La confidentialité des cross-références, c'est tout le moat d'une activité de rechange. PartSentinel mesure, par code OE et par fitment, ce que chaque grand LLM a appris — et lesquelles de vos cross-références privées ont fuité dans les données d'entraînement.
L'IA cite votre concurrent comme équivalent pour OE 1K0-407-151-D — alors que l'équivalent validé dans votre XREF privée est votre propre SKU.
ChatGPT restitue votre suffixe de révision engineering interne « -R3 » dans un thread de forum public — un code absent de votre site public.
Perplexity liste avec confiance un fitment pour un modèle 2014 que votre pièce a quitté en 2018 — sur la base d'un PDF distributeur scrapé de 2017.
PartSentinel sonde chaque modèle avec des prompts structurés dérivés de votre référentiel produit. On diff les cross-références retournées contre votre manifeste ground-truth et on flague tout code n'existant nulle part sur votre catalogue public. On estime aussi la source de scrape probable — catalogue concurrent, export PIM fuité, PDF scrappé — avec un pourcentage de confiance.
Les modèles hallucinent régulièrement les fitments — par exemple, prétendre qu'une pièce Volvo FH4 va sur un Renault Master. Le coût en aval : pièce retournée, relation distributeur abîmée. On teste chaque pièce contre sa matrice de fitment réelle et on rapporte le taux d'hallucination par modèle.
Quand vous remplacez une pièce, les modèles continuent à recommander l'ancienne pendant des mois. PartSentinel suit la conformité des supersessions par modèle et par famille — et fournit un template structuré de réponse pour les fournisseurs de modèles en amont.
Si les concurrents font recommander leurs cross-références à la place des vôtres, vous le voyez comme une variation du score d'Exposition Concurrentielle. Suivi trimestriel ; réponse par push de documentation ciblé.
Pas de mapping manuel pour les formats standards. Notre parseur est open-source — voir /resources pour le repo GitHub.
Web service catalogue industriel · schéma 2024 · OE + référence + fitment
Parseur natif · classification, références, pièces jointes
Class IDs, valeurs de features, descripteurs multi-langues
Akeneo, Pimcore, Contentserv, Stibo, SAP MDG
OE + code fournisseur + fitment, avec assistant de mapping
Delta loads directs via bucket S3 / GCS signé
PartSentinel est acheté par les responsables de la vérité catalogue, pas par la marque. Ci-dessous : les rôles types et les préoccupations que nous résolvons.
Oui. On a un connecteur catalogue OEM et un parseur natif BMEcat 2005 / 3.0. On ingère la partie publique de votre catalogue plus toute table de cross-références privée que vous choisissez de partager — elle ne quitte jamais notre infrastructure résidente UE.
Oui — et c'est exactement pour ça qu'on est acheté. On traite les cross-références sous NDA comme du ground-truth confidentiel : elles servent à détecter les fuites, jamais à publier, jamais à partager, jamais à enrichir un benchmark.
Oui. Le panel de modèles et les templates de prompts sont calibrés par circuit (VP, PL, off-highway, moto, marin). Les pondérations sont ajustées par circuit — les fuites de cross-références en PL ont un impact financier plus élevé, donc la détection cross-référence reçoit une pondération renforcée. Constantes exactes divulguées sous NDA.
On peut comparer des cohortes anonymisées — votre score contre la médiane de votre cohorte de pairs, avec k-anonymité > 5. La comparaison à concurrent nommé est conditionnée par un accord de divulgation mutuelle signé.
On choisit 50 références représentatives avec vous, on les audite sur 10 LLM, et on livre un rapport prêt pour votre conseil avec les fuites de cross-réfs, les hallucinations de fitment et le pack de preuves AI Act.