Agence IA : comment choisir le bon partenaire pour votre projet

Tapez « agence IA » sur Google en avril 2026, vous tombez sur deux cents résultats. La moitié sont des ESN qui ont rebadgé leur plaquette en six mois, un quart sont des agences digitales qui ont recruté un data scientist et qui s'autoproclament « experts GenAI », et le reste se partage entre cabinets spécialisés sérieux et freelances solides. Côté DSI, le tri est devenu un sport à part entière — et la facture d'un mauvais choix se chiffre vite à plusieurs centaines de milliers d'euros perdus dans des POC qui n'ont jamais quitté le bac à sable.

Ce qui rend le sujet particulièrement glissant, c'est que les signaux faciles à observer (pages cas client, partenariats Microsoft / AWS, certifications) sont devenus inopérants. Tout le monde les coche. La vraie discrimination se joue sur des critères moins visibles : la profondeur technique réelle de l'équipe, l'agnosticisme face aux fournisseurs de modèles, la capacité à passer du POC à la production, et la transparence sur ce qui ne marchera pas. Cet article passe en revue ce qui distingue un partenaire IA crédible d'un commercial bien entraîné.

ESN avec une practice IA, ou cabinet IA tout court ?

La distinction n'est pas une chicane sémantique. Une ESN classique gagne sa vie au TJM ; sa structure de coûts pousse à staffer en volume, à lisser les profils, et à accepter à peu près tout ce qui rentre dans le carnet de commandes. Quand l'IA arrive comme une nouvelle ligne de revenus, l'ESN recrute trois data scientists, signe un partenariat avec un éditeur, et lance une « practice IA ». Le problème n'est pas que ces équipes soient incompétentes — certaines le sont moins que d'autres — c'est qu'elles sont noyées dans une organisation conçue pour autre chose.

Un cabinet IA, au sens strict, est une structure dont la totalité ou la quasi-totalité du chiffre d'affaires vient de missions IA / data. Les associés sont eux-mêmes praticiens. L'équipe dépasse rarement quelques dizaines de personnes. Conséquence directe : la sélection à l'entrée est plus dure, le niveau moyen plus haut, et personne ne peut vous vendre une mission qu'il ne sait pas exécuter. Le secteur français compte aujourd'hui une trentaine de cabinets de ce type, repérables dans les cartographies sectorielles publiées par Numeum et dans les travaux du CIGREF.

La table ci-dessus est un schéma — il existe d'excellentes practices IA dans certaines grandes ESN, et des cabinets « spécialisés » qui ne valent pas le bandeau. Ce qui compte, c'est de poser les questions assez tôt pour ranger votre interlocuteur dans la bonne colonne.

L'agnosticisme techno : la première chose à vérifier

Une agence IA crédible n'a pas de chouchou. Elle vous expliquera pourquoi un agent conversationnel à fort volume tournera mieux sur Claude 4.6 Haiku ou Gemini 2.5 Flash que sur GPT-5, pourquoi un RAG juridique sur corpus sensible passera plutôt par un Mistral Large 3 hébergé en Europe, et pourquoi un classifieur de tickets internes tournera très bien sur un Llama 4 fine-tuné en self-hosting. Le choix se fait par cas d'usage, sur des critères de coût, de latence, de conformité et de qualité — jamais par fidélité à un partenariat commercial.

Le test est simple : demandez à votre interlocuteur quels modèles il a benchmarkés au cours des six derniers mois, et comment il a tranché. Si la réponse tourne autour d'un seul fournisseur, ou si elle se résume à « on prend ce que le client utilise déjà », il y a un problème. Le marché des modèles évolue tous les trois mois — les analyses publiées par BCG sur le déploiement GenAI et la dernière édition du State of AI de McKinsey insistent toutes deux sur la nécessité d'une architecture multi-modèle pour ne pas se retrouver verrouillé sur un fournisseur.

L'autre angle, c'est l'infra. Une vraie agence IA sait déployer aussi bien sur Azure OpenAI, Vertex AI (Google), AWS Bedrock ou en self-hosting sur du Kubernetes interne. Si elle ne maîtrise qu'un seul cloud, vous payez son confort.

La méthodologie : audit, cadrage, delivery — et surtout dans cet ordre

Un schéma revient sur la grande majorité des missions sérieuses : un audit court pour cartographier les opportunités et le legacy, un cadrage qui sélectionne 1 à 3 cas d'usage avec ROI estimé, puis un delivery itératif sur le ou les cas retenus. Ce qui distingue les bonnes équipes des autres, c'est la rigueur sur les phases 1 et 2.

L'audit n'est pas un atelier de design thinking. C'est un travail terrain : entretiens avec une dizaine de métiers, lecture des architectures existantes, inventaire des données disponibles, évaluation honnête de ce qui est faisable dans les 6 à 18 mois. À la sortie, on doit avoir une cartographie priorisée — pas une moodboard avec des post-its colorés.

Le cadrage doit produire trois livrables : un cas d'usage spécifié au niveau des règles métier, une architecture cible (modèle, RAG, fine-tuning, MLOps), et un budget réaliste avec ses fourchettes basse et haute. Si votre prestataire saute cette étape pour vous emmener directement en POC « parce qu'on apprend en faisant », méfiance : c'est souvent un signal qu'il n'a pas la profondeur pour cadrer.

Côté delivery, la règle qui change tout : un POC dure typiquement 6 à 12 semaines, pas 6 mois. S'il dépasse 12 semaines sans résultat exploitable, ce n'est plus un POC, c'est un projet qui a perdu son cap.

Les références : ce qu'il faut vraiment regarder

Une page « cas client » sur un site web ne vaut rien. Tout le monde en a. Ce qui compte, c'est ce qu'il y a derrière. Cinq questions à poser systématiquement avant de signer :

Le modèle économique : ce qu'il vous dit du partenaire

Forfait, régie ou hybride : le choix structure l'alignement d'intérêts. La régie pure (TJM x jours) est confortable pour le prestataire mais aligne mal — il gagne plus si la mission dure plus longtemps. Le forfait pur transfère tout le risque sur le prestataire, qui le facture en marge — et qui sera tenté de couper sur la qualité si le périmètre dérape. Les modèles hybrides (forfait sur les phases cadrées + régie sur les phases d'exploration) sont généralement les plus sains.

Méfiez-vous des forfaits trop serrés sur les phases d'audit ou de cadrage : si quelqu'un vous propose un audit IA d'une grande organisation pour un prix dérisoire, c'est que l'audit est un produit d'appel pour vendre la suite. La phase critique est sous-investie, et vous démarrez le cadrage avec des œillères. Les publications de CIGREF et de Numeum donnent des fourchettes de référence par typologie de mission ; elles offrent un ordre de grandeur utile pour calibrer les propositions reçues.

Autre signal qui ne trompe pas : la transparence sur la composition des équipes facturées. Un prestataire qui refuse de détailler le mix senior / junior, ou qui ne veut pas s'engager nominativement sur les profils, vous facture une réputation collective sur des moyens individuels indéterminés.

Continuité POC → production : le test qui élimine la majorité du marché

La capacité à passer du POC à la production reste la grande inconnue du secteur. Beaucoup d'agences sont excellentes pour produire une démo qui fonctionne sur dix exemples ; très peu savent industrialiser. Or l'industrialisation représente la part dominante du coût total d'un système IA en condition réelle : MLOps, monitoring, gestion des dérives, gouvernance des données, intégration aux SI legacy, supervision humaine, sécurité, conformité.

Une agence IA sérieuse parle aussi bien d'évaluation continue (eval sets, A/B testing, observabilité LLM) que de prompt engineering. Elle a une opinion sur les outils MLOps (MLflow, Weights & Biases, LangSmith, Langfuse). Elle sait gérer des pipelines de données avec dbt ou Airflow. Si la conversation reste centrée sur « le bon prompt » et la « démo ChatGPT », vous parlez à une agence qui sera incapable de tenir la mise en production.

Sur ce point, nos retours terrain rejoignent ceux des observatoires sectoriels : le passage à l'échelle reste le talon d'Achille de la majorité des programmes IA en grande entreprise. C'est aussi pour ça que les cabinets capables de couvrir les deux bouts de la chaîne — cadrage stratégique et production — sont rares, et qu'il vaut mieux les identifier avant de lancer une consultation.

Conformité, RGPD, AI Act : un sujet qui n'est plus optionnel

Avec l'entrée en vigueur progressive du règlement européen sur l'IA, choisir un partenaire qui ignore la dimension conformité revient à hypothéquer le projet dès la signature. Une agence sérieuse intègre dès le cadrage les exigences AI Act applicables, articule avec le RGPD et les recommandations CNIL, et sait positionner les contrôles techniques (logging, supervision humaine, monitoring de drift) au bon endroit dans l'architecture.

Ce n'est pas un sujet à externaliser à un cabinet juridique séparé : la conformité IA est aujourd'hui un problème d'ingénierie autant que de droit. Si le partenaire que vous évaluez vous renvoie systématiquement vers « votre direction juridique » dès qu'on parle d'AI Act, c'est qu'il n'a pas intégré le sujet à sa pratique technique.

Comment nous fonctionnons sur ces sujets

Nous accompagnons des grandes entreprises françaises (CAC40, ETI 500+) sur leurs programmes IA depuis plusieurs années, avec une équipe entièrement dédiée à l'IA et à la data. Notre expertise GenAI couvre le cadrage stratégique, le delivery technique et la mise en production. Nos références sont accessibles sur demande, avec mise en relation directe avec les sponsors côté client. La page à propos détaille la composition de l'équipe et le profil des associés — qui sont tous des praticiens, pas des managers de plateau.

Sur le plan techno, nous travaillons en multi-modèles (OpenAI, Anthropic, Mistral, Google, Llama en self-hosting) et multi-clouds (Azure, AWS, GCP, on-prem). Le choix se fait au cas par cas selon le profil de coût, de latence, de souveraineté et de qualité attendu. Aucun de nos engagements ne vous enferme dans un fournisseur ou un framework propriétaire.

Avant de signer

Le risque, en sélectionnant un partenaire IA en 2026, n'est plus de tomber sur un fournisseur incompétent — le marché s'est épuré sur les six derniers trimestres. Le risque, c'est de payer le prix d'un cabinet spécialisé pour le service d'une practice généraliste qui apprend sur votre terrain. La différence se joue sur des détails : qui a écrit la proposition, qui interviendra réellement, comment se passe la sortie, qu'est-ce qu'ils refusent de faire, et qu'est-ce qu'ils ont déjà mis en production ailleurs. Les agences qui répondent clairement à ces cinq questions méritent qu'on continue la conversation. Les autres méritent qu'on ferme l'onglet.