Les agents IA présélectionnent les fournisseurs B2B en comparant ce qu'ils peuvent lire sur chacun avec le cahier des charges qu'on leur a donné, soit à partir du web au moment de la demande, soit à partir de ce que leur modèle a appris à l'entraînement. Un acheteur qui demande à un assistant des fournisseurs de systèmes de vision industrielle pour des lignes de conditionnement alimentaire, avec une certification nommée et une équipe de support en Europe, reçoit une courte liste en quelques secondes, et les entreprises qui y figurent sont celles dont les informations publiques ont rendu la correspondance facile. Un fournisseur absent de cette liste n'entre jamais dans la comparaison.
Nous appelons cette mesure la Shortlist Share. Nous donnons à un assistant ou à un agent d'achat un vrai cahier des charges, rédigé comme le rédigerait une équipe achats, lui demandons de proposer des fournisseurs, répétons l'exécution plusieurs fois et comptons la part des exécutions dans lesquelles l'entreprise apparaît. Si un fournisseur apparaît dans 6 exécutions sur 20, sa Shortlist Share pour ce cahier des charges est de 30 pour cent.
La part varie parce que la réponse de l'agent dépend de ce qu'il peut trouver et confirmer sur chaque fournisseur pour chaque élément du cahier des charges. Un cahier des charges est une liste de contraintes, comme une application, une certification, une région, une intégration ou une fourchette de prix, et un agent ne peut proposer un fournisseur avec assurance que si chaque contrainte est énoncée clairement quelque part où il peut la lire. Une entreprise qui liste ses certifications sur une page publique, nomme les applications qu'elle sert et les systèmes avec lesquels elle s'intègre, et que des tiers décrivent de la même façon, donne à l'agent moins de raisons de l'écarter. Une entreprise dont le site décrit son activité en termes généraux oblige l'agent à deviner, et un agent qui ne peut pas confirmer une contrainte a toutes les raisons d'écarter ce fournisseur.
La mesure commence par les cahiers des charges plutôt que par un outil. Rédigez cinq à dix cahiers des charges comme vos vrais acheteurs les rédigeraient, chacun avec les contraintes qui comptent sur votre marché, et gardez-les fixes pour que les résultats restent comparables dans le temps. Exécutez chacun plusieurs fois dans chaque assistant qu'utilisent vos acheteurs, comme ChatGPT, Claude, Gemini et Perplexity, car les réponses varient d'une exécution à l'autre et une seule exécution dit peu de chose. Notez quels fournisseurs apparaissent, dans quel ordre et avec quelle contrainte l'agent cite pour chacun, puis calculez votre part par cahier des charges et par assistant, et répétez le même jeu chaque mois.
Prenons une entreprise de capteurs avec huit cahiers des charges, chacun exécuté cinq fois dans quatre assistants, ce qui donne 160 exécutions. Si l'entreprise apparaît dans 40 d'entre elles, sa Shortlist Share globale est de 25 pour cent, et la vue par cahier des charges en dit plus que le total : une part de 70 pour cent pour les cahiers des charges liés aux entrepôts et de zéro pour tout ce qui mentionne une certification médicale indique à l'équipe quelle page ou quel référencement chez un tiers manque. Ces chiffres illustrent la méthode et ne décrivent aucune entreprise réelle.
La mesure a des limites que nous énonçons clairement. Les assistants changent de modèle et de sources sans préavis, si bien qu'une baisse sur un mois peut venir de l'assistant plutôt que de l'entreprise, et c'est pourquoi la tendance sur plusieurs mois compte davantage qu'une seule lecture. Les exécutions sont des échantillons, si bien qu'une part issue d'une poignée d'exécutions comporte une large incertitude et doit toujours être rapportée avec son nombre d'exécutions. Enfin, la Shortlist Share mesure le fait d'être proposé et non d'être choisi, puisque l'acheteur humain compare encore la liste et que la conclusion se fait toujours entre personnes.
Pour un responsable marketing, la part transforme une inquiétude vague au sujet de la recherche par IA en une liste de manques corrigeables, car chaque absence désigne une contrainte que l'agent n'a pas pu confirmer. Elle se place à côté de deux mesures liées que nous utilisons : la Machine Recall, qui indique si un assistant vous cite dans des questions ouvertes sur la catégorie, et l'Answer Fidelity, qui indique s'il vous décrit correctement une fois votre nom dans la question. Ce travail relève du pôle Visibilité de Torke Service, et une équipe qui préfère le mener en interne peut le faire depuis son propre assistant avec Torke Engine.
Une shortlist établie par un agent est une comparaison dont vous avez fait partie ou dont vous n'avez jamais entendu parler, et mesurer la part est le seul moyen de savoir laquelle. La même méthode s'applique à tout canal où une machine filtre des options pour une personne, des plateformes d'achat à la recherche sur les places de marché. Notez trois cahiers des charges que vos meilleurs clients auraient tapés il y a un an, exécutez chacun cinq fois dans deux assistants cette semaine, et comptez combien de fois votre nom revient.