IA pour PME

Cahier des charges d'un projet IA : le modèle complet, et ce qu'un logiciel classique ne demande pas

| | 11 min de lecture
Vue de dessus d'un bureau : un cahier des charges imprimé avec un passage surligné, une liasse de dossiers clients sous une pince et une grille de notation cochée au crayon

L'essentiel

  • Un cahier des charges de logiciel classique demande si une fonction existe. Pour une IA, la bonne question est combien de fois sur cent elle donne une réponse juste sur vos cas, et comment vous le vérifierez.
  • La rubrique qui départage les offres est celle de la qualité : un lot de vos cas réels, un seuil fixé avant de lire les réponses, et un contrôle que la solution testée ne réalise pas elle-même.
  • Écrivez les critères de choix et leur poids avant de recevoir les offres. Une règle écrite après la démonstration finit toujours par donner raison à la démonstration.

Vous allez acheter une solution d’IA, ou faire construire un agent, et quelqu’un vous a conseillé d’écrire d’abord un cahier des charges. Des modèles, vous en trouvez par dizaines. Presque tous ont été pensés pour un site web ou un logiciel de gestion : une liste de fonctions, un planning, un budget. Appliqué à un projet d’IA, ce format produit un document auquel chaque éditeur répond « oui » à chaque ligne, et qui ne vous aide en rien à les départager.

La raison tient en une phrase. Un logiciel classique fait ce qu’on lui a programmé : si la fonction existe, elle marche. Une IA produit des réponses probables, justes la plupart du temps, fausses parfois, et sans prévenir. La question utile devient donc « sur cent de mes cas, combien en traitez-vous correctement, et comment le vérifierai-je ? ».

L’enjeu n’a rien de théorique. D’après les estimations reprises par la RAND Corporation dans son étude sur les causes d’échec des projets d’IA, plus de 80 % de ces projets échouent, soit deux fois plus que les projets informatiques sans IA. La première cause relevée par les chercheurs est un problème mal compris ou mal formulé au départ. C’est précisément ce qu’un cahier des charges est censé empêcher.

Ce guide donne le modèle complet, en dix rubriques. Six d’entre elles n’existent pas dans un cahier des charges de logiciel classique : elles sont signalées, parce que ce sont elles qui feront la différence entre les offres.

Ce qui change entre un cahier des charges logiciel et un cahier des charges IA

Logiciel classiqueProjet d’IA
Le résultatLa fonction existe, ou nonLa fonction réussit un certain nombre de fois sur cent
Le contrôleOn teste chaque fonction une foisOn rejoue un lot de cas réels, avec un seuil fixé d’avance
Le coûtLicence, intégration, maintenanceS’y ajoutent l’usage facturé au volume et la relecture humaine
Les donnéesCelles que le logiciel stockeCelles qu’il lit, et ce que le fournisseur a le droit d’en faire
Qui fournitL’éditeurL’éditeur, et souvent un fournisseur de modèle derrière lui
Les règlesRGPDRGPD, et AI Act selon l’usage

Tout le reste du modèle découle de la première ligne. Dès que le résultat se compte en pourcentage, il faut dire comment on le compte, sur quels cas, et qui juge.

Le modèle, rubrique par rubrique

Les dix rubriques suivent l’ordre du document que vous enverrez aux fournisseurs. Pour chacune : ce qu’elle doit contenir, puis un exemple court. La mention « propre à l’IA » signale les six rubriques qu’un modèle classique oublie.

1. Le problème à résoudre, en une phrase mesurable

Commencez par le problème, jamais par la solution. « Nous voulons un agent IA » n’est pas un besoin, c’est une hypothèse. Décrivez ce qui se passe aujourd’hui, ce que cela coûte, et ce qui doit changer, avec un indicateur que vous savez déjà mesurer. La fiche pratique de la CNIL et de France Num sur le choix d’une solution d’IA générative place cette question en tête de toutes les autres.

Exemple : « Le service client répond aux demandes de devis en deux jours en moyenne. L’objectif est de répondre le jour même à huit demandes sur dix. »

2. Le périmètre, et ce qui reste humain (propre à l’IA)

Écrivez ce que l’outil fait seul, ce qu’il propose et qu’une personne valide, et ce qu’il ne touche pas. Nommez le rôle qui valide. Cette rubrique protège autant la qualité que la responsabilité : la fiche de la CNIL le résume en une phrase, « L’humain doit rester le dernier maillon de la chaîne ». L’organisation de cette validation au quotidien est détaillée dans notre article sur la gouvernance des agents IA en PME.

Exemple : « L’outil rédige le brouillon de réponse. Le chargé de clientèle le relit, le corrige si besoin et l’envoie. Aucune réponse ne part sans relecture pendant les trois premiers mois. »

3. Les données que l’outil lira (propre à l’IA)

Listez les données dont l’outil aura besoin, où elles se trouvent, dans quel état elles sont, et qui a le droit d’y accéder. Précisez si elles contiennent des données personnelles. Le manque de données adaptées est la deuxième cause d’échec relevée par RAND, et c’est souvent lui qui explique l’écart entre une démonstration brillante et un pilote décevant. Si l’outil doit répondre à partir de vos documents, notre guide sur le RAG en entreprise explique ce qui conditionne la fiabilité des réponses.

Exemple : « Quatre mille fiches produits dans l’ERP, mises à jour chaque semaine, et les conditions générales de vente en PDF. Aucune donnée personnelle de client. »

4. La qualité attendue, et la façon de la mesurer (propre à l’IA)

C’est la rubrique qui départage les offres. Elle tient en trois éléments.

Un lot de cas réels. Tirez de votre activité des cas représentatifs, les faciles comme les pénibles, avec pour chacun la bonne réponse ou un critère clair pour la juger. Gardez une partie du lot pour vous : elle servira à l’essai, et aucun fournisseur ne l’aura vue avant.

Un seuil fixé avant de lire les offres. « Au moins tant de cas sur cent jugés corrects », et ce qui arrive à un cas raté (relecture, reprise manuelle). Un seuil choisi après avoir vu les résultats finit par se caler sur la solution préférée.

Un contrôle extérieur à la solution. Quand un outil vérifie lui-même ses sorties, une erreur qu’il ne voit pas passe pour un succès. Faites juger les réponses par vos équipes, sans qu’elles sachent quelle solution les a produites.

La taille du lot compte. Sur une vingtaine de cas, deux ou trois réussites d’écart entre deux offres relèvent du hasard : pour départager des solutions proches, il faut plusieurs dizaines de cas, souvent davantage.

Exemple : « Cent cinquante demandes de devis reçues ces six derniers mois, avec la réponse envoyée à l’époque. Une réponse est correcte si le prix et le délai sont justes et si le client n’aurait rien eu à corriger. Seuil : 85 sur 100. Jugement par deux chargés de clientèle, à l’aveugle. »

5. Le coût complet, ramené à la tâche réussie (propre à l’IA)

Demandez le prix de l’abonnement, celui de l’usage facturé au volume, l’intégration et la maintenance. Ajoutez-y ce que la grille tarifaire ne montre pas : le temps de relecture humaine et celui de reprise des erreurs. La fiche CNIL le rappelle, « le coût ne se limite pas au paiement de la solution ». Divisez ensuite le total par le nombre de tâches menées à bien : c’est le seul chiffre qui se compare d’une offre à l’autre. Faites chiffrer deux volumes, celui d’aujourd’hui et celui que vous visez.

Exemple : « Pour 500 demandes par mois : abonnement, consommation estimée par l’éditeur, trois minutes de relecture par réponse, et le temps de reprise des réponses fausses mesuré pendant l’essai. »

6. Hébergement, sécurité et confidentialité

Cette rubrique existe aussi pour un logiciel en ligne, mais l’IA la rend plus sensible. Demandez où tournent les traitements, dans quel pays (c’est la première question de la fiche CNIL sur le fournisseur), si vos données servent à entraîner un modèle et si une option contractuelle l’interdit, quels sous-traitants interviennent, et ce qui est conservé dans les journaux. Retenez aussi le point juridique que la CNIL formule sans détour : le client est responsable de traitement dès lors qu’il détermine la finalité et les moyens du traitement. Si l’usage présente un risque élevé pour les personnes, une analyse d’impact sur la protection des données devient obligatoire.

Exemple : « Traitements hébergés dans l’Union européenne, aucune réutilisation des données pour l’entraînement, liste des sous-traitants annexée au contrat, journaux conservés trente jours. »

7. L’origine du modèle, et la sortie (propre à l’IA)

Derrière beaucoup d’offres se trouve le modèle d’un autre fournisseur. Demandez lequel, sous quelle licence, ce qui se passe quand il change de version, et si vous pouvez en changer. Demandez ensuite ce que vous récupérez en partant : la configuration, les consignes données à l’IA, les données et l’historique, dans un format que vous savez relire. La CNIL publie un modèle de clause de réversibilité que rien n’interdit de reprendre. Si c’est un prestataire qui construit l’outil, les questions à lui poser avant de signer sont dans notre article quelle agence IA choisir pour une PME.

Exemple : « L’éditeur nomme le modèle utilisé et prévient trois mois avant tout changement. En fin de contrat, il remet la configuration complète et l’historique des échanges dans un format ouvert. »

8. Les obligations réglementaires (propre à l’IA)

Le RGPD s’applique dès qu’il y a des données personnelles. Le règlement européen sur l’intelligence artificielle ajoute deux niveaux. Depuis le 2 août 2026, un outil qui dialogue directement avec des personnes doit leur faire savoir qu’elles s’adressent à une machine (article 50). Pour les usages classés à haut risque, parmi lesquels le tri des candidatures et l’évaluation des salariés, l’entreprise qui déploie le système a ses propres obligations : l’utiliser selon la notice du fournisseur, confier le contrôle humain à des personnes compétentes, veiller à la pertinence des données qu’elle y fait entrer, surveiller son fonctionnement et conserver ses journaux, comme le détaille la fiche de l’article 26 publiée par la Commission européenne. Ces obligations s’appliquent à partir du 2 décembre 2027, après le report décidé par le règlement 2026/1744. Le calendrier complet est dans notre article sur ce que l’AI Act impose réellement à une PME.

Exemple : « Le module de tri des candidatures du SIRH relève du haut risque. Le cahier des charges exige la notice d’utilisation, l’accès aux journaux et la possibilité de contrôle humain prévus par l’article 26. »

9. Les critères de choix, pondérés avant de lire les offres

Fixez la liste des critères et leur poids avant de recevoir la moindre réponse. Faites de la qualité mesurée un critère éliminatoire : une offre sous le seuil sort, quel que soit son prix. Classez ensuite celles qui restent. Écrire la règle d’avance a un effet simple : la démonstration la plus séduisante ne peut plus la réécrire.

Exemple :

CritèrePoids
Qualité sur le lot de casÉliminatoire sous le seuil
Coût par tâche réussie35 %
Intégration à vos outils25 %
Réversibilité et origine du modèle20 %
Accompagnement et support20 %

10. La recette : ce qui vaut acceptation

Décrivez ce qui se passera à la livraison : quel lot sera rejoué, dans quelles conditions, avec quel seuil, et ce qui arrive s’il n’est pas atteint. Un procès-verbal de recette signé clôt l’étape. Sans cette rubrique, la livraison se juge à l’impression des premiers jours.

Exemple : « Recette sur 100 nouvelles demandes en conditions réelles, seuil de 85. En dessous, le fournisseur corrige sans frais et la recette est rejouée. »

Comparer les réponses des fournisseurs

Envoyez les mêmes questions à tous et exigez des réponses écrites, dans un format imposé. Un tableau à remplir vaut mieux qu’une plaquette : il rend les réponses comparables ligne à ligne et fait apparaître les cases laissées vides.

Pour la soutenance, inversez l’habitude. Ce n’est pas au fournisseur de choisir ses exemples : il traite devant vous une partie de vos cas. Puis faites passer les finalistes sur le lot que vous aviez gardé, faites juger à l’aveugle, et appliquez la règle telle qu’elle est écrite. Si aucune offre n’atteint le seuil, c’est un résultat, et il vous évite un achat. Un fournisseur qui refuse l’essai sur vos cas vous a déjà renseigné.

Les erreurs qui reviennent

Laisser un candidat tenir la plume. Un modèle de cahier des charges fourni par un éditeur décrit, sans surprise, ce que son produit sait faire.

Choisir sur la démonstration. Elle tourne sur des exemples préparés. Elle montre ce qui est possible, pas ce qui arrivera sur vos cas.

Fixer le seuil après les essais. Le chiffre glisse alors vers le résultat de la solution qu’on préférait déjà.

Oublier la sortie. La réversibilité se négocie avant la signature. Après, elle se paie.

Faut-il se faire accompagner ?

Pas toujours. Pour équiper quelques collaborateurs d’un abonnement à un assistant du marché, ce modèle est disproportionné : une politique d’usage et une formation conforme à l’article 4 de l’AI Act suffisent.

Le besoin d’un regard extérieur apparaît quand plusieurs offres se disputent un budget important, quand les données sont sensibles, ou quand l’outil doit s’intégrer à vos logiciels. C’est le rôle d’une assistance à maîtrise d’ouvrage : préparer la décision du côté de l’acheteur, sans rien vendre d’autre que ce conseil. Nous décrivons sur une page dédiée notre accompagnement indépendant pour choisir une solution d’IA (AMOA IA), de la note de cadrage à la recette.

Questions fréquentes

C'est le document qui décrit le problème à résoudre, les données concernées, la qualité attendue et la façon de la mesurer, le coût complet, les conditions d'hébergement, la réversibilité, les obligations réglementaires et les critères de choix. Il sert à consulter plusieurs fournisseurs dans les mêmes termes, puis à réceptionner la solution retenue.

Six rubriques : ce qui reste sous validation humaine, les données que l'outil lira, la qualité attendue avec sa méthode de mesure, le coût ramené à la tâche réussie, l'origine du modèle et la réversibilité, et les obligations de l'AI Act quand l'usage y est soumis. Un logiciel classique fait ce qu'on lui a programmé ; une IA produit des réponses probables, ce qui oblige à mesurer au lieu de constater.

Constituez un lot de cas réels tirés de votre activité, avec la bonne réponse ou un critère pour la juger. Fixez un seuil avant de voir les offres, faites passer les solutions finalistes sur ce lot, et faites juger les réponses par vos équipes sans qu'elles sachent quelle solution les a produites.

L'entreprise qui achète, avec les personnes qui feront le travail au quotidien. Un éditeur peut fournir un modèle, mais un cahier des charges rédigé par un candidat décrit son produit. Quand plusieurs offres sont en concurrence ou que les données sont sensibles, une assistance à maîtrise d'ouvrage indépendante peut tenir la plume.

Oui, à deux niveaux. Depuis le 2 août 2026, un outil qui dialogue directement avec des personnes doit leur faire savoir qu'elles s'adressent à une machine. Pour les usages classés à haut risque, comme le tri de candidatures, l'entreprise qui déploie le système a ses propres obligations (article 26), applicables à partir du 2 décembre 2027 après le report décidé en 2026.

Franck Sauvage

Rédigé par

Franck Sauvage

Fondateur L'Agence Sauvage, spécialiste du déploiement de projets IA pour PME françaises

Prêt à transformer votre entreprise avec l'IA ?

Réservez un audit gratuit de 30 minutes. Sans engagement.

Diagnostic découverte gratuit