La réponse aux AO comme métier industriel.
EVEIA intervient sur un marché où le volume est la règle. Des dizaines d'appels d'offres à surveiller chaque semaine, à trier, à qualifier, et pour une fraction d'entre eux seulement — ceux qui correspondent réellement au positionnement et à la capacité de réponse de la structure — à engager une équipe dans un travail de rédaction qui peut prendre plusieurs jours.
Ce qui définit la santé économique d'une structure comme EVEIA, ce ne sont pas seulement les contrats remportés. C'est aussi le ratio entre le temps investi dans la qualification et la réponse, et la probabilité de remporter le marché. Un AO sur lequel on passe trois jours alors qu'on aurait dû l'écarter dès le premier quart d'heure — c'est une perte sèche, multipliée à l'échelle d'un mois, d'une année.
Le défi n'est donc pas seulement de bien répondre. C'est de qualifier vite et bien, pour concentrer l'énergie là où elle a une vraie chance de produire un résultat. Et c'est exactement là que frottait la chaîne de travail d'EVEIA avant que nous arrivions.
Ce qui frottait : une chaîne de saisies à la main, bout à bout.
Quand nous avons fait le premier audit, la situation était celle qu'on retrouve dans beaucoup de structures à fort volume qui ont grandi vite : chaque outil avait été choisi pour résoudre un problème précis, au bon moment. La veille d'abord, puis le tri, puis la rédaction, puis la facturation. Chacun avec son propre format, sa propre logique, ses propres champs.
Le résultat pratique : pour passer d'une alerte AO récupérée sur une plateforme de veille à un dossier complet prêt à soumettre, l'équipe traversait une succession de copier-coller. Le titre du marché, le code CPV, la date limite de remise, le montant estimé, les critères de sélection — toutes ces informations étaient saisies ou resaisies au moins trois fois entre le moment où elles apparaissaient et celui où elles se retrouvaient dans Dolibarr pour la facturation.
Ce que ça coûte vraiment
Une ressaisie manuelle, seule, c'est quelques minutes. Multipliée par le nombre d'AO traités par semaine, par le nombre de collaborateurs concernés, par les corrections d'erreurs induites — c'est plusieurs heures par semaine consacrées à transporter de l'information d'un outil à l'autre. Des heures qui n'ont aucune valeur ajoutée, et qui viennent directement mordre sur la capacité à traiter plus de dossiers ou à mieux rédiger ceux déjà engagés.
Il y avait aussi un problème de qualification. Sans outil dédié, la décision de s'engager ou non sur un AO reposait sur une lecture manuelle et une discussion en équipe — ce qui est bien, mais uniquement si cette discussion intervient après un premier filtre efficace. Faute de ce filtre, elle intervenait parfois trop tôt sur des AO manifestement hors-périmètre, ou trop tard sur des AO intéressants qu'on avait laissé passer.
La mission : structurer le cycle complet, sans couture.
Nous avons commencé par passer deux jours à écouter. Pas pour documenter l'organigramme ni lister les outils en place — pour comprendre la façon dont les personnes travaillaient réellement. Les raccourcis qu'elles avaient inventés pour aller plus vite. Les endroits précis où elles perdaient du temps et où elles en perdaient le plus. Les décisions quotidiennes qui n'avaient jamais été formalisées parce qu'elles semblaient évidentes.
À l'issue de cette phase d'écoute, l'architecture cible était claire : un cycle en quatre étapes — veille, qualification, réponse, facturation — sans rupture de données entre chaque maillon. Une seule saisie initiale, le reste propagé automatiquement. Et une couche d'agents IA pour le premier filtre de qualification, avec un humain qui décide en dernier ressort.
Concrètement, nous avons mis en place :
Des agents Python intégrés au backend ComiPi ERP agrègent les flux d'appels d'offres publics et privés pertinents pour le positionnement d'EVEIA. Le résultat : une liste structurée dans l'interface ComiPi ERP, avec tous les champs utiles déjà extraits et normalisés — codes, dates, montants, entités émettrices. Aucune saisie manuelle à ce stade.
Chaque AO entrant passe par un agent de qualification qui score l'adéquation avec les critères d'EVEIA (secteur, périmètre géographique, montant, type de prestation, délais). L'agent produit un score et un résumé en deux phrases. L'équipe voit en un coup d'oeil les AO à engager, ceux à surveiller, ceux à écarter. La décision finale reste à l'humain — l'agent ne répond pas, il prépare.
Dès qu'un AO est marqué "Go" par l'équipe, les données sont poussées automatiquement dans l'espace de rédaction de ComiPi ERP : titre, contexte, critères, dates. Un squelette de réponse est généré à partir du modèle de l'entreprise et des éléments récupérés. L'équipe n'a qu'à rédiger ce qui demande du jugement — pas à recopier ce qui est déjà structuré.
À la soumission, les données du dossier sont propagées dans Dolibarr via son API REST. La facturation, le suivi contractuel et la comptabilité disposent des bons éléments sans qu'un seul champ ait été retapé à la main entre l'alerte initiale et le devis final.
Ce qui a frotté en cours de mission.
Ce serait mentir que de décrire cette mission comme un long fleuve tranquille. Trois difficultés ont demandé un vrai travail d'ajustement.
Le calibrage des agents de qualification. Les premiers modèles de scoring étaient trop optimistes — ils recommandaient trop d'AO, ce qui maintenait une charge de revue manuelle élevée. Il a fallu deux cycles d'itération pour trouver le bon seuil : suffisamment conservateur pour ne pas noyer l'équipe, suffisamment ouvert pour ne pas manquer des opportunités en bordure de périmètre. Ce calibrage n'est pas définitif — il sera affiné à mesure que l'équipe accumule du retour sur les AO gagnés et perdus.
La gouvernance des seuils de décision. Qui décide qu'un score de 0,68 sur 1 est un "Go" ? Ce n'est pas une question technique — c'est une question organisationnelle. Avant notre intervention, cette décision n'avait jamais été formalisée. Elle se prenait dans les têtes, de façon inconsistante selon les journées et les humeurs. Poser la règle explicitement a pris plus de temps que le code. C'est toujours le cas.
La formation aux nouveaux réflexes. L'équipe avait construit des habitudes solides autour de leur ancienne chaîne — des automatismes qui avaient du sens dans l'ancien contexte. Passer à une interface unifiée où la donnée est déjà là à l'ouverture d'un dossier, ça demande de désapprendre avant de réapprendre. Nous avons prévu trois sessions de prise en main progressives, avec des situations réelles tirées du portefeuille d'EVEIA — pas des cas d'école. C'est ce qui a permis à l'équipe de s'approprier l'outil en quelques semaines plutôt qu'en quelques mois.
Ce que ça a changé.
Les effets se sont manifestés sur deux dimensions : le volume traitable et la qualité des décisions de qualification.
Ces chiffres sont à lire avec un caveat : ils portent sur les premiers mois post-déploiement. La courbe d'apprentissage est encore là. L'équipe affine les seuils de qualification, les modèles de réponse, la façon dont elle interagit avec les résumés produits par les agents. Le système n'est pas figé — c'est un outil vivant, et sa valeur augmente à mesure que l'équipe l'utilise et l'ajuste.
Ce que ça éclaire de plus large : l'IA agentique dans les métiers à fort volume et jugement final.
EVEIA est un cas particulièrement propre pour illustrer ce que l'IA agentique peut faire — et ce qu'elle ne doit pas faire.
Elle peut scanner un volume de documents que personne ne lirait intégralement faute de temps. Elle peut extraire les informations structurantes, les comparer à des critères définis, produire un score et un résumé. Elle peut faire ça sur cent AO là où un humain n'en lirait que vingt. C'est là où elle change la donne : non pas en remplaçant le jugement, mais en rendant le jugement humain applicable à un périmètre beaucoup plus large.
Ce qu'elle ne fait pas — ce qu'on n'a pas cherché à lui faire faire : décider. La décision d'engager une équipe sur un AO, de prioriser une réponse sur une autre, de choisir l'angle qui donnera le mieux à voir le positionnement d'EVEIA face à un client spécifique — ça, c'est du jugement humain, nourri d'une expérience du secteur et des clients que l'agent n'a pas. Ce point n'est pas une limitation à surmonter un jour. C'est une architecture délibérée.
L'agent agentique : collègue, pas décideur
Dans notre façon de construire les pipelines ComiPi ERP, les agents IA ne prennent jamais de décision irréversible sans validation humaine. Ils préparent. Ils résument. Ils scorent. Ils signalent. La main reste côté humain sur tout ce qui engage la structure — financièrement, contractuellement, ou en termes de réputation. Ce n'est pas de la prudence en excès : c'est la seule architecture qui permet à une équipe de faire confiance à l'outil et de l'utiliser vraiment.
Il y a un autre enseignement de cette mission qui dépasse EVEIA : la chaîne de saisies multiples n'est pas une fatalité technologique, c'est une fatalité organisationnelle. Les outils étaient là. L'API de Dolibarr était documentée. Python est gratuit. Ce qui manquait, c'était quelqu'un qui pose l'architecture bout-en-bout, code les orchestrations, et transmette à l'équipe la compréhension de ce qu'elle avait mis en place — pour qu'elle puisse maintenir, ajuster, faire évoluer sans nous.
Ce modèle — Dolibarr comme socle légal, ComiPi ERP comme interface et orchestrateur métier, agents Python pour les tâches à volume, humain en dernier ressort sur les décisions — c'est l'architecture qu'on déploie dans différentes configurations selon les missions. Pas parce que c'est la plus impressionnante techniquement. Parce que c'est celle qui tient dans le temps, que les équipes comprennent, et qui coûte ce qu'elle doit coûter sans dépendre d'un abonnement SaaS tiers qu'on ne maîtrise pas.
Pour aller plus loin
- Manifeste — 1999 → 2026 : ce que j'ai mis 25 ans à mettre en musiqueLa conviction fondatrice de ComiPi sur l'information qui circule — et pourquoi l'IA a tout changé.
- Pourquoi Dolibarr moche + app UX, c'est l'architecture qui tient en 2026L'arbitrage technique derrière le choix Dolibarr comme socle légal et ComiPi ERP comme interface métier.
- L'IA comme collègue agentique : ce qu'on en fait au quotidienComment les agents Python ComiPi ERP s'intègrent dans les workflows métier sans remplacer le jugement humain.
- Cyber comme point de départ, pas comme vernisPourquoi la cybersécurité n'est pas une option à ajouter à la fin — et comment on l'intègre dès l'architecture.
Votre cycle ressemble à celui d'EVEIA ?
Parlons-en.
Si vous avez un métier à fort volume avec un jugement humain en bout de chaîne — réponse AO, qualification commerciale, traitement de dossiers — et que la chaîne de saisies vous coûte du temps chaque semaine, c'est exactement ce sur quoi nous intervenons.
D'autres cas terrain
Le blog ComiPi
Cas clients, arbitrages techniques, méthode terrain. Des articles quand il y a quelque chose à dire — pas de newsletter quotidienne.