Cent entreprises B2B notées : celles que l'étude range dans l'ère de l'IA ont-elles une marque plus distinctive ?

Les actifs distinctifs d’une marque sont les éléments sans signification propre qui la rendent reconnaissable comme la sienne : une couleur, une forme, un son, une mascotte ou une phrase [1]. Louis Grenier, dont la société de conseil vend du positionnement et de la mise sur le marché, soutient depuis dix ans que les marques technologiques B2B (d’entreprise à entreprise) négligent le caractère distinctif ; en juin 2026, il publie ce qu’il présente comme la preuve [1].

Nous avons voulu vérifier la question qui en découle : les entreprises que l’étude range dans l’ère de l’IA ont-elles une marque plus distinctive que les autres ? L’auteur s’y attendait [1]. La réponse compte pour qui arbitre un budget de marque, parce qu’elle dit s’il faut attendre un avantage du seul fait d’appartenir à cette ère.

La réponse courte

La page n’y voit aucune différence, sans test. Les 41 entreprises de l’ère de l’IA obtiennent en moyenne 10,88 points sur 24, les 59 autres 10,58 [1]. La page parle d’un écart « bien à l’intérieur du bruit », mais aucun intervalle ni aucune dispersion ne le chiffre [1]. Et ces notes sont celles d’agents d’IA, relues par l’auteur, sur des entreprises que l’auteur dit avoir fait choisir par un modèle d’IA [1].

Un auteur, une offre commerciale

L’étude est une page du site de STFO (Stand The F*ck Out), la société de l’auteur, qui propose des services de positionnement et de mise sur le marché ; elle est datée du 10 juin 2026 [1]. Elle se termine sur l’offre commerciale de l’auteur, le « GTM Sprint » : il y écrit que c’est exactement le travail qu’il fait, et invite à prendre rendez-vous [1]. Le même auteur conçoit la grille de notation, publie les résultats et vend la prestation [1].

La notation s’appuie sur les travaux de Jenni Romaniuk à l’Ehrenberg-Bass Institute, un lieu de recherche que la page cite comme origine de deux livres, How Brands Grow et Building Distinctive Brand Assets (« construire des actifs de marque distinctifs ») [1]. La grille, elle, est celle de la page, dans sa version 0.3, et aucune validation n’est déclarée [1].

Une sélection assistée par l’IA

L’échantillon compte 100 entreprises du « B2B SaaS and AI », c’est-à-dire des éditeurs de logiciels fournis comme un service et d’IA, vendus à des entreprises, répartis en neuf grands secteurs de 6 à 19 entreprises chacun [1].

L’auteur déclare ne pas avoir choisi ces entreprises : il les a fait choisir par Claude, un modèle d’IA, pour que sa propre idée de qui est « bon en marque » ne biaise pas l’échantillon [1]. Il ajoute qu’il ne connaissait pas la plupart d’entre elles [1]. La section méthodologie de la page parle, elle, d’une sélection « assistée par IA » [1]. Aucun critère ni aucune liste de départ n’est publié, et l’échantillon n’est présenté ni comme aléatoire ni comme représentatif [1].

Huit actifs, notés de 0 à 3

Des agents d’IA ont d’abord collecté le matériau public de chaque marque : site, textes, captures d’écran, publicités LinkedIn et Meta, publications des salariés [1]. Un second groupe d’agents spécialisés a ensuite noté chaque actif de 0 à 3 selon une grille fixe, et l’auteur déclare avoir relu chaque note à la main [1]. Aucun second notateur humain ni mesure d’accord entre notateurs n’est publié [1].

Huit actifs sont notés : la couleur, le logo, le dispositif visuel (une forme ou un système graphique récurrent qui n’est pas le logo), la typographie, les signatures (une phrase répétée jusqu’à ce qu’elle reste), l’identité humaine (un personnage, une mascotte ou un visage récurrent), le motif d’interface produit (une signature à l’intérieur du logiciel) et le son ou la musique (un son reconnaissable les yeux fermés) [1].

L’échelle, qui d’après l’auteur porte toute l’étude, va de 0 (actif absent) à 3 (reconnaissable hors contexte), en passant par 1 (présent, mais conforme au standard de la catégorie) et 2 (distinctif dans la catégorie) [1]. Le total, de 24 au maximum, range chaque entreprise dans l’une de quatre bandes : « Invisible » de 0 à 6, « Generic » (générique) de 7 à 12, « Recognisable » (reconnaissable dans sa catégorie) de 13 à 18, « Ownable » (assez distinctif pour être reconnu hors contexte) de 19 à 24 [1].

Une marque sur cent

Le résultat d’ensemble tient en un chiffre : une seule entreprise atteint la bande « Ownable », Wiz, avec 19 sur 24, la note la plus haute de l’étude [1]. Derrière elle, 19 entreprises sont « Recognisable », 78 « Generic » et 2 « Invisible » [1].

Tableau 1. Répartition des 100 entreprises par bande de score. Source : [1].

L’auteur écrit que 80 % des marques de l’échantillon sont génériques ou invisibles, soit 78 plus 2 [1].

Deux ères, des notes voisines

C’est ici que se joue notre question. L’auteur compare 41 entreprises classées dans l’ère de l’IA à 59 qui l’ont précédée : 10,88 contre 10,58 en moyenne sur 24 [1]. Il dit s’être attendu à ce que les entreprises nées avec l’IA soient plus affûtées, et constate qu’elles ne le sont pas [1].

La page hésite pourtant sur la formule : « aucune différence » dans le texte, « presque aucune différence » sur l’image, un écart « bien à l’intérieur du bruit » et « aucun avantage détectable » dans la légende [1]. Elle hésite aussi sur la définition de l’ère de l’IA : les entreprises fondées à partir de 2021, dit le texte ; celles nées avec l’IA ou repositionnées, par opposition à celles fondées avant la vague des LLM (grands modèles de langage), dit l’image [1]. Rien n’indique laquelle a servi au classement, ni combien des 41 entreprises sont des entreprises repositionnées [1].

Pour expliquer ce résultat, l’auteur avance que, malgré des financements massifs et la vitesse, la plupart de ces entreprises se concentrent sur la différenciation (résoudre des problèmes précis que les solutions concurrentes laissent sans réponse, pour un groupe de personnes précis) et sur l’adéquation produit-marché (« product-market fit »), et semblent négliger le caractère distinctif [1]. L’étude ne mesure pas cette explication [1].

Le son, à peine présent

Un actif se détache nettement des sept autres : le son. Sur 100 entreprises, 91 sont notées 0, 8 sont notées 1 (un son présent, mais générique) et aucune n’obtient 2 ni 3 [1]. La moyenne tombe à 0,08 sur 3, la plus basse des huit actifs [1].

L’intertitre de la page proclame pourtant qu’aucune entreprise n’a de son, et l’encadré qui résume les cinq constats parle d’un actif que pas une seule entreprise de l’étude n’a construit : « Zero » [1]. Le décompte dit autre chose : huit entreprises ont un son présent, mais générique [1]. Aucune, en revanche, n’a de son distinctif [1].

L’auteur a cherché lui-même, casque sur les oreilles : environ cinq heures de vidéos explicatives, de publicités et d’enregistrements de conférences, avec la possibilité d’avoir manqué quelques cas [1]. La section consacrée à Wiz montre une capture légendée « jingle de podcast, une rare tentative d’actif sonore » [1].

La couleur reine, le visage rare

La couleur arrive en tête : 2,12 sur 3 en moyenne, et 86 % des entreprises à 2 ou plus [1]. L’identité humaine (personnages, mascottes, visages récurrents) tombe à 0,73, avec 14 % des entreprises à 2 ou plus ; la musique ferme la marche à 0,08 [1]. Pour les cinq autres actifs, aucune moyenne n’est publiée [1].

Tableau 2. Part des 100 entreprises notées 2 ou plus (distinctif) sur chacun des huit actifs. Source : [1].

La page annonce ces barres comme des scores moyens et range la typographie parmi les actifs les mieux notés ; or ce sont des parts d’entreprises, et la typographie n’arrive que cinquième sur huit [1]. L’image porte le titre « où les marques B2B investissent réellement », alors que l’étude ne mesure ni dépense ni fréquence d’usage [1].

Pour l’auteur, les actifs que la recherche de Romaniuk trouve les plus rapides à construire la reconnaissance (mascottes, personnages, logos sonores, formes distinctives) sont ceux que les marques délaissent, et ceux dans lesquels elles mettent le plus marchent le moins, parce que tout le monde y met [1]. Ses propres chiffres ne le vérifient pas pour les formes distinctives : le dispositif visuel (une forme ou un système graphique distinctif) est le troisième actif sur huit, avec 57 % des entreprises notées 2 ou plus [1]. C’est un jugement de l’auteur appuyé sur une recherche extérieure ; l’étude ne mesure ni la reconnaissance, ni l’efficacité, ni l’effort consenti [1].

Quel secteur sort du lot ?

Entre secteurs, les moyennes sur 24 vont de 9,31 à 12,0 [1]. Les outils de développement et l’infrastructure (DevTools and Infra) sont en tête ; la sécurité et la GRC (gouvernance, risques, conformité) suivent de près à 11,86 ; les données et l’analytique ferment la marche, les ventes et le RevOps (opérations de revenus) juste au-dessus à 9,82 [1].

Tableau 3. Note moyenne par secteur, valeurs de l’image de la page (une décimale). Source : [1].

L’auteur écrit que 100 entreprises réparties sur 9 secteurs forment un échantillon trop petit pour être statistiquement significatif, et qu’il ne faut pas trop en tirer [1]. Chaque secteur compte de 6 à 19 entreprises, quand les deux ères en comptent 41 et 59 [1].

Son explication de l’avance des outils pour développeurs et de la sécurité : ces entreprises vendent à des développeurs, notoirement difficiles à atteindre par le marketing, et les marques qui leur vendent semblent plus disposées à prendre un risque pour y parvenir [1]. C’est sa lecture, présentée comme telle [1].

Au sommet : Wiz, Mutiny, Linear

Seules dix entreprises reçoivent un total nominatif [1].

Tableau 4. Les dix premières entreprises par total. Source : [1].

L’auteur prévient que ce n’est pas une remise de prix : un point d’écart ne fait pas de Wiz une meilleure marque que Mutiny, et avec un système de notation un peu différent l’ordre pourrait changer ; il le donne pour l’inspiration [1].

Ce que l’auteur retient des trois premières : non un actif isolé et brillant, mais plusieurs actifs tenus de façon constante partout [1]. Wiz a un logo et une icône distinctifs, de petits personnages de dessin animé, un motif récurrent en nuage, la signature « Build and Run » et un système de couleurs [1]. Mutiny a une mascotte, un raton laveur, et la signature « Be the one buyers remember » (« soyez celle dont les acheteurs se souviennent ») [1]. Linear a un logo en sphère filaire, un parti pris quasi total pour le sombre, et un fondateur, Karri Saarinen, constamment visible [1].

Ce que l’IA vient faire ici

Le mot « IA » prête à confusion. Dans cette étude, l’IA sert à choisir les entreprises et à les noter ; elle intervient aussi dans le découpage par ère, que la page définit tantôt par la fondation à partir de 2021, tantôt par la naissance avec l’IA ou le repositionnement [1]. L’étude ne compare aucun contenu produit par IA à un contenu humain [1].

La phrase sur les contenus d’IA vient d’ailleurs : Dave Gerhardt, fondateur d’Exit Five, qui a présenté l’étude à ses lecteurs, estime que, dans un monde d’« AI slop » (des contenus d’IA de mauvaise qualité), la marque pourrait bien être le dernier grand avantage défendable [1]. C’est la phrase d’un tiers, reprise en encart, et non un résultat de l’étude [1].

Aucun acheteur interrogé

La page ne rapporte ni enquête, ni entretien, ni panel d’acheteurs, ni résultat commercial des entreprises notées : ni conversion, ni chiffre d’affaires, ni part de marché, ni croissance, ni taux de gain, ni retour sur investissement [1]. Les notes sont des lectures de contenus publics par des agents d’IA, relues par l’auteur [1].

Le libellé « Recognisable » est donc celui d’un niveau attribué par les notateurs, non une reconnaissance mesurée chez des acheteurs [1]. La phrase de l’auteur selon laquelle, sans le nom sur la page d’accueil, la plupart des clients potentiels ne sauraient pas distinguer ces marques ne repose sur aucun test auprès de clients [1]. La page définit la disponibilité mentale (« mental availability ») comme la probabilité qu’un acheteur pense à la marque dans une situation d’achat ; l’étude ne la mesure pas [1].

Ce que l’auteur recommande

Ses recommandations tiennent en trois temps : fixer d’abord le positionnement, choisir ensuite un actif que personne n’occupe dans sa catégorie, le développer avec intensité et le tenir partout [1]. Un actif distinctif posé sur un positionnement flou, écrit-il, rend l’entreprise « célèbre pour être générique » ; l’actif rend la marque retrouvable en mémoire, le positionnement la rend digne d’être retrouvée [1].

Ce sont des recommandations de l’auteur : aucune entreprise n’est suivie dans le temps, aucun effet n’est mesuré, le positionnement n’est pas noté [1].

Ce qu’un lecteur qui doit décider peut en faire

Sur ces notes, les entreprises des deux ères obtiennent des résultats voisins : 10,88 contre 10,58 sur 24, sans test, d’après des agents d’IA relus par l’auteur [1]. Selon votre place, la lecture change :

Tableau 5. Lecture par profil. Source : [1].

Mes réserves

• Un auteur qui vend. Le même auteur conçoit la grille, publie les résultats et vend la prestation que sa conclusion recommande [1]. Le lien d’intérêt est un fait ; son effet sur les notes n’est mesuré nulle part dans la page.
• Un échantillon sans critère publié. L’auteur dit avoir fait choisir les 100 entreprises par un modèle d’IA, que la méthodologie décrit comme une sélection « assistée par IA » ; ni critère ni liste de départ ne sont publiés, et l’échantillon n’est présenté ni comme aléatoire ni comme représentatif du B2B ou du logiciel [1].
• Des notes sans second regard indépendant. Des agents d’IA notent, l’auteur relit ; aucun second notateur humain ni mesure d’accord entre notateurs n’est publié [1].
• Un écart sans test. Les 0,30 point entre les deux ères sont publiés sans test, sans intervalle et sans dispersion, et l’ère de l’IA reçoit deux définitions dont la page n’indique pas laquelle a servi [1].
• Cent notes hors de vue. Seules dix entreprises ont un total nominatif, aucun fichier de données n’est lié, alors que des encarts d’inscription promettent chaque chiffre en libre accès [1]. Je ne peux pas vérifier les notes entreprise par entreprise.
• Des chiffres incomplets. Pour le logo, le dispositif visuel, la typographie, les signatures et le motif d’interface, aucune moyenne n’est publiée [1]. Pour le son, la page compte 91 entreprises à 0 et 8 à 1, soit 99 sur 100 ; la moyenne de 0,08 ne dit pas où se trouve la centième [1]. La légende de la figure par actif parle de moyennes, l’image montre des parts [1].
• Une seule source. Tout repose sur une page. Ce qu’elle attribue aux travaux de Romaniuk et à l’Ehrenberg-Bass Institute n’est connu ici que par elle [1].