44 % des acheteurs commencent leur recherche dans un modèle d'IA (Bain). On pose aux principaux LLM les questions d'un acheteur, par secteur, à Montréal et à Québec — et on publie qui est cité, avec quelles sources. Plus le grand angle mort : le français.
Aperçu — données de démonstration. Le tableau ci-dessous illustre le format. Les noms réels d'entreprises publiques n'apparaîtront qu'après la première mesure datée (voir méthodologie) — aucun classement n'est inventé ici.
#
Entreprise (démo)
Score de citation
Cité en anglais
Cité en français
écart FR/EN faibledisparaît en françaissnapshot : démonstration · non daté
Écart de citation bilingue moyen (démo)
—38 %
de citations en moins lorsqu'on demande en français plutôt qu'en anglais
Méthodologie
Comment le tableau sera peuplé
Questions d'acheteur : un jeu fixe de requêtes par secteur (« meilleures entreprises de [secteur] à [ville] », « fournisseurs [secteur] recommandés au Québec »), posées en anglais et en français.
Modèles interrogés : plusieurs LLM grand public, à date fixe, chaque trimestre.
Score de citation : fréquence d'apparition d'une entreprise dans les réponses, pondérée par la position et la présence d'une source.
Écart bilingue : différence de citations entre la version anglaise et française de la même question.
Transparence : chaque snapshot est daté ; seules des entreprises publiquement identifiables sont listées ; la méthode complète est publiée.
Techniquement, la mesure tourne par lots via une fonction serverless ; le tableau reste un fichier statique publié — pas de requête en direct côté visiteur.