ChatGPT, Perplexity, Gemini ou Claude n’achètent pas à la place de vos prospects. Mais ils peuvent influencer ce qu’ils considèrent comme une bonne décision avant même qu’ils parlent à un commercial.
Dans un achat B2B, cette influence se joue rarement sur une seule réponse. Elle se joue dans une série de questions : comprendre le marché, cadrer le besoin, comparer les options, préparer une shortlist, vérifier les risques et justifier un choix en interne.
Le risque pour une marque n’est donc pas seulement d’être absente de ChatGPT. Le risque est que les LLM préparent l’acheteur avec des critères qui ne reflètent pas votre vraie valeur.
Réponse courte
ChatGPT, Perplexity et les LLM influencent les achats B2B à cinq moments du parcours :
| Moment | Ce que demande l’acheteur | Effet possible sur la décision |
|---|---|---|
| Exploration | ”Comment fonctionne ce marché ?” | L’IA installe une première carte de la catégorie |
| Cadrage | ”Quels critères comparer ?” | L’IA propose des standards, seuils et risques |
| Shortlist | ”Quels fournisseurs regarder ?” | L’IA réduit le marché à quelques options défendables |
| Préparation | ”Quelles questions poser ?” | L’IA prépare les objections et la grille d’entretien |
| Justification | ”Comment défendre ce choix ?” | L’IA transforme les preuves disponibles en arguments internes |
Le point important : cette influence arrive souvent avant le formulaire, avant le rendez-vous et parfois avant l’appel d’offres.
Pourquoi cette requête existe déjà dans la SERP
La demande ne vient pas seulement des équipes marketing. Elle vient d’un changement observable du parcours d’achat.
Gartner prévoit que le volume de recherche traditionnel baissera de 25 % d’ici 2026 sous l’effet des chatbots et agents IA (Gartner). G2 indique dans son rapport 2025 que les chatbots IA deviennent une source majeure d’influence sur les shortlists logiciels (G2 Buyer Behavior Report). 6sense rappelle de son côté que les acheteurs B2B arrivent rarement neutres au premier échange commercial : la shortlist et les préférences se forment souvent avant le contact sales (6sense Buyer Experience Report).
Pour Google, cela ne remplace pas les fondamentaux SEO. Les contenus doivent rester utiles, fiables, lisibles et cohérents avec ce qui est visible sur la page (Google Search Central). La différence est que ces contenus doivent aussi être assez structurés pour être repris dans une réponse IA.
Ce que ChatGPT et les LLM changent vraiment
Le SEO classique aide un acheteur à trouver une page.
Le GEO aide une marque à être présente dans une réponse IA.
Mais dans les achats B2B complexes, le sujet va plus loin : l’IA ne se contente pas de citer des sources. Elle peut structurer une grille de décision.
Elle peut répondre à des questions comme :
- quels critères permettent de comparer les fournisseurs ;
- quelles preuves demander avant de signer ;
- quels risques vérifier dans un projet ;
- quelles options exclure d’une shortlist ;
- quel niveau de documentation rend une offre crédible ;
- quelles objections anticiper avec un fournisseur.
Dans ces moments, ChatGPT ou Perplexity agissent comme une couche de cadrage. Ils aident l’acheteur à formuler ce qu’il doit regarder. Cette formulation peut ensuite circuler dans un brief interne, un CCTP, une grille d’évaluation, un comparatif ou une conversation commerciale.
Ce que montrent les données Beyond Mentions
Les chiffres ci-dessous viennent de la première vague consolidée de l’Observatoire Beyond Mentions : 4 320 réponses Perplexity sonar analysées sur 3 jours UTC, avec 6 passes par question et par jour.
Il ne s’agit pas d’une mesure directe de ChatGPT. Les données décrivent un corpus contrôlé de réponses IA pour observer comment des moteurs génératifs mobilisent sources, preuves, critères et shortlists.
| Signal observé | Volume dans le corpus | Ce que cela indique pour l’achat B2B |
|---|---|---|
| Source dependency | 4 137/4 320 (95,8%) | Les réponses s’appuient massivement sur des sources réutilisables |
| Proof reuse | 3 714/4 320 (86,0%) | Les preuves documentées peuvent devenir des arguments repris par l’IA |
| Documentation and proof | 2 687/4 320 (62,2%) | La documentation joue un rôle d’infrastructure de décision |
| Shortlist and vendor evaluation | 2 168/4 320 (50,2%) | Une partie importante des réponses active une logique de choix fournisseur |
| Criteria reuse | 1 464/4 320 (33,9%) | Les critères explicites peuvent structurer la comparaison |
| Specification gap | 1 130/4 320 (26,2%) | Une offre peut être mal spécifiée si ses contraintes restent implicites |
La lecture utile est simple : les IA ne produisent pas seulement des textes informatifs. Elles transforment des contenus disponibles en critères, preuves et recommandations plus ou moins défendables.
Les quatre effets principaux sur un achat B2B
1. Les LLM rendent la catégorie plus simple que votre réalité
Quand l’acheteur découvre un sujet, il demande souvent une explication synthétique. L’IA cherche alors une catégorie lisible.
Exemples :
| Offre réelle | Catégorie simplifiée possible | Risque commercial |
|---|---|---|
| Audit de présence décisionnelle IA | Outil GEO | La valeur devient de la visibilité |
| Solution industrielle premium | Fournisseur standard | Le prix devient le critère de comparaison |
| Offre réglementaire complexe | Logiciel métier | Les contraintes d’audit disparaissent |
| Expertise technique spécialisée | Prestation de contenu | La preuve et les standards passent au second plan |
Ce phénomène rejoint le Category Compression Risk : une offre peut être visible mais repliée dans une catégorie trop pauvre.
2. Les LLM proposent des critères avant vos commerciaux
Un prospect peut demander :
“Quels critères utiliser pour choisir un fournisseur dans ce domaine ?”
La réponse peut ensuite devenir sa grille de lecture.
| Critère proposé par l’IA | Effet si vous ne l’avez pas documenté |
|---|---|
| Prix | Vous êtes comparé sur le coût apparent |
| Fonctionnalités | Votre méthode devient une liste de livrables |
| Références | Vos preuves non publiées ne comptent pas |
| Délai | Votre niveau d’exigence devient une friction |
| Conformité | Vos standards implicites ne sont pas repris |
| Accompagnement | Votre valeur conseil reste vague |
Le commercial peut toujours corriger ensuite, mais il récupère une conversation déjà cadrée.
3. Les LLM préparent une shortlist défendable
Dans un achat complexe, l’acheteur cherche rarement “le meilleur” de manière abstraite. Il cherche une option qu’il peut justifier.
Une IA peut donc privilégier les acteurs dont la valeur est facile à expliquer :
- catégorie claire ;
- critères explicites ;
- preuves disponibles ;
- cas d’usage compréhensibles ;
- limites d’usage honnêtes ;
- comparatifs faciles à reprendre.
Dans le corpus Beyond Mentions, le signal Shortlist and vendor evaluation apparaît dans 2 168/4 320 réponses (50,2%). Ce n’est pas une prédiction de pipeline, mais c’est un signal fort : les réponses IA activent souvent une logique de sélection, pas seulement une logique d’information.
4. Les LLM pré-éduquent les objections
Avant un premier échange, un acheteur peut demander :
- “Quelles questions poser à ce fournisseur ?”
- “Quels pièges éviter avant de signer ?”
- “Comment comparer deux offres très différentes ?”
- “Quelles preuves demander à un prestataire sérieux ?”
- “Quels signaux indiquent qu’une solution est trop légère ?”
Ces questions peuvent préparer des objections très utiles si vos preuves sont bien documentées. Elles peuvent aussi installer des objections défavorables si l’IA ne comprend pas votre niveau de valeur.
Diagnostic : où l’influence se joue-t-elle pour vous ?
| Ce que vous observez | Interprétation probable | Correction prioritaire |
|---|---|---|
| Les prospects arrivent avec des critères génériques | L’IA ou le marché simplifie votre catégorie | Publier des critères différenciants et leurs preuves |
| Vous êtes comparé à des acteurs incomparables | Mauvais fit de catégorie | Clarifier les cas d’usage, limites et mauvais substituts |
| Le prix revient trop tôt | La valeur n’est pas reliée au risque évité | Documenter le coût d’une mauvaise décision |
| Vos meilleurs arguments n’apparaissent pas | Proof reuse faible | Rendre les cas, chiffres, standards et preuves extractibles |
| Les appels d’offres semblent sous-spécifiés | Specification Gap | Publier des matrices de critères, seuils et exigences |
| Vous êtes cité mais rarement retenu | Présence sans préférence | Mesurer shortlist inclusion et Decision Share of Voice |
Le diagnostic doit être fait sur plusieurs questions, plusieurs passes et plusieurs angles. Une seule réponse ChatGPT peut être anecdotique. Un pattern répété devient un signal exploitable.
Ce qu’une marque B2B doit publier
Pour influencer une réponse IA, un contenu doit aider l’acheteur à mieux décider. Il ne suffit pas de décrire l’offre.
| Bloc à publier | Question acheteur servie | Rôle dans la réponse IA |
|---|---|---|
| Définition claire | ”De quoi parle-t-on exactement ?” | Stabilise la catégorie |
| Critères de choix | ”Comment comparer ?” | Structure la grille d’évaluation |
| Preuves vérifiables | ”Qu’est-ce qui prouve la valeur ?” | Rend la recommandation défendable |
| Seuils et standards | ”Quel niveau exiger ?” | Évite le nivellement par le minimum |
| Cas d’usage | ”Dans quel contexte est-ce pertinent ?” | Relie l’offre à une situation réelle |
| Limites d’usage | ”Quand faut-il éviter cette option ?” | Augmente la confiance et réduit les recommandations floues |
| Matrice comparative | ”Quelles différences comptent vraiment ?” | Oriente la shortlist vers les bons critères |
| FAQ acheteur | ”Quelles questions dois-je poser ?” | Prépare le premier échange commercial |
Ces blocs doivent être lisibles par un humain et faciles à extraire par une IA : phrase claire, critère nommé, preuve associée, contexte d’usage et limite si nécessaire.
Comment mesurer l’influence des LLM sur vos achats
Ne mesurez pas seulement la citation de marque. Mesurez la place de votre offre dans la logique d’achat.
| Niveau | Question de mesure | Signal utile |
|---|---|---|
| Citation | Sommes-nous nommés ? | Fréquence de mention |
| Catégorie | Comment l’IA nous explique-t-elle ? | Category fit |
| Critères | Quels critères sont repris ? | Criteria reuse |
| Preuves | Quelles preuves justifient la réponse ? | Proof reuse |
| Shortlist | Sommes-nous retenus dans les options ? | Shortlist inclusion |
| Objections | Quels risques l’IA prépare-t-elle ? | Objection framing |
| Décision | Notre logique de valeur est-elle reprise ? | Decision Share of Voice |
Cette mesure prolonge Beyond Traffic : mesurer la Decision Presence avant les clics. Le trafic dit si l’acheteur arrive. La Decision Presence dit dans quelle disposition il arrive.
Audit rapide en 30 minutes
Testez dix questions que vos prospects pourraient poser avant de vous contacter :
- “Quels critères comparer pour choisir une solution comme la nôtre ?”
- “Quels fournisseurs mettre en shortlist dans notre catégorie ?”
- “Quelles preuves demander avant de signer ?”
- “Quels risques vérifier dans un projet de ce type ?”
- “Quelle différence entre une offre standard et une offre premium ?”
- “Quelles questions poser lors du premier rendez-vous ?”
- “Quels signaux montrent qu’un fournisseur est sérieux ?”
- “Quelles erreurs éviter dans l’appel d’offres ?”
- “Quels critères justifient un prix plus élevé ?”
- “Quand faut-il exclure une option de la shortlist ?”
Pour chaque réponse, codez cinq éléments :
| Élément à coder | Question |
|---|---|
| Catégorie | Sommes-nous rangés dans la bonne boîte ? |
| Critères | Les critères qui nous avantagent apparaissent-ils ? |
| Preuves | Nos preuves sont-elles reprises ou absentes ? |
| Shortlist | Sommes-nous recommandés, alternatifs ou absents ? |
| Objections | Les risques préparés sont-ils justes ou défavorables ? |
Si les mêmes écarts reviennent, le problème n’est pas seulement un problème de visibilité. C’est un problème de documentation décisionnelle.
À retenir
ChatGPT, Perplexity et les LLM influencent les achats B2B en amont de la conversation commerciale.
Il peut aider l’acheteur à :
- comprendre la catégorie ;
- formuler les critères ;
- préparer la shortlist ;
- demander les bonnes preuves ;
- anticiper les objections ;
- justifier une décision en interne.
La question stratégique n’est donc pas seulement :
“Est-ce que ChatGPT ou Perplexity citent notre marque ?”
La vraie question est :
“Quels critères les LLM donnent-ils à l’acheteur avant qu’il nous parle ?”
À lire ensuite
- Avant l’appel d’offres : comment les critères d’achat IA se forment : pour comprendre le déplacement du pouvoir de spécification.
- Comment les IA déplacent les décisions avant le premier échange commercial : pour relier cette influence au cycle commercial.
- Beyond Traffic : mesurer la Decision Presence avant les clics : pour mesurer la présence dans les critères, preuves et shortlists.
- Documentation Blind Spot : pour transformer vos preuves implicites en blocs réutilisables.
FAQ
ChatGPT ou Perplexity remplacent-ils l'acheteur B2B ?
Non. Les LLM ne prennent pas la décision finale, mais ils peuvent influencer la manière dont l'acheteur comprend le marché, définit ses critères, prépare sa shortlist et formule ses objections.
À quel moment les LLM influencent-ils le plus l'achat ?
L'influence est forte avant le premier échange commercial, lorsque l'acheteur cherche à clarifier le besoin, comparer les options, préparer une consultation ou sécuriser une décision interne.
Quels contenus influencent le plus les réponses IA ?
Les contenus les plus utiles sont les définitions précises, critères de choix, matrices comparatives, preuves vérifiables, limites d'usage, standards et FAQ acheteur.
Comment mesurer cette influence ?
Il faut observer les réponses IA sur un corpus de questions acheteur et coder la catégorie utilisée, les critères repris, les preuves citées, la présence en shortlist et la qualité de la recommandation.
Quelle question l'acheteur pose-t-il à l'IA ?
Quelle simplification documentaire peut abaisser le standard ?
Quel niveau technique doit être formulé clairement ?
Quelles preuves doivent être demandées ou publiées ?
Quel critère permet d'écarter une réponse insuffisante ?