… ou comment gagner sa place sur la shortlist agentique quand c’est un bot qui vous présélectionne.
Cette semaine, j’ai demandé à Claude comment le marché positionnait, sur le terrain des agents IA, une entreprise SaaS française installée aux États-Unis : bon produit, discours soigné. La réponse ne correspondait pas au positionnement qu’elle avait écrit. C’était une tout autre entreprise, recomposée à partir de ce que le modèle avait pu glaner ici et là : une catégorie qu’elle n’avait pas choisie, un narratif qu’elle n’aurait jamais mis en avant. Le fondateur et CEO savait précisément ce que son produit défendait sur le marché. La machine IA, elle, en avait décidé autrement et c’est sa version à elle que les agents de ses acheteurs découvrent en premier. Cet écart entre le positionnement que vous visez et celui que vous obtenez avec un LLM n’est pas un bug d’affichage. C’est devenu votre positionnement.
Si ce n’est pas vous qui avez écrit les affirmations qu’il extrait, vous n’avez pas perdu l’opportunité : vous n’avez jamais été en lice!
Alors, si vous cherchez à rendre un positionnement B2B lisible par l’IA, la clé n’est pas de mieux persuader, mais de mieux vous laisser extraire : rendez votre catégorie, votre narratif et votre preuve dissociables, déclaratifs et faciles à citer, et revendiquez une catégorie qu’aucun acteur en place ne détient déjà pour que l’agent sache vous identifier et vous ranger là où il faut. Pour les équipes de marketing produit B2B, et tout particulièrement les équipes SaaS européennes qui se lancent aux États-Unis, l’enjeu est de taille : les agents d’IA sont devenus les premiers évaluateurs du parcours d’achat. Ils trient les fournisseurs à partir d’affirmations lisibles par la machine, bien avant qu’un humain ne parcourt votre site. Si ce n’est pas vous qui avez rédigé les affirmations qu’il extrait, vous ne serez malheureusement jamais en lice.
Le consensus actuel porte sur le GEO, ou encore sur l’optimisation pour les moteurs génératifs. La formule consiste désormais à ajouter du balisage, à rédiger des FAQ, à vous faire citer et à rendre votre contenu plus digeste pour les moteurs de réponse. Ce conseil consiste à considérer l’agent comme un moteur de recherche amélioré qui classerait votre page. Or il n’en est rien. Un acheteur agentique ne classe pas de pages : il traduit une intention en une catégorie et en une série de critères, puis y place les candidats qui y correspondent. Les tactiques GEO augmentent vos chances d’être retrouvé. Elles ne disent rien de votre lisibilité : l’agent peut-il vous ranger dans une catégorie, rattacher des preuves à vos affirmations et vous faire passer à l’étape suivante sans avoir à combler lui-même les trous que vous avez laissés ?
La suite de ce blog parle de commerce agentique, de positionnement lisible par l’IA et de tout ce qui sépare un discours conçu pour convaincre un humain d’un autre conçu pour être évalué par un agent. On y verra pourquoi un nom de catégorie incontesté, la confiance dans le volet de gouvernance et des affirmations extractibles décident aujourd’hui de votre présence, ou non, sur une shortlist.
Le commerce agentique, c’est un processus qui déroule tout le parcours de vente, de la découverte au paiement, à la place de l’acheteur, sans qu’un humain valide chaque étape. Ce n’est plus de la prospective. Le 17 juin 2026, Shopify a lancé son Édition Printemps '26 : une Catalog API qui transforme les produits de millions de marchands en données structurées et interrogeables, et l’Universal Commerce Protocol, codéveloppé avec Google, qui permet à n’importe quel agent de découvrir, de négocier et de conclure la transaction avec n’importe quel marchand. Pour accéder au catalogue, une clé d’API suffit et aucune validation n’est requise. L’infrastructure d’achat via des agents interposés est désormais en libre-service.
L’agent est le premier lecteur. L’humain, le second.
En B2B, le mécanisme est à peu près le même, avec un cycle de vente plus long. Le comité d’achat intègre déjà des LLMs — ChatGPT, Perplexity, Gemini, des modèles entraînés sur des données du marché — qui passent les fournisseurs technologiques au crible, établissent des présélections et cadrent la comparaison avant même que les achats ne décrochent leur téléphone. L’agent est le premier lecteur. L’humain, le second.
Voilà, à mon sens, ce que la logique GEO ne voit pas. L’étape d’extraction ne conserve que le résidu structuré de votre positionnement et jette le reste. Un discours taillé pour l’humain soigne l’arc narratif, l’émotion, la formule qui impacte — tout ce que l’agent ne fait pas. Ne survit que le mécanique : ce que vous êtes, ce que vous remplacez, la preuve que vous avancez, votre posture de gouvernance. Ce résidu, écrivez-le vous-même, sinon l’agent le déduira, le plus souvent à partir de ce que disent des tiers de vous et du cadrage de vos concurrents.
Parce que persuader et se faire extraire ne récompensent pas la même chose. L’humain aime une histoire qui progresse. L’agent, lui, veut une affirmation qui tient toute seule. « Nous aidons les équipes ambitieuses à révéler leur potentiel » : pour un extracteur, c’est le naufrage complet, pas de catégorie, pas de référent, pas de preuve, rien à ranger. « repackaged est un cabinet de conseil en product marketing et relations analystes pour les entreprises SaaS B2B européennes qui se lancent aux États-Unis » : voilà qui est lisible, une entité, une catégorie, un acheteur, un périmètre, repris tels quels dans une shortlist.
L’échec, plus profond, est une affaire de catégorie. Si votre positionnement ne correspond à aucune catégorie que l’agent sait résoudre, il vous classe le plus souvent dans une catégorie qu’il connaît déjà : celle de l’acteur en place. Vous voilà à concourir dans le cadre de ce dernier, selon ses critères, dans le rôle de l’alternative moins connue. Vous n’avez pas été comparé puis recalé : vous avez été mal classé, et vous n’avez jamais concouru.
C’est le diagnostic de Richard Rumelt, pas un simple problème de tactique. La question n’est pas que votre texte manque d’optimisation. C’est que votre catégorie n’a pas de nom, alors la machine en attribue un à votre place. Peaufiner encore le texte ne fait que rendre plus visible une catégorie qui ne vous appartient pas : autant de terrain gagné pour l’acteur en place qui l’occupe.
Positionnez-vous pour l’extraction, pas pour la persuasion. Rendez la catégorie, l’affirmation et la preuve dissociables, déclaratives et citables, et revendiquez une catégorie qu’aucun acteur en place ne détient déjà.
Une entreprise française d’adtech que j’ai consultée attaquait de front les deux plateformes américaines qui dominent la monétisation publicitaire. Face à un agent qui traite la requête « monétisation publicitaire pour éditeurs », ce discours fait remonter les acteurs en place et relègue le challenger au rang de substitut moins connu : le mauvais classement, selon les règles de l’art. Le recadrage n’a pas consisté à hausser le ton. Il a consisté à nommer une catégorie que les acteurs en place n’occupent pas : un système d’exploitation pour les éditeurs, conçu pour les groupes médias professionnels. Même produit, autre rayon. L’agent avait enfin un endroit bien à lui où le ranger, sans acteur déjà établi à ce poste. Le nom de la catégorie est l’unité de lisibilité pour la machine. En détenir un que personne ne conteste, c’est toute la différence entre être un candidat et n’être qu’une note de bas de page renvoyant à un concurrent.
En bref, cette démarche suit celle de Michael Porter : une position distincte s’appuie sur un système d’activités distinct, et non sur une affirmation plus tapageuse sur le même sujet. Les agents d'IA rendent cette discipline mécanique. Ils ne peuvent vous ranger que là où vos affirmations prétendent que vous êtes, et ils privilégient le cadrage le plus net et le plus précoce ; c’est celui-là qu’ils répètent.
Ce travail de nom, c’est le cœur du métier de Product Marketing à l’ère des agents. Et pour une entreprise européenne qui pose le pied aux États-Unis, c’est le levier le plus puissant : une catégorie qui se résout proprement sur le marché américain, ce qui permet à la machine de vous situer selon vos propres termes, plutôt que de vous cataloguer comme la déclinaison étrangère d’un acteur en place local.
CATÉGORIE : [l’emplacement de marché que vous nommez et détenez — pas celui de l’acteur en place]
ENTITÉ : [votre entreprise, nommée à l’identique partout]
ACHETEUR : [à qui elle s’adresse, précisément]
REMPLACE : [le statu quo ou l’outil que vous délogez]
AFFIRMATION : [une capacité, énoncée comme un fait]
PREUVE : [un exemple nommé, un chiffre ou un référent vérifiable]
GOUVERNANCE : [votre posture de confiance comme attribut vérifiable, pas comme adjectif]
Ces champs devraient également figurer dans votre balisage Schema.org, afin que les systèmes d’IA reconnaissent de manière cohérente votre type d’entreprise et vos services.
Chaque ligne se tient sans les autres. C’est ça, le test : si un moteur de réponse en isole une, sortie de son contexte, dit-elle encore quelque chose de vrai et de situable ? Sinon, c’est de la persuasion — et l’agent la jette.
Parce que la confiance devient vérifiable par la machine — et qu’une confiance vérifiable par la machine se transforme en filtre. En décembre 2025, Forrester a fait du plan de contrôle des agents le troisième plan fonctionnel de l’architecture agentique d’entreprise, aux côtés du plan de construction (build plan) et du plan d’orchestration : la couche qui maintient les comportements autonomes en phase avec les règles, l’identité et l’appétence au risque de l’organisation. Son étude de paysage 2026 érige la gouvernance, l’identité d’agent portable et la politique inter-plans en capacités évaluées.
La conséquence sur le positionnement est immédiate. « Digne de confiance » était un adjectif de marque que l’humain lisait en diagonale. Dans une évaluation pilotée par un agent, cela devient un attribut que le système contrôle : comment votre produit gère-t-il l’identité, les droits, la traçabilité et les règles lorsque l’opérateur est un agent, et non une personne ? Une entreprise de données B2B que je connais et que je conseille de près possède cet atout — et le sous-vend. Son actif le plus différenciant, ce n’est ni sa couverture ni son prix : c’est d’être nativement conçue pour les agents, au niveau de la couche d’orchestration, de sorte que les agents puissent l’appeler proprement et en toute sécurité. Voilà de la gouvernance transformée en capacité. À l’ère des agents, ce n’est pas une ligne de conformité en bas de page : c’est ce qui vous fait passer le filtre.
C’est là que les relations entre analystes changent de forme, sans disparaître. L’évaluateur, c’était aussi cet analyste chez Forrester ou Gartner que vous briefiez avant un Wave ou un Magic Quadrant. Ça l’est toujours — mais c’est désormais aussi le modèle entraîné sur des données d’analystes et la check-list du plan de contrôle qui assurent le premier tri. Briefer ce nouvel évaluateur, c’est du travail de relations analystes : lui fournir des affirmations exactes et structurées, à la hauteur des exigences de gouvernance, pour que le modèle qui vous présélectionne reprenne les bonnes. Pour un entrant européen, c’est aussi la façon de combler le déficit de crédibilité qu’un comité américain traîne face à un nom qu’il ne connaît pas : cette caution qu’un analyste aurait apportée, rendue lisible pour la machine qui filtre en amont à sa place.
Peu de temps, et le compte à rebours est lancé au vu et au su de tous. Le 15 juin 2026, Salesforce a signé le rachat de Fin, ex-Intercom, pour quelque 3,6 milliards de dollars, faisant entrer dans Agentforce un agent IA orienté client qui traite en autonomie près des trois quarts du volume de support. Shopify, de son côté, a déplacé l’infrastructure agentique en mode libre-service. Mis bout à bout, le signal est limpide pour moi : les acteurs en place s’offrent les briques — et le vocabulaire de catégorie de l’« agent-ready » — avant même que les challengers aient fini d’énoncer le problème.
Le premier à imposer un vocabulaire de catégorie clair et extractible, c’est lui qu’on répète. Le second, on le compare.
C’est ça, la fenêtre. Dès qu’un cadrage d’acteur en place devient la référence que les agents répètent, les challengers héritent d’office d’une comparaison perdue d’avance : rangés dans la catégorie du leader, jugés selon ses critères. Le premier à imposer un vocabulaire de catégorie clair et extractible, c’est lui qu’on répète. Le second, on le compare.
On ne perd pas dans le bruit. On perd dans le silence, dans un angle mort que vous ne pouvez pas observer. Le refus tombe au pré-filtre de l’agent, avant même qu’un humain vous voie : le pipeline se tarit sans raison apparente, sans affaire perdue à décortiquer, sans objection à lever — juste une absence. Pour un challenger européen qui débarque aux États-Unis, cela alourdit un handicap que vous portez déjà. Vous passez pour un étranger aux yeux du comité humain. Et vous voilà, en plus, illisible pour la machine qui filtre en amont pour lui. Deux filtres, qui vous recalent l’un et l’autre en silence, avant la conversation que toute votre stratégie go-to-market cherchait à gagner.
Le rayon agentique, c’est l’ensemble des candidats qu’un agent présélectionne avant qu’un humain n’évalue quoi que ce soit. Le premier rôle du positionnement n’est plus de convaincre une personne : c’est d’être lisible pour la machine qui décide si cette personne vous rencontrera un jour. Voilà la convergence qui se joue en dessous de tout ça : le product marketing et les relations avec les analystes se fondent en une seule fonction — rendre une entreprise lisible et crédible pour des comités d’achat où l’IA siège désormais à côté des humains. Le modèle entraîné sur des données d’analystes et le moteur de réponse forment le nouvel évaluateur ; et lui, il lit des affirmations structurées, pas des histoires.
Pendant que les challengers cisèlent encore leurs formules d’accroche, les acteurs en place garnissent le rayon de leur propre vocabulaire de catégorie. Le cadrage posé ce trimestre, c’est celui que les modèles répéteront l’an prochain. Nommez votre catégorie dans des termes qu’un agent peut reprendre — ou laissez-vous ranger sous celui qui l’aura fait.
Commerce agentique — un processus qui mène de bout en bout la découverte, l’évaluation et la transaction pour le compte d’un acheteur, sans qu’un humain valide chaque étape.
Positionnement prêt pour les agents — un positionnement formulé en affirmations distinctes, vérifiables et citables, rattachées à une catégorie nommée, pour qu’un système d’IA puisse en extraire des affirmations lisibles par la machine et les répéter fidèlement.
Lisibilité machine — la capacité d’un évaluateur d’IA à déterminer ce qu’est une entreprise, à quelle catégorie elle appartient et quelles preuves étayent ses affirmations, à partir des données structurées et d’autres informations structurées présentées sous une forme exploitable par les systèmes d’IA.
Plan de contrôle des agents — la couche de gouvernance (Forrester, 2025) qui maintient le comportement autonome des agents en phase avec les règles, l’identité et l’appétence au risque de l’organisation ; dans l’achat B2B, la source des critères de confiance à l’ère des agents.
Comment optimiser pour les agents d’achat basés sur l’IA ? Rendez votre positionnement extractible, pas seulement trouvable. Nommez une catégorie à laquelle l’agent peut rattacher une place incontestée, énoncez chaque affirmation comme une phrase autonome, adossez-lui une preuve nommée, et formulez votre posture de gouvernance comme un attribut vérifiable. Le SEO classique continue d’aider les humains à naviguer sur la page et à lui faire confiance, mais l’optimisation pour les agents d’achat IA repose surtout sur des données structurées que les machines savent analyser et comparer de manière fiable. Côté IA, mettez en place un schéma produit complet au format JSON-LD, avec les informations essentielles suivantes : nom, description, référence (SKU), prix, disponibilité. Si ces données sont lacunaires, l’agent peut écarter l’article — il pèse les attributs du produit bien plus lourdement que le texte marketing. Les retours clients comptent aussi : les avis sont une source de premier plan pour les modèles de recommandation, et des avis détaillés, nombreux et ancrés dans des cas d’usage précis inspirent bien plus confiance qu’une simple note en étoiles.
Qu’est-ce que le commerce agentique ? Un processus qui parcourt le chemin de la découverte au paiement pour le compte d’un acheteur, sans intervention humaine à chaque étape. L’Universal Commerce Protocol et la Catalog API de l’Édition Printemps '26 de Shopify, lancés le 17 juin 2026, ont rendu cette infrastructure accessible en libre-service à tout développeur.
Comment rendre un positionnement B2B lisible par l’IA ? Séparez la catégorie, l’affirmation et la preuve pour que chacune tienne seule et reste citable ; nommez une catégorie qu’aucun acteur en place ne détient ; et gardez le nom de votre entité et votre vocabulaire de catégorie identiques partout où un modèle risque de les lire.
Repackaged aide les entreprises SaaS B2B européennes à devenir lisibles et crédibles auprès des comités d’achat américains — humains comme machines, qui y siègent désormais côte à côte. Cet article s’inscrit dans « Votre nouvel analyste est, lui aussi, une machine », notre fil de travail sur ce qui change lorsque les systèmes qui vous évaluent mêlent l’IA et les analystes. Envie de voir ce qu’un agent répond aujourd’hui quand on l’interroge sur votre catégorie ? Nous réalisons un audit de messaging « prêt pour les agents ».
Contactez-nous pour en savoir plus sur la manière dont nous pouvons vous aider à accélérer le succès de votre entreprise.
