Substitution de catégorie : comment une marque perd non seulement face à un concurrent, mais aussi face à un cadre de choix qui n’est pas le sien

Une marque vend une plateforme de gestion de la fidélité pour les chaînes de restaurants. Un responsable marketing tape dans AI Mode : « Comment fidéliser les clients réguliers dans un réseau de 30 restaurants ? » — et s'attend à figurer aux côtés de ses concurrents directs. Au lieu de cela, le système reformule la tâche en « automatisation du CRM pour la restauration » — et renvoie un ensemble d'acteurs entièrement différent, dont la moitié ne vend pas de la fidélisation, mais des systèmes de gestion comptable dotés d'un module d'emailing. Dans l’environnement de réponse, ce modèle devient trop étroit. Ici, une marque peut perdre avant même de rencontrer un concurrent, simplement parce que le système encadre la question autrement. L’utilisateur n’interroge pas une marque, mais une tâche ; la machine traduit la question dans le langage d’une catégorie ; la catégorie se décompose ensuite en un ensemble de critères ; et c’est déjà à l’intérieur de ces critères qu’apparaissent d’autres acteurs, auxquels l’utilisateur n’avait même pas pensé au départ. Voilà ce qu’est la substitution de catégorie : une défaite qui ne se joue pas dans la comparaison des marques, mais dans le cadre même à l’intérieur duquel on décide qui doit être considéré comme pertinent.

Ce mécanisme est inscrit dans la nature même des systèmes de recherche par IA contemporains. Google écrit qu’AI Mode est particulièrement utile pour les comparaisons complexes et les questions nuancées, et qu’AI Overviews et AI Mode peuvent utiliser une décomposition en éventail de la requête, en la scindant en sous-thèmes et en recherches supplémentaires sur des aspects connexes [1]. Traduit dans le langage du choix commercial, cela signifie la chose suivante : si l’utilisateur pose une question sur la façon de résoudre une tâche, le système n’est pas tenu de se limiter aux marques déjà connues de l’utilisateur. Il peut d’abord identifier une catégorie implicite, puis isoler des critères, et seulement ensuite composer un ensemble d’alternatives correspondant à ces critères. Dans cette logique, la marque peut disparaître bien avant toute comparaison directe avec ses concurrents.

Les données empiriques confirment que le type de requête joue ici un rôle décisif. Dans l’étude The Rise of AI Search, les chercheurs ont montré que les réponses d’IA apparaissent bien plus souvent pour des questions que pour des requêtes navigationnelles, où l’utilisateur sait déjà où il veut aller [2]. Autrement dit, la marque reste relativement en sécurité lorsque la demande s’est déjà formée en sa faveur : la personne saisit le nom de l’entreprise, du produit ou presque le chemin direct qui y mène. Mais c’est précisément dans la zone du choix précoce et intermédiaire, où l’utilisateur demande « qu’est-ce qui est le mieux pour telle tâche », « par quoi commencer », « quel outil conviendrait avec telles contraintes », que l’intermédiaire reçoit une liberté maximale pour définir le cadre. Et c’est donc là que se produit la perte la plus douloureuse de part d’attention.

L’importance de ce mécanisme croît non pas en théorie, mais dans le comportement de masse des utilisateurs. McKinsey écrit qu’environ la moitié des consommateurs utilisent déjà la recherche assistée par l’IA, et que 44% de ces utilisateurs la considèrent comme leur principale source d’information lorsqu’ils prennent une décision d’achat [5]. S’il en est ainsi, la substitution de catégorie n’est plus une erreur d’interface rare, mais un lieu systémique de redistribution de la demande. De plus en plus souvent, l’utilisateur reçoit son premier cadre de choix non pas de la marque, ni de sa propre navigation, mais d’un intermédiaire qui décide lui-même dans quelle langue la tâche sera décrite.

La substitution de catégorie peut prendre au moins quatre formes. La première est le changement de nom de la tâche. La marque pense opérer dans une catégorie, alors que le système voit le besoin de l’utilisateur dans une autre. L’entreprise vend, par exemple, un « environnement d’analytique intelligente pour le commerce », et l’IA traduit cela en un « outil de reporting pour boutique en ligne » plus simple. La deuxième est le changement des critères. La marque a construit son positionnement autour de la précision, de la profondeur et de l’intégration, tandis que la machine décide que, dans cette question, le critère principal sera la simplicité de lancement et le faible seuil d’entrée. La troisième est le rétrécissement ou l’élargissement de l’ensemble des alternatives. Le système peut injecter de façon inattendue des services issus d’une catégorie voisine s’il estime qu’ils répondent mieux à la requête de l’utilisateur. La quatrième est l’éviction de la marque au profit d’une description de la classe de solutions. Dans ce cas, la réponse se passe complètement des noms d’entreprises et reste au niveau de « mieux vaut choisir des outils dotés de telles propriétés ». Formellement, la marque n’a pas perdu face à un concurrent direct. Mais dans la pratique, elle est déjà expulsée du moment du choix.

Dans l’environnement de réponse, c’est particulièrement dangereux pour les entreprises dont l’autodésignation est complexe ou excessivement technique. L’utilisateur arrive rarement devant l’IA avec la terminologie prête à l’emploi de la marque. Il décrit son problème dans une langue vivante : « je veux déployer plus vite », « je ne suis pas prêt pour une intégration lourde », « j’ai besoin d’un outil que l’équipe comprendra sans analyste dédié », « je cherche une solution pour une entreprise de taille moyenne, pas pour une très grande entreprise ». Si, pendant des années, la marque a parlé d’elle-même dans le langage de ses catégories internes, sans le relier au langage réel de la demande, le système la placera facilement dans une case qui n’est pas la sienne — ou ne trouvera même aucune raison de la placer nulle part.

Microsoft écrit dans ses documents sur les nouvelles métriques de la recherche par IA que le parcours utilisateur devient plus court, tout en s’intégrant plus profondément à l’environnement de réponse lui-même : l’intention s’affine à chaque tour de dialogue, et une partie du choix se fait avant même la visite du site [3]. Ce détail a un lien direct avec la substitution de catégorie. Plus la décision se prend à l’intérieur de la conversation, plus l’influence des critères et comparaisons que le système met lui-même à la surface est forte. L’utilisateur peut commencer l’échange par une tâche relativement neutre, et se retrouver dès la deuxième ou troisième étape dans un cadre où l’on considère des classes de solutions complètement différentes.

Le problème est aggravé par le fait que les marques évaluent souvent leur position à partir des requêtes de marque et en tirent de fausses conclusions sur le marché. Si les utilisateurs, déjà familiers de l’entreprise, continuent à la trouver par son nom, cela crée une impression de stabilité. Pourtant, Google n’a pas introduit par hasard dans Search Console un filtre séparé pour les requêtes de marque et les requêtes sans marque [4]. La plateforme reconnaît ainsi que ces deux mondes obéissent à des logiques de croissance distinctes. Une requête de marque montre la force d’une connaissance déjà constituée de l’entreprise. Une requête sans marque montre la capacité de la marque à apparaître là où l’utilisateur n’a pas encore décidé de qui il parle exactement. Dans l’environnement de réponse, c’est ce second monde qui devient le principal champ de bataille.

Pour ai100, la substitution de catégorie peut devenir une série de recherche particulièrement forte. On peut, pour chaque secteur, constituer un corpus des formulations réelles des utilisateurs et observer dans quelles catégories différents systèmes les traduisent. À quelle fréquence la marque se retrouve-t-elle à l’intérieur de la catégorie d’origine ? À quelle fréquence le système substitue-t-il l’ensemble des critères ? Quels types de solutions voisines sont-ils introduits dans la comparaison ? Comment l’effet change-t-il lorsqu’on modifie une ou deux phrases dans la formulation de la tâche ? De telles études montreront rapidement que la défaite dans l’IA ne ressemble pas toujours à « le concurrent a pris notre place ». Bien plus souvent, il s’agit d’une perte silencieuse du droit d’être simplement inclus dans le cadre du choix.

La réponse pratique à ce problème commence par une refonte de son propre langage. La marque doit s’ancrer non seulement dans la catégorie qu’elle juge elle-même correcte, mais aussi dans les formulations voisines de la tâche employées par les utilisateurs. Cela signifie que le contenu, la documentation, les revues externes, les matériaux comparatifs et les descriptions lisibles par machine doivent porter non seulement le positionnement interne, mais aussi des passerelles vers le langage réel de la demande. Si le produit convient « pour un démarrage rapide sans déploiement long », cela doit être dit avec autant de clarté que ses qualités d’architecture. Si l’entreprise veut être associée non seulement au segment des grands comptes, cela doit être confirmé par des cas externes et des descriptions, et ne pas rester un simple rêve interne à la marque.

Il y a aussi un enseignement stratégique plus large. Dans la recherche classique, une marque pouvait se permettre de vivre en partie dans la logique de sa propre catégorie et d’attendre que l’utilisateur y parvienne de lui-même. Dans l’environnement de réponse, l’intermédiaire n’attend pas. Il construit lui-même le pont du problème vers la solution — et c’est donc lui qui décide quelles catégories doivent être considérées comme pertinentes. Par conséquent, la lutte contemporaine pour la visibilité n’est pas seulement une lutte pour la mention de la marque, mais aussi pour le droit de définir le vocabulaire même de la tâche. Celui qui perd dans le vocabulaire commence à perdre avant même la comparaison des produits.

C’est précisément pour cela que la substitution de catégorie est l’un des thèmes majeurs d’une compréhension mûre du marché de l’IA. Elle montre que la nouvelle défaite d’une marque peut être presque invisible pour l’analytique classique. Le site n’a pas perdu de positions sur son propre nom. Le concurrent, en apparence, n’a pas battu la marque frontalement. Mais la demande s’est déjà écoulée vers un autre cadre, où le choix s’opère selon les critères d’autrui et parmi les acteurs d’autrui. Dans ce nouvel environnement, ne gagne pas seulement celui qui est connu, mais d’abord celui qui a réussi à devenir la réponse naturelle à la tâche de l’utilisateur avant que la machine ne rebaptise cette tâche à sa manière.