Les cinq questions à poser à un éditeur avant de signer

Aucune n'est technique. Toutes prédisent mieux la suite qu'une démonstration.

Pourquoi la démonstration ne vous apprend rien

Un parcours de dix ans a occupé les deux côtés de cette table. Chez Dimelo puis chez RingCentral, des projets ont été construits et livrés côté éditeur. Chez un intégrateur, les solutions des autres ont été déployées. Chez des donneurs d'ordre, il a fallu choisir, puis vivre avec le choix. Ce qui frappe, quand on a occupé les trois positions, c'est que la démonstration ne prédit presque rien de ce qui va se passer ensuite.

Elle est jouée sur un jeu de données préparé, par une équipe avant-vente qui n'implémentera pas votre projet, sur des cas d'usage choisis pour bien passer. Elle vous renseigne sur la maturité du produit, ce qui n'est pas rien, mais elle ne vous dit rien sur les deux choses qui déterminent réellement la réussite : la qualité de l'accompagnement après signature, et l'écart entre ce que la solution promet et ce que votre organisation peut absorber.

Les acheteurs l'ont d'ailleurs compris. Ils n'évaluent plus une solution sur l'effet démo mais sur deux questions bien plus prosaïques : est-ce que ça couvre le cas d'usage, et quel retour en attendre. Les cinq questions qui suivent servent à répondre à ces deux questions-là, et aucune ne demande de compétence technique.

Question 1. Combien de temps met votre support à répondre à une question technique ?

Ne posez pas la question, faites le test.

Avant la signature, faites poser une question technique précise au support de l'éditeur par quelqu'un de votre équipe, avec un compte d'essai, et chronométrez. C'est de loin le meilleur prédicteur de la qualité d'accompagnement que vous aurez après le déploiement, et c'est le seul indicateur du processus d'achat qui ne soit pas produit par l'équipe commerciale.

La logique est simple. En avant-vente, vous êtes le prospect que tout le monde veut. Après la signature, vous êtes un ticket parmi d'autres. Si le délai est déjà médiocre au moment où l'éditeur a le plus envie de vous séduire, il ne s'améliorera pas.

Question 2. Qu'est-ce que votre solution ne sait pas faire dans ce contexte ?

C'est la question qui sépare un partenaire d'un vendeur.

Un bon interlocuteur, éditeur ou intégrateur, se juge à sa capacité à nommer ce que la technologie ne peut pas faire dans votre contexte métier, autant qu'à son savoir-faire de déploiement. Une réponse évasive du type « tout est paramétrable » est en réalité une mauvaise nouvelle, parce qu'elle signifie soit qu'il ne connaît pas votre métier, soit qu'il a décidé de vous le cacher.

Ce que vous cherchez à entendre, c'est une phrase qui commence par « sur votre cas de gestion des litiges, il faudra prévoir un traitement humain, parce que ». Notez la réponse, parce qu'elle deviendra votre référence quand un écart apparaîtra en recette.

Question 3. Sur quelles données va-t-elle s'appuyer, et qui les tient à jour ?

C'est la question la plus importante des cinq, et celle qu'on oublie le plus souvent, parce qu'elle porte sur vous et pas sur le produit.

Une automatisation ne vaut jamais plus que les données qui l'alimentent. Une base de connaissances incomplète, un CRM mal intégré ou des fiches clients obsolètes produisent mécaniquement des réponses inexactes, quelle que soit la qualité du modèle. Un assistant privé d'un historique client fiable multiplie deux effets simultanés, des réponses approximatives et des escalades inutiles vers des conseillers déjà chargés, ce qui produit exactement l'inverse du bénéfice attendu.

L'ordre de grandeur est frappant. Sur des évaluations internes publiées par Anthropic, brancher un modèle directement sur un entrepôt de données sans couche de contexte métier plafonne autour de vingt et un pour cent de réponses correctes, contre quatre-vingt-quinze pour cent avec une couche de contexte construite. L'écart tient à la fondation, pas au modèle. Le même constat vaut pour un agent en relation client : sans référentiel client propre, unifié et accessible, il n'a pas de carburant fiable.

Donc la vraie question à poser à l'éditeur est double. D'abord, sur quelles sources exactement la solution va-t-elle s'appuyer dans l'organisation. Ensuite, qui les maintient, à quelle fréquence, et avec quel budget. Si personne ne sait répondre à la seconde partie, votre projet a déjà son mode d'échec.

Question 4. Que se passe-t-il quand elle se trompe ?

Toute automatisation se trompe. La question n'est pas de savoir si, mais ce qui se passe à ce moment-là.

Un dispositif tenable prévoit trois garde-fous, et vous devez les faire décrire précisément. Une réserve de ressource humaine sur les cas sensibles, une bascule simple vers l'humain qui ne redemande pas au client de tout réexpliquer, et une surveillance continue de la qualité des réponses. Sur le contenu lui-même, quatre axes cadrent un agent conversationnel sûr : la fiabilité par sources traçables, un périmètre d'action délimité, le respect du ton de marque et une escalade contextualisée.

Le rappel utile, ici, c'est que le coût de l'erreur est asymétrique. Un conseiller qui se trompe peut s'excuser et transformer un incident en moment de confiance. Un système qui produit une réponse fausse avec assurance crée un dommage que personne ne rattrape, parfois avec des conséquences juridiques. Ce n'est pas une raison de ne rien faire, c'est une raison d'exiger le plan de repli avant la signature et pas après le premier incident.

Question 5. Qui porte le projet chez vous, six mois après la mise en production ?

Vous cherchez un nom, un rôle et un engagement de continuité.

La bascule d'équipe entre l'avant-vente et le delivery est la première cause de dérive constatée sur le terrain, et elle a une symétrie que peu de dirigeants anticipent : de votre côté aussi, dissoudre l'équipe projet à la mise en production prive les utilisateurs d'interlocuteur. Les irritants s'accumulent alors sans instance de remontée, et les nouveaux arrivants apprennent le nouvel outil de façon informelle, donc mal.

Posez donc la question dans les deux sens. Qui reste chez l'éditeur, et qui reste chez vous. Le second point est le vôtre, mais un bon partenaire vous le fera remarquer de lui-même.

Trois signaux qui doivent vous arrêter

Au-delà des cinq questions, trois configurations méritent une pause avant de lancer un projet d'IA en relation client.

La dépendance totale à un fournisseur unique. Si toute la chaîne, de la téléphonie au modèle de langage en passant par l'orchestration, appartient au même acteur, votre coût de sortie devient prohibitif avant même la mise en production.

L'absence de gouvernance formalisée. Si personne, chez vous, n'a mandat pour décider ce que l'IA a le droit de faire et de dire, la décision se prendra par défaut, ticket par ticket, et vous la découvrirez à la première réclamation.

La latence non maîtrisée. Un assistant qui transcrit ou résume trop lentement devient inutilisable et sort de l'usage quotidien en quelques semaines. La latence n'est pas un critère de confort, c'est un critère d'adoption, et elle se mesure en conditions réelles, pas en démonstration.

Ce que ces cinq questions ne remplacent pas

Elles ne remplacent pas un cadrage. Aucune solution ne corrigera un process que vous n'avez pas encore décrit, et un outil posé sur une organisation floue accélère surtout la production du flou.

Elles servent à autre chose, et c'est déjà beaucoup : elles vous font sortir du terrain de l'éditeur. Tant que la conversation porte sur les fonctionnalités, c'est lui qui tient le crayon. Dès qu'elle porte sur le délai de réponse de son support, sur les limites de son produit chez vous, sur vos données et sur le plan de repli, c'est vous.

Pour aller plus loin

Si vous vous apprêtez à lancer une consultation, l'ordre de marche compte autant que la grille de questions. Corriger d'abord ce que vos process produisent, choisir ensuite, c'est le sujet de l'article sur la failure demand.

Et si vous voulez cette cartographie avant de recevoir le premier commercial, c'est exactement ce que couvre le Diagnostic K-Ops : deux à trois semaines, forfait fixe, une cartographie de vos opérations clients et trois à cinq leviers prioritaires chiffrés.

Sources

• Anthropic, évaluations internes sur l'apport d'une couche de contexte métier, citées par Skalin, 2026

• Zaion, publications 2026 sur l'architecture des solutions d'IA vocale et les signaux d'alerte projet

• Axialys, publications 2026 sur les critères de choix d'une plateforme de centre de contact

• Odigo, publications 2026 sur les garde-fous d'un déploiement IA

• Smart Tribune, publications 2026 sur le cadrage d'un agent conversationnel

• easiware, publications 2026 sur l'adoption CRM et la fin de l'équipe projet

• Armatis, publications 2026 sur l'asymétrie du coût de l'erreur