Analystes et IA appliquent le même filtre à vos solutions et services, et la plupart des entreprises ne le passent pas

Les acheteurs B2B confient leur présélection à deux prescripteurs, l'analyste et le chatbot, qui jugent sur les mêmes critères. La plupart des entreprises ne les remplissent pas.

Selon l’étude The Answer Economy publiée par G2 en avril 2026 auprès de 1 076 acheteurs de logiciels B2B, 51 % d’entre eux commencent désormais leur recherche dans un chatbot IA plutôt que dans un moteur de recherche. Ils étaient 29 % un an plus tôt. La même étude place ces assistants au premier rang des influences sur la constitution des short-lists, à 54 %, devant les sites d’avis et devant les sites des éditeurs eux-mêmes.

Relisez ce dernier point. Ce que votre propre site raconte pèse aujourd’hui moins, dans la sélection, que ce qu’une machine raconte de vous. Et la machine n’est que le second prescripteur de l’histoire. Le premier officie depuis quarante ans.

L’inquiry, le canal invisible qui fabrique les short-lists

Le grand public connaît les cabinets d’analystes pour leurs quadrants et leurs vagues. Les praticiens savent que l’essentiel se joue ailleurs, dans un exercice plus discret : l’inquiry, cet entretien d’une demi-heure où un client abonné demande conseil avant de choisir. Gartner revendique plus de 500 000 interactions clients par an, et un analyste qui couvre une catégorie demandée en traite plusieurs centaines à lui seul.

On imagine la scène comme une consultation d’annuaire. La réalité est plus riche. L’analyste ne sort pas trois noms, il compare : ce qui distingue les solutions entre elles, ce que des clients au profil comparable ont concrètement obtenu en les déployant, les réserves qui accompagnent chaque option. Voilà la matière d’une recommandation.

Cette matière vient de quelque part : des briefings avec les éditeurs, de leurs sites, de leurs cas clients publiés. Une entreprise dont le différenciateur n’est écrit nulle part, dont les bénéfices clients dorment dans un deck commercial, ne lui donne rien à redistribuer. C’est le cas que nous rencontrons le plus souvent en audit : la matière existe, elle n’a simplement jamais été écrite. Un analyste ne peut pas inventer votre histoire à votre place. Le plus souvent, il ne vous cite simplement pas.

Le chatbot fait le même métier, en libre-service

Posez au chatbot la question que le client pose à son analyste, et regardez la réponse. Pas une liste de liens : une synthèse comparée, avec les options, leurs forces respectives et les retours d’utilisateurs. Structurellement, c’est une inquiry. Sans rendez-vous, sans abonnement, servie des dizaines de fois par jour sur chaque catégorie.

Les deux prescripteurs ne se lisent pas l’un l’autre, les rapports d’analystes étant réservés aux abonnés et hors de portée des moteurs. Mais ils appliquent les mêmes critères de sélection. Ni l’un ni l’autre ne mesure la qualité intrinsèque d’un produit, ils n’en ont pas les moyens. Ils recommandent ce qu’ils peuvent comprendre et comparer. Un différenciateur formulé et des bénéfices chiffrés, rattachés à une cible nommée, leur donnent de quoi travailler. Un message générique et interchangeable ne leur donne rien.

Une exclusion sans témoin ni trace

Personne ne prévient les recalés. L’analyste ne rappelle pas les éditeurs qu’il n’a pas mentionnés, l’IA encore moins. Le deal n’apparaît jamais dans le CRM du perdant, puisque pour lui il n’a jamais existé.

L’étude G2 donne la mesure de ce qui se joue dans ce silence : 69 % des acheteurs interrogés ont finalement choisi un autre fournisseur que celui qu’ils avaient prévu, sur la foi des réponses d’un chatbot. Un sur trois a acheté chez un éditeur dont il n’avait jamais entendu parler avant la conversation. Des marques installées perdent ainsi des affaires qu’elles ne sauront jamais avoir jouées, au profit d’acteurs moins connus mais mieux racontés.

Le déficit français tombe au pire moment

Reste à savoir combien d’entreprises passent ce double test. C’est mesurable, et nous l’avons mesuré. L’Observatoire Message-Market Fit, publié au deuxième trimestre 2026, a audité 369 startups françaises post-levée sur leurs seules données publiques, c’est-à-dire ce que voit un prescripteur avant tout premier contact. Le score moyen de clarté du message s’établit à 5,33 sur 10, et 75,9 % des entreprises auditées passent sous le seuil critique.

Deux résultats méritent l’attention. Lever des fonds n’améliore pas le message : la corrélation entre montant levé et clarté est quasi nulle sur l’ensemble du corpus. Et la préparation des sites à la lecture par les IA plafonne à 18 % de son potentiel. Rapprochez ces chiffres de ceux de G2 : quand 69 % des acheteurs changent d’avis sur la foi d’une réponse de chatbot et que trois entreprises sur quatre sont illisibles pour ce chatbot, le calcul de ce qui se perd est vite fait.

La variable la moins chère du plan de croissance

Il n’existe pas un chantier relations analystes et un chantier visibilité IA à financer côte à côte. Il existe un chantier de clarté, dont les deux autres bénéficient directement. Ce que l’analyste attend pour recommander une entreprise en inquiry, à savoir un positionnement net, des différences formulées, des preuves chiffrées et publiques, est mot pour mot ce qu’une IA attend pour la citer dans une réponse.

Ce travail ne demande ni refonte produit ni recrutement, encore moins un tour de table supplémentaire. Dans un environnement où les deux prescripteurs qui comptent filtrent sur les mêmes critères, la clarté du message est devenue la variable de croissance la moins chère à corriger. C’est aussi, toutes les données le montrent, la plus négligée.