Pourquoi le choix d’un prestataire Data & IA est une décision critique
Un projet data ou IA mal embarqué, c’est rarement une simple perte d’argent. C’est souvent aussi une perte de temps irréversible, une équipe interne démotivée, et une direction qui se retrouve échaudée pour les deux ou trois années suivantes.
Les projets data ont une particularité : ils créent de la dépendance. Les modèles entraînés, les pipelines construits, les architectures de données mises en place vous lient à des choix techniques et à un partenaire sur le long terme. Choisir vite ou choisir mal, c’est prendre le risque de devoir tout recommencer.
Ces 7 questions ne sont pas des formalités. Ce sont des révélateurs. Elles permettent de distinguer les prestataires qui ont vraiment livré des projets de ceux qui vendent une promesse.
Question 1 : Avez-vous déjà livré des projets comparables au mien, dans mon secteur ?
C’est la question la plus évidente, et pourtant la moins bien posée en pratique. Beaucoup de DSI demandent des références. Peu demandent des références comparables.
Un prestataire qui a réalisé un projet de recommandation produit pour un e-commerçant n’a pas forcément la bonne expérience pour un projet de prévision de pannes dans une usine agroalimentaire. Les contraintes métier, les volumes de données, les exigences réglementaires et les architectures techniques sont radicalement différents.
Ce que vous cherchez : un prestataire capable de vous citer deux ou trois projets proches du vôtre sur le fond, pas seulement sur la technologie. S’il hésite, s’il reste vague, ou s’il vous parle uniquement de pilotes et de POC jamais passés en production, méfiance.
Ce qu’il faut creuser : demandez à parler directement à un client référence. Un prestataire solide n’aura aucun problème à faciliter cet échange.
Question 2 : Qui seront concrètement les personnes qui travailleront sur mon projet ?
Le pitch commercial est souvent assuré par les profils les plus seniors du cabinet. L’exécution, elle, est parfois confiée à des consultants juniors ou à des sous-traitants.
Ce n’est pas systématiquement un problème. Mais vous devez le savoir avant de signer, pas après.
Demandez les CVs ou les profils LinkedIn des personnes qui interviendront effectivement sur votre projet. Posez des questions sur leur niveau d’expérience, sur le ratio seniors/juniors envisagé, sur la présence ou non d’un lead technique dédié.
Un bon prestataire sera transparent là-dessus. Il vous expliquera comment il structure ses équipes, pourquoi il fait ces choix et comment il garantit la montée en compétences de ses profils juniors sans que ce soit à vos frais.
Ce qu’il faut creuser : y a-t-il un engagement contractuel sur les profils clés ? Que se passe-t-il si le lead technique change en cours de mission ?
Question 3 : Quelle est votre approche entre POC et passage en production ?
C’est là que beaucoup de projets data s’enlisent. Le POC fonctionne, les équipes sont enthousiasmes, et puis… rien. Le passage en production tarde, se complexifie, explose en coûts.
Certains prestataires sont très bons pour produire des démonstrations impressionnantes. Beaucoup moins pour industrialiser, maintenir, faire évoluer. Or c’est précisément là que réside la valeur réelle d’un projet data.
Demandez au prestataire de vous décrire, étape par étape, comment il organise le passage d’un modèle ou d’un pipeline du stade expérimental à la production. Quels sont ses standards MLOps ? Comment gère-t-il le monitoring des modèles en production ? Comment anticipe-t-il la dérive des données dans le temps ?
Si les réponses restent floues ou si le prestataire minimise cette partie, c’est un signal fort.
Ce qu’il faut creuser : demandez des exemples concrets de projets passés en production depuis plus d’un an, toujours en fonctionnement, avec des indicateurs de performance réels.
Question 4 : Comment gérez-vous la montée en compétences de mes équipes internes ?
Un bon prestataire Data & IA ne devrait pas chercher à vous rendre dépendant de lui indéfiniment. Son objectif devrait être de vous aider à construire une capacité interne, même partielle, plutôt que de concentrer toute la valeur dans ses propres équipes.
Posez la question directement : est-ce que votre approche prévoit un transfert de compétences vers nos équipes ? Si oui, comment est-il structuré ? Si non, pourquoi ?
Les réponses vous diront beaucoup sur la culture du prestataire. Certains cabinets ont construit un modèle économique sur la dépendance client. D’autres considèrent le transfert de compétences comme une condition du succès du projet.
Vous n’avez pas forcément besoin d’internaliser toute la Data science ou l’ingénierie IA. Mais vous avez besoin que vos équipes comprennent ce qu’elles utilisent, sachent interpréter les résultats, et puissent maintenir les éléments les plus critiques sans dépendre d’une tierce partie à chaque incident.
Ce qu’il faut creuser : y a-t-il des livrables documentaires prévus ? Des ateliers de formation intégrés à la mission ? Un accès aux environnements et au code source en fin de projet ?
Question 5 : Quelle est votre position sur les technologies et les éditeurs ?
Le marché Data & IA est structuré autour de quelques grands écosystèmes : AWS, Azure, Google Cloud d’un côté, des éditeurs spécialisés comme Databricks, Snowflake, ou Dataiku de l’autre, et un vaste monde open source.
Certains prestataires sont liés contractuellement à des éditeurs. Ce n’est pas forcément un problème, mais vous devez en être conscient. Un partenaire certifié Azure a naturellement tendance à recommander Azure, même quand ce n’est pas le choix le plus adapté.
Demandez au prestataire comment il sélectionne les technologies dans un projet. Est-ce que cette sélection part de vos contraintes (stack existante, compétences internes, souveraineté des données) ou de ses propres préférences et partenariats ?
Un prestataire solide doit être capable de justifier ses choix technologiques indépendamment de tout partenariat commercial. Et s’il est partenaire d’un éditeur, il doit pouvoir vous dire clairement en quoi ça avantage votre projet, pas le sien.
Ce qu’il faut creuser : demandez une comparaison explicite d’au moins deux options technologiques sur votre cas d’usage, avec les avantages et inconvénients de chacune.
Question 6 : Comment traitez-vous les sujets de gouvernance, de qualité des données et de conformité RGPD ?
Beaucoup d’entreprises arrivent en projet IA avec une idée floue de l’état de leurs données. Elles découvrent en cours de route que la qualité est insuffisante, que les sources sont mal documentées, que certaines données ne peuvent pas légalement être utilisées pour entraîner des modèles.
Un prestataire expérimenté anticipera ces sujets dès le cadrage. Il vous posera des questions sur la gouvernance de vos données avant même de parler d’algorithmes. Il intégrera une phase d’audit et de qualification des données dans son approche.
Sur le RGPD, les enjeux sont réels et sous-estimés dans les projets IA. L’utilisation de données personnelles pour entraîner des modèles, la traçabilité des décisions algorithmiques, la gestion des droits à l’oubli sur des modèles entraînés : ce sont des sujets qui peuvent bloquer ou invalider un projet entier si on ne les traite pas en amont.
Ce qu’il faut creuser : le prestataire a-t-il un DPO ou un référent conformité dans ses équipes ? A-t-il déjà géré ces sujets sur des projets précédents ? Peut-il vous montrer comment il documente les traitements de données personnelles dans le cadre de ses missions ?
Question 7 : Quelle est votre vision à 3 ans sur notre marché et notre type de problématique ?
Cette dernière question est peut-être la plus importante, et c’est celle que le moins de DSI posent.
Les projets data et IA ne sont pas des projets comme les autres. Ils évoluent vite, les technologies changent, les usages s’affinent. Vous avez besoin d’un partenaire qui comprend où va votre secteur, qui a une lecture des évolutions à venir, et qui sera capable de faire évoluer vos systèmes en conséquence.
Un prestataire qui ne peut pas vous parler des tendances de votre marché, qui n’a pas de point de vue sur ce que l’IA générative va changer dans votre secteur dans les deux prochaines années, qui n’est pas capable de vous parler des risques et des opportunités spécifiques à votre activité… ce prestataire est peut-être compétent techniquement, mais il ne sera pas un vrai partenaire stratégique.
Ce que vous cherchez, c’est quelqu’un qui a une opinion. Pas forcément la bonne, mais une opinion construite, argumentée, qui montre qu’il a réfléchi à votre problématique au-delà de la mission qu’il espère décrocher.
Ce qu’il faut creuser : demandez-lui ce qu’il ferait à votre place. Et écoutez si la réponse parle de vous ou de lui.
Ce que ces questions révèlent au final
Au bout de cet entretien, vous n’aurez pas seulement évalué les compétences techniques d’un prestataire. Vous aurez évalué sa culture, sa transparence, sa capacité à se mettre à votre place et la solidité de son modèle de delivery.
Un bon prestataire Data & IA ne vous promettra pas tout. Il vous dira ce qu’il sait faire, ce qu’il ne sait pas faire, et comment il va vous aider à construire quelque chose qui tient dans le temps.
C’est exactement ce que nous cherchons à faire chez OCSI Group et au sein de notre entité spécialisée Data & IA, Unfair : des projets qui passent en production, des équipes qui montent en compétences, et des résultats mesurables. Pas des POC qui dorment dans des slides.
Vous avez un projet Data & IA en tête ?
Parlez-nous de votre contexte ! Nos équipes vous répondent sous 24h pour un premier échange sans engagement.
