit prix |
Si vous débutez avec les agents autonomes, notre guide des meilleurs agents IA autonomes donne un bon point d'entrée avant de brancher quoi que ce soit sur une API commerciale.
Que dit exactement DoorDash ? — Les chiffres sourcés
DoorDash a reçu « peut-être quelques centaines de commandes au total » de la part d'agents tiers, selon Tony Xu. C'est la citation exacte de l'appel de résultats du T3 2026 : « if you look at where AI agents are today, we're seeing maybe several hundred orders in total from some of these third-party agents ».
Trois sources convergent sur ce chiffre : le communiqué officiel des résultats trimestriels de DoorDash, la couverture de TechCrunch du 30 octobre 2026, et les analyses de creati.ai et winzheng.com sur le même appel.
Les agents concernés ? Muse, Instinct et Fo — des agents d'achat tiers qui promettent de commander votre dîner automatiquement. Le résultat : quelques centaines de commandes. Pas quelques centaines par jour. Au total.
Pourquoi ce chiffre compte. DoorDash est l'un des tout premiers acteurs du commerce à publier publiquement ses métriques d'usage agentique. La plupart des entreprises se contentent d'annonces de partenariats. Ici, on a un chiffre brut, assumé, par le PDG lui-même. C'est rare et précieux.
Et ce n'est pas un cas isolé de décalage entre discours et réalité. Notre article sur OpenAI qui propose jusqu'à 90 % de remise pour débaucher les clients d'Anthropic et Replit montre la même mécanique : un marché qui s'emballe narrativement bien avant que les usages ne suivent.
Ce que DoorDash construit en coulisses — Une stratégie d'ouverture assumée
DoorDash ne se contente pas de constater que les agents ne commandent pas : l'entreprise construit activement l'infrastructure pour qu'ils le fassent.
Trois produits agents en six mois
Le calendrier est agressif. En juin 2026, DoorDash lance Ask DoorDash, son chatbot conversationnel. En juillet 2026, l'agent CLI — surnommé dd-cli — arrive en beta invite-only : un outil en ligne de commande qui permet à un agent IA de chercher des restaurants, comparer les deals, construire un panier et finaliser de vraies commandes. En septembre 2026, l'agent text-to-order fait son apparition.
Le MCP officiel : la pièce maîtresse
Le plus intéressant pour les développeurs : DoorDash publie un MCP officiel qui permet de connecter un agent IA au même catalogue, au même panier et au même checkout que l'application grand public. Concrètement, votre agent ne passe pas par une API dégradée — il accède au vrai inventaire, aux vrais prix, au vrai paiement. La documentation est accessible depuis le portail développeur officiel de DoorDash.
La stratégie est limpide et l'a été formulée par DoorDash lui-même via Yahoo Finance : devenir une couche de service que développeurs tiers et systèmes IA peuvent brancher, plutôt qu'une destination consommateur. DoorDash veut être le rail de paiement et de logistique du commerce agentique, pas seulement une app.
La monétisation reste floue
Tony Xu a évoqué la publicité au sein de ces agents tiers comme une possibilité future. Mais il a été explicite : ce n'est pas une ligne de business établie. Autrement dit, DoorDash investit dans l'infrastructure agentique sans savoir encore comment elle rapportera. C'est un pari sur la position, pas sur le revenu immédiat.
Pourquoi si peu de commandes ? — Quatre raisons structurelles
La réponse courte : les agents IA ne résolvent pas encore un vrai problème pour le consommateur de livraison de repas.
Raison 1 : commander un dîner prend 90 secondes. L'application DoorDash mémorise vos adresses, vos favoris, vos habitudes. Le parcours est déjà optimisé au maximum. Un agent qui « commande à votre place » vous fait gagner... quelques taps. Le gain de temps est marginal, le risque perçu (mauvais restaurant, mauvaise commande, problème de paiement) est réel.
Raison 2 : la confiance n'est pas là. Confier un paiement à un agent autonome suppose de lui donner des credentials, des limites de dépense, des règles de décision. La majorité des consommateurs n'est pas prête. Et ils ont raison d'être prudents : les agents qui agissent sur des systèmes réels soulèvent des questions de sécurité sérieuses, que nous traitons dans notre article sur le red teaming d'agents IA — un domaine où des semaines de tests se compressent en quelques heures, mais où la plupart des agents grand public ne sont tout simplement pas testés.
Raison 3 : les agents tiers sont des produits de niche. Muse, Instinct, Fo — combien d'utilisateurs ont même entendu parler de ces agents ? L'adoption des agents personnels eux-mêmes reste confidentielle. On ne peut pas avoir des millions de commandes agentiques si les agents eux-mêmes n'ont que quelques dizaines de milliers d'utilisateurs.
Raison 4 : le cas d'usage est mal choisi. La livraison de repas est peut-être le pire terrain de jeu pour l'agentic commerce : décision à forte composante émotionnelle (envie du moment), faible valeur par transaction, forte friction de confiance. Les observateurs du secteur — y compris l'analyse de Griddl sur le dd-cli et le shift agentic — notent que les cas d'usage B2B et les achats récurrents sont des terrains bien plus prometteurs.
Walmart ouvre, Amazon bloque — Le marché se fracture
Le contexte concurrentiel mérite autant d'attention que les chiffres de DoorDash.
Selon les informations relayées par winzheng.com, Amazon bloque activement les agents d'achat personnels sur sa plateforme, quand Walmart leur ouvre la porte. Cette divergence stratégique est le vrai enjeu de 2026-2027 : chaque grande plateforme choisit si l'agent est un client ou une menace.
La logique d'Amazon est compréhensible : pourquoi laisser un agent tiers interposer une couche entre le client et Amazon, au risque de perdre la relation client, les données et la marge publicitaire ? La logique de Walmart est inverse : capter tôt les flux agentiques, quitte à céder de l'interface, pour être la destination par défaut des agents.
DoorDash, avec son MCP et son CLI, se positionne clairement dans le camp de l'ouverture. C'est un choix risqué — ouvrir son checkout à des agents tiers dont on ne contrôle ni l'UX ni la marque — mais c'est le seul choix qui permet de capter le marché agentique s'il décolle.
Pour les développeurs qui veulent comprendre les architectures derrière ces choix, notre article sur les 5 patterns d'agents IA qui marchent détaille les modèles d'orchestration qui dominent réellement en production — et le pattern « agent comme client d'une API marchande » en est un émergent.
Comment se brancher sur DoorDash en tant que développeur — Le guide express
Si vous voulez construire un agent qui commande réellement des repas, voici le chemin le plus court.
Étape 1 : choisissez votre LLM
Le MCP de DoorDash est compatible avec les modèles supportant le protocole MCP. Pour un agent de commande, vous n'avez pas besoin du modèle le plus cher : Claude Sonnet 4.6 (Anthropic) ou GPT-5.4 (OpenAI) suffisent largement pour du tool-calling fiable. Si le raisonnement multi-étapes devient complexe (comparaison de deals, contraintes horaires, budget), passez sur Claude Opus 4.7 ou GPT-5.5. Notre guide sur les meilleurs LLM pour les agents IA compare ces modèles spécifiquement sous l'angle agentique, avec leurs forces en tool use.
Étape 2 : implémentez le MCP
La documentation officielle DoorDash, disponible sur le portail développeur de la plateforme, décrit la connexion de votre agent au catalogue, au panier et au checkout. Le point crucial : votre agent accède au même inventaire et aux mêmes prix que l'app grand public. Pas d'API sandbox déconnectée du réel.
Étape 3 : testez en local avant de déployer
Bonne pratique non négociable : faites tourner votre agent en local d'abord. Avec Ollama, vous pouvez exécuter des modèles open source comme GLM-5 (Reasoning) de Z.AI ou Kimi K2.6 de Moonshot AI en self-host, et itérer sur la logique de décision de votre agent sans coûter d'API. Notre tutoriel sur les agents IA open source avec Ollama en local couvre cette phase de développement en détail.
Étape 4 : cadrez les dépenses
Un agent qui peut dépenser de l'argent réel doit avoir des garde-fous : plafond par commande, liste blanche de restaurants, validation humaine au-dessus d'un seuil. C'est exactement le type de contrainte que vous pouvez configurer dans des frameworks d'agents — notre guide sur configurer OpenClaw : SOUL, AGENTS et Skills montre comment définir ces règles de comportement dans un agent open source.
Ce que les chiffres de DoorDash disent du marché — Lecture froide
Trois enseignements à retenir, sans dramatiser ni survendre.
Enseignement 1 : l'infrastructure précède l'usage, comme toujours. DoorDash construit des rails avant qu'il y ait des trains. C'est le pattern classique des plateformes : Stripe a construit l'API de paiement des années avant que le paiement en un clic ne devienne standard. Les quelques centaines de commandes d'aujourd'hui sont le prix d'entrée du marché de demain — si ce marché existe.
Enseignement 2 : le consommateur n'est pas le premier segment. Le MCP de DoorDash cible d'abord les contextes corporate — commander depuis des chatbots d'entreprise, des assistants internes. C'est là que la friction de confiance est la plus faible : l'entreprise assume le risque, pas l'employé. Les quelques centaines de commandes B2C ne disent rien du potentiel B2B.
Enseignement 3 : le hype médiatique sur l'agentic commerce est en avance d'au moins deux ans sur la réalité. Les projections les plus agressives du secteur parlent de centaines de milliards de dollars de commerce agentique d'ici 2030. Les données DoorDash du T3 2026 — quelques centaines de commandes sur une plateforme à 3 millions de livraisons quotidiennes — suggèrent que la courbe d'adoption grand public démarre quasiment de zéro. Ce n'est pas un échec, c'est un début. Mais tout discours présentant l'agentic commerce comme une vague déjà là est trompeur.
Mon avis, assumé : DoorDash fait le bon choix stratégique en s'ouvrant, mais le vrai décollage viendra des agents intégrés nativement dans les assistants que les gens utilisent déjà — Siri, Gemini, ChatGPT — pas des agents tiers indépendants que personne n'a installés.
❌ Erreurs courantes
Erreur 1 : confondre « infrastructure disponible » et « adoption réelle »
Les annonces de MCP, de CLI et de partenariats agentiques créent l'illusion d'un marché mature. La solution : exigez toujours les chiffres d'usage réels avant de citer un acteur comme preuve de traction. Le chiffre DoorDash — quelques centaines de commandes — est la référence honnête à opposer aux projections mirifiques.
Erreur 2 : déployer un agent de paiement sans garde-fous
Brancher un agent sur un checkout réel sans plafond de dépense ni validation humaine est une bombe à retardement : une boucle de raisonnement défectueuse et votre agent commande 50 repas. La solution : plafonds stricts, journalisation de chaque décision, et test systématique en environnement local avant tout passage en production.
Erreur 3 : croire que tous les agents passent partout
Amazon bloque les agents personnels quand Walmart les accepte. Un agent d'achat qui fonctionne sur une plateforme peut être purement et simplement bloqué sur une autre. La solution : vérifiez les politiques de chaque plateforme avant de promettre une couverture à vos utilisateurs, et concevez des fallbacks.
❓ Questions fréquentes
Combien de commandes DoorDash a-t-il reçues d'agents IA ?
Quelques centaines au total, selon Tony Xu lors de l'appel de résultats du T3 2026 (30 octobre 2026, sources : TechCrunch, communiqué officiel DoorDash). À comparer aux 3 millions de livraisons quotidiennes annoncées dans le rapport 2025 de l'entreprise. Les agents concernés sont des agents tiers comme Muse, Instinct et Fo.
Comment un agent IA peut-il commander chez DoorDash ?
Via le MCP officiel de DoorDash, qui connecte l'agent au catalogue, au panier et au checkout de la plateforme, ou via dd-cli, un outil en ligne de commande en beta invite-only depuis juillet 2026. Les deux canaux donnent accès au même inventaire et aux mêmes prix que l'application grand public.
Pourquoi les chiffres sont-ils si faibles ?
Quatre raisons : commander un repas est déjà rapide via l'app, la confiance dans les paiements autonomes n'est pas établie, les agents tiers eux-mêmes ont une base d'utilisateurs minuscule, et la livraison de repas est un cas d'usage mal adapté à l'autonomie (décision émotionnelle, faible valeur par transaction).
DoorDash gagne-t-il de l'argent avec les agents IA ?
Pas encore. Tony Xu a évoqué la publicité au sein des agents tiers comme piste future, mais a précisé que ce n'est pas une ligne de business établie. DoorDash investit actuellement dans la position stratégique de « couche de service » du commerce agentique, sans revenu direct démontré.
Amazon bloque-t-il vraiment les agents d'achat ?
Oui, selon les informations relayées par winzheng.com, Amazon bloque les agents d'achat personnels sur sa plateforme, tandis que Walmart les accueille. DoorDash, avec son MCP et son CLI, se positionne dans le camp de l'ouverture. Le marché du commerce agentique se fracture donc entre plateformes fermées et ouvertes.
✅ Conclusion
Les quelques centaines de commandes agentiques chez DoorDash sont le chiffre le plus honnête du secteur : l'agentic commerce est une infrastructure en construction, pas un marché établi — et DoorDash mise sur l'ouverture pour être prêt le jour où les agents passeront enfin commande en masse. Si vous voulez suivre ce marché avec un regard critique, commencez par notre analyse des meilleurs agents IA autonomes pour comprendre ce qui fonctionne réellement aujourd'hui.