IA pour appel d'offre : le comparatif neutre pour BE et MOE

Il n'existe pas une seule « meilleure IA » pour appel d'offre. Les solutions se répartissent en trois familles : les logiciels SaaS spécialisés (Tenderbolt, Specgen, Libel, Remporte), les agents IA connectés à vos outils et archives existants, et les solutions sur-mesure construites avec votre historique de réponses. Le bon choix dépend du nombre d'appels d'offres que vous traitez par an, de la part de recopie de données répétitive dans votre process, et de l'état de vos mémoires techniques passés. S'ils dorment dans un dossier partagé sans classement, aucun outil ne les exploitera correctement sans un travail de tri préalable.

Les comparatifs disponibles en ligne sont en grande partie rédigés par les éditeurs eux-mêmes. Cet article compare les trois familles sur des critères qu'ils traitent peu : la nature du travail réellement automatisé, le risque d'erreur normative, la localisation de vos données, le coût sur plusieurs années et la propriété de l'outil.

IA pour appel d'offre : de quoi parle-t-on exactement

Sous ce terme, on trouve cinq usages distincts.

• Analyse du DCE : lecture du règlement de consultation, du CCTP et du CCAP, extraction des critères de jugement et de leur pondération, liste des pièces exigées, dates de visite et de remise.
• Rédaction du premier jet du mémoire technique : présentation des moyens humains et matériels, méthodologie, organisation, planning, démarche environnementale, réponse point par point au CCTP.
• Recopie de données : CV des intervenants, références d'opérations, attestations, fiches produits, informations reprises d'une pièce à l'autre (du CCTP vers le mémoire, du mémoire vers le cadre de réponse imposé).
• Recherche dans les archives : retrouver le mémoire rendu il y a deux ans sur un ouvrage comparable, ou la note méthodologique rédigée pour une intervention en site occupé.
• Veille : repérer les avis publiés qui correspondent à vos métiers et à votre zone.

Ces usages ne demandent pas la même technologie. La veille est un problème de filtrage. La recopie est un problème d'extraction et de mise en forme, qui se traite en grande partie sans génération de texte. La rédaction et la recherche dans les archives s'appuient sur un modèle de langage, et c'est sur ces deux usages que se concentrent les risques d'erreur.

Aucun de ces outils ne gagne un marché à votre place. La note technique dépend de la pertinence de votre méthode, de vos références et de l'adaptation au projet. L'IA réduit le temps de production du dossier, ce qui laisse plus de temps pour adapter la méthodologie et relire.

Les éditeurs spécialisés du marché (Tenderbolt, Specgen, Libel, Remporte...)

Ces éditeurs proposent des logiciels en ligne dédiés à la réponse aux appels d'offres, plusieurs avec une orientation BTP et maîtrise d'œuvre. Les fonctions varient d'un éditeur à l'autre. On retrouve en général :

• une analyse automatique du DCE et une trame de mémoire alignée sur les critères du règlement de consultation ;
• une bibliothèque de contenus réutilisables (présentation de l'entreprise, moyens, références, CV) ;
• la génération de paragraphes à partir de cette bibliothèque et des exigences du CCTP ;
• selon les offres, une veille sur les avis publiés.

Le modèle économique est un abonnement, le plus souvent par utilisateur ou par volume de dossiers, parfois avec des frais de mise en place. L'avantage est la mise en service rapide : pas de projet à mener, une interface pensée pour le process AO.

Les limites sont structurelles. La base de connaissance est celle que vous chargez dans l'outil : vos anciens mémoires, CV et références doivent être importés puis tenus à jour par quelqu'un chez vous. L'outil lit rarement votre GED, votre ERP ou votre logiciel de gestion d'affaires directement, donc les données circulent par import ou par copier-coller. Le moteur de rédaction est commun à tous les clients de l'éditeur, ce qui expose à des textes de même facture que ceux de concurrents équipés du même outil. Enfin, à la fin de l'abonnement, vous récupérez en général vos textes, mais pas toujours le paramétrage ni la structure de la bibliothèque.

Agent IA connecté à vos outils vs logiciel fermé

Avec un logiciel fermé, vous apportez les données à l'outil. Avec un agent connecté, l'outil va chercher l'information là où elle est déjà rangée : serveur de fichiers, SharePoint, GED, tableur des références, dossier des attestations. L'agent s'appuie sur un modèle de langage, soit via un assistant d'entreprise déjà déployé (Microsoft Copilot par exemple), soit via un modèle appelé par API dans un environnement que vous contrôlez.

Exemple : le CCTP demande une méthodologie pour des travaux de reprise en sous-œuvre en site occupé. L'agent retrouve les mémoires rendus sur des opérations comparables, extrait les passages pertinents et produit un premier jet dans lequel chaque paragraphe renvoie au document source. Le rédacteur voit d'où vient chaque phrase et peut juger si elle s'applique.

Le critère clé est : qui alimente la base de connaissance, et à quelle fréquence. Dans un SaaS, une personne doit mettre à jour la bibliothèque. Avec un agent connecté, la base est votre GED : un CV mis à jour dans le bon dossier est pris en compte au dossier suivant. Cela suppose des archives ordonnées, avec un nommage cohérent et une distinction claire entre version rendue et brouillon.

Deux points demandent de l'attention. Les droits d'accès d'abord : un agent qui lit tout le serveur peut ressortir un document confidentiel d'un autre client. Le choix d'hébergement du modèle ensuite, traité dans la grille plus bas.

Quand une solution sur-mesure se justifie

Un outil construit sur votre process se justifie quand plusieurs de ces conditions sont réunies.

• Le volume : à partir de quelques dizaines de réponses par an, ou quand plusieurs personnes consacrent une part régulière de leur temps aux dossiers. En dessous, un abonnement ou un assistant généraliste bien paramétré suffit souvent.
• Le poids de la recopie : si l'essentiel du temps passe à reporter des CV, des références, des tableaux de moyens et des attestations d'un dossier à l'autre, un traitement déterministe de ces flux (sans génération libre) apporte plus qu'un rédacteur automatique.
• La complexité normative : références aux DTU et règles professionnelles en BTP, méthodes d'essai et portée d'accréditation pour un laboratoire, référentiels de précision pour un géomètre-expert. Un outil générique ne distingue pas ce qui s'applique à votre opération.
• Les formats imposés : cadres de mémoire technique fournis par l'acheteur, annexes Excel à remplir, nombre de pages limité.
• La propriété : l'outil tourne dans votre environnement, sur vos données, et reste en place si vous changez de prestataire.

Les contreparties sont réelles : un délai de construction, un référent interne pour valider les choix, et une maintenance quand les modèles ou les formats des acheteurs évoluent.

Grille de critères pour choisir sans se tromper

En démonstration, vérifiez six points.

1. Les données de travail. Demandez un essai sur un de vos DCE réels et sur vos propres archives, pas sur le jeu de données de l'éditeur.
2. L'hébergement et le RGPD. Vos mémoires contiennent des CV nominatifs, des références clients, des méthodes et parfois des prix. Obtenez par écrit le pays d'hébergement, la liste des sous-traitants, l'engagement de non-utilisation pour l'entraînement des modèles et la durée de conservation. Le dossier intelligence artificielle de la CNIL détaille les obligations applicables, et les recommandations de l'ANSSI pour un système d'IA générative donnent une base pour vos questions de sécurité.
3. Le risque d'hallucination normative. Un modèle de langage peut citer un DTU qui ne s'applique pas, une version de norme remplacée ou une référence inexistante. Le mémoire technique est souvent rendu contractuel à l'attribution : l'erreur engage l'entreprise. Exigez que chaque référence normative provienne d'une source identifiée (votre base ou le CCTP) et soit signalée pour relecture. Chez Lumivi, nous avons construit pour notre propre usage un système qui compose des mémoires techniques sur des marchés publics réels : chaque document renvoie par un lien vers l'avis de marché d'origine et passe par deux contrôles distincts qui écartent toute information non sourcée avant mise en ligne. Vous pouvez consulter un mémoire technique généré automatiquement sur un marché public réel pour juger du résultat.
4. L'intégration. L'outil lit-il votre GED, exporte-t-il en Word dans le cadre imposé par l'acheteur, remplit-il les annexes Excel.
5. La propriété. À qui appartiennent le paramétrage, les instructions, les modèles de documents et la base constituée.
6. La réversibilité. Format d'export, périmètre (textes seuls ou structure complète), délai de restitution.

Combien coûte une IA pour appel d'offre

La structure de coût diffère selon la famille. Un SaaS est une dépense récurrente, proportionnelle au nombre d'utilisateurs, pour toute la durée d'usage. Un agent connecté combine les licences du modèle de langage et un coût de mise en place ponctuel. Une solution sur-mesure représente un coût de projet initial (diagnostic, construction, formation de l'équipe), puis un coût d'usage du modèle, faible à l'unité, et une maintenance.

Pour comparer, raisonnez en heures plutôt qu'en tarif : heures gagnées par dossier, multipliées par le nombre de dossiers par an et par le coût horaire chargé des rédacteurs. Comparez ce montant au coût annuel de l'abonnement, ou au coût du projet réparti sur trois ans. À titre d'ordre de grandeur, un mémoire technique de marché de maîtrise d'œuvre ou de travaux demande couramment une à plusieurs journées de travail, dont une part notable de recopie et de mise en forme.

Ajoutez deux coûts souvent oubliés : le temps interne pour alimenter et ranger la base, et la relecture, qui ne disparaît avec aucune solution. Le guide pour calculer le coût et le ROI réel d'un projet IA donne la méthode complète et des fourchettes.

Comment répondre à un appel d'offre avec l'IA, étape par étape

1. Cadrage du DCE. Extraction automatique des critères de jugement, de leur pondération, des pièces exigées et des dates. La décision de répondre reste humaine.
2. Extraction des exigences du CCTP. Un tableau à trois colonnes : exigence, réponse prévue, source interne. Il sert de plan au mémoire et de liste de contrôle à la relecture.
3. Premier jet du mémoire technique. Génération à partir des archives internes, avec renvoi vers les documents sources pour chaque paragraphe.
4. Relecture et validation humaine. Vérification des effectifs, délais, quantités, références normatives, et de l'autorisation de citer chaque référence client. Le signataire engage sa responsabilité sur le contenu.
5. Recopie automatique vers les annexes. Report des données validées dans le cadre de réponse imposé, les tableaux de moyens et les CV.
6. Retour aux archives. Le mémoire déposé est classé comme version rendue, avec la note obtenue si l'acheteur communique le rapport d'analyse des offres.

Exemple travaillé (cas fictif) : un bureau d'études fluides de 25 personnes reçoit le DCE d'une mission de maîtrise d'œuvre pour la rénovation énergétique d'un collège. La valeur technique porte sur la méthodologie, les moyens affectés et le planning. L'outil extrait les exigences du CCTP, retrouve deux mémoires rendus sur des établissements scolaires occupés et produit un premier jet sourcé. À la relecture, l'ingénieur constate que l'outil a repris le CV d'un chef de projet parti l'an dernier, et qu'un paragraphe cite une version de référentiel thermique issue d'un ancien mémoire. Les deux points sont corrigés avant la recopie vers le cadre de réponse. Sans le renvoi aux sources, ces erreurs auraient été plus difficiles à repérer.

Le détail de la rédaction est traité dans la méthode en 5 étapes pour rédiger un mémoire technique avec l'IA.

Prochaine étape

Avant de choisir un outil, mesurez où part le temps dans vos réponses actuelles : analyse du DCE, rédaction, recopie ou recherche dans les archives. Si vous voulez le faire avec un regard extérieur, vous pouvez faire le diagnostic de votre process de réponse aux AO. Le détail de nos missions pour bureaux d'études précise ce que nous construisons et ce que votre équipe garde ensuite.

Article rédigé par Louis Noyaret, cofondateur de Lumivi.