Formation IA pour un responsable appels d'offres :
rédaction assistée, analyse de dossiers et gain de temps

En résumé : 28 heures de formation ont permis de construire un système complet de réponse aux appels d'offres assistée par IA — de la décision Go/No-Go en moins de 15 minutes à la rédaction de mémoires techniques personnalisés, en passant par l'analyse automatisée des DCE et la constitution d'une base de connaissance entreprise réutilisable à chaque consultation.

Quand ce responsable appels d'offres m'a contactée, son besoin était précis : gagner du temps sur les tâches mécaniques pour concentrer son énergie sur ce qui fait vraiment la différence dans un dossier — la compréhension des attentes de l'acheteur et la personnalisation des arguments. En 28 heures de formation, entre e-learning, séances à distance et sessions en présentiel à Rambouillet, nous avons bâti ensemble un système opérationnel immédiatement. Ce compte rendu n'identifie pas l'entreprise concernée, mais illustre concrètement ce que l'IA change pour ce type de poste.

Comprendre comment fonctionne l'IA pour choisir le bon outil selon la tâche

La première session a posé les bases qui conditionnent tout le reste. Le mode "raisonnement" ou "thinking" — disponible dans Claude Opus ou les modèles avancés de ChatGPT — signifie que l'IA décompose la tâche en plusieurs morceaux avant de répondre. Pour analyser un DCE complexe ou rédiger un mémoire technique long, ce mode est indispensable. Pour des reformulations simples ou des ajustements de style, le modèle standard suffit largement.

Cette distinction a changé la façon d'utiliser les outils au quotidien :

• Analyse d'un dossier de consultation (RC, CCTP) : mode raisonnement obligatoire pour traiter plusieurs documents simultanément et ne rien oublier.
• Reformulation d'une section du mémoire : modèle standard, réponse en quelques secondes.
• Rédaction d'une introduction longue et différenciante : mode raisonnement pour tenir la cohérence sur l'ensemble du texte.

Autre règle retenue dès la première heure : toujours demander à l'IA de faire des recherches avant de rédiger. Le prompt "Fais des recherches approfondies sur [sujet], puis rédige [tâche]" produit systématiquement des résultats plus pertinents qu'un simple "Rédige [tâche]". L'IA n'utilise pas ses dernières connaissances si on ne lui demande pas explicitement.

Analyser un DCE en moins de 15 minutes : le filtre Go/No-Go

Répondre à un appel d'offres mal ciblé coûte entre 3 et 8 heures de travail inutile. Le premier gain concret de la formation a été la mise en place d'un réflexe simple : avant toute chose, analyser le dossier avec l'IA pour décider en connaissance de cause si ça vaut la peine d'y aller.

Workflow mis en place :

1. Coller les documents clés du DCE (RC en priorité) dans Claude en mode raisonnement.
2. Demander une synthèse structurée : prestation demandée, critères de notation avec leur pondération exacte, documents obligatoires à fournir, dates clés, points de vigilance.
3. Demander ensuite les arguments pour et contre répondre, avec une recommandation argumentée.

Le résultat : une analyse Go/No-Go en moins de 15 minutes, là où la lecture seule du RC prenait souvent plus d'une heure. La décision finale reste humaine — mais elle est désormais éclairée plutôt qu'instinctive.

"L'IA m'a fait réaliser que je répondais parfois à des consultations où je n'avais objectivement aucune chance — faute de temps pour lire le DCE en entier avant de me lancer."

Un point technique important identifié en séance : certains documents de DCE sont en format image (non sélectionnables). La solution retenue — faire des captures d'écran par groupes de 6 pages et demander à l'IA de transcrire le contenu visible — contourne ce blocage sans logiciel OCR supplémentaire.

Construire la base de connaissance entreprise : le cerveau du système

C'est l'étape la plus sous-estimée, et pourtant la plus décisive. Sans base de connaissance entreprise bien construite, l'IA invente une société fictive. Avec elle, elle parle exactement de l'entreprise — ses chiffres, ses engagements, ses références, son style.

Nous avons travaillé sur la structure de ce document central, injecté au début de chaque session IA :

• Fiche d'identité complète : statut, zone d'intervention, effectifs, date de création.
• Engagements officiels formulés dans les propres termes de l'entreprise — jamais paraphrasés.
• Corps d'état ou prestations maîtrisés en interne, avec leur description précise.
• Clients institutionnels de référence et chiffres clés.
• Qualifications, certifications, démarches qualité.
• 5 à 10 fiches de réalisations réelles, structurées selon le même format.
• Style rédactionnel souhaité : sobre, factuel, orienté résultats — et formulations à ne jamais utiliser.

Ce document n'est pas rédigé une fois pour toutes : il s'enrichit après chaque marché remporté, chaque nouvelle référence obtenue. C'est un actif qui prend de la valeur dans le temps.

Rédiger les mémoires techniques section par section

La principale erreur identifiée dès le départ : demander à l'IA de rédiger tout le mémoire en une seule fois. Le résultat est long, générique, et donne un score élevé aux détecteurs de contenu IA — ce qui peut pénaliser la notation chez certains acheteurs publics.

La méthode mise en place suit quatre piliers :

Pilier 1 — L'analyse du DCE avant toute rédaction. Demander à l'IA de produire un tableau de contrôle des critères : chaque critère, sa pondération, les mots-clés à réutiliser, le volume de texte à allouer à chaque partie proportionnellement à la pondération.

Pilier 2 — La sélection des meilleures références. Parmi la bibliothèque de réalisations, l'IA identifie les 3 à 5 chantiers ou projets les plus pertinents pour ce marché précis, en expliquant pourquoi ils correspondent aux attentes de l'acheteur.

Pilier 3 — La rédaction section par section. Un prompt par section, avec à chaque fois : le rôle ("Tu es expert rédacteur pour ce type de prestation"), le contexte (la base de connaissance + les éléments du DCE concernant cette section), et la tâche précise. On valide, on ajuste, on passe à la suivante.

Pilier 4 — La relecture critique par l'IA elle-même. Une fois le mémoire assemblé, demander à l'IA de jouer le rôle de l'acheteur et d'identifier les généralités résiduelles, les sections trop faibles, les incohérences entre parties. Puis finalisation humaine sur les 30 % qui font la différence : la personnalisation fine, les détails terrain que l'IA ne peut pas connaître.

Gérer les dates et le planning des consultations avec l'IA

Un besoin pratique abordé lors d'une session : calculer automatiquement les dates clés à partir d'un règlement de consultation (date limite, J-2 pour la validation des prix, J-4 pour la V0 du mémoire) et les intégrer dans un tableau de bord partagé.

Solution mise en place en trois étapes :

1. Tableau de bord Excel : un onglet par projet, un onglet général de suivi. L'IA analyse les RC et complète automatiquement le tableau avec les échéances calculées selon les délais définis.
2. Claude Cowork : installé sur l'ordinateur, il a accès en permanence au dossier de travail. Il peut lire et modifier les fichiers Excel en temps réel, organiser les documents par appel d'offres, et générer un rapport d'analyse à chaque nouveau dossier.
3. Connexion Google Agenda : depuis les paramètres de Claude, un connecteur permet d'ajouter les événements directement dans un agenda dédié, partageable aux collaborateurs.

Ce flux réduit à moins de 20 minutes une tâche d'organisation qui prenait auparavant une à deux heures par consultation.

Veille IA et montée en compétences dans la durée

La formation ne s'est pas limitée aux appels d'offres. Plusieurs sessions ont couvert des usages plus larges, directement transférables au quotidien du poste :

• Veille automatisée avec Perplexity : configuration d'une tâche hebdomadaire qui produit un rapport structuré sur l'évolution des marchés publics, les nouvelles réglementations et les pratiques des acheteurs — envoyé automatiquement par email.
• Prompt engineering avancé : few-shot (donner des exemples concrets de ce qu'on attend), chain-of-thought (demander à l'IA de raisonner étape par étape), autocritique (demander à l'IA d'évaluer et corriger sa propre réponse). Ces techniques ont amélioré significativement la qualité des sorties sur les sections les plus délicates des mémoires.
• Anonymisation des documents RGPD : un script Python développé en séance permet d'anonymiser automatiquement les documents sensibles avant de les passer dans un outil IA cloud — noms, emails, téléphones, IBAN remplacés par des balises entre crochets, avec tableau de correspondance pour retrouver les données originales.
• Présentation des résultats : utilisation de Gamma pour transformer des synthèses d'analyse en présentations PowerPoint structurées, directement exportables en Word ou PDF.

Ce que l'IA change vraiment pour un responsable appels d'offres

Au terme de ces 28 heures, ce qui m'a le plus frappée dans cet accompagnement, c'est la rapidité avec laquelle ce type de poste tire parti de l'IA. Un responsable appels d'offres travaille déjà avec des documents structurés, des critères précis, des délais serrés — exactement le terrain où l'IA est la plus efficace.

La résistance principale n'était pas technique : c'était la crainte que les acheteurs publics détectent le contenu généré. La réponse que j'ai donnée, et qui a été vérifiée en pratique : un mémoire rédigé section par section, nourri d'une vraie base de connaissance entreprise et finalisé humainement, ne ressemble pas à du contenu générique. Ce qui est détecté et pénalisé, c'est le mémoire produit en une seule demande sans personnalisation — pas un document construit avec méthode.

L'autre point clé : on ne peut pas automatiser ce qui n'est pas encore documenté. L'IA amplifie ce qui existe. Si les réalisations passées ne sont pas structurées, si l'entreprise n'a pas de fiche de référence, si les engagements ne sont pas formulés par écrit — l'IA ne peut pas les inventer. La formation a donc aussi servi à clarifier ce qui mérite d'être documenté en priorité, et dans quel ordre construire le système.