IA et marchés publics : l'utiliser sans risques

L'IA dans les marchés publics, c'est un peu comme un nouveau compagnon de chantier très rapide mais qui ne connaît pas encore les règles de l'art locales. En 2026, la majorité des artisans et des TPE du BTP ont déjà utilisé un outil IA au moins une fois pour répondre à un appel d'offres. Moins de la moitié en sont satisfaits sur les résultats obtenus. L'écart entre les deux groupes ne tient pas à la technologie — il tient à la compréhension de ce que l'IA peut faire de fiable et de ce qu'elle ne peut pas faire du tout.

Ce guide est un état des lieux honnête de l'IA dans la commande publique en 2026 : les 5 cas d'usage qui fonctionnent, les 5 qui ne fonctionnent pas encore, les 3 risques réels à gérer, et un tableau de décision pour choisir entre un outil généraliste et un outil spécialisé. Il sert de point d'entrée pour l'ensemble du cluster fonctionnalités Olra, et s'appuie sur les deux piliers de référence : le guide complet du mémoire technique et la méthode d'analyse DCE en 5 étapes.

L'IA dans la commande publique : où en est-on en 2026

L'adoption de l'IA dans les marchés publics suit une courbe rapide mais asymétrique. Du côté des acheteurs publics, plusieurs administrations expérimentent l'IA pour automatiser la vérification des pièces administratives, détecter les anomalies de prix et analyser les offres reçues. Du côté des candidats, l'adoption est fragmentée : les grandes entreprises du BTP ont des équipes dédiées ; les TPE et artisans bricolent avec des outils généralistes.

En 2026, les données d'usage dans le secteur de la commande publique convergent sur quelques constats :

• Environ 65 % des entreprises de moins de 20 salariés répondant régulièrement aux marchés publics déclarent avoir utilisé un outil IA au cours des 12 derniers mois.
• Les gains de temps les plus importants sont constatés sur la phase de veille (identification des appels d'offres pertinents) et la phase de structuration du mémoire (plan, sommaire, premières sections).
• Les insatisfactions les plus fréquentes portent sur les hallucinations dans les sections références et sur la non-prise en compte des critères pondérés du RC.

Le marché des outils IA spécialisés marchés publics est en pleine structuration. La distinction entre un outil généraliste (ChatGPT, Claude, Gemini) et un outil spécialisé (conçu pour ingérer des DCE complets, mémoriser les données entreprise, tracer chaque affirmation vers sa source dans le dossier) devient le critère de choix central pour les entreprises qui veulent des résultats exploitables.

5 cas d'usage qui marchent vraiment

L'IA est performante sur les marchés publics dans des périmètres précis. Voici les 5 cas d'usage avec un retour concret sur ce que vous pouvez en attendre.

1. Audit et scoring d'un mémoire technique avant envoi

C'est le cas d'usage avec le ROI le plus immédiat. Un outil IA entraîné sur les critères des marchés publics peut analyser votre mémoire technique et identifier les sous-critères du RC mal couverts, les sections trop courtes par rapport à leur poids dans la grille, les formules génériques qui plombent la note, et les incohérences avec les données de votre dossier administratif. Sur ce cas d'usage, l'IA ne rédige pas — elle audite. Le risque d'hallucination est minimal car elle travaille sur un document que vous avez produit. Pour comprendre quand l'IA remplace une relecture humaine et quand non, voir notre comparatif audit IA vs relecture humaine.

Notre guide d'audit du mémoire technique détaille la méthode et les 14 points critiques à vérifier — avec ou sans IA.

2. Brief stratégique DCE : extraction des critères en 2 minutes

Lire un DCE de 150 pages pour en extraire les critères pondérés, les sous-critères implicites, les clauses CCAP à risque et les signaux faibles sur les attentes de l'acheteur prend entre 2 et 4 heures en lecture manuelle structurée. Un outil IA conçu pour ingérer des DCE complets (pas juste les extraits copy-collés dans ChatGPT) réduit cette phase à 15-20 minutes. Le brief DCE Olra est conçu précisément pour ce cas d'usage.

3. Veille appels d'offres personnalisée

La veille manuelle sur les plateformes (BOAMP, JOUE, profils acheteurs régionaux) représente entre 2 et 5 heures par semaine pour une TPE qui répond à 3-4 marchés par mois. L'IA permet d'automatiser le filtrage selon des critères métier (codes CPV, zone géographique, type de marché, seuils), de classer les AO par pertinence et d'alerter sur les délais de réponse. Résultat observé : 70 à 80 % du temps de veille économisé sur les entreprises qui automatisent cette étape. Notre outil de veille intelligente couvre ce périmètre.

4. Pré-rédaction des sections génériques du mémoire

Les sections "présentation de l'entreprise" et "gestion environnementale" contiennent une part de contenu récurrent d'un marché à l'autre. L'IA peut pré-rédiger ces sections à partir de vos données entreprise (certifications, effectifs, références, politique environnementale) en les adaptant à la terminologie du CCTP. La condition : vous lui fournissez vos données réelles — elle ne les invente pas. Pour un guide pratique, voir comment construire de bons prompts ChatGPT pour un mémoire technique. Gain de temps observé : 45 à 90 minutes par mémoire sur ces sections.

5. Simulation de note avant remise

Certains outils spécialisés peuvent simuler la note probable de votre mémoire technique en appliquant la grille pondérée du RC à votre document. Cette simulation n'est pas parfaite — elle n'est pas le juré — mais elle identifie les sections où vous êtes en-dessous du niveau attendu et vous permet d'arbitrer le temps de révision. Sur les marchés très concurrentiels, passer de 13 à 15 sur 20 sur la valeur technique peut faire la différence. Les 9 leviers pour améliorer la note partent du même principe.

5 cas d'usage qui ne marchent pas (encore)

Être honnête sur les limites de l'IA est ce qui construit la confiance — et qui permet d'éviter les erreurs coûteuses.

1. Génération de DC1/DC4 sans contrôle humain

Les pièces administratives (DC1, DC4, attestations fiscales, Kbis) ont des formats imposés par l'administration et des données légalement engageantes. Un outil IA généraliste peut générer un DC1 avec des erreurs de format ou des données incorrectes. Ces erreurs peuvent entraîner un rejet de la candidature. Ces pièces doivent être renseignées manuellement ou via les outils officiels du DUME. L'IA peut vérifier la cohérence des données entre pièces, mais pas remplir les pièces officielles à votre place.

2. Négociation de prix et chiffrage

L'IA ne connaît pas votre coût de revient horaire, vos conditions d'achat fournisseurs, votre taux de marge cible. Elle ne peut pas vous aider à construire un BPU ou un DPF fiable. Des outils de chiffrage existent, mais ils nécessitent des données de base que vous devez fournir — l'IA seule ne peut pas produire une offre prix engageante sans risque d'erreur grave.

3. Prédiction d'attribution d'un marché

Des outils prétendent prédire vos chances d'attribution à partir des données DECP (données essentielles de la commande publique) et de l'historique des attributions. En pratique, la précision de ces prédictions est faible sur les marchés de travaux inférieurs à 500 000 € HT, où les candidats locaux et les relations acheteur-attributaire historiques jouent un rôle important que les données publiques ne capturent pas. Ces outils peuvent orienter votre veille — pas vos décisions de réponse.

4. Signature électronique et dépôt sur les plateformes

Le dépôt sur les profils acheteurs (PLACE, AWS, marchés publics simplifiés) et la signature électronique qualifiée restent des processus humains. L'IA ne peut pas interagir avec ces interfaces à votre place — et tenter de l'automatiser expose à des risques de dépôt incomplet ou hors délai.

5. Assistance au recours après attribution

En cas de recours gracieux ou contentieux après une attribution litigieuse, l'IA généraliste ne maîtrise pas la jurisprudence récente du tribunal administratif, les délais du référé précontractuel (article L. 551-1 du code de justice administrative) ou les subtilités de la motivation d'une décision d'attribution. Sur ce terrain, consultez un avocat spécialisé en droit de la commande publique.

Les 3 risques majeurs à gérer

Risque 1 — Les hallucinations factuelles

Le risque le plus documenté et le plus immédiat. Un LLM généraliste peut produire des références de chantier inventées, des montants plausibles mais faux, des noms de maîtres d'ouvrage amalgamés ou des normes obsolètes. Dans un mémoire technique d'appel d'offres, une hallucination sur une référence est une fausse déclaration — avec des conséquences qui vont de la déqualification au recours pour fraude à la commande publique dans les cas extrêmes. Pour les autres limites structurelles de ChatGPT sur les AO, voir nos 7 limites de ChatGPT pour les appels d'offres publics.

La règle est simple : tout élément factuel généré par l'IA doit être vérifié manuellement avant envoi. Cela concerne les montants, les noms, les dates, les certifications citées, les normes référencées. Notre article ChatGPT et mémoire technique : 5 pièges à éviter détaille exactement comment une hallucination passe dans un mémoire et comment la détecter.

Risque 2 — Fuites de données vers des LLM tiers

Soumettre un DCE complet à un LLM externe (ChatGPT, Claude API, Gemini) via des interfaces non sécurisées peut enfreindre plusieurs obligations :

• Les clauses de confidentialité du marché (certains DCE contiennent des données sensibles sur les bâtiments, les réseaux ou les personnes)
• Le RGPD si le DCE contient des données personnelles (noms des utilisateurs du bâtiment, données de santé sur les résidents d'un EHPAD)
• Les contrats de traitement de données des LLM, dont certains autorisent l'utilisation des données soumises pour l'entraînement du modèle

Vérifiez systématiquement les conditions de traitement des données de l'outil que vous utilisez. Pour les DCE sensibles, un outil avec hébergement en France ou en UE et contrat DPA (Data Processing Agreement) conforme RGPD est un prérequis, pas une option.

Risque 3 — La dépendance technologique et la perte de compétence

Un risque moins visible mais réel sur le long terme : si votre équipe délègue entièrement la lecture du DCE et la construction du mémoire à un outil IA, elle perd progressivement la compétence métier de répondre à un appel d'offres sans assistance. C'est problématique quand :

• L'outil tombe en panne le jour de la remise
• Le marché est classé confidentiel et ne peut pas être soumis à un service tiers
• Le RC a des exigences très spécifiques que l'outil n'a pas été entraîné à traiter

L'IA doit être un accélérateur de compétence, pas un substitut. La méthode de lecture d'un CCTP en 30 minutes et l'analyse DCE en 5 étapes sont des compétences que votre équipe doit maîtriser indépendamment des outils.

Comment choisir : outil généraliste vs outil spécialisé

La question "faut-il utiliser ChatGPT ou un outil spécialisé marchés publics ?" est la plus fréquemment posée. La réponse dépend de l'intensité de votre activité AO et du niveau de risque acceptable sur chaque dossier.

Critère	Outil généraliste (ChatGPT, Claude, Gemini)	Outil spécialisé marchés publics
Ingestion DCE complet (100+ pages)	Partielle — extraits seulement	Complète — document ingéré en entier
Prise en compte de la grille RC pondérée	Sur instruction explicite uniquement	Automatique — extraction et pondération native
Mémoire des données entreprise entre dossiers	Nulle — réinjection manuelle à chaque session	Oui — profil entreprise persistant
Traçabilité des affirmations vers le DCE source	Aucune — génération libre	Oui — chaque paragraphe tracé vers sa source
Risque d'hallucination sur les références	Élevé sans prompt de garde-fou	Réduit — travaille sur les faits fournis
Conformité RGPD et hébergement France/UE	Selon plan — vérifier le DPA	Selon outil — vérifier le DPA et l'hébergement
Coût mensuel pour 4-6 dossiers/mois	20-30 € (abonnement standard)	50-200 € selon l'outil et le volume
Courbe d'apprentissage	Immédiate mais prompts à construire	1-2 semaines pour maîtriser le contexte métier

Pour les entreprises qui répondent à moins de 2 marchés par mois avec des lots simples, un outil généraliste bien utilisé (avec les garde-fous décrits dans notre article ChatGPT et mémoire technique : 5 pièges) peut suffire. Pour les entreprises qui répondent à 4 marchés ou plus par mois, ou qui visent des marchés complexes (multi-lots, ERP sensibles, patrimonial), un outil spécialisé amortit son coût dès le deuxième dossier.

RGPD et confidentialité : les règles du jeu

Le RGPD (Règlement Général sur la Protection des Données, en vigueur depuis mai 2018) s'applique dès lors que vous traitez des données à caractère personnel. Dans le contexte des marchés publics, cela concerne :

• Les noms et coordonnées des agents de l'acheteur public mentionnés dans le RC ou le CCTP
• Les données sur les usagers du bâtiment (résidents d'un EHPAD, élèves d'une école) qui peuvent figurer dans les annexes du DCE
• Les données de votre propre entreprise (données financières, références, CV du chef de chantier) que vous soumettez à un outil tiers

La règle pratique : utilisez un outil avec hébergement en France ou dans l'UE et un DPA signable. Si l'outil n'a pas de DPA, vous êtes en infraction dès que vous lui soumettez des données personnelles. Olra est hébergé en France, certifié conforme RGPD, avec DPA disponible sur demande — les données des DCE soumis ne sont pas utilisées pour l'entraînement du modèle.

Roadmap pratique 2026 : par où commencer

Si vous démarrez l'intégration de l'IA dans votre processus de réponse aux appels d'offres, voici une séquence d'adoption recommandée par niveau de maturité.

Niveau 1 — Débutant (0 à 2 dossiers IA/mois)

• Commencez par la veille automatisée — c'est le cas d'usage le plus simple et le plus fiable. Notre outil de veille appels d'offres filtre automatiquement par codes CPV, zone géographique et seuils.
• Utilisez l'IA pour générer un premier plan de mémoire à partir de la grille du RC — revue manuelle obligatoire avant de rédiger.
• Ne soumettez pas encore de DCE complet à un outil non sécurisé.
• KPI à suivre : temps de veille hebdomadaire (cible : moins d'1 heure).

Niveau 2 — Intermédiaire (3 à 5 dossiers IA/mois)

• Intégrez le brief DCE automatisé pour réduire le temps de lecture du dossier de 2-4h à 20 minutes. Lire ensuite le DCE manuellement sur les 20 % de points restants.
• Utilisez la pré-rédaction IA sur les sections génériques avec votre profil entreprise à jour.
• Mettez en place l'audit IA avant envoi — c'est la vérification la plus rapide des sous-critères couverts.
• KPI à suivre : taux de couverture des sous-critères du RC (cible : 100 %), temps de rédaction par mémoire (cible : sous 3h).

Niveau 3 — Avancé (6+ dossiers IA/mois)

• Déployez un outil spécialisé avec profil entreprise persistant et traçabilité DCE.
• Mesurez le taux de passage en phase d'attribution (offres retenues / offres déposées) avant et après l'adoption IA.
• Formez votre équipe sur les limites de l'IA — la compétence métier reste indispensable pour les révisions finales.
• ROI attendu : 3 à 5 heures économisées par dossier sur les phases de veille, analyse DCE et structuration du mémoire. Sur 6 dossiers/mois à 80 €/h de coût horaire interne, c'est entre 1 440 et 2 400 € de valeur mensuelle.

Pour démarrer dès maintenant sur le niveau 1, créez votre compte Olra gratuitement — les 3 premières analyses DCE sont sans engagement. L'interface de rédaction mémoire technique IA est disponible dès l'inscription. Pour un comparatif structuré entre ChatGPT et un outil dédié aux marchés publics, lisez notre article Apell vs ChatGPT : que choisir pour répondre aux marchés publics ?

Questions fréquentes

Est-il légal d'utiliser l'IA pour répondre à un appel d'offres public ?

Oui, sans restriction légale en 2026. Aucun texte du code de la commande publique (CCP) ni du CCAG-Travaux 2021 n'interdit l'usage d'outils IA pour préparer une candidature. L'acheteur évalue le résultat — le mémoire technique — pas les conditions de production. La seule obligation est que les informations contenues soient exactes et vérifiables. Une fausse déclaration générée par IA a les mêmes conséquences légales qu'une fausse déclaration rédigée manuellement.

Comment éviter les hallucinations dans un mémoire technique généré par IA ?

Vérifiez systématiquement tous les éléments factuels : noms de maîtres d'ouvrage dans les références, montants de marchés, dates de chantiers, numéros de certification, normes citées. Toute information que vous n'avez pas fournie explicitement à l'outil est potentiellement inventée. Ne faites jamais confiance à un chiffre ou un nom que vous n'avez pas injecté vous-même dans le prompt ou dans votre profil entreprise. Sur les mémoires à enjeu élevé, une relecture humaine de 30 minutes sur les éléments factuels est non-négociable.

Un outil IA généraliste peut-il lire un DCE de 100 pages complet ?

Non de façon fiable. Les modèles grand public (ChatGPT, Claude.ai, Gemini) ont des fenêtres de contexte qui limitent le volume traitable en une session. Un DCE de 100 pages soumis en plusieurs morceaux donne une synthèse incomplète — les informations des parties non fournies manquent. Un outil spécialisé marchés publics intègre l'ensemble du DCE en une seule opération et indexe chaque passage pour y faire référence lors de la rédaction. C'est la différence architecturale principale entre les deux approches.

Quelle différence entre RAG et fine-tuning pour un outil IA marchés publics ?

Le RAG (Retrieval Augmented Generation) consiste à donner au modèle accès à une base documentaire (vos DCE, vos anciens mémoires) pour ancrer ses réponses sur des faits vérifiables — c'est l'approche qui réduit les hallucinations. Le fine-tuning consiste à ré-entraîner le modèle sur des données spécifiques aux marchés publics pour améliorer son vocabulaire métier et ses réflexes rédactionnels. Les meilleurs outils spécialisés combinent les deux. Pour un utilisateur, la différence visible est la traçabilité des sources dans la réponse — un outil RAG cite sa source ; un outil généraliste ne le fait pas.

Quel ROI peut-on espérer de l'IA sur les appels d'offres publics en 2026 ?

Les retours observés sur les TPE et PME du BTP convergent entre 3 et 5 heures économisées par dossier complet, sur les phases de veille (1-2h), analyse DCE (1-2h) et structuration du mémoire (1h). À 80 €/h de coût horaire interne, c'est 240 à 400 € de valeur par dossier. Sur 4 dossiers par mois, le ROI couvre largement le coût d'un outil spécialisé. L'amélioration du taux de passage en attribution — plus difficile à mesurer à court terme — s'ajoute à ce calcul.