Comment l'IA choisit les fournisseurs pour une RFQ
Ce qui doit être écrit publiquement avant que ChatGPT, Claude, Gemini ou Perplexity cite votre entreprise en réponse à une question technique d'achat.
Un ingénieur achats cherchant un sous-traitant capable d'usiner du titane en cinq axes commençait autrefois par un annuaire : filtrer par procédé, puis par matériau, puis parcourir les certifications. De plus en plus, il ouvre plutôt une fenêtre de chat, tape l'exigence technique telle quelle, et reçoit un paragraphe qui cite deux ou trois entreprises. Le modèle a déjà fait cette comparaison, bien ou mal, avant même que l'acheteur ouvre un véritable annuaire.
Ce paragraphe mérite plus d'attention que ne lui en accordent la plupart des entreprises. Il ne provient pas d'un moteur qui aurait noté des fournisseurs par rapport à un cahier des charges, mais d'un modèle de langage qui prédit quels noms ont le plus de chances d'apparaître à côté d'une capacité, en fonction de tout ce qu'il a lu sur le secteur. Comprendre ce mécanisme, plutôt que de suivre de vagues conseils sur la « visibilité IA », voilà ce qui indique si votre entreprise a une chance réelle d'y figurer.
Ce qui doit exister avant qu'un modèle puisse vous citer
Pour qu'un modèle écrive le nom de votre entreprise dans une réponse sur l'usinage du titane en cinq axes avec certification AS9100D, cette combinaison doit exister dans un texte que le modèle a lu : votre nom, ce procédé, ce matériau, cette certification, assez proches pour survivre à la façon dont le modèle compresse ce qu'il a lu. Une page qui annonce « nous proposons des services d'usinage de précision » ne suffit pas : c'est peut-être vrai, mais ce n'est pas assez précis pour être mobilisé sur une question précise, et le modèle ne peut pas deviner que votre page générique couvre aussi le titane cinq axes si cela n'est écrit nulle part, en toutes lettres, là où un robot d'indexation puisse le lire.
C'est le détail qui prend de nombreux industriels au dépourvu. Beaucoup de sous-traitants qui savent réellement faire ce travail ne l'ont jamais écrit nulle part publiquement : la capacité existe dans un devis envoyé à un client il y a des années, dans une liste de machines jamais mise en ligne, dans un certificat AS9100D rangé dans un classeur au service qualité. Du point de vue d'un modèle, cette capacité n'existe pas, puisque rien ne la décrit sous une forme qu'il ait jamais pu lire.
Une mention est une affirmation, plusieurs forment un signal
Même quand la capacité est écrite quelque part, une occurrence isolée reste un signal faible. Une ligne sur la page d'accueil ressemble à ce qu'écrirait un service marketing, que cela résiste ou non à un examen sérieux, et un modèle entraîné sur suffisamment de contenu promotionnel apprend implicitement à en tenir moins compte. Ce qui fait entrer un nom dans une réponse plus sûrement, c'est la même capacité décrite indépendamment à plusieurs endroits : une page projet sur le site du fabricant, une fiche dans un annuaire professionnel qui exige la certification pour s'y inscrire, une mention dans une revue spécialisée, un fil de discussion où un ingénieur cite son fournisseur pour un travail similaire. Aucun de ces éléments n'a besoin d'être imposant, mais ils doivent être indépendants et concorder : dix reformulations de la même affirmation restent un signal ténu répété dix fois. Ce qui distingue un signal fort d'un signal faible, c'est la provenance, pas la répétition.
Un signal obsolète égare un modèle exactement comme un signal absent
Une page de certification rédigée il y a longtemps et jamais mise à jour est un risque, pas un atout. Si la certification AS9100D a expiré, ou si la machine cinq axes a été remplacée par une capacité trois axes sans que le site soit mis à jour, un modèle peut malgré tout citer cette entreprise pour un travail qu'elle ne sait plus faire, car l'ancien texte reste la version la plus récente qu'il ait lue. Cela pénalise l'acheteur autant que si l'entreprise n'avait jamais été mentionnée, sauf qu'il ne s'en aperçoit qu'après coup, une fois la RFQ envoyée. Ce n'est pas un problème que l'on règle une fois pour toutes : l'image qu'un modèle se fait de vous dépend de ce qui a été écrit la dernière fois que quelqu'un vous a décrit.
Pourquoi la question précise se gagne plus facilement que la question générale
« Services d'usinage CNC » est une question qui appelle un nombre considérable de réponses légitimes, presque toutes assez génériques pour qu'un modèle n'ait aucune raison forte de préférer un nom à un autre : il retient les noms qui reviennent le plus souvent dans le contenu générique le plus large, ce qui récompense qui a le plus publié, pas qui convient le mieux au travail. « Usinage du titane en cinq axes avec certification AS9100D » est différente : beaucoup moins d'entreprises peuvent honnêtement revendiquer les trois éléments à la fois, ce qui restreint le champ assez pour qu'une seule page bien documentée devienne le signal le plus fort de l'ensemble.
Cela va à l'encontre de la façon dont s'écrit la plupart du contenu marketing, pensé pour séduire le plus grand nombre de chercheurs possible, ce qui le rend oubliable pour un système qui cherche à faire correspondre une question précise. La page qui gagne est écrite pour cette requête : procédé, tolérance, matériau, certification, dans les mots d'un ingénieur, pas ceux d'une plaquette qui veut impressionner tout le monde à la fois. Imaginez un sous-traitant qui fait exactement ce travail, pièces en titane cinq axes à tolérances serrées, entièrement certifié AS9100D, mais qui ne s'est décrit en ligne que comme un « partenaire d'usinage de précision tous services ». Il pourrait être le mieux qualifié du pays pour cette RFQ et ne jamais apparaître dans une réponse, faute d'avoir publié de quoi faire le lien.
Une vérification à faire vous-même, dès cet après-midi
Choisissez la capacité réelle la plus précise de votre entreprise, le genre de détail qui figurerait sur une RFQ, pas sur un titre de page d'accueil. Formulez-la comme le ferait un acheteur qui la recherche, pas comme la décrirait votre service marketing : « qui usine du titane en cinq axes avec certification AS9100D » plutôt que « qui est un partenaire leader de la fabrication de précision ». Posez cette question exacte à ChatGPT, Claude, Gemini et Perplexity, chacun séparément, et regardez qui est cité.
Si vous êtes cité, observez comment : le modèle a-t-il décrit la capacité avec exactitude, ou a-t-il deviné et commis une erreur ? Si vous n'êtes pas cité, regardez qui l'est, et demandez-vous honnêtement si cette entreprise a publié la chose plus clairement que vous. Restez honnête sur ce que ce test vous apprend : une capacité, formulée d'une certaine façon, sur quatre plateformes, un seul jour. Ce sont des systèmes probabilistes : la même question posée demain peut renvoyer une liste différente, pour des raisons sans rapport avec ce que vous auriez changé. Un seul essai n'est qu'une anecdote. Savoir réellement où vous en êtes suppose de poser les questions qui comptent, formulées comme les formulent vos véritables acheteurs, à répétition, sur chaque plateforme et marché où vous vendez. C'est un problème de mesure, et c'est précisément celui que PSentry est conçu pour suivre : l'outil exécute votre ensemble de prompts sur les quatre plateformes selon un calendrier régulier et montre quelles capacités vous font citer, et lesquelles, silencieusement, ne le font pas.
Ce que ce test ne vous dit pas
Rien de tout cela ne signifie que documenter une capacité avec précision garantit qu'un modèle vous citera la prochaine fois. Ce n'est pas le cas, et tout outil qui le promet vend quelque chose qu'il ne peut pas tenir. Ce mécanisme est un diagnostic, pas un levier actionnable avec certitude. Si la capacité n'est écrite nulle part indépendamment de vous, c'est une lacune corrigible. Si elle est écrite, à jour, et que vous n'apparaissez toujours pas, la question honnête est de savoir qui gagne et ce qu'il a publié que vous n'avez pas, plutôt qu'une vague résolution de faire plus d'« optimisation IA ». Un outil de mesure peut vous dire laquelle de ces deux situations est la vôtre ; il ne peut pas rédiger les pages à votre place.
Questions Fréquentes
La formulation exacte de la question change-t-elle qui est cité ?
Oui, plus qu'on ne l'imagine. Les modèles réagissent à la proximité entre une question et la façon dont les documents sous-jacents décrivent la même chose ; une question au vocabulaire d'ingénieur remonte donc des résultats différents d'une question au vocabulaire marketing, comme « partenaire » ou « solution ».
Si notre entreprise n'est pas citée, cela veut-il dire que le modèle ignore notre existence ?
Pas nécessairement. Cela peut vouloir dire que le modèle sait que vous existez en général, qu'il a lu vos contenus marketing génériques, mais qu'il n'a aucun texte reliant votre entreprise à cette capacité précise. C'est en général une lacune de documentation sur un point, pas un verdict sur l'entreprise entière.
Les annuaires professionnels aident-ils plus que notre propre site ?
Différemment, pas nécessairement davantage. Une fiche d'annuaire est utile surtout parce qu'elle est indépendante de vous, mais la plupart ne capturent qu'une catégorie large, pas la combinaison exacte dont une RFQ a besoin.
Pouvons-nous soumettre notre entreprise pour qu'une IA la recommande ?
Non. Aucune grande plateforme ne propose de formulaire de soumission ni de placement payant. La seule façon d'y entrer est la même que pour tout le reste : quelque chose, quelque part, décrit la capacité en détail, corroborée assez de fois pour faire partie de ce que le modèle a lu.
À quelle fréquence faut-il refaire ce type de vérification ?
La faire une fois ne renseigne que sur un seul jour. La même question peut renvoyer des noms différents d'une exécution à l'autre, et les certifications comme les capacités évoluent avec le temps. La répéter détecte aussi bien une lacune qui s'ouvre qu'une affirmation obsolète qui subsiste.