5× plus d’appels d’offres traités grâce à l’IA. De 6-10h par dossier à 20 minutes, sans recruter.

Contexte et enjeux

Un cabinet de conseil spécialisé en intelligence artificielle vit en grande partie des appels d’offres publics : BOAMP, TED, AWS Solutions, Marchés-Sécurisés, Simap.ch. Chaque dossier représentait historiquement entre 6 et 10 heures de travail actif — analyse de l’acheteur, lecture du DCE, rédaction du mémoire technique, production des pièces annexes, mise en forme et soumission.

Sur 100 appels d’offres détectés chaque mois dans le périmètre IA, seuls 8 à 10 faisaient l’objet d’une réponse. Les 90 autres étaient abandonnés faute de bande passante — des opportunités perdues, souvent sur des marchés où le cabinet avait pourtant toutes les chances de gagner.

Problématiques identifiées

Temps actif excessif par dossier : analyse acheteur (1h30–2h30), Go/No-Go (30–45 min), rédaction du mémoire (4h30–7h30), production des annexes (+1h30). Soit un total de 6 à 10 heures par réponse. Coût d’opportunité massif : 90 % des AO pertinents abandonnés chaque mois. Qualité variable : sans processus structuré, les dossiers produits en urgence manquaient de profondeur. Alternative coûteuse : recruter un consultant junior dédié AO revenait à 45 000 €/an de masse salariale.

Solution : AO Hunter

Plutôt qu’embaucher, le cabinet a construit AO Hunter : un assistant IA qui industrialise chaque étape de la chaîne de réponse aux AO publics, de la détection du marché à la soumission du dossier complet.

Veille automatisée multi-sources : surveillance toutes les 8 heures de 10 plateformes (BOAMP, TED, Simap, AWS, Maximilien, Megalis, Marchés-Sécurisés, Klekoon, E-Marches, AW-Solutions) avec scoring de pertinence et déduplication cross-sources. Seuls les AO réellement pertinents remontent dans le tableau de bord.

Analyse acheteur instantanée : historique des marchés passés, taux d’attribution par concurrent, compatibilité avec le profil du cabinet, score de chance réaliste. Ce qui prenait 2 heures de recherche manuelle s’exécute en 3 minutes.

Analyse du DCE automatique : extraction des critères d’attribution, des contraintes, des lots, et verdict Go/No-Go justifié en 2 minutes. Les AO à critère prix dominant (>70 %) sont automatiquement écartés.

Génération du dossier complet en un clic : mémoire technique sur-mesure, lettre de candidature, DC1, DC2, DC4, note méthodologique, volet RSE, planning, moyens humains. 25 pièces produites en 10 à 15 minutes par Claude, alimentées par les vraies références clients et le catalogue de formations Qualiopi.

Workflow Kanban complet : Nouveau → Analyse → Candidature → Soumis → Gagné / Non validé. Apprentissage automatique à chaque transition pour affiner les futurs scorings.

Une semaine type

Lundi matin 9h00, le dashboard affiche 12 nouveaux AO pertinents détectés pendant le week-end. 4 sont sélectionnés, les analyses DCE lancées en parallèle (3 minutes). Deux dossiers sont écartés (critère prix dominant). La génération complète est lancée sur les deux restants. À 9h45, les deux mémoires techniques sont prêts, relu s et en route vers Candidature. En une heure, ce qui prenait deux journées complètes est traité.

Ce que l’IA ne remplace pas

AO Hunter ne décide pas à la place du consultant. La relecture finale est systématique : c’est dans ces 15 minutes que le consultant injecte sa connaissance terrain, ajuste un verbatim, corrige un chiffre, personnalise une référence. L’IA fait 95 % du travail répétitif ; le consultant garde les 5 % qui font gagner le marché.

Résultats mesurés

• Temps par dossier : 6–10h → 20–25 minutes (× 20 sur le temps actif)
• Dossiers traités par mois : 8–10 → 40–50
• Taux de conversion : 12 % → 18 % (données partielles)
• Coût marginal par dossier : ~450 € valorisé → ~0,15 € d’API Claude
• Délai Go/No-Go : 45 min → 3 min
• ROI atteint dès le troisième marché gagné grâce au temps récupéré