Analyser automatiquement un DCE avec l’IA consiste à transformer ses pièces en un dossier structuré et vérifiable : inventaire des documents, exigences citées à la source, matrice de conformité, score go/no-go et liste des points à valider. Le bon workflow ne demande pas à un chatbot de « résumer le PDF ». Il associe extraction documentaire, règles métier, recherche dans les sources et validation humaine. L’IA prépare la décision ; le responsable appel d’offres la prend.
Pour une équipe AO ou avant-vente, le résultat attendu tient en quatre livrables : une fiche de consultation, un registre des exigences, une matrice de conformité et un dossier de décision. Voici comment les produire sans transformer une sortie probabiliste en vérité contractuelle.
Pourquoi l’analyse d’un DCE exige plus qu’un résumé automatique
Un dossier de consultation des entreprises peut réunir règlement de la consultation (RC), CCTP, CCAP, acte d’engagement, bordereau des prix, DPGF, cadres de réponse et annexes. Ces documents n’ont ni le même rôle ni la même priorité. Une date limite se trouve dans le RC ; une pénalité, dans le CCAP ; une capacité attendue, dans le CCTP ; un format imposé, dans le cadre de réponse.
L’enjeu n’est donc pas seulement de comprendre le besoin. Il faut détecter tout ce qui conditionne la recevabilité et la qualité de l’offre. Le Code de la commande publique, article L2152-2 qualifie notamment d’irrégulière une offre qui ne respecte pas les exigences des documents de la consultation, en particulier lorsqu’elle est incomplète. Pour structurer votre organisation globale, consultez aussi la méthode pour répondre à un appel d’offres.
Avant d’automatiser l’extraction, la lecture des pièces du DCE : RC, CCTP, CCAP, AE, BPU et DPGF permet d’attribuer à chaque document son rôle et les contrôles adaptés.
Une analyse utile doit par conséquent répondre à trois questions distinctes :
- Que demande exactement l’acheteur ?
- Où cette demande est-elle formulée et dans quelle version ?
- Pouvons-nous y répondre avec une preuve, une réserve ou une question ?
Le workflow complet, de l’ingestion à la validation humaine
1. Ingérer le DCE sans perdre sa structure ni ses versions
Commencez par télécharger l’intégralité du DCE depuis le profil d’acheteur et conservez l’archive d’origine. La DAJ rappelle le rôle central du profil d’acheteur pour la mise à disposition des documents et les échanges dématérialisés.
Le pipeline d’ingestion doit ensuite :
- décompresser les archives et inventorier tous les fichiers ;
- calculer une empreinte de chaque fichier pour détecter les doublons et modifications ;
- extraire le texte des PDF, DOCX et tableurs, avec OCR pour les scans ;
- conserver la pagination, les titres, les tableaux et le chemin du fichier ;
- enregistrer la date de téléchargement et, si disponible, le numéro de version ;
- signaler les fichiers illisibles, chiffrés, vides ou incorporés en pièce jointe.
Ne fusionnez pas immédiatement tout le texte. La page, la cellule et le nom du fichier doivent rester attachés à chaque fragment. Sans cette provenance, une information extraite devient difficile à contrôler et inutilisable en cas de contradiction.
2. Classifier les pièces et établir leur autorité
Un classifieur peut reconnaître la nature des pièces à partir du nom, de la première page et de marqueurs internes. Il doit produire un niveau de confiance et envoyer les cas ambigus en revue : « CCP » peut par exemple réunir des clauses administratives et techniques.
La classification sert à appliquer le bon schéma d’extraction. On ne cherche pas les mêmes champs dans un RC et un BPU. Elle permet aussi de repérer un manque : RC annoncé dans l’archive mais absent, annexe citée dans le CCTP non fournie, deux DPGF de versions différentes.
3. Extraire les exigences avec leur preuve
Demandez au système une liste d’exigences atomiques, pas un paragraphe de synthèse. Une exigence atomique exprime une seule obligation contrôlable : « fournir trois références comparables », « remettre le mémoire au format PDF » ou « assurer une astreinte 24/7 ».
Chaque ligne doit comporter : identifiant, formulation normalisée, citation courte, fichier, page ou cellule, caractère obligatoire ou souhaité, responsable pressenti et statut de revue. Si la source n’est pas retrouvée, la ligne doit être marquée non vérifiée, jamais complétée de mémoire par le modèle.
| Champ extrait | Source prioritaire | Contrôle à appliquer |
|---|---|---|
| Date et heure limites | RC, avis, profil d’acheteur | Comparer les sources, relever le fuseau et la dernière mise à jour |
| Pièces à remettre | RC, cadres de réponse | Vérifier présence, format, signature et limite de pages |
| Critères et pondérations | RC | Contrôler que le total vaut 100 % et isoler les sous-critères |
| Exigences fonctionnelles | CCTP, annexes techniques | Associer une citation et une preuve interne attendue |
| Délais et jalons | CCTP, CCAP, acte d’engagement | Détecter les contradictions et distinguer durée, notification et démarrage |
| Pénalités et responsabilités | CCAP | Faire valider par le juridique, sans interprétation autonome |
| Prix et unités | BPU, DPGF, DQE | Contrôler formules, unités, cellules obligatoires et cohérence des totaux |
| Variantes et options | RC, CCTP, documents financiers | Distinguer variante autorisée, PSE et tranche optionnelle |
L’article R2152-7 du Code de la commande publique montre par ailleurs que l’analyse peut porter sur le prix ou le coût et sur des dimensions qualitatives, environnementales, sociales ou opérationnelles. Votre extraction doit reprendre les critères réels du dossier, pas une grille générique.
4. Construire la matrice de conformité
La matrice relie chaque exigence à votre capacité de réponse. Pour chaque ligne, utilisez un statut limité et explicite : conforme, partiellement conforme, non conforme, à clarifier ou non évalué. Ajoutez la preuve interne mobilisable — référence projet, CV, certification, procédure, engagement d’un partenaire — et le propriétaire de la réponse.
Le modèle peut suggérer un rapprochement avec votre base documentaire, mais il ne doit pas inventer une référence ni conclure qu’une certification « équivalente » est acceptée. La matrice est également le meilleur point de départ pour préparer le mémoire technique : les exigences prioritaires deviennent son plan de preuve.
5. Préparer un go/no-go explicable
Le score de go/no-go combine des critères bloquants et pondérés : éligibilité, compétences, références, capacité, marge, délai de réponse, dépendance à un partenaire, position concurrentielle et risques contractuels. Une absence de certification obligatoire peut être éliminatoire ; un délai tendu réduit seulement le score.
L’IA préremplit la grille depuis le DCE et les données internes, puis expose les éléments manquants. Elle ne doit pas masquer l’incertitude derrière une note précise. Présentez plutôt :
- les motifs de go et de no-go, chacun relié à une source ;
- les hypothèses qui changeraient la décision ;
- les questions à poser à l’acheteur ;
- les validations attendues du commerce, du delivery, de la finance et du juridique.
Cette étape peut alimenter un processus de préqualification des appels d’offres, sans remplacer son comité de décision.
6. Organiser la validation humaine avant toute exploitation
Prévoyez une revue à deux niveaux. Le bid manager contrôle l’exhaustivité, les critères, les formats et les échéances. Les experts métier vérifient ensuite les exigences de leur domaine : technique, prix, sécurité, RH ou juridique. Chaque correction doit laisser une trace : auteur, date, ancienne valeur, nouvelle valeur et motif.
Avant de rédiger, figez une version validée de la matrice. Avant le dépôt, relancez un contrôle sur le DCE le plus récent et sur le pli final. L’IA peut comparer les deux inventaires ; seule une personne habilitée valide la remise.
Une architecture RAG simple, sans promesse magique
Une architecture pragmatique suit ce flux : stockage sécurisé → extraction/OCR → découpage avec métadonnées → index de recherche → récupération des passages → LLM → sortie structurée avec citations → interface de validation.
Le RAG, ou génération augmentée par récupération, fournit au modèle des passages issus des documents au moment de la requête. Le papier fondateur de Lewis et al. décrit cette combinaison entre récupération et génération ; la documentation AWS détaille les composants d’un système de production. Dans un DCE, les métadonnées déterminantes sont le fichier, la version, la page, le lot et le type de pièce.
Le RAG améliore l’ancrage dans les sources, mais ne garantit ni exhaustivité ni exactitude. Conservez des règles déterministes pour les calculs, les dates et les contrôles de présence. Utilisez le LLM pour classer, reformuler et rapprocher ; utilisez du code pour additionner une DPGF ou vérifier qu’une liste de pièces est complète.
L’architecture d’un RAG pour les appels d’offres détaille la gouvernance du corpus, les droits d’accès et l’évaluation de la recherche. En complément, les garde-fous contre les hallucinations dans une réponse AO encadrent les citations, l’abstention et les validations.
Exemple fictif : une ESN face à un marché de support applicatif
L’exemple suivant est fictif et n’est pas un résultat client. Une ESN reçoit un DCE de 14 fichiers pour un marché de support applicatif. Le pipeline classe le RC, le CCAP, deux CCTP de lots, une DPGF et neuf annexes. Il signale que l’annexe « plan de réversibilité » citée au CCTP n’est pas présente.
L’extraction produit notamment trois exigences : astreinte 24/7, certification de sécurité pour le responsable de mission et remise de quatre références. La base interne retrouve une procédure d’astreinte et trois références validées, mais aucune preuve pour la quatrième. La matrice indique donc « conforme », « à valider » et « partiellement conforme ». Le go/no-go reste conditionnel jusqu’à la confirmation d’une référence partenaire et à la réponse de l’acheteur sur l’annexe manquante.
Le responsable AO ne gagne pas une décision automatique : il gagne un dossier de décision traçable, avec deux points critiques visibles dès la première revue. Le cas d’usage complet d’analyse de RFP par IA repose sur cette même logique de préparation assistée.
Une matrice validée devient ensuite le dossier de preuve de la soutenance d’appel d’offres, où chaque message doit rester cohérent avec l’offre remise.
Les risques à traiter dès la conception
Hallucinations et faux sentiment d’exhaustivité
Le NIST définit les « confabulations » comme des contenus erronés présentés avec assurance dans son profil de gestion des risques de l’IA générative. Imposez les citations, un état « information absente » et des tests sur un jeu de DCE annotés. Mesurez séparément précision et rappel : une extraction exacte mais incomplète reste dangereuse.
Confidentialité et contrôle des accès
Un DCE public peut être rapproché de données internes confidentielles : CV, marges, références, contrats ou architecture. L’ANSSI recommande notamment de cloisonner, journaliser, filtrer les entrées et sorties et limiter les actions automatiques. Vérifiez l’hébergement, la conservation, l’utilisation éventuelle des données par le fournisseur, les habilitations et les clauses de sous-traitance. La CNIL fournit également un guide de sécurité des données personnelles.
Versions, contradictions et additifs
Un DCE évolue après les questions des candidats. Conservez toutes les versions, mais marquez celle qui fait foi pour la réponse. Une nouvelle archive doit déclencher une comparaison : fichier ajouté, supprimé ou modifié, échéance déplacée, exigence reformulée. Toute contradiction doit remonter à une personne ; elle ne doit pas être arbitrée silencieusement par le modèle.
Checklist avant mise en production
- Chaque fichier possède une empreinte, une date d’ingestion et un statut de lecture.
- Les pages, tableaux et cellules restent reliés au fichier source.
- Toute exigence extraite contient une citation ou le statut « non vérifiée ».
- Les calculs financiers et calendaires utilisent des règles déterministes.
- La matrice autorise « à clarifier » et « non évalué ».
- Les critères bloquants du go/no-go sont configurés par le métier.
- Les données internes sont cloisonnées par rôle, dossier et client.
- Les requêtes, sources récupérées, sorties et corrections sont journalisées.
- Un jeu de DCE représentatifs sert aux tests de non-régression.
- Un responsable humain valide la décision, la matrice et le pli final.
La mise en œuvre doit partir de vos pièces, règles de décision et circuits de validation. C’est le principe de la méthode Offry : une prestation sur mesure opérée avec vos équipes, et non un logiciel autonome auquel déléguer la conformité.
FAQ sur l’analyse d’un DCE avec l’IA
Peut-on déposer une offre à partir de l’analyse produite par l’IA ?
Non. L’analyse sert de préremplissage et de contrôle. Le bid manager et les experts concernés doivent confirmer les exigences, les engagements, les prix et les pièces avant tout dépôt.
Faut-il entraîner un modèle sur tous nos anciens DCE ?
Pas nécessairement. Un pipeline RAG peut interroger le DCE courant et une base interne maîtrisée sans réentraîner le modèle. La qualité de l’indexation, des métadonnées et des validations importe souvent davantage qu’un entraînement spécifique.
L’IA sait-elle lire les tableaux d’un BPU ou d’une DPGF ?
Elle peut aider à identifier les colonnes et libellés, mais les formules, unités, cellules verrouillées et totaux doivent être contrôlés par du code et relus par la finance. Un tableur complexe ou scanné exige des tests dédiés.
Comment gérer un DCE modifié en cours de consultation ?
Réingérez la nouvelle archive, comparez les empreintes et produisez un journal des différences. Les exigences affectées repassent en validation, et l’équipe confirme quelle version constitue la base de réponse.
Quel est le premier périmètre à automatiser ?
Commencez par l’inventaire, les échéances, les pièces à remettre et les exigences citées. Ajoutez ensuite la matrice de conformité et le go/no-go lorsque les règles métier et les données internes sont suffisamment propres.
Pour cadrer un workflow d’analyse de DCE adapté à vos documents, vos règles et vos exigences de sécurité, réservez un échange avec Offry.