Comment choisir une agence IA en 2026 : critères concrets

Pour choisir une agence IA en 2026, cinq critères non-négociables : des cas en production réels (pas des POC), une stack technique transparente, une réponse claire sur la maintenance, une estimation des coûts récurrents, et des KPIs définis avant de commencer. Tout prestataire qui ne peut pas répondre précisément à ces cinq points n'est pas prêt pour un projet en production.

On accompagne des PME et des ETI sur leurs projets IA depuis Cernay depuis 2009. On voit passer beaucoup de propositions commerciales. Voici la grille qu'on conseille à nos clients pour évaluer n'importe quel prestataire IA, y compris nous.

Critère 1 : des cas en production, pas des demos

La différence entre un POC (proof of concept) et un projet en production est immense. Un POC fonctionne sur des données propres, un périmètre limité, sans charge réelle, sans utilisateurs réels. Un projet en production doit gérer les données imparfaites, les cas limites, les montées en charge, les régressions après mise à jour du modèle.

La question à poser : "Montrez-moi 3 projets qui tournent en production depuis au moins 6 mois. Je voudrais voir les métriques de performance actuelles, pas des screenshots de la démo."

Si le prestataire ne peut montrer que des démos ou des prototypes, ce n'est pas forcément un problème pour un projet exploratoire. C'est un problème si vous voulez un agent en production dans les 3 mois. L'expérience de la mise en production est ce qui manque le plus dans le marché IA actuel.

Critère 2 : une stack technique sans mystère

"Notre technologie propriétaire" est le signal le plus inquiétant qu'un prestataire IA puisse vous envoyer. En 2026, la plupart des projets IA pertinents reposent sur des composants connus : GPT-4o ou Claude pour les LLMs, LangChain ou LlamaIndex pour l'orchestration, n8n ou Make pour l'automatisation des workflows, Pinecone ou Weaviate pour les bases vectorielles.

La transparence sur la stack a deux implications concrètes : vous pouvez évaluer la pertinence des choix techniques, et vous savez ce que vous pouvez internaliser ou faire maintenir par un autre prestataire si la relation se termine.

La question à poser : "Quels LLMs utilisez-vous sur ce type de projet et pourquoi ce choix plutôt qu'une alternative ? Qui héberge les données ? Est-ce que votre solution peut fonctionner avec un autre fournisseur LLM si les tarifs changent ?"

Un prestataire solide répond précisément. Il explique pourquoi Claude 3.5 Sonnet plutôt que GPT-4o pour tel cas d'usage, pourquoi n8n plutôt qu'un développement custom pour l'orchestration. Le vague sur les choix techniques cache souvent un manque d'expérience réelle.

Critère 3 : qui maintient l'agent après la livraison ?

Un agent IA déployé en production n'est pas livré une fois pour toutes. Les LLMs sous-jacents changent (mises à jour de modèle, changements d'API, évolution des tarifs). Vos données changent. Les comportements des utilisateurs changent. Sans maintenance active, un agent qui fonctionne en mois 1 peut dégrader significativement en mois 6.

Les points à clarifier avant signature : qui surveille les régressions de performance ? Qui met à jour les prompts quand le modèle change ? Qui intervient si le taux d'erreur dépasse un seuil ? Et à quel coût, dans quel délai ?

La question à poser : "Sur vos projets en production, comment gérez-vous les régressions après une mise à jour du modèle LLM ? Quel est votre SLA de réponse sur un incident ?"

Un prestataire qui n'a pas de réponse claire sur la maintenance est un prestataire qui livre et disparaît. C'est acceptable pour un POC de 2 semaines. Ce n'est pas acceptable pour un agent business-critical.

Critère 4 : les coûts récurrents estimés avant de commencer

Le coût d'un projet IA comprend deux parties très différentes : le coût de développement (one-shot) et les coûts opérationnels récurrents (API LLM, hébergement, monitoring). La majorité des propositions commerciales détaillent la première et minimisent la seconde.

Sur un agent de qualification de leads qui traite 500 conversations par mois avec un LLM mid-range, les coûts d'API peuvent représenter 150 à 400 euros par mois. Sur un agent de support client à fort volume, ils peuvent dépasser 1 000 euros par mois. Ces chiffres doivent être dans la proposition avant signature, avec une estimation haute et basse selon les scénarios d'usage.

La question à poser : "Sur un projet équivalent au mien, quel est le coût mensuel moyen des APIs LLM et de l'hébergement ? Quel est le coût dans le scénario où le volume double ?"

Si votre prestataire ne peut pas répondre à cette question, il n'a pas encore assez de projets en production pour avoir les données. Notre article sur le coût réel d'un agent IA sur mesure détaille les fourchettes par type de projet.

Critère 5 : des KPIs définis avant de commencer

"On verra les résultats après" est la phrase la plus dangereuse dans un contrat IA. Si les indicateurs de succès ne sont pas définis en amont, il sera impossible d'évaluer si le projet a fonctionné, et plus difficile de réorienter si ça ne fonctionne pas.

Les KPIs d'un projet IA doivent être mesurables, liés au business (pas à la technologie), et définis avec des cibles sur 30, 90 et 180 jours. Exemples concrets : taux de qualification des leads avant/après, temps moyen de traitement d'un ticket support, nombre de devis relancés automatiquement par mois.

La question à poser : "Quels KPIs allez-vous mesurer sur ce projet ? Sur quelles bases fixez-vous les cibles ? Et si on n'atteint pas les cibles à 90 jours, que se passe-t-il ?"

Les signaux d'alerte à ne pas ignorer

Au-delà des cinq critères, quelques formulations doivent déclencher une prudence immédiate dans une conversation commerciale avec une agence IA :

"On peut tout faire avec l'IA" : les projets IA qui réussissent ont un périmètre étroit et bien défini. Les projets qui échouent commencent avec une ambition sans limite.

"Les résultats seront visibles en 2 semaines" : un agent IA de qualification ou de support prend 6 à 10 semaines de calibrage avant de produire des résultats stables en production. Quiconque promet 2 semaines vend du POC, pas de la production.

"Nos clients signent souvent sous NDA" : vrai dans certains cas (finance, santé). Mais si aucun cas ne peut être évoqué même anonymement, avec des métriques générales, posez-vous la question.

"Notre modèle est spécialement entraîné pour votre secteur" : possible, mais rare. Vérifiez s'il s'agit d'un vrai fine-tuning sur des données sectorielles pertinentes ou d'un LLM standard avec un prompt système élaboré (ce qui est souvent suffisant, mais n'est pas la même chose).

Ce qu'on fait chez Annei

Sur notre offre agents IA, on présente systématiquement 3 à 5 cas en production avec les métriques actuelles lors du premier appel. On détaille notre stack (principalement Claude d'Anthropic et GPT-4o selon les cas, n8n pour l'orchestration, hébergement OVH ou client). On inclut les coûts récurrents estimés dans chaque proposition. Et on fixe les KPIs en contrat avant le démarrage.

Pas parce que c'est vertueux. Parce que c'est la seule façon de travailler sur des projets qui survivent au-delà du POC initial et qui produisent un ROI mesurable.

Si vous comparez plusieurs prestataires sur un projet IA, le test le plus simple : envoyez les cinq questions de cet article à chacun d'eux. La qualité et la précision des réponses vous en dira plus que n'importe quelle présentation commerciale. Pour aller plus loin, notre page comment choisir une agence IA couvre le processus de sélection complet.

Questions fréquentes

Faut-il choisir une agence spécialisée IA ou une agence généraliste qui fait aussi de l'IA ?

Dépend du projet. Pour un agent IA simple (chatbot, automatisation de workflow), une agence généraliste avec une équipe technique compétente suffit. Pour un projet complexe (RAG sur base de données propriétaires, agent multi-étapes avec mémoire, intégration dans un ERP), privilégiez un prestataire avec des références spécifiques sur ce type de projet. Le critère n'est pas la spécialisation affichée, c'est les projets similaires en production.

Quelle taille d'agence privilégier ?

Les grandes agences ont des processus, des garanties contractuelles plus solides et des équipes dédiées. Elles ont aussi tendance à over-engineer les solutions et à sous-traiter les projets IA en interne. Les petites structures (5-20 personnes spécialisées) livrent souvent plus vite et avec plus d'expertise directe. Le critère : qui va réellement travailler sur votre projet, pas qui va le présenter en soutenance.

Comment évaluer les propositions techniques sans être expert IA ?

Posez les cinq questions de cet article et regardez si les réponses sont précises ou vagues. Demandez une session de 30 minutes avec le développeur qui travaillera sur votre projet (pas le commercial). Si vous n'obtenez pas cet accès avant signature, vous l'obtiendrez encore moins après. Et vérifiez si les cas présentés correspondent vraiment à votre secteur et à votre taille d'entreprise.

Choisir une agence IA en 2026 n'est pas plus compliqué que choisir n'importe quel prestataire tech. Les questions sont les mêmes : qui a vraiment fait ça avant moi, pour qui, avec quels résultats, et qu'est-ce qui se passe quand ça ne marche pas. C'est là que se différencient les prestataires qui ont de l'expérience réelle de ceux qui surfent sur la vague.