Oui, les LLM comme ChatGPT, Claude ou Perplexity peuvent modifier les appels d’offres.
Ils ne changent pas seulement la rédaction. Ils peuvent changer ce qui est demandé, ce qui est oublié, ce qui devient obligatoire et ce qui reste optionnel.
Dans un achat B2B complexe, le moment critique arrive souvent avant la publication de l’appel d’offres : l’acheteur utilise ChatGPT, Claude, Gemini ou Perplexity pour comprendre le marché, cadrer le besoin, préparer les critères, rédiger une première version du CCTP ou challenger une proposition interne.
Réponse courte
Les LLM modifient les appels d’offres à cinq niveaux :
| Niveau | Ce que le LLM peut faire | Risque principal |
|---|---|---|
| Cadrage | Reformuler le besoin et les objectifs | Simplifier le problème réel |
| Critères | Proposer une grille de sélection | Installer des critères génériques |
| CCTP | Rédiger des exigences techniques | Oublier contexte, seuil ou preuve |
| Comparaison | Préparer les questions fournisseurs | Comparer des offres non équivalentes |
| Rejet | Identifier les points bloquants | Laisser admissibles des offres trop faibles |
Le vrai risque n’est pas seulement qu’un LLM se trompe. Le vrai risque est qu’il produise une demande correcte en surface, mais trop faible pour le contexte réel.
Ce que les acheteurs cherchent vraiment
Les recherches autour de l’IA et des appels d’offres mélangent souvent plusieurs intentions : rédiger un appel d’offres plus vite, structurer un CCTP, comparer des fournisseurs, identifier des risques ou préparer une grille d’évaluation.
Pour un fournisseur, le sujet n’est donc pas seulement de savoir si ChatGPT écrit le document final. Le sujet est de comprendre quels critères l’IA installe avant que le document soit figé.
| Intention de recherche | Gain recherché par l’acheteur | Risque pour le fournisseur |
|---|---|---|
| Rédiger un appel d’offres avec l’IA | Gagner du temps sur la première version | Un cahier des charges générique devient la base de travail |
| Construire un CCTP avec ChatGPT | Transformer un besoin en exigences | Le contexte d’usage, les seuils et les preuves restent implicites |
| Comparer des fournisseurs avec l’IA | Obtenir une grille claire | Les critères visibles chez les concurrents deviennent dominants |
| Préparer une shortlist fournisseur | Réduire l’incertitude avant consultation | Les acteurs moins documentés sortent trop tôt |
| Sécuriser un achat technique | Éviter une mauvaise décision | La conformité déclarative remplace la preuve vérifiable |
La bonne réponse n’est pas de publier un contenu générique sur “l’IA dans les appels d’offres”. Elle consiste à documenter les critères, preuves, seuils et situations d’usage que l’acheteur doit retrouver quand il utilise un LLM.
Ce que montrent les données Beyond Mentions
Dans la première vague consolidée de l’Observatoire Beyond Mentions, nous avons analysé 4 320 réponses Perplexity sonar sur 3 jours UTC, avec 6 passes par question et par jour.
Ces chiffres ne mesurent pas directement tous les appels d’offres. Ils décrivent un corpus contrôlé de réponses IA pour observer comment les moteurs génératifs utilisent sources, critères, preuves et standards dans des situations de décision B2B.
| Signal observé | Volume dans le corpus | Lecture pour les appels d’offres |
|---|---|---|
| Source dependency | 4 137/4 320 (95,8%) | Les LLM s’appuient fortement sur des sources réutilisables |
| Proof reuse | 3 714/4 320 (86,0%) | Les preuves publiées peuvent devenir des exigences reprises |
| Documentation and proof | 2 687/4 320 (62,2%) | La documentation structure la décision avant le contact fournisseur |
| Shortlist and vendor evaluation | 2 168/4 320 (50,2%) | Les réponses IA activent souvent une logique de sélection |
| Criteria reuse | 1 464/4 320 (33,9%) | Les critères explicites peuvent être repris dans la grille d’achat |
| Specification gap | 1 130/4 320 (26,2%) | Les capacités techniques peuvent être mal formulées si le périmètre reste implicite |
Le signal à surveiller ici est le Specification gap : quand le contexte, la preuve ou le seuil ne sont pas documentés, l’IA peut aider à formuler une exigence plausible mais insuffisante.
Comment un LLM change un appel d’offres
1. Il intervient avant le CCTP final
Un acheteur peut demander :
- “Quels critères inclure dans un appel d’offres pour ce type de solution ?”
- “Quels standards exiger pour éviter une mauvaise décision ?”
- “Quelles preuves demander aux fournisseurs ?”
- “Quelles questions poser pendant la soutenance ?”
- “Quels fournisseurs mettre en shortlist ?”
- “Comment rédiger un CCTP pour ce besoin ?”
Ces questions peuvent influencer le cahier des charges avant que les fournisseurs ne voient le projet.
2. Il transforme des contenus disponibles en exigences
Un LLM ne connaît pas votre jugement métier s’il n’est pas documenté. Il reconstruit une réponse à partir de sources, catégories, critères et preuves disponibles.
| Si votre documentation contient… | Le LLM peut reprendre… |
|---|---|
| Des critères de choix nommés | Une grille d’évaluation |
| Des standards reliés au contexte | Une exigence technique contextualisée |
| Des preuves vérifiables | Une pièce demandée au fournisseur |
| Des seuils | Une condition minimale |
| Des limites d’usage | Une clause de périmètre |
| Des critères de rejet | Une règle d’exclusion |
À l’inverse, si ces éléments restent implicites, le LLM peut retenir le consensus le plus simple.
3. Il peut abaisser le niveau d’exigence sans erreur visible
La sous-spécification est plus discrète qu’une hallucination.
| Formulation IA plausible | Ce qui manque | Risque |
|---|---|---|
| ”Exiger la norme applicable” | Scénario d’exposition | La norme minimale semble suffisante |
| ”Demander des références clients” | Preuve comparable | Les preuves déclaratives se valent |
| ”Comparer les fonctionnalités” | Critère de risque | Le prix reprend le dessus |
| ”Vérifier la conformité” | Méthode de validation | Le fournisseur peut déclarer sans prouver |
| ”Évaluer l’accompagnement” | Seuil opérationnel | Le service premium devient flou |
Un CCTP peut donc être cohérent en apparence et insuffisant dans la réalité.
Le cas le plus dangereux : le standard minimum devient le standard demandé
Pour une offre premium, technique ou réglementée, la valeur repose souvent sur un niveau d’exigence supérieur au minimum de marché.
Si le LLM ne voit pas pourquoi ce niveau est nécessaire, il peut recommander :
- un standard correct mais trop faible ;
- une preuve générique ;
- une comparaison centrée fonctionnalités ;
- une shortlist trop large ;
- des critères de rejet absents.
Résultat : les offres robustes deviennent comparables à des offres moins chères, car le cahier des charges ne demande pas ce qui justifie l’écart.
Diagnostic : votre marché est-il exposé ?
| Situation | Niveau de risque | Pourquoi |
|---|---|---|
| Les acheteurs ne maîtrisent pas la technique | Fort | Ils demandent au LLM de réduire l’incertitude |
| La conformité dépend du contexte | Fort | Le standard peut changer selon l’exposition |
| Les preuves sont difficiles à comparer | Fort | Le LLM peut accepter des claims déclaratifs |
| Le prix revient souvent trop tôt | Moyen à fort | Les critères de valeur ne sont pas assez explicites |
| Les appels d’offres se ressemblent tous | Moyen | Le LLM peut renforcer les standards génériques |
| Votre avantage est surtout méthodologique | Fort | Il doit être traduit en critères et preuves |
Plus l’achat est complexe, plus la rédaction assistée par LLM peut déplacer la valeur avant le premier échange commercial.
Ce qu’un CCTP assisté par LLM doit contenir
Un CCTP plus robuste ne doit pas seulement lister des exigences. Il doit relier chaque exigence à son contexte de décision.
| Bloc | Question à laquelle il répond |
|---|---|
| Situation d’usage | Dans quel contexte la solution sera-t-elle utilisée ? |
| Niveau d’exposition | Quelle fréquence, criticité ou contrainte change le standard ? |
| Standard attendu | Quel niveau est suffisant, et dans quel cas devient-il insuffisant ? |
| Preuve vérifiable | Quel document, test, cas ou audit permet de vérifier ? |
| Seuil | À partir de quand la réponse devient-elle insuffisante ? |
| Limite d’usage | Dans quel cas l’offre ne doit-elle pas être retenue ? |
| Critère de rejet | Quelle absence doit exclure une réponse ? |
Cette logique est détaillée dans le Specification Gap : l’écart entre ce qu’un acheteur demande et ce qu’une décision complexe exige vraiment.
Exemple : formulation faible et formulation robuste
Formulation faible
“Le fournisseur devra proposer une solution conforme aux standards du marché et fournir des références pertinentes.”
Cette phrase peut sembler correcte. Elle reste trop faible pour une décision complexe : elle ne précise ni le contexte, ni la preuve, ni le seuil, ni le critère de rejet.
Formulation robuste
“Le fournisseur devra relier le standard proposé au scénario d’exposition, fournir une preuve vérifiable de conformité, documenter les limites d’usage et préciser les cas où l’offre ne doit pas être retenue.”
La deuxième formulation aide un LLM à produire une exigence plus utile, parce qu’elle encode la logique de décision.
Ce qu’il faut publier avant l’appel d’offres
| Asset à publier | Effet attendu dans les réponses LLM |
|---|---|
| Guide de critères acheteur | Aide à structurer la grille d’évaluation |
| Standards / Exposure Matrix | Relie standard, contexte, preuve et rejet |
| FAQ pré-CCTP | Répond aux questions posées avant la rédaction |
| Scénarios de risque | Montre le coût d’un mauvais standard |
| Preuves extractibles | Donne au LLM des éléments vérifiables à reprendre |
| Critères de rejet | Empêche les offres faibles de rester admissibles |
| Comparatif contextualisé | Évite les comparaisons entre offres non équivalentes |
Le format idéal est simple : question acheteur, contexte, critère, preuve, seuil, limite, rejet.
Comment auditer le risque sur vos appels d’offres
Testez les questions que vos acheteurs pourraient poser à un LLM :
- “Comment rédiger un CCTP pour ce type de solution ?”
- “Quels critères comparer pour choisir un fournisseur ?”
- “Quelles preuves demander avant de signer ?”
- “Quelles normes exiger dans ce contexte ?”
- “Quels risques vérifier avant l’appel d’offres ?”
- “Quels critères doivent exclure une offre ?”
Puis codez les réponses :
| Élément à vérifier | Signal d’alerte |
|---|---|
| Contexte | Le LLM parle du besoin sans scénario d’usage |
| Standard | Le minimum est présenté comme suffisant |
| Preuve | La conformité reste déclarative |
| Seuil | Aucun niveau critique n’est formulé |
| Rejet | Toutes les offres semblent admissibles |
| Comparaison | Le prix ou les fonctionnalités dominent |
Si ces signaux reviennent, le problème n’est pas seulement un problème de contenu. C’est un risque de sous-spécification commerciale.
À retenir
Les LLM modifient les appels d’offres parce qu’ils interviennent au moment où l’acheteur formule le besoin.
Ils peuvent aider à mieux structurer une demande, mais aussi :
- abaisser le niveau d’exigence ;
- oublier les preuves critiques ;
- rendre les offres premium comparables à des offres standard ;
- transformer un avantage technique en option secondaire ;
- laisser trop d’offres admissibles faute de critère de rejet.
La question stratégique n’est donc pas :
“Les LLM vont-ils écrire les appels d’offres ?”
La vraie question est :
“Quels critères les LLM donnent-ils à vos acheteurs avant que l’appel d’offres soit figé ?”
À lire ensuite
- Specification Gap : pour comprendre le risque de sous-spécification.
- GEO : que se passe-t-il après les brand citations ? : pour relier visibilité, critères, preuves et shortlist.
- Comment les IA construisent-elles une shortlist fournisseur ? : pour voir comment les critères influencent les fournisseurs retenus.
- Documentation Blind Spot : pour identifier les critères et preuves absents de vos contenus.
FAQ
Les LLM rédigent-ils déjà des appels d'offres ?
Ils peuvent aider à préparer un appel d'offres, structurer un besoin, reformuler un CCTP ou générer une première grille de critères. Le risque principal n'est pas seulement l'erreur, mais la sous-spécification.
Quel est le principal risque pour un fournisseur premium ?
Le risque est que le LLM retienne un standard minimum, oublie les preuves attendues ou transforme un avantage technique en option secondaire. L'offre premium devient alors comparable à des offres moins robustes.
Comment savoir si un appel d'offres a été sous-spécifié par l'IA ?
Il faut vérifier si le CCTP relie chaque exigence à un contexte d'exposition, une preuve vérifiable, un seuil, une limite d'usage et un critère de rejet.
Que publier pour réduire ce risque ?
Publiez des matrices standards/exposition, preuves attendues, scénarios de risque, critères de rejet et FAQ acheteur que les LLM peuvent reprendre avant la rédaction du CCTP.
Quelle question l'acheteur pose-t-il à l'IA ?
Quelle simplification documentaire peut abaisser le standard ?
Quel niveau technique doit être formulé clairement ?
Quelles preuves doivent être demandées ou publiées ?
Quel critère permet d'écarter une réponse insuffisante ?