Ce mois-ci, je me suis surpris à appliquer dans notre propre agence une règle d’achat que personne n’avait jamais écrite : si un agent IA ne peut pas piloter un outil via MCP, une API ou une CLI, nous n’achetons pas l’outil. Ce n’était pas une note de stratégie. C’était un réflexe, le même réflexe qu’est devenu « est-ce que ça s’intègre au CRM » il y a dix ans. La même semaine, en construisant une scorecard concurrentielle pour un client, nous avons ajouté une colonne dont nous n’avions jamais eu besoin : l’agent accessibility, juste à côté du prix et de la profondeur fonctionnelle.
Quand la même habitude apparaît deux fois en une semaine dans un seul cabinet, ce n’est pas une bizarrerie. Elle apparaît aussi dans vos deals. Le problème, c’est que ce nouvel évaluateur n’assiste à aucune démo, ne remplit aucun formulaire et ne vous dit jamais qu’il était dans la pièce.
Pourquoi c’est important maintenant
Les chiffres confirment l’anecdote. Deux tiers des acheteurs B2B s’appuient désormais sur les agents IA et les chatbots autant que sur Google, voire davantage, pour évaluer les fournisseurs, et le cadrage de Jason Lemkin chez SaaStr est direct : les agents ont leurs favoris, et ils construisent ces préférences à partir de signaux produit authentiques, pas de vos dépenses publicitaires. L’étude acheteurs 2026 de Forrester montre que les recherches genAI sont désormais le point de départ des acheteurs B2B : le premier examen de votre produit a lieu avant que quiconque dans votre entreprise sache qu’une évaluation existe. Et la Harvard Business Review a posé le point stratégique en juillet : l’avantage concurrentiel se déplace de la compréhension directe des clients vers la gestion d’interactions façonnées par l’IA.
Pour une entreprise SaaS en Series A ou Series B, cela atterrit à un endroit très concret. Quand un prospect demande à son assistant si Claude peut se connecter à votre produit, la réponse est vérifiée contre votre documentation en quelques secondes. Si la réponse est non, ou si elle est introuvable, vous sortez d’un consideration set dont vous ignoriez faire partie.
L’évaluation a suivi la découverte hors de votre funnel
La plupart des équipes GTM ont accepté que la découverte ait déménagé. Les prospects interrogent d’abord des outils de la classe ChatGPT, et être cité dans ces réponses est devenu une discipline à part entière, que nous couvrons dans notre practice GEO. Ce qui est plus récent, c’est que l’évaluation prend le même chemin. La question des équipes d’achat n’est plus seulement « que fait ce produit », mais « nos agents peuvent-ils piloter ce produit pour nous ». MCP en particulier est passé de curiosité à case à cocher en moins d’un an, parce que c’est le standard qui permet à un assistant de découvrir ce que votre produit sait faire, puis de le faire réellement.
Une équipe d’achat déjà équipée en automatisation évalue votre produit comme une équipe d’ingénierie évalue une librairie. Expose-t-il une surface propre que les systèmes existants peuvent appeler ? Trois surfaces comptent, par ordre d’effort croissant :
- Une API, pour qu’un agent puisse lire et écrire les données de votre produit de façon programmatique.
- Une CLI, pour qu’un agent puisse piloter votre produit en ligne de commande comme le ferait un opérateur technique.
- Un MCP server, pour que des assistants comme Claude et ChatGPT puissent découvrir les capacités de votre produit et les appeler directement, sans travail d’intégration sur mesure.
Si aucune des trois n’existe, l’agent ne voit pas un produit. Il voit une brochure.
Être le choix par défaut est le nouveau leadership de catégorie
Il y a ici un prix qui se compose dans le temps. Dans l’automatisation de navigateur, un outil open source est devenu ce que les assistants IA choisissent par défaut. Personne ne le demande par son nom ; l’assistant le sélectionne, tout simplement. Celui qui tient cette position dans une catégorie cesse de payer chaque acquisition une par une. Lors d’un appel client ce mois-ci, un responsable produit a dit tout haut ce que beaucoup pensent : si les assistants viennent à vous par défaut, la distribution se règle d’elle-même.
L’inverse est le risque, et il n’a rien d’hypothétique. L’une des plateformes de data enrichment les plus utilisées a livré sa CLI des mois après que ses utilisateurs ont commencé à confier le travail à des agents, et dans cet intervalle une vague d’alternatives agent-first a trouvé son ouverture. La vitesse sur la surface agent n’est pas un confort de developer experience. Un trimestre de retard est une ouverture de marché pour quelqu’un d’autre.
Le pattern observé sur le terrain
Nous avons récemment construit le positionnement concurrentiel d’une plateforme data B2B en phase de scale, le genre de travail où l’on inventorie les fonctionnalités, les prix et les intégrations de chaque rival. La colonne qui a généré le plus de discussion n’était aucune de celles-là. C’était l’agent accessibility : quel concurrent expose une vraie API, qui livre une CLI, qui opère un MCP server, quelle documentation est assez complète pour qu’un agent réponde à la question d’un acheteur sans appel commercial.
Deux enseignements sont sortis de cet exercice. D’abord, le classement a été rebattu. Le leader de catégorie sur les fonctionnalités était le moins bien noté sur l’agent accessibility, exactement le profil qui paraît sûr aujourd’hui et se fait discrètement filtrer des shortlists médiées par l’IA demain. Ensuite, le messaging s’est écrit tout seul. Les campagnes visant les utilisateurs d’un rival portent différemment quand vous pouvez dire en toute vérité : vos agents peuvent piloter ceci dès aujourd’hui.
Le même filtre se resserre de l’autre côté du marché. Les équipes d’achat adoptent des règles de stack comme la nôtre, où l’agent accessibility est une condition d’entrée et non un bonus. Les deux extrémités de votre funnel sont filtrées par le même test, et la plupart des produits ne l’ont jamais fait passer à eux-mêmes.
Le playbook agent-readiness
Ce que je recommanderais, dans l’ordre :
- Auditez-vous de l’extérieur vers l’intérieur. Ouvrez une session Claude ou ChatGPT vierge, demandez-lui d’évaluer votre produit pour un acheteur, puis demandez-lui de l’utiliser réellement. Chaque endroit où elle bloque est un manque sur votre liste, et la transcription est l’audit le plus honnête que vous obtiendrez ce trimestre.
- Livrez d’abord la plus petite surface réelle. Une API documentée en lecture seule vaut mieux qu’une plateforme d’agents annoncée pour l’an prochain. Un MCP server minimal qui n’expose que des lectures se compte en semaines, pas en trimestres.
- Traitez la documentation comme un support commercial pour machines. Des prix publics, un quickstart qui fonctionne sans rendez-vous, et un résumé lisible par machine de ce que fait votre produit. Les agents ne réservent pas de démo pour lever une ambiguïté ; ils vous pénalisent et passent au suivant.
- Instrumentez le funnel agent avant qu’il ne grossisse. Les inscriptions API, les connexions MCP et les installations CLI doivent atterrir dans votre CRM comme des événements avec leur propre source, pour que la première pipeline générée par les agents soit visible au lieu d’être enterrée dans « direct ».
- Ajoutez l’agent accessibility à vos propres scorecards fournisseurs. Vous apprendrez l’évaluation plus vite en la menant sur les autres, et votre équipe cessera d’acheter des outils que votre propre automatisation ne peut pas piloter.
- Refaites l’audit chaque trimestre. La surface MCP qui passait en janvier est celle qu’un agent ignore en octobre, parce que les outils autour d’elle ont continué d’avancer.
C’est un projet GTM, pas une réécriture de plateforme. Les équipes qui le traitent comme tel seront les produits que les agents recommandent sans qu’on le leur demande. C’est tout l’enjeu.
Si vous voulez un regard extérieur sur le niveau réel d’agent-readiness de votre produit et de votre funnel, cela fait partie de notre travail d’AI GTM consulting, et vous pouvez nous parler directement.
Sources
- Jason Lemkin, SaaStr. « The Future of B2B Marketing is AI Agent Recommendations. And AI Agents Play Favorites. » Janvier 2026. saastr.com
- Forrester. « The State Of Business Buying, 2026. » Janvier 2026. forrester.com
- Graham Kenny et Ganna Pogrebna, Harvard Business Review. « AI Is Changing How Customers Choose Your Business. » Juillet 2026. hbr.org