Cahier des charges assistant IA PME : conformité, données, fournisseurs — le triptyque 2026
Cahier des charges assistant IA PME : conformité, données, fournisseurs — le triptyque avant d’acheter

En 2025, 18 % des entreprises françaises de 10 salariés ou plus utilisent l’IA (Insee, TIC 2025), soit un triplement depuis 2023. Mais plus de 80 % des investissements en IA générative n’ont pas d’impact financier mesuré (McKinsey 2025). La cause n°1 : l’absence de cahier des charges structuré avant le choix de l’outil. Ce guide donne aux dirigeants PME/ETI la grille d’exigences complète — conformité AI Act/RGPD, maturité données, grille d’évaluation fournisseurs — pour lancer un premier projet assistant IA (chatbot, RAG, agent) sans regret.
Sourcé exclusivement Insee, France Num, Bpifrance Conseil, Direction générale des Entreprises (guide RAG nov. 2024), OCDE AI Policy Observatory et AI Act (JO 12/07/2024), ce cahier des charges sépare les exigences non négociables (juridiques, sécurité) des critères de choix (fonctionnels, techniques, commerciaux).
1. Volet 1 — Conformité : AI Act et RGPD, ce qui s’impose dès le cadrage
L’AI Act (règlement UE 2024/1689, JO 12/07/2024) classe les systèmes d’IA par niveau de risque. Pour un assistant IA en PME, trois scénarios :
| Scénario | Classification AI Act | Obligations principales | Échéance |
|---|---|---|---|
| Chatbot FAQ public, copilote bureautique, générateur contenu marketing | Risque limité | Transparence : informer l’utilisateur (IA), marquer contenus générés (Art. 50) | Août 2025 |
| RAG RH (recrutement, évaluation), RAG crédit/assurance, RAG santé, agent RH | Risque élevé (Annexe III) | Gestion risques, gouvernance données, doc technique, surveillance humaine, enregistrement, déclaration conformité, marquage CE (Art. 6-51) | Août 2026 |
| Agent qualification leads avec décision finale auto, scoring automatisé candidats | Risque élevé | Mêmes obligations + évaluation conformité tierce si sécurité/santé | Août 2026 |
Règle pratique : pour un premier projet PME, cibler le risque limité (support client niveau 1, base connaissances technique, veille réglementaire, copilote dev/marketing/juridique). Éviter l’agentique à décision finale sur domaines réglementés (RH, crédit, santé) sauf conformité lourde anticipée.
Check-list conformité non négociable (à valider avant signature fournisseur)
- Classification AI Act documentée : risque limité vs élevé, justification écrite, revue juridique.
- Base légale RGPD identifiée : intérêt légitime (productivité interne) ou consentement (données clients). Pas de « légitime » pour profilage ou données sensibles.
- DPIA réalisée si risque : obligatoire pour traitement données sensibles, profilage, surveillance, décisions automatisées (CNIL reco 2024-2025). Modèle DPIA CNIL disponible.
- DPA signés avec tous les sous-traitants : fournisseur LLM, plateforme RAG, hébergeur vector DB, intégrateur. Clauses Art. 28 RGPD + transferts hors UE (clauses types / adequacy).
- Registre des traitements mis à jour : finalités, catégories données, destinataires, durées conservation, mesures sécurité.
- Droits des personnes opérationnels : accès, rectification, effacement, opposition, limitation, portabilité. Procédure < 30 jours.
- Journalisation prompts/réponses : audit trail, détection dérive, amélioration continue. Rétention définie (ex. 13 mois).
- Anonymisation/Pseudonymisation en entrée : PII masquées avant envoi au LLM (CNIL : « anonymiser les prompts »).
- Option « zéro entraînement » activée : fournisseur LLM ne réentraîne pas sur vos données (OpenAI, Anthropic, Mistral, Google proposent l’option).
- Veille réglementaire trimestrielle : AI Act (actes délégués, guidelines), CNIL, OCDE AI Policy Observatory (oecd.ai), ANSSI.
2. Volet 2 — Maturité données : le prérequis technique trop souvent sous-estimé
France Num x Bpifrance (2026) : « Il n’existe pas d’IA performante sans données de qualité ». Le guide DGE RAG (nov. 2024) liste les prérequis concrets :
| Critère | Exigence minimale | Cible industrielle | Outil de mesure |
|---|---|---|---|
| Inventaire corpus | Liste exhaustive : sources, volumes, formats, propriétaires, fraîcheur, PII | Catalogue de données (data catalog) à jour | DataHub, Amundsen, OpenMetadata |
| Nettoyage | Dédoublonnage, suppression obsolète (>2 ans sans mise à jour), correction encodage | Pipeline automatisé d’ingestion (nouveaux docs → nettoyage → validation) | Scripts Python, Great Expectations, dbt tests |
| Métadonnées | Source, date, auteur, version, droits d’accès, langue, domaine métier | Métadonnées enrichies : tags métier, criticité, propriétaire RGPD, cycle de vie | Schémas JSON Schema, OpenMetadata |
| Droits d’accès (RBAC) | Reproduction des permissions SI dans le RAG (qui voit quoi) | RBAC dynamique synchro AD/LDAP/Entra ID temps réel | Microsoft Purview, Immuta, OpenPolicyAgent |
| Chunking strategy | 500-1500 tokens, overlap 10-20 %, respect frontières logiques (sections, articles) | Chunking sémantique (basé sur structure doc) + reranker cross-encoder | LangChain, LlamaIndex, custom |
| Modèle d’embedding | Multilingue (fr/en) : bge-m3, e5-mistral-7b-instruct, multilingual-e5-large | Fine-tuned sur corpus métier + évaluation continue (MTEB fr) | Sentence Transformers, FlagEmbedding |
| Vector DB | PostgreSQL + pgvector, Qdrant, Weaviate, Milvus, Pinecone (cloud) | Hybride : vector + full-text (BM25) + métadonnées filtrées | Benchmarks : latency p95 < 500ms, recall@10 > 0.85 |
| Évaluation continue | Jeu de test 50-100 questions/réponses attendues, métriques groundedness + faithfulness | CI/CD : régression nightly, alerting drift, A/B testing modèles | RAGAS, DeepEval, custom |
Auto-évaluation rapide (score 0-3 par critère, total < 12 = pas prêt pour RAG)
- Inventaire corpus : 0=aucun, 1=partiel, 2=complet, 3=automatisé + catalogué
- Nettoyage : 0=brut, 1=ponctuel, 2=régulier, 3=pipeline automatisé
- Métadonnées : 0=aucune, 1=basiques (fichier), 2=riches, 3=standards + cycle de vie
- Droits d’accès : 0=ouverts, 1=basiques (dossiers), 2=RBAC appliqué, 3=sync temps réel
Si score < 12 : lancer d’abord le nettoyage/métadonnées (2-4 semaines, 1 data engineer) en parallèle du quick-win Conversationnel (licences Copilot/ChatGPT). Le RAG attend la maturité données.
3. Volet 3 — Grille d’évaluation fournisseurs : 20 critères pondérés
Le marché propose 20+ solutions par architecture (France Num x Bpifrance 2026). Cette grille, pondérée pour un premier projet PME risque limité, permet de comparer objectivement :
| Critère | Poids | Questions clés | Preuve demandée |
|---|---|---|---|
| Conformité & Sécurité | 25% | ||
| Hébergement données (UE / France / souverain) | 8% | Où les données sont-elles stockées ? Sous-traitants hors UE ? | Attestation hébergement, clauses types signées, certifications (SecNumCloud, ISO 27001, HDS) |
| Chiffrement (repos, transit, usage) | 5% | AES-256 repos, TLS 1.3 transit, confidential computing ? | Rapport pentest < 12 mois, architecture sécurité |
| Isolation locataires (multi-tenant) | 5% | Séparation logique/physique données clients ? | Architecture isolation, tests intrusion |
| Gestion incidents / notification RGPD 72h | 4% | Processus incident, SLA notification, historique | Procédure écrite, exercices annuels |
| Certifications / audits tiers | 3% | ISO 27001, SOC 2 Type II, SecNumCloud, qualification ANSSI | Certificats valides, rapports d’audit |
| Fonctionnel & Technique | 30% | ||
| Architecture adaptée (Conversationnel / RAG / Agentique) | 10% | La solution couvre-t-elle l’architecture choisie nativement ? | Démo sur vos cas d’usage, POC 2-4 semaines |
| Qualité réponses (groundedness, faithfulness, hallucination rate) | 8% | Métriques sur vos données, guardrails, citation sources | Rapport évaluation RAGAS/DeepEval sur corpus test |
| Intégration SI (SSO, API, connecteurs natifs) | 5% | SAML/OIDC, SCIM, connecteurs SharePoint/Confluence/Notion/GDrive/ERP/CRM | Liste connecteurs, docs API, démo intégration |
| Personnalisation (prompts, ton, workflows, seuils) | 4% | Configuration no-code vs dev, versioning prompts, A/B testing | Interface admin, exemples personnalisation |
| Monitoring & Observabilité (latence, coûts, adoption, qualité) | 3% | Dashboards temps réel, alerting, coûts par utilisateur/cas | Démo monitoring, exports métriques |
| Commercial & Contractuel | 20% | ||
| Modèle de prix (utilisateur / requête / volume / forfait) | 8% | Prévisible à 12-24 mois ? Pas de surprise coûts tokens ? | |
| Engagement durée / résiliation / réversibilité | 5% | Annuel vs mensuel, préavis, export données format standard | Contrat type, clause réversibilité (JSON/CSV/Parquet) |
| Support / SLA / formation incluse | 4% | Support FR/EN, SLA réponse, formation admins/utilisateurs | Catalogue formation, références clients FR |
| Verrouillage fournisseur (portabilité modèles, données, prompts) | 3% | Export prompts, embeddings, index vectoriel, switch LLM possible | Démo export, documentation portabilité |
| Écosystème & Pérennité | 15% | ||
| Références PME/ETI France (secteur, taille, cas d’usage) | 6% | 3+ références vérifiables, retours sur ROI, adoption, support | Contacts références, cas clients détaillés |
| Roadmap produit alignée (multimodal, agents, conformité) | 5% | Vision 12-24 mois, engagement Open Source / standards | Roadmap publique, changelog, participation standards |
| Solidité financière / actionnariat / risque concentration | 4% | CA, funding, actionnaires, dépendance unique fournisseur cloud/LLM | Rapports financiers, analyse actionnariat |
| Expérience Utilisateur & Adoption | 10% | ||
| Interface utilisateur (web, Teams, Slack, navigateur, mobile) | 5% | Où les utilisateurs accèdent-ils ? Intégration flow de travail | Démo UX, adoption mesurée clients existants |
| Onboarding / formation / change management inclus | 5% | Parcours utilisateur, ambassadeurs, support premier niveau | Kit déploiement, métriques adoption clients |
Seuil de passage : note pondérée ≥ 70/100 + zéro critère « bloquant » (conformité, réversibilité, hébergement UE) en dessous de 2/5. POC obligatoire 2-4 semaines sur vos données réelles avant décision finale.
4. Matrice de décision : quel cahier des charges assistant IA PME pour quel premier projet ?
| Premier projet visé | Architecture | Score données requis | Budget | Délai | Risque AI Act | Fournisseurs types |
|---|---|---|---|---|---|---|
| Productivité bureautique (CR, emails, traductions, synthèses) | Conversationnel | N/A (pas de données internes) | 0-15 k€/an | Jours | Limité | Copilot 365, ChatGPT Team, Claude Team, Gemini Workspace, Dust, Delos |
| Accès procédures/base connaissances (support, onboarding, veille) | RAG | ≥ 12/16 | 15-50 k€ | 4-12 sem | Limité (sauf domaine réglementé) | Copilot Studio, Glean, Sinequa, Stack make (LangChain + pgvector/Qdrant) |
| Qualification leads + pré-remplissage CRM (validation humaine) | Agentique risque limité | ≥ 12/16 + API CRM | 30-80 k€ | 3-6 mois | Limité (humain dans la boucle) | Leadbay, Catalog, Amplemarket, Kleo, Stack make (LangGraph) |
| Traitement factures fournisseurs (extraction + vérification + avoirs) | Agentique risque limité | ≥ 12/16 + API ERP/Compta | 20-50 k€ | 2-4 mois | Limité (validation humaine) | Mindee, DiliTrust, solutions parsing LLM + ERP |
| Analyse contrats / conformité réglementaire (extraction + alertes) | RAG + Agentique léger | ≥ 12/16 + corpus juridiques | 15-50 k€ | 1-3 mois | Élevé si décision auto → viser risque limité (assistance) | Doctrine, Hyperlex, Tomorro, Mindee, DiliTrust |
5. Votre plan d’action 30 jours : du cahier des charges au POC lancé
Semaine 1 — Cadrage & Conformité
- Jour 1-2 : Appliquer la check-list conformité (section 1) avec DPO/juridique → classification AI Act validée, base légale RGPD, DPIA si besoin.
- Jour 3-4 : Identifier 1 cas d’usage « douleur réelle + données disponibles + risque limité » (matrice section 4).
- Jour 5 : Nommer responsable IA (hybride métier/numérique), sponsor CODIR, valider budget 3-6 mois.
Semaine 2 — Données & Fournisseurs
- Jour 6-7 : Auto-évaluation maturité données (section 2). Si score < 12 → lancer nettoyage/métadonnées (data engineer 2-4 sem) + quick-win Conversationnel en parallèle.
- Jour 8-10 : Shortlist 3-4 fournisseurs (grille section 3), demander démos + POC 2-4 semaines sur vos données.
Semaine 3-4 — POC & Décision
- Semaine 3 : Lancer POC (données réelles, 5-10 bêta-testeurs, métriques groundedness/faithfulness/latence/adoption).
- Semaine 4 : Évaluer POC (grille pondérée), négocier contrat (réversibilité, SLA, formation), valider avec CODIR.
- Fin mois : Décision Go/No-Go. Si Go → plan déploiement détaillé (semaines 5-12). Si No-Go → itérer sur cas d’usage/fournisseur.
6. Pièges à éviter (retours terrain France Num x Bpifrance)
- Signer sans POC sur vos données : les démos vendeurs utilisent des jeux propres. Exiger POC 2-4 sem sur corpus réel.
- Négliger la réversibilité : export prompts, embeddings, index vectoriel, données = condition sine qua non. Sans clause contractuelle = verrouillage.
- Sous-estimer le change management : charte IA, formation vagues, ambassadeurs, feedback loop = 50 % du succès adoption (France Num).
- Confondre « conformité fournisseur » et « conformité votre déploiement » : le fournisseur certifié ISO 27001 ne vous dispense pas de votre DPIA, DPA, registre, classification AI Act.
- Mesurer l’usage pas l’impact : KPIs = temps gagné, taux adoption, qualité sortie, satisfaction, impact business (CA, marge, DSO, NPS).
Conclusion : le cahier des charges protège l’investissement, pas l’outil
Les PME qui réussissent leur premier assistant IA (Selectour, Aldes, Peugeot Saveurs, Batibig, Eskimoz, Lucernys, VIF, cabinets conseil) ont toutes passé par un cadrage rigoureux avant l’achat : conformité validée, données auditées, fournisseurs challengés sur grille pondérée, POC sur données réelles. Celles qui achètent « l’outil du moment » sans cahier des charges rejoignent les 80 %+ sans ROI mesuré (McKinsey 2025).
Votre prochain pas : cette semaine, appliquez la check-list conformité (10 points) et l’auto-évaluation données (4 critères). Le reste en découle. L’écosystème France Num (activateurs, guides, partenaires Bpifrance/CCI/CMA/Hub France IA) et le cadre DGE/OCDE/CNIL/ANSSI sont là pour chaque étape.
Besoin d’un regard externe sur votre cahier des charges ?
Notre agence réalise des revues de cadrage assistant IA en 1 semaine : validation conformité AI Act/RGPD, audit maturité données, grille fournisseurs pré-remplie, shortlist 3 solutions adaptées, budget/délai/ROI réalistes, plan POC. Premier diagnostic offert, sans engagement. Échangez avec un expert sur votre projet.