Comment choisir une agence IA en 2026 : les 10 questions à poser avant de signer
Le marché des agences IA s'est explosé en 2024-2026. Entre les vrais experts et les opportunistes du buzzword, la différence peut coûter plusieurs centaines de milliers d'euros et six mois perdus. Voici les 10 questions qui font le tri.
Le marché des prestataires se revendiquant "agence IA" a augmenté de 340 % entre 2023 et 2025 selon Gartner. Des ESN qui ajoutent "IA" à leur plaquette commerciale, des freelances qui ont suivi une formation de 3 semaines, des startups qui font du wrapper GPT et facturent du sur-mesure, des cabinets de conseil qui vendent de la stratégie IA sans jamais avoir déployé une ligne de code en production. Et au milieu : quelques agences qui ont réellement la compétence, l'expérience et la rigueur pour livrer des projets IA complexes dans des délais et des budgets tenus. Comment les distinguer ? En posant les bonnes questions — et en sachant interpréter les réponses. Ce guide vous donne les 10 questions qui séparent les vrais experts des opportunistes, avec pour chaque question ce qu'une bonne réponse ressemble, et ce qui doit vous faire lever un drapeau rouge.
d'agences se revendiquant "IA" entre 2023 et 2025 (Gartner)
des projets IA externalisés dépassent le budget initial de plus de 40 % (IDC, 2025)
projets IA externalisés n'atteignent pas les objectifs fonctionnels définis
délai moyen d'un projet IA mal scoped avant abandon ou refonte complète
Pourquoi choisir la bonne agence IA est plus critique qu'avec une agence web classique
Le facteur d'amplification des erreurs
Avec une agence web classique, les erreurs de sélection ont un coût : un site livré hors délais, un CMS mal configuré, un design insatisfaisant. Ces erreurs sont douloureuses mais généralement réparables — on peut reprendre le projet, changer de prestataire, refaire les parties défectueuses. Avec l'IA, les erreurs de sélection ont un facteur d'amplification bien plus élevé pour trois raisons structurelles.
🔗 La dépendance des données
Un projet IA implique souvent d'entraîner ou fine-tuner des modèles sur vos données propriétaires. Si l'agence n'a pas les compétences pour structurer correctement cette phase, vos données peuvent être gaspillées, exposées, ou utilisées pour des modèles de mauvaise qualité qu'il faudra entièrement refaire.
⚡ La complexité des effets de bord
Un agent IA ou un modèle mal paramétré peut produire des résultats incorrects à grande échelle avant qu'on s'en aperçoive — des milliers de décisions erronées, des communications clients inexactes, des recommandations biaisées. Les effets de bord d'un système IA sont souvent non linéaires et difficiles à anticiper sans expertise.
🏗️ L'architecture irréversible
Les choix d'architecture IA en début de projet (choix du modèle, structure des données, mode de déploiement) conditionnent toute l'évolutivité future. Une mauvaise architecture est coûteuse à corriger après coup — parfois à hauteur d'une refonte complète. Contrairement au web, "on corrige après" est rarement une option viable.
Les 3 profils d'agences à distinguer
Avant même de poser vos 10 questions, il est utile de comprendre les trois grands profils d'acteurs qui se revendiquent "agence IA" en 2026 — ils ne sont pas sur le même terrain et ne répondront pas aux mêmes besoins :
| Profil | Ce qu'ils font vraiment | Forces | Limites | Adapté si… |
|---|---|---|---|---|
| L'agence "wrapper" | Interface sur ChatGPT / Claude via API. Peu ou pas de dev custom. | Rapide, pas cher, time to market très court | Dépendance totale à des tiers, pas de différenciation, limites fonctionnelles rapidement atteintes | POC interne, test de concept à faible enjeu |
| Le cabinet conseil "IA strategy" | Stratégie, audit, roadmap. Peu ou pas d'implémentation technique. | Vision business, gestion du changement, accès C-level | Ne livrent pas de code, doivent passer le relais à un tech — et la coordination échoue souvent | Phase de cadrage amont, avant de choisir l'implémenteur |
| L'agence IA full-stack | Stratégie + architecture + développement + déploiement + maintenance. Code en production, intégrations réelles. | Responsabilité de bout en bout, livraisons en production, évolutivité garantie | Plus cher que les deux autres, délais de démarrage plus longs | Projets à enjeux réels, déploiement en production, systèmes critiques |
Les 10 questions à poser avant de signer
C'est la question la plus basique et la plus discriminante. N'importe qui peut faire une belle présentation de ce qu'il pourrait faire avec l'IA. Ce qui compte, c'est ce qui a été livré, déployé, et mesuré dans des conditions réelles. La précision "en production" est importante : un POC ou une démonstration interne ne compte pas — les difficultés réelles (intégration avec les systèmes legacy, charge en conditions réelles, maintenance, gestion des erreurs) n'apparaissent qu'en production.
Demandez des métriques précises : taux de précision du modèle, volume de transactions traitées par jour, temps de réponse, ROI mesuré côté client. Une agence compétente a ces chiffres disponibles et est fière de les partager.
✅ Bonne réponse
"Voici trois cas : un chatbot de support client pour un groupe retail traitant 12 000 requêtes/jour avec un taux de résolution autonome de 74 % ; un agent de classification documentaire pour un cabinet juridique avec une précision de 92 % sur 50 000 documents/mois ; et un système de recommandation produit générant +23 % de panier moyen. Nous pouvons vous mettre en contact avec les clients pour un retour d'expérience direct."
🚩 Réponse qui doit alerter
"Nous avons travaillé sur de nombreux projets IA innovants pour des grands comptes dans divers secteurs — confidentialité oblige, nous ne pouvons pas partager les détails, mais notre équipe a une expertise reconnue en machine learning et en LLM." (Absence totale de preuve concrète)
La réalité du marché : beaucoup d'agences vendent en avant-vente avec des profils seniors brillants, puis livrent avec des juniors ou des sous-traitants qui n'ont jamais vu un projet IA complexe. Posez la question directement : qui sera lead developer sur votre projet ? Combien d'années d'expérience sur des projets IA en production ? Peut-on les rencontrer avant de signer ?
Demandez aussi leur stack de prédilection et pourquoi. Une réponse vague ("on utilise les meilleurs outils selon le contexte") sans être capable de détailler les trade-offs entre LangChain et LangGraph, entre RAG naïf et RAG avancé, entre fine-tuning et prompting — révèle une compétence superficielle.
✅ Bonne réponse
"Sur votre projet, le lead sera Marc, 6 ans d'expérience ML/AI, ex-Dataïku, qui a livré 4 projets similaires. Il sera épaulé de Léa, spécialiste RAG et architectures multi-agents. Nous vous proposons de les rencontrer dès la phase de cadrage. Voici leurs profils LinkedIn et deux cas techniques qu'ils peuvent vous présenter en détail."
🚩 Réponse qui doit alerter
"Notre équipe est composée d'experts pluridisciplinaires en IA, data science et développement. Nous nous engageons à mettre les meilleures ressources sur votre projet." (Anonymat total, aucune possibilité de vérifier)
Cette question est non négociable pour tout projet impliquant des données sensibles, personnelles, ou stratégiques. En 2026, le cadre réglementaire européen (RGPD, AI Act, NIS2) impose des exigences strictes sur la localisation et l'usage des données. Mais au-delà de la conformité légale, c'est une question d'intelligence économique : vos données métier ne doivent pas alimenter les modèles généraux d'un fournisseur tiers.
Vérifiez si l'agence utilise des APIs cloud (OpenAI, Anthropic, Google) avec les paramètres de non-entraînement activés, ou si elle propose des déploiements on-premise ou sur infrastructure souveraine (OVHcloud, Scaleway). Pour les secteurs financier, de la santé ou de la défense, un déploiement entièrement on-premise peut être obligatoire.
✅ Bonne réponse
"Vos données sont hébergées sur serveurs en France (OVHcloud / Scaleway). Pour les appels LLM, nous utilisons l'API Azure OpenAI avec accord de non-utilisation des données pour l'entraînement (DPA signé). Nous pouvons également déployer des modèles open source (Mistral, Llama) entièrement on-premise si vos contraintes réglementaires l'exigent."
🚩 Réponse qui doit alerter
"On utilise les APIs OpenAI standard — c'est très sécurisé, OpenAI est une entreprise sérieuse." (Aucune mention du DPA, de la localisation des données, ni des politiques d'entraînement)
C'est la question qui révèle la maturité méthodologique d'une agence. Les projets IA ont une caractéristique unique : on ne peut pas garantir les performances d'un modèle avant de l'avoir entraîné et testé sur les données réelles. Une agence honnête et expérimentée le sait et a un cadre pour gérer cette incertitude. Une agence inexpérimentée promet des métriques précises sans les avoir mesurées.
Cherchez des réponses qui mentionnent : phases de POC avec métriques de validation, seuils de performance définis contractuellement comme critères de passage à la phase suivante, processus d'itération si les performances ne sont pas au rendez-vous, et conditions de sortie si le projet s'avère non viable techniquement.
✅ Bonne réponse
"Nous décomposons systématiquement tout projet IA en une phase de faisabilité (4-6 semaines) avec des métriques de performance contractualisées. Si le modèle n'atteint pas 85 % de précision sur votre jeu de test, nous n'encaissons pas la phase suivante et nous travaillons les causes racines. Notre contrat inclut des clauses de performance explicites."
🚩 Réponse qui doit alerter
"Notre modèle atteint généralement une précision de 95 %+ sur ce type de cas. Nous avons une méthodologie éprouvée et nous garantissons votre satisfaction." (Promesses sans base mesurable, absence de processus de gestion de l'incertitude)
80 % des délais et dépassements budgétaires dans les projets IA viennent des intégrations — pas du modèle lui-même. Connecter une solution IA à un CRM Salesforce vieux de 8 ans, un ERP SAP customisé ou une base de données legacy Oracle est souvent bien plus complexe que prévu. Une agence expérimentée a des intégrations similaires derrière elle et sait identifier les points de friction avant de commencer.
La question de la responsabilité est clé : en cas de problème d'intégration, est-ce l'agence qui prend en charge la résolution, ou vous renvoient-ils vers l'éditeur du système legacy ? Vérifiez que le scope d'intégration est explicitement listé dans le contrat.
✅ Bonne réponse
"L'intégration est dans notre scope et notre responsabilité. Nous avons intégré Salesforce, SAP, Hubspot, et plusieurs ERP legacy. En phase d'audit, nous documentons systématiquement les contraintes d'API de vos systèmes avant de signer. Le contrat liste explicitement chaque point d'intégration avec son niveau de complexité estimé."
🚩 Réponse qui doit alerter
"L'intégration dépendra de la qualité des APIs de vos systèmes — si votre CRM expose des APIs REST standard, ce sera simple. Pour les cas complexes, vous devrez peut-être impliquer votre équipe IT interne ou le support de l'éditeur." (Transfert de responsabilité implicite)
Cette question teste la profondeur technique et l'honnêteté intellectuelle de l'agence. Il n'y a pas de réponse universellement correcte — le bon choix dépend du cas d'usage, des contraintes de données, du budget et des exigences de performance. Mais une agence compétente doit être capable d'argumenter précisément le choix qu'elle vous recommande et ses alternatives.
Méfiez-vous des agences qui recommandent systématiquement le fine-tuning (plus cher, complexe, souvent inutile) ou qui utilisent toujours les mêmes modèles quelle que soit la situation. La capacité à dire "pour votre cas, un RAG sur GPT-4o mini sera suffisant et beaucoup moins cher qu'un fine-tuning" est un signe de maturité et d'alignement avec vos intérêts.
✅ Bonne réponse
"Pour votre cas de classification documentaire, nous recommandons un RAG sur Claude Haiku avec un prompt engineering soigné — le fine-tuning n'ajouterait que 3-4 % de précision pour 4x le coût et 3 semaines supplémentaires. Si vos volumes grandissent ou si votre vocabulaire métier est très spécifique, nous réévaluerons dans 6 mois. Voici notre analyse comparative."
🚩 Réponse qui doit alerter
"Nous utilisons toujours ChatGPT-4 — c'est le meilleur modèle du marché" ou "Nous avons développé notre propre modèle propriétaire dont nous ne pouvons pas partager les détails techniques." (Dogmatisme ou opacité)
Une des douleurs les plus fréquentes dans les projets IA : le coût de développement est bien estimé, mais le coût de fonctionnement en production explose les budgets. Les coûts d'API LLM (notamment GPT-4o) peuvent être substantiels à volume — quelques centimes par appel représentent des milliers d'euros par mois pour des usages intensifs. S'y ajoutent l'infrastructure d'hébergement, les coûts de monitoring, et la maintenance continue du modèle (le monde change, les modèles dérivent).
Exigez une estimation précise du TCO (Total Cost of Ownership) sur 3 ans, incluant les coûts variables liés au volume d'usage. Une agence sérieuse a des outils pour estimer ces coûts à partir de votre volume de transactions prévisionnel.
✅ Bonne réponse
"Sur la base de vos 50 000 requêtes/mois estimées : coûts API ~180 €/mois, infrastructure ~120 €/mois, maintenance ~800 €/mois (inclus dans notre contrat de support). Total : ~1 100 €/mois pour le fonctionnement, hors évolutions. Voici un simulateur avec curseur de volume pour que vous voyiez l'impact si votre usage double ou triple."
🚩 Réponse qui doit alerter
"Les coûts d'API sont négligeables pour ce type de projet. La maintenance sera limitée une fois que le système est en place." (Minimisation délibérée des coûts récurrents)
En 2026, l'AI Act européen rend cette question légalement pertinente pour de nombreux cas d'usage. Mais au-delà de la conformité réglementaire, c'est une question de réputation et de responsabilité opérationnelle. Un système de recrutement IA qui discrimine par genre ou origine, un système de scoring client IA qui perpétue des biais historiques, un chatbot IA qui génère des réponses inappropriées : ces situations créent des risques juridiques, médiatiques et humains réels.
Une agence compétente a un process documenté d'évaluation des biais : jeux de test diversifiés, métriques de fairness mesurées, revue humaine sur les décisions sensibles, logs auditables. Elle connaît également les implications de l'AI Act pour votre cas d'usage spécifique.
✅ Bonne réponse
"Nous incluons systématiquement une phase d'évaluation des biais dans notre processus de validation. Pour votre cas, nous utiliserons des métriques de fairness (égalité des chances, parité démographique) sur un jeu de test représentatif. Nous avons une checklist AI Act que nous appliquons sur chaque projet — votre cas d'usage est de risque modéré et nécessite une supervision humaine sur les décisions à enjeux individuels."
🚩 Réponse qui doit alerter
"L'IA est objective par nature — elle ne juge pas comme un humain. Les biais viennent des données, pas du modèle." (Méconnaissance fondamentale du sujet)
La dépendance fournisseur est l'un des risques les plus mal évalués dans les projets IA externalisés. Si votre agence est la seule à pouvoir modifier les prompts, réentraîner le modèle, ou déboguer les comportements inattendus — vous êtes dans une situation de lock-in qui peut devenir très coûteuse. Cherchez des agences qui s'engagent explicitement sur le transfert de compétences et la documentation.
Une bonne agence prévoit une formation de vos équipes techniques ou métier, livre un code documenté et maintenu selon les standards de l'industrie, et vous rend capable de faire des ajustements courants sans appel payant. La dépendance doit être limitée aux évolutions structurelles — pas aux modifications de routine.
✅ Bonne réponse
"La solution est livrée avec code source documenté, tests automatisés, et manuel opérateur. Nous formons votre équipe technique sur la modification des prompts, la mise à jour des données de référence, et le monitoring. Pour les évolutions fonctionnelles majeures, vous aurez besoin de nous — mais vous pourrez ajuster 80 % des paramètres métier de façon autonome."
🚩 Réponse qui doit alerter
"Notre plateforme propriétaire est hébergée sur nos serveurs — vous accédez via une interface d'administration. Pour les modifications techniques, notre équipe est disponible avec un SLA de 48h." (Dépendance totale, aucun transfert prévu)
C'est la question la plus déstabilisante pour une agence — et la plus révélatrice. Tout prestataire expérimenté a eu des projets difficiles. La question n'est pas de les avoir eus, c'est comment ils les ont gérés. Une agence qui répond "ça ne nous est jamais arrivé" ment ou manque d'expérience. Une agence qui raconte un échec, ce qu'elle a appris, et ce qu'elle fait différemment maintenant — c'est une agence mature.
Sur la gestion des insatisfactions, vérifiez que le contrat prévoit des jalons de validation formels, des clauses de sortie à chaque phase, et un processus d'escalade documenté en cas de désaccord. L'absence de ces clauses est un signal fort d'une relation déséquilibrée.
✅ Bonne réponse
"Sur un projet de chatbot RH pour un groupe industriel en 2024, nous avons sous-estimé la complexité des règles de conventions collectives. À mi-projet, les performances n'étaient pas au rendez-vous. Nous avons stoppé facturations, refait l'architecture de la base de connaissances avec le client, et livré avec 6 semaines de retard — mais aux specs. On a perdu de la marge, gagné un client fidèle. Notre contrat prévoit maintenant une clause de jalon mi-projet avec droit de sortie partagé."
🚩 Réponse qui doit alerter
"Nous n'avons jamais eu de projet client qui se soit mal passé — notre processus qualité garantit la satisfaction. En cas de désaccord, nous avons une équipe dédiée à la relation client." (Trop beau pour être vrai, absence de processus contractuels concrets)
La grille de scoring : comment évaluer les réponses
Une fois votre tour de table réalisé, compilez les réponses dans cette grille pour objectiver votre évaluation. Chaque critère est noté de 0 à 3 points. Un score total inférieur à 20/30 devrait vous amener à exiger des clarifications ou à explorer d'autres options.
📊 Grille d'évaluation agence IA — Score sur 30
0 = réponse insatisfaisante · 1 = partielle · 2 = satisfaisante · 3 = excellente
Les red flags non négociables : stop immédiat si…
🚩 Arrêtez la discussion si vous observez l'un de ces signaux
- L'agence ne peut pas vous mettre en contact avec un seul client pour un retour d'expérience direct
- Le devis initial est un forfait global sans décomposition des phases et livrables
- L'agence ne peut pas expliquer clairement où seront hébergées vos données et selon quelles conditions
- Les performances du modèle sont garanties contractuellement à des niveaux très précis sans phase de POC préalable
- Le contrat ne prévoit pas de jalons de validation avec droit de sortie
- L'équipe qui livrera le projet n'est pas identifiée et vous ne pouvez pas la rencontrer avant signature
- L'agence répond à toutes vos questions avec "oui bien sûr" sans nuance ni contrainte
- Le devis inclut des termes vagues comme "intelligence artificielle avancée", "algorithmes propriétaires" sans spécification technique
Ce qu'une bonne agence IA vous demandera, elle aussi
La relation avec une agence IA compétente est symétrique : elle aussi doit vous poser des questions difficiles pour évaluer la faisabilité et le risque du projet. Si une agence accepte de signer sans avoir posé ces questions, c'est qu'elle signe sans avoir compris — ou qu'elle signe pour signer.
✅ Questions qu'une bonne agence IA doit vous poser
- Quelle est la qualité et le volume de vos données d'entraînement ou de référence ?
- Qui sera votre interlocuteur technique interne tout au long du projet ?
- Quelle est votre tolérance réelle au risque d'erreur du système IA ?
- Avez-vous identifié les processus métier qui devront être adaptés à l'arrivée de la solution ?
- Avez-vous consulté votre DPO sur les implications RGPD et AI Act de ce projet ?
- Qui, en interne, sera formé pour maintenir et faire évoluer la solution ?
- Quel est votre plan si les performances ne sont pas au rendez-vous après 3 mois en production ?
Agence DYNSEO : les réponses à toutes ces questions
Agence DYNSEO est une agence de développement IA full-stack basée à Paris, avec 13 ans d'expérience dans le développement d'applications web, mobile et IA pour les grands comptes. Nos réalisations couvrent des chatbots IA en production, des plateformes SaaS et des applications mobiles avec IA embarquée. Nos données sont hébergées en France, nos équipes sont identifiées et rencontreables dès la phase de cadrage, et chaque projet commence par une maquette fonctionnelle qui permet de valider le concept avant tout engagement de développement.
❓ FAQ — Choisir une agence IA en 2026
1. Faut-il choisir une agence IA pure player ou une ESN généraliste avec une practice IA ?
Les deux ont leurs avantages selon le contexte. Une agence IA pure player a généralement une expertise plus profonde et des processus plus rodés sur les problématiques spécifiques à l'IA. Une grande ESN peut apporter des ressources plus importantes, une couverture sectorielle plus large et une présence internationale. Le critère déterminant est la composition réelle de l'équipe qui travaillera sur votre projet — pas la taille ou le nom de la société. Exigez de rencontrer l'équipe opérationnelle, pas seulement les commerciaux ou le management.
2. Un premier projet IA doit-il forcément être complexe et coûteux ?
Non — et une bonne agence vous découragera de commencer par un projet trop ambitieux si votre organisation n'est pas prête. Les premiers projets IA les plus réussis sont souvent les plus ciblés : un seul processus, des données disponibles et de qualité, un ROI mesurable rapidement. La complexité peut augmenter ensuite, une fois que votre équipe a acquis de l'expérience avec l'IA et que vous avez un retour d'expérience concret sur votre contexte spécifique.
3. Comment vérifier les références d'une agence IA sans violer la confidentialité de leurs clients ?
Demandez à l'agence de vous mettre en contact direct avec 2 ou 3 clients de référence — c'est une pratique standard dans l'industrie et aucune clause de confidentialité n'empêche un client de donner son avis général sur la qualité de la collaboration. Si l'agence refuse catégoriquement tout contact client direct, c'est un signal sérieux. Vous pouvez aussi rechercher des témoignages sur des plateformes indépendantes (Clutch, Google), ou contacter des anciens collaborateurs de l'agence sur LinkedIn pour des retours informels.
4. Quelle est la durée typique d'un premier projet IA d'entreprise ?
Un premier projet IA bien dimensionné se déroule typiquement en 3 phases : cadrage et faisabilité (4-6 semaines), développement et itération (8-16 semaines), déploiement et stabilisation (4-6 semaines). Soit un total de 4 à 7 mois pour un projet de portée standard. Méfiez-vous des promesses de "solution IA opérationnelle en 3 semaines" pour un projet réellement complexe — c'est soit un produit packagé déguisé en sur-mesure, soit une promesse intenable.
5. Doit-on imposer un hébergement on-premise pour tous les projets IA ?
Pas nécessairement. L'hébergement on-premise est justifié pour les données très sensibles (données de santé, données de sécurité nationale, secrets industriels stratégiques) ou les secteurs très réglementés (finance, défense, santé). Pour la majorité des cas d'usage courants, un hébergement cloud souverain (OVHcloud, Scaleway, Azure region France) avec un DPA en règle offre un bon équilibre entre sécurité, coût et flexibilité. Ce qui est non négociable : connaître précisément où vos données sont hébergées et avoir le contrôle de leur effacement.
6. Comment contractualiser les performances d'un modèle IA ?
La bonne pratique est de contractualiser les performances sur un jeu de test représentatif défini avant le début du développement. Les métriques doivent être précises (précision, rappel, F1-score selon le cas d'usage) et les seuils d'acceptation validés par les deux parties. Le contrat peut prévoir une clause de "performance bonifiée" si les métriques dépassent les seuils, et une clause de remédiation (sans facturation supplémentaire) si elles ne les atteignent pas. Ces clauses protègent les deux parties et créent les bons incentives.
7. Agence DYNSEO répond-elle à toutes ces questions avant signature ?
Oui — c'est précisément la promesse d'Agence DYNSEO. Notre processus commercial commence par une phase de cadrage transparent : audit de votre existant, identification des 3 meilleurs cas d'usage, estimation du TCO sur 3 ans, présentation de l'équipe opérationnelle, et livraison d'une maquette fonctionnelle avant tout engagement de développement. Nous ne signons que si nous sommes convaincus de pouvoir livrer — et nous vous le disons si nous ne le sommes pas. Commencez par une maquette gratuite.
🎯 Posez-nous ces 10 questions — nous y répondons avec plaisir
Agence DYNSEO est convaincue que la transparence est le fondement d'une collaboration réussie sur des projets IA. Rencontrons-nous, posez toutes vos questions difficiles, et si on est le bon partenaire pour votre projet, on vous le dira franchement — comme si ce n'est pas le cas. Commençons par une maquette fonctionnelle de votre future solution.
