Choisir un prestataire IA pour sa PME : 12 critères qui comptent vraiment

Choisir un prestataire IA pour sa PME est devenu une décision stratégique à part entière. Le marché s'est encombré de prestataires qui maîtrisent surtout les slides et les démonstrations ChatGPT — mais livrent rarement en production. Ce guide liste 12 critères concrets pour évaluer une agence IA avant de signer, avec les red flags à repérer et les questions exactes à poser lors du premier rendez-vous.

Pourquoi la sélection d'un prestataire IA ne s'improvise pas

Un projet IA mal engagé ne se rattrape pas facilement. Vous avez investi du temps, exposé vos données internes, impliqué vos équipes — et si le prestataire livre un prototype qui ne passe jamais en production, le coût réel dépasse largement la facture.

Le marché compte aujourd'hui des centaines d'acteurs qui se présentent comme "agences IA". La plupart sont sérieux. Certains ne maîtrisent que la couche d'assemblage d'API publiques, sans capacité de déploiement réel ni expertise métier. La difficulté est de les distinguer avant de signer.

Les critères ci-dessous sont issus de ce que nous observons sur le terrain à Toulouse et en région Occitanie, sur des projets PME allant de 8 000 à 80 000 € HT. Ils ne remplacent pas un audit IA de cadrage préalable, mais ils vous permettent de qualifier rapidement un prestataire lors des premiers échanges.

Les 12 critères pour évaluer un prestataire IA

Critère 1 : expérience verticale dans votre secteur

Un prestataire IA compétent parle de vos contraintes métier avant de mentionner les technologies. S'il connaît votre secteur, il soulève spontanément les problèmes récurrents : qualité des données dans l'industrie, confidentialité en juridique, temps réel en logistique.

Demandez-lui deux projets réalisés dans votre secteur ou un secteur proche, avec les gains mesurés à l'issue. Si la réponse reste vague, c'est qu'il n'en a pas.

Critère 2 : références vérifiables, pas juste des logos

Un logo client sur un site web ne prouve rien. Ce qui compte : un nom de contact chez le client, un cas client publié avec des chiffres précis, ou une étude de cas accessible. Proposez de parler directement à un client de référence. Un prestataire confiant dans son travail accepte.

Consultez aussi leur présence technique publique : GitHub, portfolio, articles publiés. L'absence totale de trace publique sur leurs réalisations techniques est un signal d'alerte.

Critère 3 : transparence sur les limites de l'IA

Un bon prestataire vous dit ce que l'IA ne peut pas faire dans votre contexte. Il parle d'hallucinations, de dépendance à la qualité des données, de contraintes d'intégration. Un prestataire qui ne mentionne aucune limite vend de la promesse, pas de l'expertise.

Cette transparence est un critère de maturité technique. Elle protège aussi vos équipes, qui doivent comprendre ce qu'elles supervisent une fois la solution déployée.

Critère 4 : méthode POC avant production

Tout projet IA sérieux passe par une phase de validation sur vos données réelles avant d'engager un budget de production. Ce POC (preuve de concept) dure généralement 2 à 6 semaines et coûte entre 3 000 et 10 000 € HT selon la complexité.

Un prestataire qui propose directement un contrat de déploiement à 50 000 € sans phase pilote prend des risques sur votre budget. L'approche POC payant et cadré est une marque de sérieux, pas un frein. Pour comprendre comment ce cadrage s'articule avec un audit, lisez notre article sur la méthode pour lancer un projet IA de façon réaliste.

Critère 5 : souveraineté des données et conformité RGPD

Où sont hébergées vos données pendant le projet ? Vos données servent-elles à améliorer les modèles du prestataire ou de ses fournisseurs tiers ? Ces questions ne sont pas secondaires, elles conditionnent votre conformité réglementaire.

Exigez un DPA (accord de traitement des données) avant tout partage. Vérifiez que les serveurs sont situés dans l'Union Européenne. En 2026, l'AI Act impose des obligations supplémentaires sur les systèmes à risque — votre prestataire doit pouvoir vous accompagner sur ce volet. Notre article sur l'AI Act et la conformité PME détaille les points de vigilance concrets.

Critère 6 : mise en production réelle vs slideware

La différence entre une démo et une solution en production est considérable. Demandez à voir des solutions déployées chez des clients, pas des prototypes en local ou des démonstrations sur des données factices.

Posez la question directement : "Combien de projets avez-vous mis en production chez des clients en 2025 ?" Un prestataire prolifique en audits et lean en production doit l'expliquer clairement.

Critère 7 : formation et transfert de compétences aux équipes

Une solution IA déployée sans formation de vos équipes devient rapidement une boîte noire que personne ne sait piloter. Demandez si une phase de formation est incluse, sous quelle forme (documentation, sessions pratiques, accompagnement post-déploiement) et qui la délivre.

Les projets IA qui durent sont ceux où l'équipe interne comprend ce qu'elle utilise et peut intervenir sur les cas nominaux sans dépendre systématiquement du prestataire. Notre guide sur la formation IA en entreprise détaille les formats qui fonctionnent en PME.

Critère 8 : modalité contractuelle (forfait vs régie)

Pour un périmètre défini (POC, développement d'une fonctionnalité précise), exigez un forfait. Il fixe le prix, le délai et les livrables. La régie — facturation au jour ou à l'heure — peut convenir pour des évolutions continues après la mise en production, mais elle expose au dérapage budgétaire si le périmètre n'est pas encadré.

Méfiez-vous des propositions entièrement en régie sur des sujets qui pourraient être forfaitisés. C'est souvent le signe d'une incertitude du prestataire sur sa propre capacité à tenir un engagement.

Critère 9 : taille et composition réelle de l'équipe

La proposition commerciale est souvent présentée par des profils seniors — mais qui sera réellement sur votre projet ? Demandez les CVs des personnes qui interviendront, pas ceux de l'équipe fondatrice.

Une agence de 3 personnes peut très bien livrer un projet PME de qualité. Une agence de 50 personnes peut vous affecter un profil junior sans supervision. Ce qui compte est la composition de l'équipe projet réelle, son taux de disponibilité et l'accessibilité du référent technique.

Critère 10 : stack technique maîtrisée et documentée

Demandez quelles technologies le prestataire utilise et pourquoi. Une réponse solide explique les arbitrages : pourquoi ce LLM plutôt qu'un autre, pourquoi cette infrastructure d'hébergement, comment ils gèrent le versioning des modèles. Un prestataire qui utilise les mêmes outils pour tous les projets sans les justifier applique une recette, pas une expertise.

Vérifiez aussi si la stack choisie est pérenne et maintenable par vos équipes ou par un autre prestataire si vous changez.

Critère 11 : conditions de réversibilité

Si la relation s'arrête, que récupérez-vous exactement ? Le code source, les modèles entraînés sur vos données, la documentation technique ? Dans quel format et dans quel délai ?

La réversibilité doit être stipulée noir sur blanc dans le contrat. Elle protège votre continuité d'activité et évite l'enfermement propriétaire. Un prestataire qui résiste à inclure cette clause doit être questionné sur ses motivations.

Critère 12 : ownership des données et du code

Par défaut en droit français, le prestataire peut conserver des droits sur le code qu'il développe. Seule une clause explicite de cession de propriété intellectuelle vous garantit que vous êtes propriétaire de ce qui a été produit pour vous.

Vérifiez également qui est propriétaire des données d'entraînement utilisées, et si les modèles produits peuvent être réutilisés, modifiés ou partagés sans restriction de votre côté.

Red flags : les signaux qui doivent vous faire renoncer

Signaux d'alerte

01 Promesses chiffrées sans audit préalable. "On va vous faire économiser 40 % sur votre traitement de données" avant d'avoir analysé votre contexte. Un chiffre sans audit préalable est une promesse marketing, pas un engagement.
02 Démos uniquement basées sur ChatGPT ou des outils grand public. Si toutes leurs démonstrations passent par l'interface ChatGPT.com ou Copilot, demandez-leur comment ça tient en production sur vos données internes, derrière votre SI.
03 Pas de cas client publié ni de contact de référence disponible. Deux ans d'activité et aucune étude de cas publiée ni aucun client prêt à témoigner, c'est anormal.
04 Absence totale de présence technique publique. Pas de GitHub, pas de publication technique, pas de portfolio. Dans un secteur où la crédibilité se construit par la démonstration, cette opacité mérite d'être interrogée.
05 Refus d'un POC payant cadré. Un prestataire qui refuse de valider la faisabilité sur vos données avant de déployer veut vous engager sans filet. C'est son intérêt, pas le vôtre.
06 Aucune mention des limites ou des risques. Un discours 100 % positif sur l'IA est toujours un discours commercial. L'IA a des limites réelles — qualité des données, coût d'infrastructure, maintenance, gouvernance. Un prestataire qui les ignore vous prépare à une mauvaise surprise.
07 Contrat sans clause de réversibilité ni cession de propriété intellectuelle. Si ces clauses sont absentes du contrat type, demandez-les par écrit. Si le prestataire refuse, ne signez pas.

Questions à poser lors du premier rendez-vous

Ces questions sont formulées pour être posées directement, copiées-collées si besoin, lors d'un premier échange avec un prestataire IA. Les réponses vous diront l'essentiel en moins d'une heure.

Sur l'expérience terrain

"Pouvez-vous me citer deux projets réalisés dans mon secteur, avec les résultats mesurés à la livraison ?"
"Quelle est la proportion de projets que vous avez menés jusqu'à la mise en production, par rapport aux POC et aux audits ?"
"Quel est le projet le plus difficile que vous ayez livré ces 18 derniers mois, et qu'est-ce qui a posé problème ?"

Sur la méthode et la technique

"Quelle est votre stack technique habituelle pour un projet de ce type, et pourquoi ce choix ?"
"Comment gérez-vous le versioning des modèles et la maintenance après la mise en production ?"
"Qui sera concrètement sur mon projet ? Pouvez-vous me montrer les CVs ?"

Sur les données et la conformité

"Où seront hébergées mes données pendant le projet ?"
"Mes données serviront-elles à entraîner ou améliorer vos modèles ou ceux de vos fournisseurs ?"
"Avez-vous un DPA standard que vous pouvez me transmettre avant le démarrage ?"

Sur le contrat et la sortie

"Votre contrat type inclut-il une clause de cession de propriété intellectuelle en ma faveur ?"
"Que se passe-t-il si on décide d'arrêter la collaboration en cours de projet ? Que récupéré-je, dans quel format et sous quel délai ?"
"Comment fonctionne la réversibilité si je veux confier la maintenance à un autre prestataire dans 18 mois ?"

Sur les limites et les risques

"Quelles sont les conditions dans lesquelles ce type de projet échoue ? Qu'est-ce qui dépend de moi ?"
"Quelles sont les limites de l'approche que vous proposez sur mon cas d'usage ?"
"Quelle qualité de données est nécessaire pour que ça fonctionne, et comment évaluez-vous cela ?"

Si un prestataire répond facilement et précisément à ces questions, c'est bon signe. S'il botte en touche, reformule sans répondre ou fait appel à la confiance plutôt qu'aux faits, prenez-en note.

Pour aller plus loin dans l'évaluation du budget associé à votre projet, consultez notre article sur le coût d'un projet IA en PME — il vous donne les fourchettes réelles par type de prestation.

Questions fréquentes

Demandez-lui de citer deux ou trois projets dans votre secteur, avec des résultats mesurables (temps gagné, taux d'erreur réduit, volume traité). Un prestataire crédible décrit les contraintes métier rencontrées, pas seulement la technologie utilisée. Si la réponse est vague ou centrée sur les outils, c'est un signal d'alarme.

Oui, et c'est même un bon signe. Un prestataire sérieux propose un POC cadré (2 à 6 semaines, 3 000 à 10 000 € HT) pour valider la faisabilité sur vos données réelles avant d'engager un budget de production. Un prestataire qui refuse tout POC payant et propose directement un contrat de plusieurs dizaines de milliers d'euros sans phase de validation prend un risque à vos frais.

Par défaut, vous. L'ownership du code source et des modèles entraînés sur vos données doit être explicitement stipulé dans le contrat. Exigez une clause de cession des droits de propriété intellectuelle en votre faveur. Sans cette clause, le prestataire peut légalement conserver des droits sur ce qu'il a développé pour vous, ce qui crée une dépendance problématique.

Demandez à voir leur DPA (Data Processing Agreement) type, l'emplacement des serveurs d'hébergement (Union Européenne ou non), et leur politique sur les modèles tiers (est-ce que vos données servent à entraîner des modèles OpenAI ou d'autres fournisseurs ?). Un prestataire rigoureux a ces documents prêts et les présente sans être sollicité plusieurs fois.

Le forfait fixe un périmètre, un prix et un délai à l'avance : vous savez ce que vous payez. La régie facture à la journée ou à l'heure : vous payez le temps passé, avec le risque que les délais dérivent. Pour un POC bien cadré, le forfait est préférable. Pour une phase d'évolution continue post-production, la régie peut être plus adaptée. Méfiez-vous des projets entiers proposés en régie pure, sans borne budgétaire.

La réversibilité garantit que vous pouvez récupérer vos données, votre code et votre modèle si vous changez de prestataire ou si la relation s'arrête. Elle doit préciser : le format des livrables récupérables (code source, modèles, données structurées), le délai de remise (généralement 30 à 60 jours), et les conditions de transfert de compétences. Sans clause de réversibilité, vous risquez un enfermement propriétaire difficile et coûteux à résoudre.

Pour une PME, une agence spécialisée IA de taille intermédiaire (5 à 30 personnes) offre généralement un meilleur rapport expertise/réactivité. Les grandes structures ont tendance à déléguer les projets PME à des profils juniors, tandis que les agences spécialisées impliquent leurs meilleurs profils sur chaque mission. L'essentiel est de savoir qui sera sur votre projet, pas qui signe la proposition commerciale.

Pour aller plus loin

Audit IA PME en 2026 : méthode, coût et livrables : comment cadrer votre besoin avant de consulter des prestataires, avec les fourchettes de budget réelles.
Coût d'un projet IA en PME : les grilles tarifaires par type de prestation pour calibrer votre budget avant les négociations.
Lancer un projet IA de façon réaliste : méthode étape par étape, de l'identification du cas d'usage à la mise en production.
Mesurer le ROI de vos projets IA : comment évaluer concrètement ce que vous gagnez une fois le prestataire retenu et la solution déployée.
AI Act et conformité PME en 2026 : les obligations légales à vérifier avec votre prestataire avant de démarrer.
Formation IA en entreprise : comment préparer vos équipes à travailler avec la solution que vous allez déployer.

Prochaine étape

Tensoria accompagne les PME et ETI de Toulouse et de la région Occitanie dans la sélection et le déploiement de solutions IA adaptées à leur contexte métier. Nous pratiquons les critères listés dans cet article — POC payant et cadré, ownership du code, réversibilité garantie, équipe dédiée.

Consultez notre offre d'audit IA pour démarrer avec un cadrage structuré, ou contactez-nous pour un échange de 30 minutes sans engagement afin de discuter de votre projet.