Un protocole de mesure calibré et reproductible. Pas de SEO, pas de réécriture, pas de maths marketing — chaque étape est auditable.
Tout ce que produit PartSentinel se rattache à ce cadre. Les piliers déterminent la pondération du score. Les métriques sont les unités de mesure. Les livrables sont ce que le client reçoit.
Reality Gap — divergences entre sortie IA et catalogue truth.
Inference Risk — sensibilité de ce que l'IA peut reconstruire. Différenciant clé.
Competitive Visibility — Share of Answer + Category Authority.
Diagnostic 50–100 SKU. Mode 1 (Blind) ou Mode 2 (Full).
Extension familles, marchés, langues, concurrents.
Monitoring continu + remédiation + Negative Knowledge Layer.
Le brand monitoring vous dit ce qu'on raconte sur votre entreprise. PartSentinel mesure ce que l'IA dit de chaque SKU, code OE ou référence technique dans votre catalogue.
On interroge 8–12 grands modèles en parallèle avec seeds déterministes, températures fixes et concurrence rate-limitée. Le même audit relancé donne le même résultat à 1 point près.
Rechange, électrotechnique, aéronautique, chimie — chaque secteur a son template de prompts, ses pondérations de scoring et son schéma ground-truth. Pas de one-size-fits-all.
On n'invente jamais la bonne réponse. La vérité de référence, ce sont vos données BMEcat / ETIM / PIM / référentiel produit. On mesure l'écart, pas l'opinion.
Chaque Sentinel Score est reconstructible à partir des réponses brutes des modèles, du jeu de calibration et de la formule de scoring — tous publiés.
De votre catalogue à un dossier prêt pour le régulateur.
BMEcat, ETIM, CSV, JSON ou API PIM (SAP, Inriver, Akeneo, Pimcore). Parsing natif — pas de mapping manuel pour les formats standards.
On stratifie les références par secteur, ancienneté, couverture OE et contribution au CA. Audit standard : 50–500 références ; catalogue complet : chaque référence.
Chaque référence est interrogée sur 8–12 LLM avec des prompts calibrés et propres au secteur. Par référence : ~32 prompts × N modèles.
Les réponses libres sont parsées dans un schéma structuré (identifiant, application, cross-références, specs, profondeur procédurale) via un extracteur déterministe.
Les faits extraits sont alignés sur vos données autoritatives. Chaque fait est étiqueté correct / partiel / halluciné / fuité / obsolète.
On calcule le Sentinel Score (0–100) pour chaque référence puis l'agrégeons par secteur, marque, modèle et temps.
Export Excel brut, PDF exécutif, dashboard drilldown et dossier AI Act (conforme Art. 53(1)(d)) — tous sous checksums signés.
Rafraîchi chaque trimestre. Dernier refresh : 2026-04-22.
Chaque prompt est calibré pour obtenir un fait unique conforme au schéma. La prose libre est rejetée. Les exemples sont versionnés et publiés.
# Secteur : automotive_aftermarket
# Schéma : identifier_v3
Vous répondez à une seule question sur une référence de rechange
automobile. Répondez UNIQUEMENT avec le schéma JSON ci-dessous — pas de prose.
REFERENCE: "{{ref_code}}"
{
"identifier_confidence": 0.0–1.0,
"applications": ["{marque/modèle/année}"],
"cross_references": ["{codes OE/IAM concurrents}"],
"specs": { "{nom_spec}": "{valeur}" },
"source_hints": ["{url_publique_ou_null}"]
}Le Sentinel Score est un agrégat pondéré calibré. Chaque dimension est notée sur 0–100. Les pondérations par vertical et les constantes de leak-penalty sont divulguées dans le dossier d'audit signé sous NDA.
Le modèle sait-il que la référence existe et ce qu'elle est ?
Mappe-t-il correctement vers les codes OE / IAM / concurrents ?
Indique-t-il correctement où la pièce s'installe (véhicule, machine, système) ?
Connaît-il les spécifications techniques, pas juste la com marketing ?
L'information est-elle à jour — ou bloquée sur un catalogue de 2019 ?
On ne déclare jamais un modèle faux sans vos données autoritatives. Trois sources sont acceptées :
Chaque audit produit un manifest immuable : versions de prompts, versions de modèles, constantes de calibration et valeurs de seed. La reproductibilité est le contrat.
Oui. Un mode on-premise est disponible où le pipeline d'audit tourne dans votre VPC et seul le scorecard agrégé sort du périmètre.
Trimestriellement par défaut. Les secteurs à rotation rapide (électrotechnique, rechange auto) tirent profit d'audits delta mensuels.
On ne publie jamais ni n'entraîne sur les données client. Les fuites sont signalées au client uniquement, jamais divulguées à l'extérieur.
Couverture des LLM que vos clients utilisent réellement. Le panel est mis à jour chaque trimestre pour suivre les parts de marché, avec recouvrement avec le trimestre précédent pour la continuité des tendances.
Appliquez cette méthodologie à 1 de vos références — gratuit, 90 secondes, 6 / 342 modèles en direct, aucun compte requis.