Sous-traiter un projet IA : coût, délai, qualité, ce qu'on peut exiger

Tout dirigeant qui sous-traite un projet IA se heurte au même triangle : le coût, le délai et la qualité. La sagesse populaire dit qu’on ne peut en avoir que deux sur trois. Pas cher et vite, mais mal fait. Bien fait et vite, mais cher. Pas cher et bien fait, mais lent. Cette formule a le mérite de la clarté, mais elle décrit mal la réalité d’un projet bien mené, où les trois dimensions se négocient de façon plus subtile.

En pratique, un délai court n’est pas incompatible avec la qualité si le périmètre est bien cadré, et un coût maîtrisé n’est pas incompatible avec la qualité si l’équipe est stable et outillée. Les projets IA ajoutent une particularité : la qualité ne se voit pas à la démo, et le coût ne s’arrête pas à la livraison. Cet article compare les trois dimensions, explique ce qui les fait déraper, et liste ce que vous êtes en droit d’exiger d’un prestataire.

Le triangle n’est pas une fatalité

L’idée qu’il faut sacrifier une dimension vient d’une vision statique du projet. En pratique, le coût, le délai et la qualité interagissent, et c’est la qualité du cadrage qui détermine si le triangle est tendu ou détendu. Un projet bien cadré, avec un cas d’usage précis et des critères de succès mesurables, permet d’obtenir un bon niveau sur les trois dimensions à la fois. Un projet flou dégrade les trois en même temps : il coûte plus cher que prévu, il prend du retard, et le résultat déçoit.

En IA, cadrer veut dire répondre à quelques questions avant d’écrire une ligne : quelle tâche précise l’agent doit-il accomplir, sur quelles données, avec quel taux d’erreur acceptable, et que se passe-t-il quand il se trompe ? C’est souvent l’occasion de réduire l’ambition initiale, et c’est une bonne chose : commencer petit est presque toujours la bonne idée. Avant de comparer des devis, comparez la précision du cadrage qui les accompagne.

Le coût : ce qu’on paie vraiment

Le coût d’un projet IA sous-traité ne se résume pas au montant du devis. Il comprend le temps que vos équipes passent à cadrer, à suivre et à valider, le coût des allers-retours quand les livrables ne conviennent pas, le coût de la maintenance si le code livré est fragile, et le coût de run : les appels de modèles, l’hébergement et la surveillance, chaque mois, une fois l’agent en production.

Ce dernier poste est propre à l’IA et souvent oublié. Deux agents qui rendent le même service peuvent avoir des coûts de fonctionnement très différents selon le modèle choisi (un modèle léger de Mistral, OpenAI ou Anthropic coûte une fraction d’un modèle haut de gamme), la taille du contexte et le nombre d’appels par tâche. Parfois, un workflow n8n ou Make avec une seule étape d’IA suffit là où un agent LangGraph complet serait surdimensionné. Ce que vous pouvez exiger : une estimation du coût de run avant de construire, et un suivi une fois en production, par exemple dans un outil d’observabilité comme Langfuse auquel vous avez accès.

Le tarif compte, bien sûr, et l’organisation du prestataire le fait varier : un freelance IA en France facture couramment 600 € par jour et plus, quand une équipe structurée peut proposer des développeurs dédiés à des tarifs nettement inférieurs. Le piège serait de choisir uniquement le moins cher sans vérifier la stabilité de l’équipe ni la qualité de son travail. Le détail des postes est dans ce qu’inclut le coût d’un développeur IA dédié.

Le délai : ce qui le fait déraper

Les retards ont rarement une cause mystérieuse. Ils viennent presque toujours d’un périmètre qui bouge, d’une validation qui traîne, ou d’une découverte tardive. En IA, la découverte tardive classique est celle des données : elles sont moins propres, moins complètes ou moins accessibles que prévu. Une validation qui traîne du côté client bloque l’équipe, et le calendrier, lui, avance.

La parade, c’est un découpage en étapes courtes avec des validations rapides. Plutôt qu’un tunnel de trois mois suivi d’une recette douloureuse, des itérations d’une à deux semaines avec des livrables visibles permettent de détecter les écarts tôt, quand ils coûtent encore peu à corriger. Pour un projet IA, la première étape devrait presque toujours être une vérification des données et un premier jeu d’évaluation.

Un délai crédible s’accompagne toujours d’un découpage et d’hypothèses explicites. Un agent autonome annoncé en deux semaines sans ce découpage signale le plus souvent un travail sous-estimé. Demandez le découpage et les hypothèses avant de signer.

La qualité : comment la garantir

La qualité est la dimension la plus difficile à évaluer avant de travailler avec un prestataire, et c’est pourtant celle qui coûte le plus cher quand elle manque. Un agent qui impressionne en démo peut se tromper sur un cas sur dix en production, et c’est souvent celui qui compte. La qualité d’un projet IA se voit dans les evals, les tests, la surveillance, la documentation, et la facilité avec laquelle une autre équipe peut reprendre le travail.

Pour la garantir, rendez-la contractuelle et vérifiable. Ce que vous pouvez exiger : un jeu d’évaluation construit avec vous et relancé à chaque modification (avec Promptfoo, DeepEval ou Ragas selon le type d’agent), des seuils de qualité à atteindre avant la mise en production, des tests sur les chemins critiques, des garde-fous sur les actions sensibles, une documentation livrée avec chaque module, et la propriété du code, des prompts et des evals. Ce sont ces garde-fous qui font qu’un projet reste maintenable après le départ du prestataire. On les décrit en détail dans notre méthode.

Le meilleur indicateur de qualité future, c’est la façon dont le prestataire travaille pendant le projet. Des livraisons régulières, des démos fréquentes, des problèmes annoncés tôt plutôt que cachés : ces comportements prédisent la qualité du résultat final.

Comparer deux propositions sans se tromper

Quand vous avez deux devis en main, ne comparez jamais les prix seuls. Comparez les périmètres : couvrent-ils exactement la même chose ? Comparez les hypothèses, notamment sur les données : qu’est-ce qui est supposé acquis, qu’est-ce qui reste à découvrir ? Comparez les rythmes : livraisons régulières ou tunnel unique ? Comparez les garanties de qualité : evals, tests, documentation, transfert, maintenance. Et comparez le coût de run annoncé, s’il l’est.

Une méthode simple consiste à demander à chaque prestataire de découper son devis par étape, avec un livrable vérifiable à chaque fois. Cette découpe révèle les différences de sérieux : un prestataire qui ne peut pas découper son travail en étapes vérifiables n’a pas bien compris le besoin.

Enfin, parlez aux références, et demandez à voir des agents en production plutôt que des démos. Posez trois questions aux clients : le délai a-t-il été tenu, le budget a-t-il dérapé, et reprendriez-vous ce prestataire ? Notre grille de critères pour choisir un prestataire IA complète cette liste.

Côté méthode, demandez aussi comment le prestataire utilise les agents de code et comment il relit ce qu’ils produisent : Claude Code, Codex, Copilot : les agents de code IA en 2026.

Ce que vous pouvez exiger, en résumé

Un cadrage écrit avec critères de succès mesurables. Un découpage en étapes courtes, avec du code dans vos dépôts GitHub ou GitLab dès la première semaine. Un jeu d’évaluation et des seuils de qualité avant la production. Une estimation du coût de run. Un lead technique nommé. La propriété de tout ce qui est produit. Ce sont les conditions d’une sous-traitance maîtrisée.

Chez Agenticiel, ce sont nos conditions de départ : un lead technique IA par projet, un pilotage en France, des équipes de production francophones stables, des tests et des evals sur chaque livraison. Les formules (développeurs dédiés ou forfait) sont présentées sur la page Accélérer, les prix sur la page tarifs, et vous pouvez voir qui compose l’équipe.