market-sizing-analysis

Présentation de la skill market-sizing-analysis

Ce que fait la skill market-sizing-analysis

La skill market-sizing-analysis aide un agent IA à produire des estimations structurées de TAM, SAM et SOM pour des opportunités de startup et de produit. Elle est conçue pour les analyses d’opportunité de marché où un simple “quelle est la taille de ce marché ?” ne suffit pas : il faut une approche de sizing défendable, des hypothèses explicites et une méthodologie que des fondateurs, opérateurs ou investisseurs peuvent relire et challenger.

À qui s’adresse market-sizing-analysis

Cette market-sizing-analysis skill convient particulièrement à :

• des fondateurs qui valident un nouveau marché
• des opérateurs de startup qui préparent des supports de levée de fonds
• des consultants qui réalisent une analyse d’opportunité rapide mais structurée
• des analystes qui veulent un workflow reproductible de market sizing pour la Data Analysis

Si vous avez besoin d’un premier modèle de marché avec une logique claire, c’est un très bon choix. Si vous avez besoin d’une étude auditée ou de prévisions sur des secteurs fortement réglementés, cette skill doit servir de cadre de départ, pas de source finale de vérité.

Le vrai besoin auquel elle répond

La plupart des utilisateurs ne cherchent pas seulement des définitions de TAM/SAM/SOM. Ils veulent transformer une idée encore floue comme “un logiciel IA pour les retailers mid-market” en :

• un marché cible clairement délimité
• des hypothèses par segment
• une ou plusieurs méthodes de sizing
• une logique réaliste de part de marché atteignable sur 3 à 5 ans
• une trame exploitable pour planifier ou pitcher

C’est là que market-sizing-analysis est plus utile qu’un prompt générique.

Ce qui la différencie d’un prompting classique

La principale valeur de market-sizing-analysis est d’orienter l’agent vers trois approches complémentaires :

• un sizing top-down à partir de rapports sectoriels
• un sizing bottom-up à partir du nombre de clients et du pricing
• un sizing par la valeur via la disposition à payer

C’est important, car le market sizing échoue souvent lorsqu’un modèle repose sur un seul angle d’analyse. Cette skill fournit une structure plus utile à la décision et encourage les recoupements, au lieu de produire un chiffre unique impressionnant mais fragile.

Ce qu’il faut vérifier avant de l’installer

La vraie question d’adoption n’est pas “est-ce qu’elle sait calculer un TAM ?”, mais “est-ce qu’elle va réduire la part d’approximation ?”. Pour cette skill, la réponse est généralement oui si vous pouvez fournir :

• un produit ou service défini
• les caractéristiques du client cible
• une zone géographique
• un ordre de grandeur de pricing ou de valeur contractuelle
• un horizon temporel et des contraintes go-to-market

Sans ces éléments d’entrée, la sortie devient vite générique.

Comment utiliser la skill market-sizing-analysis

Contexte d’installation de market-sizing-analysis

L’extrait du dépôt ne fait pas apparaître de commande d’installation intégrée dans SKILL.md. En pratique, les utilisateurs ajoutent donc le dépôt parent de skills puis appellent la skill par son nom dans leur environnement agent. Si votre configuration prend en charge les installations de type Skills, le schéma le plus courant est :

npx skills add https://github.com/wshobson/agents --skill market-sizing-analysis

Après l’installation, vérifiez que votre agent voit bien la skill dans le chemin de plugin startup-business-analyst.

Commencez par lire ces fichiers

Pour un usage concret de market-sizing-analysis, commencez par :

• plugins/startup-business-analyst/skills/market-sizing-analysis/SKILL.md
• plugins/startup-business-analyst/skills/market-sizing-analysis/examples/saas-market-sizing.md
• plugins/startup-business-analyst/skills/market-sizing-analysis/references/data-sources.md

L’ordre de lecture suivant fonctionne bien :

1. SKILL.md pour comprendre le workflow et les choix de méthode
2. examples/saas-market-sizing.md pour voir à quoi ressemble un bon livrable
3. references/data-sources.md pour identifier d’où doivent venir les hypothèses

Les entrées nécessaires pour que la skill fonctionne bien

Pour obtenir de bons résultats avec market-sizing-analysis, donnez à l’agent un brief opérationnel compact :

• description du produit
• type d’acheteur
• secteur ou cas d’usage
• géographie
• modèle de pricing
• horizon temporel
• concurrents connus
• contraintes sur ce que le produit peut réellement servir aujourd’hui

Une entrée faible serait : “Size the market for AI legal software.”

Une entrée plus solide serait : “Size the 3-5 year market for AI contract review software for U.S. mid-market legal teams at companies with 200-5000 employees. Assume annual pricing of $18k-$60k depending on seat count and a direct sales motion.”

Comment transformer une idée floue en prompt complet

Un bon prompt d’appel pour market-sizing-analysis for Data Analysis doit demander en une seule fois la méthode, les hypothèses et le format de sortie. Par exemple :

“Use the market-sizing-analysis skill to estimate TAM, SAM, and SOM for an AI-powered email marketing platform for North American e-commerce companies with $1M+ revenue. Use bottom-up as the primary method, top-down as a cross-check, and state all assumptions. Include segment counts, ACV ranges, 3-5 year obtainable share logic, and a short risk section on uncertainty in the source data.”

Cela fonctionne mieux que “estimate the market size”, car cela réduit l’ambiguïté sur :

• le segment cible
• la méthodologie privilégiée
• le format de sortie
• le niveau de confiance et les réserves

Choisir la bonne méthodologie dès le départ

Ne partez pas par défaut sur une approche top-down sous prétexte qu’elle paraît plus rapide. La skill market-sizing-analysis est la plus crédible quand la méthode est adaptée au marché :

• Utilisez le bottom-up lorsque vous connaissez les segments de clients, le pricing ou le nombre de sièges.
• Utilisez le top-down lorsqu’il existe déjà des estimations publiées sur la catégorie de marché.
• Utilisez la value theory lorsque le pricing dépend de la valeur économique créée plutôt que d’un pricing standard de catégorie.

Pour un contexte startup, le bottom-up est souvent la meilleure méthode principale, car il est plus facile à défendre dans un board deck ou un pitch.

Workflow recommandé en pratique

Un bon workflow avec market-sizing-analysis ressemble à ceci :

1. Définir précisément l’offre et l’acheteur.
2. Réduire le périmètre géographique et les contraintes de segment.
3. Choisir une méthode de sizing principale.
4. Demander à l’agent de formuler les hypothèses avant les chiffres finaux si l’incertitude est forte.
5. Faire un recoupement avec une seconde méthode.
6. Ajuster le SAM et le SOM en fonction du périmètre produit, de la capacité GTM et de la concurrence.
7. Exporter le résultat dans une note, une slide de pitch ou un document de planification.

Cette séquence évite un écueil fréquent : un TAM élevé mais sans rapport avec l’activité qu’il est réellement possible de construire.

Utiliser le fichier d’exemple comme référence qualité

examples/saas-market-sizing.md est particulièrement utile, car il montre à quoi ressemble un résultat “suffisamment complet” :

• des critères de segmentation clairs
• une logique bottom-up fondée sur des volumes
• des hypothèses d’ACV explicites
• des formules
• un cadrage réaliste de la part atteignable

Si votre sortie n’inclut pas ces éléments, mieux vaut demander une révision à l’agent plutôt que d’accepter une réponse purement narrative.

Les sources de données qui améliorent vraiment les résultats

Le fichier references/data-sources.md est l’un des points forts de cette skill market-sizing-analysis. Il oriente les utilisateurs vers :

• des cabinets d’analystes premium comme Gartner, Forrester et IDC
• des sources plus accessibles comme Statista
• des outils startup et private market comme CB Insights et PitchBook
• des sources stratégiques plus larges comme les insights de McKinsey

En pratique, combinez une source de marché publiée avec une source de validation fondée sur des volumes. Par exemple :

• une estimation de catégorie publiée par Statista
• une vérification du nombre d’acheteurs via le Census, des volumes dans un écosystème de plateforme ou des filtres LinkedIn

C’est généralement plus fiable que de s’appuyer sur un seul rapport sectoriel.

Ce qu’une bonne sortie doit contenir

Un bon livrable de market-sizing-analysis doit inclure :

• des définitions de TAM, SAM et SOM appliquées à votre cas
• des formules ou une logique de calcul explicite
• des hypothèses par segment
• un horizon temporel
• des hypothèses de pricing
• les principales incertitudes
• une justification de la part de marché atteignable

Si la sortie donne des chiffres propres sans montrer comment ils ont été construits, demandez un nouveau calcul avec les hypothèses rendues visibles.

Contraintes et arbitrages courants

Cette skill est utile, mais elle ne supprime pas les limites structurelles du market sizing :

• les données publiques peuvent reposer sur des définitions de catégorie qui ne correspondent pas à votre produit
• les volumes de clients peuvent être datés ou incohérents selon les sources
• un sizing fondé sur la valeur peut vite devenir spéculatif
• les estimations de SOM relèvent souvent davantage du réalisme GTM que des mathématiques de marché

Utilisez-la pour structurer le jugement, pas pour fabriquer une précision artificielle.

FAQ sur la skill market-sizing-analysis

market-sizing-analysis est-elle adaptée aux débutants ?

Oui, surtout si vous comprenez mieux votre produit et votre client que les méthodes formelles de market sizing. La skill fournit un cadre plus facile à suivre qu’un prompt vide au départ. Les débutants doivent malgré tout relire les hypothèses avec attention, car un mauvais cadrage du périmètre produit de mauvais chiffres.

Dans quels cas market-sizing-analysis n’est-elle pas le bon choix ?

market-sizing-analysis est peu adaptée si :

• vous avez besoin d’une étude de marché auditée
• le marché est trop mal défini pour décrire un acheteur
• le pricing est inconnu et impossible à estimer
• le vrai sujet est la validation de la demande, pas le market sizing

Elle est aussi moins pertinente pour des catégories très techniques où les données publiques par segment sont extrêmement limitées et où l’expertise métier est indispensable.

En quoi est-ce différent d’un prompt IA classique ?

Un prompt classique peut produire un langage TAM/SAM/SOM plausible, tout en évitant les points difficiles : segmentation, choix de méthode et hypothèses défendables. La market-sizing-analysis skill est plus intéressante quand vous cherchez un workflow réutilisable plutôt qu’une réponse ponctuelle.

Peut-on utiliser market-sizing-analysis pour des decks investisseurs ?

Oui, mais ne reprenez pas la première sortie telle quelle dans un pitch deck. Utilisez la skill pour construire un modèle traçable, puis renforcez les sources, simplifiez la narration et vérifiez que le SAM et le SOM reflètent bien votre périmètre de lancement réel et votre capacité GTM.

Est-ce que cela fonctionne uniquement pour le SaaS ?

Non. L’exemple fourni est orienté SaaS, mais le cadre peut aussi fonctionner pour des services, des marketplaces, la fintech, la healthtech et d’autres catégories startup. Il donne ses meilleurs résultats lorsque vous pouvez estimer le nombre de clients, les niveaux de dépense ou la valeur économique créée.

Comment améliorer la skill market-sizing-analysis

Donner des définitions de marché plus resserrées

La façon la plus rapide d’améliorer les sorties de market-sizing-analysis consiste à resserrer la définition du marché. Précisez :

• l’acheteur exact
• la taille d’entreprise ou le profil utilisateur
• la géographie
• le modèle de déploiement
• le périmètre produit actuel

“Healthcare AI” est trop large. “AI prior-authorization automation for U.S. regional health insurers” est beaucoup plus exploitable.

Fournir des hypothèses de pricing et de packaging

Le sizing bottom-up devient bien plus solide dès que vous fournissez l’un des éléments suivants :

• annual contract value
• fourchette d’abonnement mensuel
• pricing par siège
• commission sur transaction
• taille moyenne des deals

Sans pricing, le modèle est souvent obligé d’inventer des proxys fragiles.

Demander des recoupements, pas juste un seul chiffre

Un bon prompt demande à l’agent de produire :

• une méthode principale
• une méthode secondaire de validation
• une explication en cas d’écart entre les deux

Cela améliore la confiance dans le résultat. De grands écarts entre top-down et bottom-up sont souvent l’information la plus utile, car ils révèlent des problèmes de définition de catégorie ou des hypothèses de pricing peu réalistes.

Forcer l’agent à distinguer la logique TAM, SAM et SOM

Un mode d’échec fréquent consiste à appliquer de simples pourcentages de réduction sans expliquer pourquoi. Pour améliorer les résultats, demandez une logique distincte :

• TAM basé sur la dépense totale potentielle
• SAM basé sur les contraintes actuelles de produit et de géographie
• SOM basé sur une capacité d’acquisition réaliste et sur la concurrence

Cela rend le market-sizing-analysis guide beaucoup plus utile d’un point de vue opérationnel.

Demander une note sur la qualité des sources et l’incertitude

Demandez à l’agent d’étiqueter les hypothèses comme :

• sourced
• inferred
• placeholder

Demandez aussi un niveau de confiance pour chaque entrée majeure. C’est particulièrement utile si vous utilisez la skill dans un travail de stratégie early-stage, où certains chiffres seront inévitablement directionnels.

Itérer après le premier draft

Ne considérez pas le premier résultat comme une version finale. Une bonne boucle de révision consiste à :

1. corriger les erreurs sur l’acheteur et la géographie
2. remplacer les hypothèses faibles par de vraies entrées
3. affiner le pricing
4. challenger le réalisme du SOM
5. relancer avec une source de recoupement supplémentaire

En général, cela améliore davantage la qualité de sortie que l’ajout de texte supplémentaire.

Réutiliser la structure de l’exemple dans votre propre domaine

Si votre premier résultat est désordonné, demandez à l’agent de reprendre la structure de examples/saas-market-sizing.md :

• tableau de segments
• section de formules
• walkthrough de calcul
• synthèse finale

Ce fichier constitue un bon modèle de mise en forme, même si votre marché n’est pas du SaaS.

Surveiller ces modes d’échec fréquents

Les principaux problèmes de qualité dans market-sizing-analysis sont :

• un TAM artificiellement gonflé par inflation de catégorie
• des volumes de segment vagues
• des hypothèses de pricing sans ancrage
• un SOM fondé sur l’optimisme plutôt que sur la capacité GTM
• un mélange entre nombre d’utilisateurs, nombre d’entreprises et revenu sans logique de conversion claire

Si vous repérez l’un de ces problèmes, demandez que la chaîne de raisonnement exacte soit reconstruite.

Améliorer les sorties pour les workflows de Data Analysis

Pour market-sizing-analysis for Data Analysis, demandez à l’agent de retourner les hypothèses sous une forme structurée :

• segment
• count
• pricing metric
• annual revenue assumption
• source
• confidence

Cela facilite beaucoup l’intégration du résultat dans des tableurs, notebooks, outils BI ou modèles de prévision en aval.