Répondre aux marchés publics avec l'intelligence artificielle (DCE, réponses, mémoires techniques)

Analyser un dossier de consultation des entreprises (DCE) à l'aide de l'IA, en identifiant l'objet du marché, l'allotissement, les échéances, les pièces exigées, les critères et sous-critères de jugement et leurs pondérations. Le participant apprend à distinguer, dans un règlement de consultation souvent long et redondant, ce qui relève de l'obligation contractuelle stricte de ce qui relève de la simple préférence de l'acheteur, une nuance que la lecture humaine seule repère difficilement sous contrainte de temps.

L'IA est mobilisée comme outil de première extraction, mais chaque exigence retenue est vérifiée par le participant dans le texte source avant d'être reportée dans la matrice de conformité, ce qui évite le travers inverse consistant à faire confiance aveuglément à une synthèse automatisée. Cet objectif conditionne directement la suite du programme, puisque la qualité de l'analyse initiale du DCE détermine la pertinence de tout ce qui est produit ensuite, du plan du mémoire technique jusqu'au contrôle final de l'offre.

Construire, à partir des exigences extraites du DCE, un plan de mémoire technique relié aux critères de jugement du marché et hiérarchisant les arguments selon la méthode exigence, réponse, preuve, engagement, indicateur. Il ne s'agit pas de produire un sommaire générique reproductible d'un marché à l'autre, mais un plan qui épouse la structure de notation propre au dossier traité : si le règlement de consultation pondère la valeur technique à soixante pour cent répartie en trois sous-critères, le plan du mémoire doit refléter cette répartition plutôt que l'architecture habituelle de présentation de l'entreprise. Le participant apprend à interroger l'IA pour tester plusieurs architectures possibles, à comparer leur adéquation aux critères du marché, puis à choisir et justifier celle qui maximise la lisibilité de la réponse pour l'évaluateur. Cette étape prépare directement le travail de rédaction du module suivant et le contrôle par le simulateur de notation en fin de journée.

Utiliser l'IA pour rédiger, reformuler ou améliorer un contenu de réponse, puis le soumettre à une relecture contradictoire par l'IA à partir des seuls critères du règlement de consultation, au moyen du simulateur de notation. La rédaction assistée porte sur la forme, la clarté et la suppression des généralités, jamais sur l'invention de moyens, de références ou de compétences que l'entreprise ne possède pas : le participant est formé à distinguer une reformulation légitime d'une fabrication de preuve, risque spécifique et sérieux de l'usage de l'IA générative dans ce contexte précis. Le simulateur de notation, configuré sur la grille de pondération réelle du dossier traité, note ensuite la réponse produite exactement comme le ferait la commission d'analyse des offres, ce qui donne au participant un retour correctif avant le dépôt plutôt qu'une découverte tardive après un rejet. 

Le module 1 pose les bases indispensables avant tout usage opérationnel de l'IA : comprendre ce qu'un modèle génératif fait réellement, où se situent ses limites, et à quelles étapes précises de la réponse à un marché public son usage apporte un gain réel sans exposer l'entreprise à un risque disproportionné.

·  Fonctionnement général des modèles d'IA générative, capacités et limites, notion d'hallucination
·  Différencier information générée, information vérifiée et information issue des documents sources
·  Cartographie des étapes d'une réponse : veille, qualification, analyse du DCE, décision de répondre, préparation des pièces, rédaction, mémoire technique, contrôle, dépôt
·  Pour chaque étape : ce qui peut être assisté par l'IA, ce qui exige une intervention humaine, les principaux risques
Module 2: La qualité de tout ce qui suit dans la journée dépend directement de la qualité des instructions données à l'IA. Ce module enseigne une méthode de prompting spécifique aux marchés publics, reproductible d'un dossier à l'autre, plutôt qu'un usage intuitif et aléatoire des outils.
·  Construire une instruction efficace : rôle, contexte, documents de référence, objectif, contraintes, format, critères de contrôle

L'analyse du dossier de consultation est l'étape la plus chronophage d'une réponse classique. Ce module montre comment l'IA accélère la lecture des pièces du DCE sans dispenser de la vérification humaine, puis transforme cette lecture en un outil de pilotage exploitable jusqu'au dépôt de l'offre.
·  Lecture assistée du règlement de consultation, du CCAP, du CCTP, des documents financiers et des annexes
·  Atelier : construction d'une matrice de conformité (exigence, source, réponse attendue, élément de preuve, responsable, statut) à partir d'un DCE exemple

MODULE 6 — UTILISER L'IA COMME OUTIL DE CONTRÔLE : LE SIMULATEUR DE NOTATION
Ce module constitue le dispositif signature de la formation. Il transpose, avant le dépôt de l'offre, un droit que les entreprises n'exercent aujourd'hui qu'après un rejet : celui d'obtenir le détail de leur notation critère par critère.
·  Relecture contradictoire : repérer les exigences non traitées, les incohérences, les engagements insuffisamment justifiés
·  Le simulateur de notation : l'IA est configurée sur la grille de pondération réelle du dossier et note la réponse exclusivement à partir des critères du règlement de consultation