La plupart des projets IA qui échouent en entreprise ne butent pas sur la technologie : ils butent sur un besoin mal défini au départ. Un cahier des charges IA n'a pas besoin d'être un document de 40 pages rédigé par un expert technique — il doit surtout forcer à répondre à quelques questions avant de signer avec un prestataire ou de démarrer une formation.
Pourquoi un cahier des charges même pour un petit projet IA
Beaucoup de dirigeants de PME pensent qu'un cahier des charges n'est nécessaire que pour un gros développement sur mesure. En réalité, même une automatisation simple (un chatbot, un tri d'emails automatique) mérite un minimum de cadrage : sans lui, le prestataire livre ce qu'il imagine être votre besoin, pas ce que vous vouliez réellement.
Un cahier des charges léger sert trois objectifs : clarifier vos attentes pour vous-même, donner un référentiel commun avec le prestataire, et éviter les malentendus sur le périmètre (ce qui est inclus, ce qui ne l'est pas) une fois le devis signé. C'est aussi le document qui vous protège en cas de litige : si le livrable ne correspond pas à ce qui était écrit, vous avez un point de référence objectif plutôt qu'un désaccord d'interprétation.
Les questions à se poser avant de rédiger
Le contexte et le déclencheur
Qu'est-ce qui motive le projet aujourd'hui : une perte de temps identifiée, une obligation réglementaire (l'AI Act impose désormais de former les équipes qui utilisent l'IA), un concurrent qui a pris de l'avance ? Ce point orientera tout le reste : un projet de conformité n'a pas les mêmes priorités qu'un projet de productivité pure. Notez aussi si une tentative a déjà eu lieu par le passé (un outil essayé puis abandonné, une formation suivie sans suite) : comprendre ce qui a coincé évite de reproduire la même erreur.
Le périmètre exact
Voulez-vous automatiser une tâche précise (le tri des emails entrants, la génération de comptes-rendus de réunion) ou donner à vos équipes une compétence générale sur l'IA qu'elles réutiliseront sur des cas variés ? Les deux besoins sont légitimes, mais ils appellent des solutions différentes : une intégration clé en main dans le premier cas, une formation dans le second. Un cahier des charges qui mélange les deux sans les distinguer aboutit souvent à un devis flou et à des attentes déçues des deux côtés.
Le public concerné
Combien de personnes sont concernées, sur quels métiers, avec quel niveau de départ face à l'IA ? Un projet destiné à deux commerciaux expérimentés en outils numériques ne se cadre pas comme un projet destiné à vingt collaborateurs de profils très hétérogènes. Précisez aussi s'il existe déjà un référent en interne capable de prendre le relais après la formation ou l'installation, ou si vous partez de zéro.
Les données concernées
Quelles données vont transiter par l'outil IA : des données clients, des contrats, des informations RH sensibles ? C'est le point le plus souvent oublié dans les cahiers des charges rédigés en interne, alors qu'il conditionne le choix de l'outil (IA grand public vs solution professionnelle avec garanties de confidentialité) et la conformité RGPD du projet. Précisez également si une charte ou une politique IA interne existe déjà, ou si le projet doit contribuer à en créer une.
Les contraintes techniques
Quel est votre environnement actuel : quel CRM, quelle suite bureautique (Microsoft ou Google), quels outils métier sont déjà en place ? Un prestataire sérieux a besoin de ces informations avant de proposer une solution réaliste — les rester vagues aboutit à des propositions génériques qui ne s'intègrent pas correctement à votre existant.
Le budget et le financement
Un projet de formation IA en entreprise est généralement finançable via l'OPCO, avec un reste à charge qui peut être nul pour les salariés en poste. Ce point doit apparaître dans le cahier des charges dès le départ : il change la manière dont le prestataire structure sa proposition, et évite de découvrir après coup qu'une option de financement aurait pu réduire significativement le coût réel.
Les critères de succès
Comment saurez-vous, dans trois mois, que le projet a réussi ? Un gain de temps mesurable, un taux d'erreur réduit, une équipe autonome sur l'outil ? Sans critère explicite, il est impossible d'évaluer objectivement le résultat, et les désaccords en fin de mission deviennent fréquents. Précisez, si possible, comment vous mesurez aujourd'hui la tâche concernée (temps passé, volume traité) pour disposer d'un point de comparaison réel après coup.
Un exemple de structure simple
Un cahier des charges IA pour une PME peut tenir sur une à deux pages : contexte et déclencheur, public concerné et niveau de départ, périmètre fonctionnel (ce que l'outil doit faire, ce qu'il ne doit pas faire), contraintes techniques et de données, budget et financement envisagé, délai souhaité, critères de réussite, et enfin qui valide la proposition en interne et sous quel délai. Ce format court est suffisant pour cadrer une discussion avec un prestataire sérieux — un document trop lourd décourage souvent de le faire du tout, et retarde le projet sans en améliorer réellement la qualité.
Formation ou intégration : un choix à trancher dans le cahier des charges
Beaucoup de projets IA gagnent à distinguer clairement ces deux approches dans le document : la formation rend vos équipes autonomes sur les outils IA du quotidien, tandis qu'une intégration clé en main installe et maintient une automatisation précise sans que vous ayez à l'apprendre. Les deux se financent différemment et se cadrent différemment — préciser lequel des deux vous visez évite bien des allers-retours avec un prestataire. Rien n'empêche de combiner les deux dans un même projet, à condition de le formuler clairement dès le départ plutôt que de le découvrir en cours de discussion.
Les erreurs les plus fréquentes dans un cahier des charges IA
La première erreur consiste à décrire une solution plutôt qu'un besoin (« je veux un chatbot » plutôt que « je veux réduire le temps de réponse à mes clients hors horaires d'ouverture ») : cela ferme prématurément des options parfois plus pertinentes. La deuxième est d'ignorer la question des données et de la confidentialité, souvent découverte trop tard. La troisième est de ne fixer aucun critère de succès mesurable, ce qui rend impossible toute évaluation objective une fois le projet livré.
Un exemple de cahier des charges rempli
Pour rendre ces principes concrets, voici à quoi peut ressembler un cahier des charges léger pour un cas fréquent : une PME de dix salariés qui veut réduire le temps passé sur le traitement des emails clients.
| Rubrique | Contenu |
|---|---|
| Contexte | 2 personnes passent environ 1h/jour à trier et répondre aux emails clients, souvent des demandes similaires |
| Public concerné | 2 salariés du service client, niveau IA débutant |
| Périmètre | Triage automatique + réponses pré-rédigées validées manuellement au départ |
| Données | Emails clients, aucune donnée bancaire ou de santé transmise |
| Contraintes techniques | Messagerie Outlook, pas de CRM en place |
| Budget | Financement OPCO envisagé si formation, budget direct si intégration |
| Critère de succès | Réduire le temps de traitement email de 30% sous 2 mois |
Ce simple tableau, une fois rempli, suffit à engager une conversation sérieuse avec un prestataire — bien plus efficace qu'un email vague du type « on voudrait automatiser des trucs avec l'IA ».
Qui doit rédiger le cahier des charges
Dans une PME, ce n'est généralement pas un rôle dédié : c'est souvent le dirigeant lui-même, ou la personne qui portera le projet en interne une fois livré. L'essentiel n'est pas la fonction de la personne qui rédige, mais sa connaissance réelle du terrain concerné — mieux vaut un cahier des charges rédigé par la personne qui traite les emails au quotidien qu'un document générique produit sans consultation des utilisateurs finaux.
Si vous voulez qu'on vous aide à cadrer précisément votre projet avant de vous engager, notre équipe peut structurer ce cahier des charges avec vous lors d'un premier échange, sans engagement : voir nos formations IA pour entreprises.