Le nom finalement retenu était le quatre-vingt-douzième de la liste. Avant lui, quatre-vingt-onze candidats avaient été écartés en trois semaines par un fabricant de peintures professionnelles de quarante-cinq salariés qui lançait une gamme dépolluante : trop proche d’un concurrent allemand, impossible à prononcer au téléphone par un chef de chantier, déjà déposé dans la bonne classe, ou tout simplement moche selon la moitié du comité. Ce tri est le vrai travail, et c’est là que l’intelligence artificielle et le naming de produit se rencontrent utilement : produire de la matière en quantité, puis l’éliminer méthodiquement.
Le brief pèse plus lourd que le générateur
Demandez à un modèle de langage « vingt noms pour une peinture innovante » et vous obtiendrez vingt variations autour de pur, air, éco et nova. Le résultat est décevant parce que la demande l’était.
Un brief exploitable énonce des contraintes vérifiables. Le nom doit se prononcer sans hésitation par un artisan au téléphone dans un local bruyant. Il doit tenir en deux syllabes ou trois au maximum, parce qu’il figurera sur un pot de cinq litres à côté d’une référence technique. Il ne doit pas être purement descriptif, faute de quoi son dépôt sera fragile. Il doit cohabiter avec les gammes existantes sans créer de confusion interne. Et il doit rester lisible pour un client belge ou espagnol si l’export est envisagé dans les trois ans.
Rédiger ce cadre prend une demi-journée avec le directeur commercial et le responsable produit. C’est la partie du projet que nous refusons de faire à la place du client, parce qu’elle contient toutes ses décisions stratégiques déguisées en détails pratiques.
Produire trois cents candidats n’est pas un progrès en soi
La génération est devenue quasi gratuite. Une session bien menée sort trois cents propositions en une heure, réparties par familles : noms évocateurs, mots-valises, termes empruntés au latin ou à une langue étrangère, suites abstraites, dérivés du nom de l’entreprise.
Cette abondance déplace le problème plutôt qu’elle ne le résout. Le couple formé par l’intelligence artificielle et le naming de produit transfère intégralement le coût sur le tri, et l’expérience montre qu’un comité fatigue au bout de quarante noms. Notre méthode consiste à demander à l’outil de produire par vagues thématiques successives, vingt à trente candidats à la fois, chaque vague étant évaluée avant de lancer la suivante. Le taux de survie tourne autour d’un nom sur dix à ce stade, avant même les vérifications juridiques.
Un défaut à connaître : les modèles ont leurs tics. Ils raffolent des suffixes en -ia, -ly et -ova, des préfixes en neo- et eco-, et des mots-valises qui sonnaient neufs il y a dix ans. Demandez explicitement d’éviter ces formes, et vérifiez que les candidats ne ressemblent pas tous entre eux. Une liste homogène est le signe d’un brief trop étroit ou d’un modèle qui tourne en rond.
Les filtres qui éliminent réellement
Quatre passages successifs suffisent à ramener une liste de trois cents à une douzaine.
Le premier est linguistique : faire prononcer les noms à voix haute par des personnes qui ne les ont pas écrits, et vérifier leur sens ou leurs résonances dans les langues de vos marchés. Un modèle multilingue signale une bonne part des accidents, sans les repérer tous ; l’argot local lui échappe régulièrement. Le deuxième est numérique : disponibilité du nom de domaine et des identifiants sur les réseaux professionnels, plus une recherche pour voir ce que le nom ramène déjà comme résultats. Le troisième est concurrentiel : aucun de vos concurrents directs ne doit commercialiser quelque chose de trop proche, y compris à l’étranger. Le quatrième est juridique, et il mérite sa propre section.
Les trois premiers filtres s’automatisent en grande partie. Un enchaînement de vérifications sur les bases publiques et les registres de noms de domaine traite une liste de trois cents noms en quelques minutes, là où un stagiaire y passait une semaine. C’est le gain le plus tangible de l’intelligence artificielle et du naming de produit pour une PME : la disparition d’un travail fastidieux qui, faute de temps, n’était souvent fait qu’à moitié.
Tester auprès de vrais clients plutôt qu’en comité
Le comité de direction n’achètera pas le produit. Ses préférences esthétiques ont donc une valeur limitée, et le dirigeant qui tranche seul se trompe une fois sur deux, sans jamais le savoir puisque personne ne testera l’autre nom.
Un protocole léger suffit. Trente clients ou prospects représentatifs, trois finalistes, quatre questions posées au téléphone ou en visite : que vous évoque ce nom, à quel type de produit vous fait-il penser, sauriez-vous l’épeler, lequel retenez-vous après cinq minutes de conversation sur autre chose. Ce dernier point, la mémorisation à court terme, discrimine mieux que toutes les préférences déclarées. Comptez une semaine et quelques centaines d’euros si vous mobilisez vos propres commerciaux.
Le fabricant de peintures a découvert à cette étape que son favori évoquait un produit de nettoyage pour deux tiers des personnes interrogées. Il l’a écarté, et personne n’a regretté les trois semaines passées à le défendre en interne.
Le dépôt, là où l’automatisation s’arrête
Soyons nets sur ce point. Une recherche d’antériorité fiable ne se limite pas aux identités exactes : elle porte aussi sur les similitudes visuelles, phonétiques et conceptuelles, dans les classes de produits concernées et dans les territoires visés. Une comparaison automatique de chaînes de caractères ne fait pas ce travail, et un modèle de langage encore moins.
Faites intervenir un conseil en propriété industrielle sur vos deux ou trois finalistes, pas sur la liste entière : les honoraires deviennent alors très supportables au regard du risque évité, et les taxes de dépôt représentent quelques centaines d’euros selon le nombre de classes et de territoires. Les ordres de grandeur bougent, vérifiez-les au moment de votre projet. Cette combinaison entre outil automatisé et expertise réglementée rejoint ce que nous décrivons pour l’IA dans les services et les professions réglementées : la machine prépare, le professionnel engage sa responsabilité.
Le pire scénario n’est pas le refus de dépôt, qui arrive tôt. C’est l’opposition d’un titulaire antérieur deux ans après le lancement, quand les moules, les étiquettes, le catalogue et la documentation technique portent déjà le nom.
Six semaines, et un budget modeste
Le calendrier réaliste tient en six semaines pour une PME : une pour le brief, deux pour la génération et les filtres, une pour le test client, deux pour les vérifications juridiques et le dépôt. Le poste le plus lourd n’est pas la technologie, dont le coût se compte en dizaines d’euros de consommation, mais le temps des personnes et les honoraires du conseil. Pour les entreprises qui inscrivent cette démarche dans un chantier numérique plus large, les dispositifs recensés dans notre article sur les aides et subventions pour financer l’IA méritent d’être examinés en amont.
Un cas où l’exercice ne sert à rien : quand le nom est déjà décidé par le dirigeant et que la démarche vise à le faire valider. Nous avons appris à repérer cette configuration dès la première réunion, et nous préférons le dire plutôt que de facturer une mise en scène.
Un nom de produit engage une entreprise pour dix ans, parfois plus, et se choisit encore trop souvent en fin de réunion un vendredi soir. Y consacrer six semaines de méthode, avec des outils qui font le travail ingrat, reste l’un des investissements les moins chers qu’une PME puisse consentir. Si vous préparez un lancement, l’équipe MINOBIA peut structurer cette recherche avec vos équipes produit et marketing.
Questions fréquentes
Peut-on faire confiance à un nom généré automatiquement ?
Comme point de départ, oui. Comme décision finale, non : aucun modèle ne connaît vos clients, votre histoire de marque ni le contexte concurrentiel local de votre secteur.
Faut-il un nom disponible en .com ?
Moins qu’avant pour un produit vendu en B2B avec un réseau de distributeurs. Un nom de domaine indisponible mais inexploité par son titulaire reste un signal à examiner, pas un motif d’élimination automatique.
Combien de finalistes présenter au comité ?
Trois, jamais plus. Au-delà, la discussion se disperse et le choix se fait par élimination des noms les plus clivants, ce qui conduit invariablement au plus fade.
Un nom descriptif est-il un mauvais choix ?
Il se comprend immédiatement, ce qui est un avantage commercial réel, mais il se protège mal et vos concurrents pourront s’en approcher. Arbitrez ce compromis en connaissance de cause, avec votre conseil.
Et si le nom retenu ne plaît pas aux commerciaux ?
Associez-les au test client plutôt qu’au vote. Un vendeur qui a entendu trente clients réagir défend ensuite le nom retenu, même s’il en préférait un autre au départ.
Prêt à concrétiser votre projet IA ?
À propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
