Pour choisir un cabinet de conseil en IA, vérifiez qui prendra en charge le développement, l’intégration et l’exploitation de votre solution. Le besoin est de plus en plus concret : dans l’étude AXA de 2025 auprès de PME suisses, l’usage délibéré de l’IA passait de 22 à 34 % en un an. Parmi les entreprises utilisatrices, 57 % signalaient des gains de temps.
L’appellation « conseil en IA » recouvre des prestations différentes : stratégie, apprentissage automatique, intégration de systèmes ou réalisation complète. Définissez d’abord ce que votre équipe peut assurer elle-même et ce qu’elle attend du partenaire.
L’enquête EY Suisse de 2026, menée auprès de 604 répondants, distingue l’usage individuel de l’IA de son déploiement dans les processus de l’entreprise. Ces situations demandent des compétences et un accompagnement différents.
Ce que le passage en production exige
Une preuve de concept peut impressionner en quelques jours. La production est un autre problème. Dès qu'une application IA lit des données internes, dialogue avec votre CRM ou votre ERP, ou agit pour le compte de quelqu'un, les questions d'ingénierie arrivent d'un coup. Qui a le droit de voir quoi ? Que se passe-t-il en cas d'échec ? Où sont journalisées les sorties ? Quelles données quittent l'entreprise ? Comment tester une nouvelle version de modèle, et comment revenir en arrière ?
Dans l’enquête EY 2026, la qualité des données et les silos sont cités comme obstacles par 20 % des répondants, la sécurité et la protection des données par 19 %, et le manque de compétences par 18 %. Demandez comment le prestataire traitera ces sujets dans votre environnement.
Les priorités des établissements financiers
La FINMA a interrogé environ 400 établissements assujettis en 2025. La moitié utilisait déjà l'IA ou développait ses premières applications, et 25 pour cent supplémentaires prévoyaient de le faire sous trois ans. Les risques jugés les plus élevés étaient la qualité des données, la protection des données et l'explicabilité.
Neuf questions pour comparer les cabinets de conseil en IA
Posez les mêmes questions à chaque cabinet et demandez des exemples de livrables. Vous pourrez ainsi comparer les offres sur un périmètre commun.
Part-il de votre cas d'usage métier ?
Un premier entretien devrait porter sur les processus, les coûts, les goulets d'étranglement et les utilisateurs. Si un modèle précis est recommandé avant que quiconque ait compris vos données, l'analyse a été sautée.
Comment évalue-t-il vos données ?
Demandez comment les sources sont raccordées, les droits conservés, la qualité vérifiée et les accès tracés. Le prestataire doit identifier les lacunes qui risquent d’affecter les réponses.
Sait-il construire ce qu'il propose ?
Demandez qui développera les traitements de données, les API et les interfaces, puis qui préparera le déploiement. Si une autre équipe intervient après l’atelier, précisez le passage de relais et les responsabilités.
Maîtrise-t-il l'intégration à vos systèmes ?
Faites préciser les connexions nécessaires aux documents, au CRM, à l’ERP et aux outils de support. Demandez comment les droits seront appliqués et les erreurs d’intégration traitées.
Peut-il expliquer où vont vos données ?
"Le cloud est sûr" ne suffit pas. Il vous faut le lieu de traitement, les sous-traitants, ce qui est stocké ou journalisé, le fonctionnement des droits d'accès et les contrôles qui sont techniques plutôt que contractuels.
Comment le succès est-il mesuré ?
Fixez l'indicateur avant le démarrage : temps de traitement, taux d'automatisation, qualité des réponses, taux d'erreur, coût par dossier ou un indicateur métier. Puis convenez du résultat qui justifierait d'arrêter.
Comment évalue-t-il la qualité du modèle ?
Demandez un jeu de tests représentatif, une typologie des erreurs et des seuils d’acceptation. Le prestataire doit expliquer comment il détecte les régressions lors d’une modification du modèle, des données ou du prompt.
Que se passe-t-il après la mise en service ?
Modèles, sources de données et interfaces évoluent. Demandez la supervision, le versionnage des modèles, le retour arrière, la gestion des incidents, la documentation et qui répond à trois heures du matin.
Que ne résoudrait-il pas avec l'IA ?
Demandez un exemple où le cabinet a recommandé une intégration classique, une correction de processus ou l’arrêt du projet. Cela permet de vérifier comment il compare les alternatives.
Prévoir la protection des données dans l’architecture
Le Préposé fédéral à la protection des données et à la transparence rappelle que la loi suisse sur la protection des données s’applique aux traitements de données personnelles assistés par IA. Le projet doit examiner l’information des personnes, les finalités du traitement et les risques. Une analyse d’impact peut être nécessaire selon le traitement.
En août 2026, la Suisse n'a pas de loi générale sur l'IA. L'administration fédérale prépare un projet mis en consultation d'ici la fin 2026, portant sur la transparence, la protection des données, la non-discrimination et la surveillance. Les entreprises actives dans l'Union européenne examinent une deuxième couche : le règlement européen sur l'IA peut viser des fournisseurs établis hors de l'Union, ses obligations de transparence au titre de l'article 50 s'appliquent depuis le 2 août 2026, et des délais plus longs courent pour une partie du régime à haut risque.
Documentez les données nécessaires, leur stockage, les tiers qui les reçoivent et les droits des utilisateurs. Pour un agent, précisez les actions autorisées et celles qui exigent une validation humaine. Ces décisions doivent être prises avant de figer l’architecture.
Reconnaître les trois types de prestataires
Stratégie seule
Utile pour cadrer et prioriser. Le risque est une feuille de route que personne ne peut exécuter.
- Ateliers, cartographie des cas d'usage, analyses de rentabilité
- Demandez qui construit, et obtenez un nom
- Convient si vous avez une équipe d'ingénierie interne solide
Modèles seuls
Expertise centrée sur les données et les modèles. L’intégration et l’exploitation peuvent nécessiter une autre équipe.
- Data science, fine-tuning, évaluation
- Demandez l'identité, les droits et le déploiement
- Convient si l'intégration est déjà résolue
De bout en bout
Stratégie, ingénierie et exploitation coordonnées par un même prestataire. Vérifiez toutefois les responsabilités et les éventuels sous-traitants.
- Du choix du cas d'usage au système en exploitation
- Logiciel, cloud et DevOps aux côtés du travail sur le modèle
- Demandez un cas où il a recommandé d'arrêter
Notre approche chez Alpine Edge
Alpine Edge réunit conseil en IA, développement logiciel, cloud et DevOps. Nous travaillons sur les connexions aux données, l’authentification, les API et le déploiement en même temps que sur le comportement du modèle. Le périmètre de la mission précise aussi les tests, l’exploitation et le transfert à votre équipe.
- 01Audit
Comprendre avant de proposer
- Cas d'usage notés sur la valeur, la faisabilité et la disponibilité des données
- Sensibilité des données, lieux de stockage et droits d'accès
- Infrastructure existante, identités et points d'intégration
- Exigences de conformité, y compris les obligations de la LPD
- 02Réalisation
Intégrer à votre environnement
- LLM privés ou auto-hébergés quand les données ne peuvent pas sortir
- Recherche sur vos propres documents, droits préservés
- Serveurs MCP et agents raccordés à de vrais systèmes
- Détection et masquage des données personnelles, chiffrement, accès par rôle, journalisation
- 03Exploitation
Maintenir et faire évoluer le système
- Supervision, journalisation et suivi des coûts
- Versionnage des modèles et retour arrière
- Itération sur l'indicateur convenu au départ
- Transfert de connaissances, pour que la compétence reste chez vous
Une solution auto-hébergée demande aussi des intégrations, une recherche documentaire, des contrôles d’accès et une supervision. Le choix doit tenir compte des compétences disponibles pour exploiter l’ensemble.
Demandez au partenaire de montrer comment votre équipe utilisera, contrôlera et maintiendra la solution une fois la mission terminée.