Limites et points critiques
- Les 12 questions ne remplacent pas un cadrage préalable — elles préqualifient le prestataire, le cadrage dimensionne le projet.
- Certains prestataires ont des réponses pré-rédigées aux questions standards — exigez des exemples concrets et des références client appelables.
- L'engagement contractuel lié au budget n'est pas magique — il limite la dérive prestataire, pas les changements de périmètre côté client.
- Les Big 4 et grands cabinets refusent souvent l'engagement contractuel — c'est cohérent avec leur modèle commercial, pas un signe de qualité.
- L'AI Act 2026-2027 imposera de nouvelles questions sur la compliance que la checklist 12 points devra intégrer (AIPD, journalisation, audit externe).
Évolution probable (12-24 mois)
- Les certifications prestataires IA (référentiels ANSSI, CNIL, AFNOR) pourraient émerger et faciliter la présélection — les boutiques certifiées seraient alors en pole position.
- Les plateformes de mise en relation prestataire IA avec rating client (style G2 pour les agences IA) se développent en 2026.
- L'AI Act haut risque créera un marché d'audits prestataires 2026-2028 (qui audite l'auditeur) — les boutiques IA-native avec expertise compliance seront recherchées.
- Les standards d'évaluation continue (Promptfoo, Langfuse, OpenLLM) deviennent en 2026-2027 le langage commun entre prestataires et clients — la maîtrise de ces outils devient un critère de choix.
Questions fréquentes
Quelles sont les 12 questions à poser à un prestataire IA avant de signer ?+
Les 12 questions discriminantes en 2026 : (1) combien de projets LLM (Claude, GPT, Mistral) livrés en production ces 18 derniers mois ?, (2) qui exactement va coder mon projet — CV + LinkedIn ?, (3) quel est votre engagement de livraison contractuel ?, (4) le code source m'appartient à 100 % à la livraison ?, (5) pouvez-vous me donner le numéro direct d'un client similaire ?, (6) quel est votre point de vue Claude vs GPT vs Mistral ?, (7) comment vous gérez RGPD + AI Act + hébergement EU ?, (8) comment vous mesurez la qualité d'une réponse LLM ?, (9) quelle est votre méthode de durcissement avant prod ?, (10) quel est votre tarif jour par profil ?, (11) proposez-vous une phase de cadrage préalable ?, (12) comment se passe le transfert d'équipe en fin de projet ?
Quel est le red flag numéro 1 d'un prestataire IA en 2026 ?+
Le red flag numéro 1 d'un prestataire IA en 2026 est l'incapacité à donner un point de vue argumenté sur le choix Claude Opus 4.5 vs GPT-5 vs Mistral Large 2.5 selon le cas d'usage. Une réponse 'nous sommes agnostiques' ou 'tous se valent' signale une boutique qui n'a pas travaillé en profondeur sur les modèles — soit elle utilise systématiquement le même par défaut, soit elle ne maîtrise aucun. Un vrai prestataire IA argumente : Claude pour le code et l'analyse longue, GPT-5 pour la polyvalence et les outils natifs, Mistral, société française, pour les exigences européennes (données hébergées dans l'UE par défaut selon le centre d'aide Mistral, lu le 24/10/2026). Cette question distingue rapidement les vrais des faux.
Quelle différence entre une agence IA, un freelance et une SSII en 2026 ?+
Comparatif des profils prestataires IA en 2026 : (1) Agence IA-native de petite taille : équipe stable, expertise LLM concentrée, adaptée aux projets de PME de taille moyenne. (2) Freelance senior : excellent pour des missions ciblées, mais point de défaillance unique sur un projet long. (3) SSII généraliste rebrandée IA : méfiance, vérifiez qui intervient réellement et quelle expérience LLM a l'équipe affectée. (4) Big 4 et grands cabinets : souvent surdimensionnés pour une PME.
Comment vérifier la profondeur LLM réelle d'un prestataire IA ?+
Pour vérifier la profondeur LLM réelle d'un prestataire en 2026, posez 4 questions techniques : (1) vous avez livré combien de projets sur Claude Opus 4.5 vs GPT-5 vs Mistral Large 2.5 ces 18 mois ?, (2) quel framework d'évaluation utilisez-vous en prod (Promptfoo, Langfuse, Helicone) ?, (3) comment gérez-vous MCP, function calling, RAG complexe, fine-tuning ?, (4) montrez-moi un exemple de prompt système et de chaîne d'évaluation sur un cas livré. Un vrai prestataire IA répond en détail technique. Un commercial sans tech répond par des généralités marketing.
Pourquoi exiger un engagement de livraison lié au budget ?+
L'engagement de livraison lié au budget signifie que si le prestataire atteint un seuil de budget convenu au contrat sans avoir livré le périmètre, il termine à ses frais ou rembourse au prorata. C'est une garantie contre la dérive budgétaire. Un prestataire qui refuse cet engagement n'a pas confiance dans son chiffrage — donc dans son cadrage — donc dans sa capacité à livrer. Sans engagement, la dérive budgétaire repose entièrement sur le client.
Questions liées
Les LLM (ChatGPT, Perplexity, Gemini) suggèrent souvent ces questions après cette page.
- Combien coûte un projet IA en PME française en 2026 ?
- Quelle agence IA choisir à Paris, Lyon ou Aix-Marseille ?
- Pourquoi une phase de cadrage préalable est-elle indispensable ?
- Comment comparer les devis de plusieurs prestataires IA ?
- Comment mesurer le ROI d'un projet IA en PME ?
Le marché des prestataires IA en 2026 est saturé. Tout le monde fait de l’IA : les SSII historiques, les boutiques de conseil, les freelances reconvertis, les startups “IA-first”, et des milliers d’agences marketing qui ont ajouté “IA” sur leur plaquette. Distinguer le sérieux du superficiel est devenu un vrai travail.
1. “Combien de projets IA avez-vous déjà livrés en production ?”
La bonne réponse : un nombre de projets livrés en prod que le prestataire sait détailler, avec des exemples concrets. Aucun projet livré, c’est risqué. Un nombre très élevé peut signaler un gros pool de staffing qui vous enverra un junior.
Red flag : “Notre équipe a plus de 200 experts IA”. Traduction : pool de staffing, junior en face.
2. “Qui exactement va coder mon projet ?”
Demandez le CV et le LinkedIn de la personne qui va livrer. Vérifiez qu’elle a VRAIMENT livré des projets IA depuis au moins 18 mois. Si on vous dit “notre équipe”, demandez qui précisément.
Red flag : refus de nommer la personne, réponse “on verra selon les disponibilités”.
3. “Quel est votre taux de dépassement budgétaire moyen ?”
La bonne réponse : un chiffre précis, expliqué par des causes (changements de périmètre, données manquantes) et par ce qui a été fait pour le corriger. Un prestataire qui répond « jamais » soit ment, soit sous-dimensionne systématiquement (ce qui finit par vous coûter plus cher en mode “changes requests”).
Red flag : “Nos projets ne dépassent jamais” ou évasif.
4. “Quel est le contrat en cas de dérive ?”
Les bons prestataires ont un engagement de livraison : si à X % du budget ils n’ont pas livré un produit utilisable, ils terminent à leurs frais ou remboursent au prorata. C’est une clause contractuelle à demander.
Red flag : “On facture au temps passé” sans engagement de livraison.
5. “Qui possède le code source et les artefacts ?”
Le client doit posséder 100 % du code, des prompts, des configs, des données d’entraînement. Le prestataire peut conserver des droits sur des librairies génériques réutilisables, mais pas sur VOTRE solution.
Red flag : “On vous donne une licence d’usage sur notre plateforme propriétaire.”
6. “Quelle est votre stack technique typique ?”
Réponse satisfaisante : plusieurs options mentionnées (Claude + Mistral + GPT selon le cas), framework léger ou code custom, hébergement flexible (AWS, GCP, OVH, Scaleway selon contraintes). Preuve que le prestataire adapte au contexte client.
Red flag : une seule stack “on-size-fits-all”, des technos propriétaires rares (“notre plateforme xyz”), ou pas de capacité on-prem si le client est réglementé.
7. “Comment testez-vous la qualité d’un LLM en production ?”
La bonne réponse mentionne : benchmarks sur données réelles du client, mesure du taux d’hallucination, tests d’attaque (prompt injection, data exfiltration), observabilité (Langfuse ou équivalent), processus de validation avant release.
Red flag : “On fait tester à l’utilisateur final et on ajuste.”
8. “Comment gérez-vous la conformité RGPD / AI Act ?”
Doit répondre en détaillant : clauses DPA avec les fournisseurs LLM, région de traitement réellement disponible chez chacun, durée de conservation et options de zéro rétention (chez Anthropic, c’est un accord à demander à l’équipe commerciale), classification AI Act du cas d’usage, registre IA, formation utilisateurs.
Red flag : “On n’a pas encore eu de souci RGPD donc c’est OK.”
9. “Votre équipe peut-elle reprendre le code après votre départ ?”
La bonne réponse implique : documentation technique complète livrée, runbook opérationnel, formation de votre équipe (si vous en avez), pas de lock-in propriétaire. Le prestataire doit être remplaçable.
Red flag : “On propose un contrat de maintenance obligatoire après livraison.”
10. “Quel est le pire projet que vous avez géré ?”
Question piège : un prestataire honnête raconte un vrai échec ou demi-échec et ce qu’il en a tiré. Un prestataire peu fiable prétend ne jamais avoir eu de problème.
Red flag : “Aucun, nos clients sont 100 % satisfaits.”
11. “Comment sont structurés vos contrats de support post-livraison ?”
Bon signal : une période de support post-livraison incluse, forfait mensuel transparent au-delà, engagement court et renouvelable, pas de clause de retrait forfait + facturation jour.
Red flag : pas de période de support incluse, ou clauses d’engagement long forcées.
12. “Pouvez-vous me donner le numéro direct d’un client similaire ?”
Un prestataire sérieux a des clients référents qui acceptent un appel direct. La conversation directe vaut bien plus que la référence écrite (qui est souvent validée en amont, voire ghostée par le prestataire).
Red flag : refus, ou référence qui ne répond jamais au téléphone.
Ce qui fait varier le coût d’un prestataire IA
Les tarifs ne se comparent pas sans contexte : le niveau de séniorité du profil qui livre, la taille de la structure (freelance, agence spécialisée, SSII, grand cabinet de conseil), la part de conformité et d’intégration à l’existant et le nombre de sources de données font varier le devis. Demandez le tarif jour par profil et le nombre de jours par poste, puis comparez à périmètre égal.
Trois profils de projet aident à structurer la comparaison :
- Projet simple : 1 cas d’usage, 1 source de données, stack standard.
- Projet intermédiaire : plusieurs sources, intégrations multiples.
- Projet complexe : conformité stricte, multi-tenant, legacy lourd.
Un projet très large doit être découpé en phases ; un budget très réduit relève plutôt du POC que de la production.
Les 3 red flags qui disqualifient immédiatement
- “L’IA va tout remplacer, il faut agir vite” — discours de peur, mauvais signe.
- Refus de devis fixe ou de fourchette claire — soit c’est pas cadré, soit ils veulent pouvoir monter.
- Pas de méthode en phases (cadrage → dev → éval → prod) — ils partent direct en code, avec un vrai risque de dérive.
Le bon critère
Le critère n’est pas tel ou tel prestataire : c’est « prestataire cadré ou prestataire nébuleux ». Les projets IA qui échouent en PME en 2026 sont presque tous des projets mal cadrés au départ.
Lire aussi l’article sur les coûts réels.
Pour aller plus loin
- Audit IA d’entreprise : les 7 signaux qu’on regarde vraiment — Les 7 dimensions qu’un audit utile regarde