On achète le moteur avant le carburant
L'IA est la priorité d'investissement numéro un en B2B pendant que l'hygiène des données reste sous-financée — on achète le moteur avant le carburant.
En bref
Les équipes B2B ont désigné l’IA comme leur priorité d’investissement numéro un à 55 %, alors que l’hygiène des données plafonnait à 35 %, dans le même sondage qui désignait les mauvaises données produits comme le principal frein à la croissance. Une faible maturité des données coûte jusqu’à 20 % des revenus, et la solution consiste à gérer les données produits comme une opération, avec un responsable et une cadence, plutôt que comme un projet avec une date de fin.
Master B2B a publié ce mois-ci son rapport 2026 State of B2B eCommerce, et Brian Beck et Andy Hoar m’ont demandé de réagir à l’une des conclusions pendant le webinaire. Rence Winetrout de GracoRoberts, Megan York de SAP et Daniel McIntyre de Coveo ont couvert le reste. Regardez mon segment ci-dessus. Voici l’argument, par écrit.
Deux chiffres tirés du sondage.
L’IA est la priorité d’investissement technologique numéro un des équipes eCommerce B2B, à 55 %. L’hygiène des données se situe à 35 %.
Même sondage, mêmes répondants : les mauvaises données produits sont le principal frein à la croissance pour la deuxième année de suite. La plupart des équipes donnent à leurs propres données la note B ou C.
L’industrie a donc correctement cerné le problème… puis financé autre chose.
Pourquoi ça se répète
Pendant des décennies, les données produits en B2B n’ont jamais eu à se suffire à elles-mêmes. Un représentant expliquait la différence entre deux SKU. Le service à la clientèle attrapait la mauvaise spécification. Quelqu’un corrigeait le prix au téléphone. Il y avait toujours un humain pour combler l’écart, alors personne n’accordait de valeur propre aux données.
Cet humain n’est plus là. Les acheteurs interrogent ChatGPT, Claude et Gemini sur vos produits avant d’appeler qui que ce soit. Le catalogue est maintenant exposé au grand jour, en concurrence pour l’attention, sans interprète. Des attributs incomplets et un prix qu’une machine ne peut pas lire n’ont pas droit à une question de suivi. Ils sont écartés.
L’infolettre · Deux fois par mois
Recevez la prochaine avant LinkedIn.
De vraies implémentations B2B. Des intégrations PIM, ERP et eCommerce qui fonctionnent. Quoi faire lundi, dans votre boîte de réception.
2 050+ praticiens. Désabonnement en un clic.
Les entreprises le savent, plus ou moins. Là où elles se trompent, c’est dans leur modèle mental. Les données produits sont traitées de l’une de deux façons, et les deux échouent. Soit c’est un centre de coûts qu’on finance à contrecœur, soit c’est un projet avec une date de début et une date de fin. On nettoie une fois, on crie victoire, on passe à autre chose. Puis on achète plus d’IA, on la fait rouler sur le même processus brisé, et on s’attend à un résultat différent.
Le rapport chiffre le coût d’une faible maturité des données à jusqu’à 20 % des revenus, en raison d’erreurs de prix, d’inefficacités et d’occasions ratées. Si le cinquième de vos revenus sortait par la porte parce que quelqu’un entrait par effraction dans l’immeuble à répétition, vous auriez un système d’alarme d’ici vendredi.
La seule chose que je leur ai dite
Arrêtez de traiter les données comme un projet. C’est une opération.
Le modèle d’IA que vous déployez cette année sera désuet dans douze mois. La couche de données est l’investissement durable, et c’est le seul endroit où l’ADN de votre entreprise peut vivre. Si chaque distributeur fait rouler les mêmes modèles génériques sur des données de même qualité, chaque distributeur obtient la même réponse moyenne. La seule façon de s’en sortir, c’est de mettre quarante ans d’expertise, le savoir qui a fait de vous le fournisseur qu’on appelle, dans les données elles-mêmes, pour que les modèles puissent les lire et vous recommander.
Le GEO commence dans le PIM, pas dans les requêtes.
Tirez cinquante SKU au hasard de votre catalogue en ligne. Deux vérifications : l’ensemble d’attributs est-il complet, et une machine peut-elle lire le prix sans ouvrir de session ? Ce chiffre en dit plus sur votre préparation à l’IA que votre budget d’IA.
Ensuite, regardez votre initiative de qualité des données. Si elle a une date de fin, retirez-la. Donnez-lui plutôt un responsable, une cadence et un indicateur.
Les questions qu'on me pose
FAQ
Pourquoi les dépenses en IA dépassent-elles toujours celles consacrées aux données ?
Pendant des décennies, un représentant, un préposé au service à la clientèle ou un appel téléphonique comblait les lacunes des données produits, si bien que personne n’accordait de valeur propre aux données. Aujourd’hui, les acheteurs interrogent ChatGPT avant d’appeler qui que ce soit, et le catalogue doit se suffire à lui-même.
Que coûtent réellement de mauvaises données produits ?
Le rapport Master B2B 2026 estime qu’une faible maturité des données coûte jusqu’à 20 % des revenus, en raison d’erreurs de prix, d’inefficacités et d’occasions ratées.
Faut-il gérer les données produits comme un projet ?
Non. Le modèle que vous déployez cette année sera désuet dans douze mois ; la couche de données est l’investissement durable. Donnez-lui un responsable, une cadence et un indicateur plutôt qu’une date de fin.
Données produit et PIM
Envie de le construire avec votre équipe ?
Des catalogues lisibles par les machines, et la gouvernance qui les garde ainsi.
Portée, échéancier et ce que votre équipe possède à la fin.