Ce cas client décrit une application d’IA souveraine conçue par bontrain pour une entreprise du second œuvre du bâtiment. Elle sert à dépouiller les dossiers de consultation des entreprises (DCE) et à rédiger les mémoires techniques de réponse aux appels d’offres, avec des modèles ouverts hébergés en France.
Le client est spécialisé dans l’enveloppe du bâtiment : menuiseries extérieures, façades vitrées, verrières et protections solaires. Il répond régulièrement à des appels d’offres, et son bureau d’études porte l’effort de réponse.
Pourquoi le dépouillement d’un DCE coûte-t-il si cher ?
Parce qu’un DCE représente plusieurs centaines à plusieurs milliers de pages et qu’il faut tout lire pour ne rien manquer. Le dossier se répartit entre le cahier des clauses techniques particulières (CCTP), le cahier des clauses administratives particulières (CCAP), le règlement de consultation (RC), la décomposition du prix global et forfaitaire (DPGF), les plans, le planning et les annexes.
Ce travail de lecture mobilise des ingénieurs du bureau d’études. Le principal risque n’est pas la lenteur mais l’omission :
- une exigence technique enfouie au milieu d’un CCTP
- une pénalité dérogatoire glissée dans le CCAP
- une contradiction entre deux pièces, par exemple entre le CCTP et la DPGF, qui ne se voit qu’en exécution et se paie à ce moment-là
Vient ensuite le mémoire technique. D’une consultation à l’autre, une grande partie du contenu se répète (moyens, méthodes, références, organisation de chantier). Il faut pourtant l’adapter à chaque dossier, et ce sont encore les ingénieurs qui s’en chargent.
Que fait l’application concrètement ?
L’ingénieur dépose le dossier complet dans une application web sur mesure, puis travaille avec des agents IA spécialisés, chacun chargé d’une partie du travail.
Ingestion. Les pièces sont reconnues et classées automatiquement (CCTP, DPGF, CCAP, RC, plans…). Un suivi d’avancement pièce par pièce indique où en est le traitement.
Analyse. Des agents analysent les ouvrages, détectent les contradictions entre pièces et produisent des synthèses. L’un d’eux, baptisé « ingénieur bureau d’études », est paramétré sur le métier du client (menuiseries extérieures, façades, verrières, protections solaires).
Rédaction des mémoires techniques. À partir du dossier analysé et d’une trame fournie par l’entreprise, des agents rédigent le mémoire technique de réponse. L’ingénieur le relit et l’ajuste avant l’envoi.
Organisation. L’application conserve l’historique des dossiers analysés, permet plusieurs conversations par dossier, fonctionne sur plusieurs écrans et exporte les analyses en PDF et en Word.
Comment vérifier ce que l’IA affirme ?
Chaque affirmation tirée du dossier renvoie à sa source par une citation cliquable qui ouvre la pièce à la bonne page avec le passage surligné. L’ingénieur ne se fie pas à une synthèse : il vérifie en un clic l’article du CCTP ou la clause du CCAP dont elle provient.
C’est le principe du RAG (génération augmentée par la recherche), poussé jusqu’à l’interface. L’IA cherche les passages pertinents dans le dossier avant de répondre, puis l’application rend ces passages visibles.
🛡️ Les garde-fous définis avec le client : l’outil distingue les faits issus du dossier des règles de l’art, signale les informations absentes au lieu de les inventer et ne produit aucune estimation de prix. Ces règles limitent le risque d’hallucination sans le supprimer. La relecture par l’ingénieur reste la règle.
Où sont traités les dossiers ?
Les dossiers sont traités sur une instance dédiée au client, hébergée en France chez OVHcloud, avec des modèles d’IA ouverts et des briques open source. Ils ne sont transmis à aucun fournisseur d’IA tiers et ne sortent pas de cet environnement.
Ce choix compte dans le BTP : un DCE contient des plans, des données techniques et parfois des informations sensibles sur le maître d’ouvrage. Hébergée chez un opérateur de droit français, la solution n’entre pas dans le champ direct du CLOUD Act. Cette loi américaine permet aux autorités des États-Unis d’exiger des données détenues par des fournisseurs soumis à leur droit (voir notre analyse du CLOUD Act). Les modèles étant ouverts, le client n’est pas non plus lié à un éditeur d’IA : c’est l’inverse du vendor lock-in.
Comment le projet s’est-il déroulé ?
En deux temps. Un prototype a d’abord validé la valeur métier avec les ingénieurs qui allaient s’en servir. Ils ont jugé la qualité des analyses, la pertinence des alertes et l’utilité des citations. Une fois cette valeur confirmée, il a été remplacé par une interface sur mesure aux couleurs du client, pensée pour son usage quotidien.
Chez bontrain, nous procédons ainsi sur nos projets d’IA privée. Nous partons des irritants réels du métier, prouvons le gain sur un prototype, puis livrons un outil que l’équipe adopte.
Quels résultats ?
Les gains de temps sont des estimations. Le coût par question est mesuré.
- Analyse des dossiers : gain estimé de 13,5 heures par dossier, soit environ 135 heures par mois pour 10 dossiers.
- Rédaction des mémoires techniques : temps de travail divisé par 4 (estimation).
- Coût d’usage : de 2 à 10 centimes d’euro par question selon sa complexité.
Les heures libérées reviennent au bureau d’études pour ce qu’une IA ne fait pas : les choix techniques, les variantes et la décision de répondre ou non.