Nous avons analysé ce que l'IA croit réellement au sujet des acheteurs dans 25 secteurs. Ces conclusions devraient changer votre façon de penser la stratégie de contenu.
La plupart des marques créent leur contenu sur la base d'hypothèses. Des ateliers internes produisent trois à cinq personas d'acheteurs qui semblent justes, et ces personas guident le calendrier éditorial de l'année à venir. Parfois davantage.
Le problème, c'est que les systèmes d'IA, ceux qui médiatisent de plus en plus la recherche des acheteurs, fonctionnent selon un modèle complètement différent de qui sont vos acheteurs et de ce qu'ils veulent. Et ce modèle est construit à partir de motifs répartis sur des millions de points de données, pas à partir d'une réunion de deux heures entre parties prenantes.
Nous voulions savoir : que croit réellement l'IA au sujet des acheteurs ? Pas ce que les marketeurs supposent. Pas ce que les CRM suggèrent. Ce qui émerge lorsque l'on synthétise et structure les données de comportement d'achat à grande échelle.
Nous avons donc construit le plus grand jeu de données de personas d'acheteurs jamais publié. Et les motifs qu'il révèle devraient amener chaque stratège de contenu à repenser son tunnel de conversion.
Ce que nous avons construit et pourquoi
PersonaGen-593K est un jeu de données de 593 181 personas d'acheteurs générés par IA, couvrant 339 secteurs (25 verticales principales). Chaque persona inclut des données comportementales structurées : qui il est, ce qu'il recherche, quelles questions il se pose, quels objectifs l'animent et ce qui le frustre.
Les chiffres bruts :
| Attribut | Volume |
|---|---|
| Total des personas | 593 181 |
| Secteurs couverts | 339 (25 verticales principales) |
| Requêtes de recherche extraites | ~3 millions |
| Énoncés de besoins d'information | ~3 millions |
| Énoncés d'objectifs | ~1,8 million |
| Énoncés de points de friction | ~1,8 million |
Nous sommes partis d'environ 40 millions de descriptions brutes de personas issues de quatre jeux de données publics (NVIDIA, BSC-LT, Orange et Tencent). Grâce à une déduplication accélérée par GPU et à un filtrage sémantique, nous avons réduit ce volume à environ un million de descriptions uniques. Nous avons ensuite enrichi chacune d'elles avec des attributs comportementaux structurés à l'aide d'un grand modèle de langage, pour finalement produire 593 181 personas complets et validés.
Ce n'est pas un sondage auprès de 500 personnes. C'est une synthèse structurée de ce que les modèles d'IA comprennent du comportement d'achat, à une échelle que les méthodes de recherche traditionnelles mettraient des années et des millions de dollars à approcher.
La conclusion qui devrait réécrire votre stratégie de contenu
78,7 % des recherches d'acheteurs sont informationnelles. Seulement 4,3 % sont transactionnelles.
Relisez cela. Sur près de 3 millions de requêtes de recherche dans le jeu de données, près de quatre sur cinq sont des questions comme « Comment évaluer X ? » ou « Quelles sont les meilleures approches pour Y ? », et non « Acheter X » ou « S'abonner à Y ».
Les 17 % restants sont commerciaux : des requêtes de comparaison comme « Quel fournisseur devrais-je choisir ? ». C'est la phase de considération. Importante, mais toujours pas transactionnelle.
Ce que cela signifie en pratique
| Intention de recherche | Part des requêtes | Ce que font les acheteurs |
|---|---|---|
| Informationnelle | 78,7 % | Apprendre, se renseigner, comprendre les options |
| Commerciale | 17,0 % | Comparer des fournisseurs, évaluer des alternatives |
| Transactionnelle | 4,3 % | Prêt à acheter, s'abonner ou s'inscrire |
La plupart des stratégies de contenu sont bâties autour du bas du tunnel. Pages produit. Comparaisons de tarifs. Matrices de fonctionnalités. Demandes de démo. C'est cela, les 4,3 %.
Les 78,7 %, les questions que les acheteurs se posent vraiment, restent souvent mal servis. Et c'est précisément le contenu dans lequel les systèmes d'IA puisent lorsqu'ils formulent des recommandations.
Si votre marque ne dispose pas d'un contenu informationnel solide répondant aux questions que les acheteurs se posent avant d'être prêts à acheter, l'IA recommandera quelqu'un qui en dispose.
Cinq motifs sectoriels à connaître
Le jeu de données révèle des signatures comportementales distinctes selon les secteurs. Voici les motifs les plus pertinents pour les responsables du contenu et du marketing.
1. L'EdTech domine en volume, et en opportunités
L'EdTech représente 24,3 % de tous les personas du jeu de données (36 152). Ce n'est pas parce que nous l'avons suréchantillonnée. Cela a émergé naturellement des données sources, reflétant l'ampleur et la diversité du comportement d'achat orienté vers l'apprentissage.
Les personas EdTech se concentrent autour des parcours de certification, de la flexibilité de l'apprentissage en ligne et du développement de compétences. Si vous opérez dans les technologies éducatives, les services d'apprentissage connexes ou la formation professionnelle, c'est le plus grand vivier de personas adressable du jeu de données. L'opportunité de contenu est énorme, et la concurrence pour l'attention de l'IA aussi.
2. Le conseil affiche l'intention commerciale la plus forte
Alors que l'ensemble du jeu de données penche vers l'informationnel, les personas du conseil vont à contre-courant. Ils affichent l'intention de recherche commerciale la plus élevée, à 28 %, soit presque le double de la moyenne du jeu de données, qui est de 17 %.
Les acheteurs du conseil savent ce dont ils ont besoin. Ils comparent des options, ils n'explorent pas le concept. Leurs points de friction tournent autour de l'acquisition de clients et de la différenciation, ce qui signifie qu'un contenu qui les aide à évaluer les options (benchmarks, études de cas, cadres de calcul du ROI) surpassera le leadership éclairé générique.
3. La santé fait face à un défi de conformité unique
Les personas de la santé présentent la plus forte concentration de besoins d'information liés à la conformité, à 38 %. Ils recherchent des informations sur l'accréditation, les exigences réglementaires et les pratiques fondées sur des preuves.
Pour les marques du secteur de la santé ou de secteurs connexes, cela comporte un risque particulier : les systèmes d'IA qui génèrent des recommandations sur des sujets de santé sont soumis à un niveau d'exigence plus élevé en matière d'exactitude. Un contenu de santé incohérent ou mal structuré devient un vecteur de responsabilité lorsque l'IA le fait remonter dans des contextes professionnels.
4. L'industrie veut du processus, pas de la vision
Les personas de l'industrie se regroupent autour de l'efficacité opérationnelle (29 % des objectifs) et rencontrent le plus de difficultés avec la complexité des outils (24 % des points de friction). Leurs recherches portent sur l'optimisation des processus et l'automatisation.
Ce public ne réagit pas au discours aspirationnel. Il veut des précisions : guides d'implémentation, documentation d'intégration, matrices de comparaison avec des spécifications techniques. Le contenu qui passe la vision et va droit au « comment » opérationnel l'emporte dans cette verticale.
5. L'équilibre entre vie professionnelle et vie privée est le point de friction universel
Dans l'ensemble des 25 verticales sectorielles, l'équilibre entre vie professionnelle et vie privée est apparu comme le point de friction dominant, avec 107 000 mentions. Il figure parmi les cinq principales préoccupations dans 72 % des segments sectoriels.
C'est une vérité transversale que la plupart des contenus B2B ignorent totalement. Les marques qui reconnaissent la dimension humaine des décisions professionnelles, à savoir les contraintes de temps, la charge cognitive, les priorités concurrentes, parlent à la réalité que vivent leurs acheteurs, pas seulement à la catégorie dans laquelle ils achètent.
Les données démographiques que l'IA suppose
Le jeu de données révèle également le profil démographique que l'IA associe aux différents secteurs et rôles :
- Répartition par genre : 52,2 % de femmes, 45,4 % d'hommes, 2,3 % de personnes non binaires. Presque équilibrée, mais pas uniforme selon les secteurs.
- Profil d'âge : bimodal, avec des pics à 18-25 ans (27,9 %) et 55-75 ans et plus (41,4 % au total). La tranche en milieu de carrière que cible la majorité du marketing B2B (25-55 ans) ne représente que 30,8 %.
- Contexte de marché : 71,5 % B2C, 22,5 % B2B, 4,4 % B2B2C, 1,5 % B2G.
La répartition par âge est particulièrement notable. Si votre stratégie de contenu suppose par défaut un décideur âgé de 35 à 50 ans, les modèles d'IA peuvent associer votre secteur à un profil démographique très différent. Ce décalage entre l'audience que vous supposez et celle que l'IA suppose détermine quels contenus sont mis en avant, et auprès de qui.
Ce que cela signifie pour votre marque
Si vous êtes dans l'EdTech ou la formation professionnelle
Vous évoluez dans l'espace de personas le plus encombré. La différenciation exige de la précision : non pas « nous aidons les gens à apprendre », mais « nous aidons les designers UX en milieu de carrière à se reconvertir dans l'ingénierie pédagogique grâce à des certifications reconnues par les employeurs ». Les personas montrent que les parcours de certification et la flexibilité des horaires sont les principaux déclencheurs de recherche. Un contenu d'apprentissage générique ne se démarquera pas.
Si vous êtes dans le conseil ou les services professionnels
Vos acheteurs présentent l'intention commerciale la plus forte du jeu de données. Ils comparent les offres, ils ne font pas que naviguer. Investissez dans du contenu qui soutient l'évaluation : cadres tarifaires transparents, comparaisons de méthodologies, données chiffrées sur les résultats clients. Le manuel du « leadership éclairé d'abord » qui fonctionne dans d'autres verticales peut être moins performant ici, car vos acheteurs ont déjà dépassé la phase de découverte.
Si vous êtes dans l'industrie ou le secteur industriel
Passez la vision. Commencez par le détail opérationnel. Les personas montrent que la complexité des outils est la principale frustration et que l'optimisation des processus est le principal objectif. Un contenu qui démontre des gains d'efficacité mesurables avec des étapes d'implémentation claires correspondra à la façon dont l'IA caractérise l'intention d'achat dans l'industrie.
Si vous êtes dans la santé
Structurez votre contenu pour l'exactitude et la conformité. Les systèmes d'IA sont particulièrement prudents avec les recommandations liées à la santé, et les données de personas confirment que vos acheteurs privilégient les informations sur l'accréditation et la réglementation. Un contenu non structuré ou ambigu est plus susceptible d'être déprioritisé par l'IA dans cette verticale que dans toute autre.
D'où vient cette recherche
PersonaGen-593K a été développé par des chercheurs de l'Estonian Entrepreneurship University of Applied Sciences (EUAS) et de Rankfor.AI, et publié sous forme d'article évalué par les pairs dans la revue Discover Artificial Intelligence de Springer.
La méthodologie a consisté à agréger quatre jeux de données publics de personas (~40 millions de descriptions brutes), à appliquer une déduplication accélérée par GPU pour supprimer 89,5 % des doublons, puis à utiliser des modèles d'embedding sémantique pour éliminer 76,2 % de quasi-doublons supplémentaires. Le million de descriptions uniques restantes a été enrichi d'attributs comportementaux structurés et validé par une analyse statistique.
Le jeu de données complet, la méthodologie et le code d'analyse sont accessibles publiquement pour vérification indépendante.
L'enseignement pratique
Les données de comportement d'achat à cette échelle racontent une histoire cohérente : la plupart des acheteurs posent des questions, ils ne cherchent pas à acheter. Les marques qui remportent les recommandations de l'IA sont celles dont le contenu répond à ces questions avec clarté, précision et dans le langage que les acheteurs emploient réellement.
Si 78,7 % de vos acheteurs potentiels sont en mode apprentissage, et que votre stratégie de contenu consacre 80 % des ressources à du matériel de bas de tunnel centré sur le produit, il existe un décalage structurel entre ce que vous produisez et ce que l'IA recommande.
Combler cet écart n'est pas un problème de volume de contenu. C'est un problème d'alignement. Et la première étape consiste à comprendre ce que l'IA croit que vos acheteurs veulent.
Vérifiez comment l'IA perçoit les personas d'acheteurs de votre marque. Utilisez le Persona Matcher pour comparer vos personas supposés à ce que l'IA recommande réellement pour votre secteur. Ou passez votre marque au crible de l'AI Visibility Monitor pour voir où vous vous situez.
D'après « PersonaGen-593K: A Large-Scale Dataset of AI-Generated Buyer Personas for Consumer Information-Seeking Behavior Research » par Dmitrij Zatuchin (EUAS) et Daniil Dzemesjuk (Rankfor.AI), preprint, soumis à Springer Discover Artificial Intelligence, 2026.