Pourquoi la notation de pertinence par IA bat les alertes par mots-clés

Le problème des alertes par mots-clés

Tout agrégateur d'appels d'offres propose des alertes par mots-clés. Vous tapez « logiciel de sécurité » et recevez par e-mail chaque avis contenant exactement cette expression. Simple, peu coûteux à implémenter — et, pour quiconque a un périmètre de compétences non trivial, complètement cassé comme filtre.

Les problèmes s'additionnent :

• Décalage de vocabulaire. Un acheteur qui achète exactement votre produit écrira peut-être « système de management EHS » ou « plateforme de conformité sécurité » au lieu de « logiciel de sécurité ». Votre mot-clé passe à côté.
• Faux positifs. « Formation au logiciel de sécurité pour chefs de chantier » matche votre mot-clé mais c'est de la formation, pas du logiciel. Vous perdez 30 minutes de lecture pour le découvrir.
• Perte de contexte. « Logiciel de sécurité » apparaît dans un marché de nettoyage parce que le prestataire mentionne son logiciel interne dans sa présentation. Correspondance — mais hors sujet.
• Fragmentation linguistique. Pour capter les avis allemands, vous ajoutez « Sicherheitssoftware », anglais « safety software », etc. Chaque langue multiplie votre liste de mots-clés à maintenir.
• Surcharge de volume. Un mot-clé large renvoie 200 avis/semaine ; un mot-clé étroit rate des avis pertinents. Aucun curseur ne résout les deux.

Comment fonctionne la notation par IA

Au lieu de matcher des mots-clés, un LLM (grand modèle de langage) lit titre + description + acheteur + catégorie de chaque avis et les compare à une description en langage naturel de votre activité — ce que vous vendez, à qui, ce qu'il faut écarter. En sortie : un score de pertinence de 0 à 1 avec une brève justification.

Exemple : votre description dit « Nous vendons des logiciels de management HSE aux entreprises pétrolières, gazières et industrielles. Pertinent : logiciels de sécurité, systèmes de permis de travail, plateformes de déclaration d'incidents. NON pertinent : matériel, EPI, formation seule, services de construction. »

• Avis A : « Acquisition d'une plateforme de suivi de la conformité sécurité des sous-traitants pour installations offshore » → score 0,91, justification : logiciel de sécurité pour le pétrole et gaz, correspondance exacte.
• Avis B : « Prestation de formations sécurité et ateliers pour chefs de site » → score 0,18, justification : formation seule, explicitement exclue.
• Avis C : « Fourniture de gilets haute visibilité pour agents routiers » → score 0,02, justification : EPI, pas de logiciel.

Les trois avis déclencheraient tous une alerte « sécurité ». Seul l'avis A mérite votre attention.

Impact en conditions réelles

D'après les données clients de TenderYeti (médianes sur les comptes ayant 6+ mois d'historique) :

• Volume d'avis : ~200/semaine par compte en correspondance mots-clés.
• Score IA ≥ 0,7 (pertinent) : ~12/semaine.
• Temps gagné : le client lit 12 avis triés au lieu de 200 correspondances brutes — environ 4 heures/semaine ramenées à 20 minutes.
• Taux d'avis ratés : plus bas qu'avec les seuls mots-clés, car l'IA capte les variantes de vocabulaire qu'une liste statique manque.

Les compromis — version honnête

La notation IA n'est pas sans inconvénients. Quiconque la vend comme un pur upgrade sur-promet. Les vrais compromis :

• Coût de démarrage. Votre description d'entreprise doit être bien rédigée — quelques paragraphes, pas une liste de mots-clés. Les 15 premières minutes de configuration comptent.
• Latence de notation. L'inférence LLM ajoute des secondes par avis. Sur les portails à fort volume, 5 à 30 minutes peuvent s'écouler entre publication et notification. Le mot-clé est instantané.
• Coût de calcul. Les appels LLM coûtent. Les agrégateurs le répercutent dans les prix ou l'absorbent via des modèles plus petits, à qualité légèrement moindre.
• Scores parfois étranges. Les LLM sont des détecteurs de motifs ; un avis vraiment atypique peut scorer 0,5 là où un humain dirait 0,9 ou 0,1. Une revue hebdomadaire de vos cas limites rattrape la dérive.
• Explicabilité. Une correspondance mot-clé s'explique trivialement (« a matché ‹ logiciel de sécurité › »). Un score IA avec sa phrase de justification est plus utile, mais plus dur à auditer à grande échelle.

Quand les alertes par mots-clés gagnent encore

• Catégories de produits étroites et sans ambiguïté. Si votre produit a un nom de marque unique ou un code CPV en correspondance 1:1, les mots-clés suffisent — sans coût LLM.
• Veille de conformité / de marque. Surveiller la mention de votre propre marque dans les avis — pur matching de mots-clés.
• Très gros volume en traitement automatique. Pour router 10 000+ avis/jour dans des workflows automatisés, mots-clés + règles gardent latence et coûts prévisibles.

Comment TenderYeti l'implémente

Modèle à deux niveaux : un scoreur primaire rapide traite chaque avis, et un modèle plus lent et plus capable revoit les scores limites (0,4–0,7). Votre description d'entreprise est stockée une fois dans la configuration de votre organisation ; chaque avis de chaque portail suivi est noté indépendamment contre elle.

Multilingue : les avis en allemand, espagnol, arabe, etc. sont traduits automatiquement pour le modèle de notation. Le tableau de bord affiche le titre original + traduit.

Le seuil de pertinence est réglable — 0,5 par défaut : les avis à 0,5+ atteignent votre digest. Pour plus de couverture, réglez 0,3 ; pour ne voir que les correspondances sûres, 0,7.

Où TenderYeti intervient

Voyez TenderYeti en action — garantie satisfait ou remboursé de 14 jours, la notation IA tourne dès votre premier avis. Ou parcourez la couverture des portails.

Questions fréquentes