Comment choisir une agence IA et quel budget prévoir ?

Agences IA, cabinets de conseil, éditeurs de logiciels, intégrateurs, indépendants : pour un même besoin, un gain de productivité sur un processus, un moteur de réponses sur la documentation interne ou une nouvelle expérience pour les clients et les visiteurs, une entreprise reçoit aujourd'hui des propositions dont les montants vont du simple au décuple.

Comment comparer des prestataires, et à partir de quel budget un projet IA est-il sérieux ?

En réalité, le choix se joue moins sur la technologie annoncée que sur la capacité du prestataire à livrer une solution qui fonctionne dans les conditions réelles de l'entreprise, à la faire adopter par les équipes et à la faire évoluer. Un projet IA ne s'arrête pas à la livraison.

Agence IA, cabinet de conseil ou éditeur : de quoi avez-vous besoin ?

Une agence IA conçoit, développe et met en production une solution adaptée au métier, aux données et aux outils de l'entreprise. Un cabinet de conseil recommande et cadre, sans livrer. Un éditeur vend le même logiciel à tous ses clients.

La première question, celle que pose aussi la fiche de France Num sur le choix d'une solution d'IA, n'est pas « quel outil ? » mais « que souhaitez-vous accomplir précisément ? ». La réponse oriente vers le bon type de prestataire :

• un éditeur suffit quand le besoin est standard : transcrire des réunions, traduire, rédiger des e-mails, résumer des documents. Un abonnement, pas un projet
• un cabinet de conseil est utile quand la question est stratégique : inventaire des usages, priorités, organisation, avant tout investissement
• une agence devient nécessaire quand la valeur dépend des données et des outils de l'entreprise : un moteur de réponses sur la documentation interne, un agent connecté au CRM et à l'agenda, un dispositif vocal installé dans un lieu de visite

Les frontières sont poreuses, beaucoup d'agences cadrent aussi les usages. La question utile : qui porte la mise en production, et qui assure le suivi six mois plus tard ?

Quels sont les critères qui font la différence ?

Plusieurs critères permettent de comparer des agences IA sur ce qui compte après la signature : des projets déjà livrés, une méthode qui va du prototype à l'industrialisation, l'adoption par les équipes, le suivi dans la durée, la souveraineté des données, une méthode pour limiter les erreurs, le choix des modèles et la réversibilité.

Des projets déjà livrés

Une agence sérieuse présente une sélection de projets : le besoin de départ, le fonctionnement de la solution, ce qu'elle a changé pour les équipes. Des logos de clients sans explication ne renseignent sur rien. Deux vérifications simples : lire les fiches de réalisation et demander une démonstration.

Une méthode qui va du prototype à l'industrialisation

Le prototype est une étape, pas une fin. Il sert à vérifier, sur des données réelles, que la solution apporte quelque chose. Vient ensuite l'industrialisation : connexion aux outils en place, droits d'accès, sécurité, supervision, montée en charge, maintenance. Une agence doit pouvoir décrire ce qui se passe après le prototype, avec quels délais et quel budget. Celle qui ne parle que du prototype n'a souvent pas prévu la suite.

L'adoption par les équipes

Une solution qui n'est pas utilisée ne vaut rien, quelle que soit sa qualité technique. France Num invite à se demander qui utilisera l'outil, avec quel niveau de compétence, avec quel enthousiasme ou quelles craintes, afin de préparer l'accompagnement au changement. L'agence doit prendre cette part du projet : formation des utilisateurs, conditions d'usage écrites, interface adaptée aux habitudes des équipes, et mesure de l'usage réel dans les semaines qui suivent la mise en service.

Le suivi et l'évolution continue

Un projet IA livré sans suivi se dégrade. Les usages réels font apparaître des questions non prévues, les documents de référence changent, les modèles de langage sont remplacés tous les six mois par de meilleurs. Il faut donc un suivi : analyse des échanges réels, optimisation des réponses, mise à jour de la base de connaissances et des modèles, et une mesure régulière du retour sur investissement, comme le recommande France Num. Ce suivi se contractualise, il ne se devine pas.

L'hébergement et la souveraineté des données

Où tournent les modèles, qui a accès aux données, et servent-elles à entraîner des modèles tiers ? Pour des données clients, des dossiers ou des documents internes, l'IA souveraine passe par un hébergement en France ou en Europe, et, quand la confidentialité l'exige, par les serveurs de l'entreprise ou un dispositif entièrement local. Le RGPD et l'AI Act européen reposent sur les mêmes principes : contrôle humain, robustesse, protection de la vie privée, transparence. Une entreprise qui confie des données personnelles à une IA en reste responsable.

Des tests et une méthode pour limiter les erreurs et les hallucinations

Aucune IA n'est exempte d'erreurs. La différence se fait sur la méthode pour les limiter et les détecter. Le RAG (Retrieval-Augmented Generation) ancre les réponses dans les documents de l'entreprise, un jeu de questions réelles mesure le taux de bonnes réponses avant la mise en service, et un comportement hors périmètre est défini : la solution doit savoir dire qu'elle ne sait pas. Une relecture humaine reste prévue sur les réponses qui engagent.

La réversibilité

À qui appartiennent le code, les prompts, la base de connaissances et les données d'usage ? Peut-on changer d'hébergeur, de modèle ou de prestataire sans tout reconstruire ? France Num met en garde contre la dépendance et la perte de savoir-faire : les conditions de sortie se négocient avant la signature, pas après.

Le choix des modèles de langage

Une agence doit expliquer quel modèle de langage elle propose et pourquoi : un modèle propriétaire accessible par API, ou un modèle open-weight, dont les poids sont publiés et qui peut être hébergé en France ou en Europe, voire sur les serveurs de l'entreprise. Les modèles ouverts, dont ceux du français Mistral, réduisent la dépendance à un fournisseur et à sa politique tarifaire. Le bon réflexe est de choisir un modèle à la taille du besoin plutôt que le plus gros par défaut, et, dans tous les cas, une architecture qui permet de remplacer le modèle retenu par un autre, car les modèles changent tous les six mois.

Que disent les repères publics ?

Plusieurs documents grand public, gratuits, aident à cadrer le choix d'un prestataire IA. Les fiches pratiques IA de France Num, rédigées avec la CNIL en novembre 2024, listent les questions à se poser avant de choisir une solution, les précautions d'usage et les obligations liées au RGPD. Le programme IA Booster France 2030 de Bpifrance, lancé en juin 2023, propose aux PME et ETI un parcours en quatre phases, dont une phase d'aide au choix de la solution IA, avec une prise en charge partielle du coût des prestations sous conditions.

Les recommandations de sécurité pour un système d'IA générative de l'ANSSI, publiées en avril 2024, détaillent 35 mesures, de l'analyse de risque au cloisonnement du système et à la journalisation des accès. Enfin, la fiche pratique pour l'achat responsable de solutions d'IA de la DINUM et de la direction des achats de l'État, parue en novembre 2025, fournit des questions à poser aux prestataires, éditeurs et hébergeurs, y compris sur les impacts environnementaux. Ces repères sont écrits pour des acheteurs publics ou des dirigeants de PME, mais leurs questions valent pour toute entreprise, et une agence qui les connaît y répond sans difficulté.

Quel budget prévoir pour un projet IA ?

À titre indicatif, pour un premier projet dans une TPE ou une PME, un premier cas sur données réelles, la preuve de concept (POC), se situe entre 3 000 et 5 000 € HT et demande quelques semaines. Une première version utilisable par les équipes, le produit minimum viable (MVP), coûte entre 5 000 et 10 000 € HT, hors hébergement et usage des modèles. La mise en production prend ensuite un à trois mois. Ce sont les ordres de grandeur pratiqués par Gensai : quelques milliers d'euros pour savoir, quelques dizaines de milliers pour déployer.

Comme pour un site internet, où une vitrine de cinq pages et une plateforme de vente ne se chiffrent pas de la même façon, le budget d'un projet IA peut monter beaucoup plus haut selon les spécificités, l'ampleur du projet et les attentes du client.

Il n'existe pas de barème public pour un projet IA. Un repère donne toutefois une échelle. Le Diag Data IA de Bpifrance, huit jours d'un expert agréé pour identifier et prioriser les cas d'usage, est facturé 10 000 € HT, pris en charge à 40 % (fiche les-aides.fr, août 2026). Un projet IA se chiffre donc d'abord en jours d'expertise.

Ce qui fait varier le prix, avant tout, c'est le temps passé par les équipes et leur coût horaire : cadrage, développement, intégration, tests, formation. Ce temps dépend de quelques paramètres :

• le nombre d'outils à connecter : CRM, agenda, téléphonie, base documentaire, chaque connexion est un développement, et il faut parfois créer une API qui n'existe pas encore
• l'état des données : des documents dispersés, en double ou à nettoyer coûtent plus cher qu'une base déjà structurée
• les canaux : un assistant sur WhatsApp, sur un site internet ou sous la forme d'un avatar, ce sont trois interfaces différentes. WhatsApp est le plus simple à mettre en place, un site internet demande un développement spécifique, avec du webdesign et du code, et un avatar est plus complexe encore
• la voix ou le texte : un assistant textuel et un agent vocal n'ont pas le même coût. La voix ajoute la reconnaissance et la synthèse vocales, le temps réel, la gestion des interruptions et des accents, donc davantage de briques à assembler et à tester
• le modèle : un grand modèle de langage (LLM) utilisé tel quel, avec le RAG, couvre la plupart des besoins. Ajouter une couche de sur-entraînement, le fine-tuning, pour spécialiser le modèle sur les données de l'entreprise, suppose un jeu de données préparé, du calcul et une nouvelle campagne de tests : le coût change d'échelle, et ce n'est que rarement nécessaire pour un premier cas
• la sécurisation et la protection : cloisonnement, droits d'accès, journalisation, audits. Appliquer les recommandations de l'ANSSI sur un système sensible peut coûter très cher. Héberger la solution sur ses propres serveurs supprime la facturation en tokens, mais il faut alors acheter ou louer des GPU, les exploiter et les superviser

Aux coûts de développement s'ajoutent des coûts récurrents : l'hébergement, l'usage des modèles, facturé en tokens selon la quantité de texte traitée, la maintenance et l'évolution, et la formation des équipes. France Num le rappelle : le coût ne se limite pas au paiement de la solution. Un dispositif qui tourne en local, comme l'expérience vocale installée dans un aquarium, supprime le coût à l'usage, au prix d'un matériel dédié.

Un devis sans étapes ni périmètre ne se compare pas. Le bon réflexe est de demander à chaque prestataire le prix du premier cas, puis le prix de la suite, en commençant par un premier projet choisi pour sa valeur et sa faisabilité.

Quelles questions poser au premier rendez-vous ?

Sept questions suffisent à faire le tri, et une bonne agence y répond par des exemples :

1. Pouvez-vous faire une démonstration sur mes documents ?
2. Quelles solutions tournent aujourd'hui en production chez vos clients, et depuis quand ?
3. Que se passe-t-il après le prototype : quelles étapes, quels délais, quel budget ?
4. Comment accompagnez-vous l'adoption par les équipes ?
5. Que prévoyez-vous après la livraison : suivi, optimisation, mise à jour des modèles ?
6. Où seront hébergées mes données, serviront-elles à entraîner un modèle, et que fait la solution quand elle ne sait pas ?
7. Que se passe-t-il si je veux changer de modèle, d'hébergeur ou de prestataire ?

Les réponses vagues sont une réponse. Une agence qui met en production régulièrement a des chiffres et des exemples à chaque question.

La bonne agence commence petit, fait adopter et fait évoluer

La sophistication technique ne départage pas les agences IA. Ce qui les départage, c'est l'acceptation d'un premier cas limité, testé sur des données réelles, puis la capacité à le faire adopter par les équipes et à le faire évoluer avec les usages.

C'est aussi la meilleure façon de maîtriser le budget : chaque étape se décide avec les résultats de la précédente.

Une agence IA à comparer ? Gensai, agence IA à Paris, applique cette méthode : un premier cas en quelques semaines, puis le déploiement de la solution, la formation des équipes et le suivi dans la durée.