Modèle de cahier des charges pour un chatbot et un projet IA
Un cahier des charges chatbot précise les utilisateurs, les demandes couvertes, les documents autorisés, les règles de réponse et les situations de relais humain. Il décrit aussi les accès, les actions permises, les livrables et la recette. Pour consulter une agence IA, joignez un échantillon documentaire et des conversations représentatives. Demandez des critères d’acceptation vérifiables, une répartition des responsabilités et des conditions explicites de maintenance et de reprise.
Un cahier des charges chatbot doit expliquer ce que l’assistant peut répondre, sur quelles informations il s’appuie et dans quelles situations il doit passer la main. Pour un projet d’intelligence artificielle, décrire une fenêtre de conversation ne suffit pas. La commande devient vérifiable lorsque chaque usage possède une limite, un responsable et une méthode d’évaluation.
Cette trame originale Anaska, comparateur édité par WebGuard Agency, privilégie le cas d’un assistant documentaire. Elle permet aussi de cadrer un projet IA comportant des propositions de texte ou des actions dans un outil métier. Les rubriques et contrôles sont des recommandations de la rédaction, à adapter au projet. Le fil conducteur est un exemple pédagogique fictif : un chatbot interne répond aux questions sur les procédures de déplacement d’une organisation.
1. Décrire le problème avant de commander une IA
Ouvrez le document par une situation de travail précise. Qui pose une question, dans quel contexte et avec quelle difficulté actuelle ? Évitez de définir le besoin par « intégrer de l’IA ». Écrivez plutôt quelle information la personne cherche, comment elle la trouve aujourd’hui et ce qui justifierait de modifier ce parcours.
Le cours de Google consacré au cadrage des problèmes de machine learning, mis à jour le 25 août 2025, présente notamment l’examen de la pertinence du machine learning et la définition de mesures de réussite. Cette démarche invite à laisser ouverte la question du moyen technique avant de fixer la solution.
Champs à compléter : utilisateurs concernés ; tâche actuelle ; difficulté observée ; résultat recherché ; solution existante ; hypothèses ; responsable métier ; exclusions. Demandez au prestataire de comparer l’approche proposée avec une réponse plus simple, comme une recherche documentaire ou un parcours guidé. Cette comparaison constitue une demande de justification, sans présumer du meilleur choix.
Dans notre exemple fictif, le besoin consiste à retrouver la procédure applicable à un déplacement et à comprendre les justificatifs demandés. Autoriser une dépense reste hors périmètre. Le livrable de cette rubrique est une fiche de cadrage permettant de distinguer une réponse informative d’une décision engageant l’organisation. Faites-la valider par les personnes qui possèdent les procédures et celles qui répondront aux demandes non résolues.
2. Délimiter les conversations et le passage à un interlocuteur
Décrivez les familles de demandes acceptées avec des formulations proches de celles des futurs utilisateurs. Prévoyez des questions complètes, des messages brefs, des fautes de frappe et des demandes mêlant plusieurs sujets. Pour chaque famille, indiquez les informations nécessaires avant de répondre et les situations qui doivent interrompre le traitement automatique.
Trame conversationnelle : intention ; contexte utile ; question de clarification ; réponse attendue ; informations à citer ; sujet exclu ; orientation proposée. Fixez aussi les limites de la mémoire de conversation souhaitée : quels éléments restent utilisables pendant l’échange, lesquels doivent être confirmés et comment recommencer sur un autre sujet.
Exemple pédagogique : « Puis-je réserver un hôtel ? » ne précise ni la destination ni le cadre du déplacement. Le cahier des charges peut demander une clarification avant toute réponse sur la procédure. Si la question concerne une exception individuelle, l’assistant oriente vers le service compétent. Le texte attendu doit expliquer la prochaine démarche, sans laisser croire qu’une autorisation a été obtenue.
Définissez précisément le passage à un interlocuteur : simple lien, formulaire, création d’une demande ou transfert accompagné d’un résumé. Indiquez qui reçoit cette demande, quelles informations lui sont transmises et ce qui s’affiche si le relais est indisponible. Le livrable attendu est un ensemble de scénarios conversationnels, comprenant des sorties sans réponse. Leur validation doit porter sur l’utilité du parcours complet, pas uniquement sur la qualité rédactionnelle des messages.
3. Inventorier les documents et attribuer leur entretien
Constituez un inventaire des connaissances utilisables. Pour chaque ensemble documentaire, renseignez son propriétaire, son emplacement, son format, sa version, ses lecteurs autorisés et sa règle de mise à jour. Ajoutez les documents exclus et la raison de leur exclusion. Une archive historique et une procédure applicable ne doivent pas être confondues dans la commande.
Fournissez un échantillon représentatif avant de demander un engagement sur l’ensemble du fonds. Incluez, lorsque ces situations existent, un document incomplet, une ancienne version et deux textes contradictoires. Le prestataire doit expliquer le traitement proposé et les décisions qui restent à votre charge. Demandez de distinguer l’intégration technique de la révision du contenu métier.
Dans le cas fictif des déplacements, une note locale peut préciser une procédure générale. Le cahier des charges doit indiquer comment déterminer le texte pertinent et qui arbitre un désaccord. Si cette hiérarchie reste inconnue, faites-en une question ouverte avec un responsable ; évitez de laisser l’assistant choisir implicitement.
Prévoyez le parcours d’un changement documentaire : préparation, validation, mise à disposition, contrôle et retrait de l’ancienne version. Demandez une preuve permettant de vérifier quelle version est accessible au chatbot. Le livrable recommandé associe inventaire, règles de priorité et procédure d’entretien. Il est validé lorsque les responsables savent ajouter, corriger et retirer une information, y compris après le départ de l’équipe ayant construit l’assistant.
4. Spécifier ce qui constitue une réponse acceptable
Définissez la qualité par plusieurs critères distincts. Une réponse peut être claire tout en reposant sur un mauvais document. Elle peut citer une référence pertinente sans répondre à la question. Votre cahier des charges doit permettre de reconnaître ces écarts séparément, puis de déterminer lesquels empêchent la mise en service.
Règles à compléter : fidélité aux documents autorisés ; périmètre couvert ; niveau de détail ; présentation des références ; clarification ; abstention ; ton ; prochaine action proposée. Précisez si les citations doivent ouvrir un document complet, un emplacement identifiable ou une version déterminée. Demandez que les personnes chargées de la recette puissent contrôler les références affichées.
Exemple pédagogique de formulation : « Lorsque les documents accessibles ne permettent pas de répondre, l’assistant signale l’information manquante et propose le canal de relais prévu. Il ne présente pas une supposition comme une règle interne. » Complétez cette formulation par des exemples de réponses acceptables et de réponses à corriger, rédigés par le responsable métier.
Traitez aussi les contradictions et les corrections de l’utilisateur. Que faire lorsqu’une personne affirme que la procédure a changé sans fournir de document validé ? Nous recommandons de demander un comportement explicite : reconnaître le désaccord, conserver les limites du corpus autorisé et orienter la vérification. Le livrable est un guide de réponse accompagné de cas commentés. Il doit rester exploitable indépendamment de l’outil ou du modèle proposé.
5. Cadrer les accès, les données et les actions autorisées
Distinguez les documents consultables, les messages saisis, l’historique conservé et les traces utilisées pour examiner un incident. Pour chacun, demandez de préciser les personnes autorisées, les lieux de traitement envisagés, la conservation proposée et les possibilités de suppression. Faites identifier les questions de protection des données à examiner par les interlocuteurs compétents, sans transformer ce modèle éditorial en validation juridique.
La rubrique intelligence artificielle de la CNIL rassemble notamment des publications sur la vie privée et les données personnelles. Elle présente aussi une note exploratoire sur l’IA agentique datée du 20 juillet 2026. Cette page thématique constitue un point d’orientation ; elle ne suffit pas à déterminer les obligations propres à votre projet.
Pour la commande, exigez une matrice reliant chaque profil aux informations et opérations permises. Dans notre exemple fictif, une personne peut consulter une procédure générale sans accéder au dossier de déplacement d’un collègue. Demandez des essais d’accès refusé, y compris lorsque l’utilisateur formule directement une question sur un document réservé.
Si le chatbot peut agir, décrivez chaque action séparément : préparer, transmettre, modifier ou supprimer. Indiquez les conditions, la confirmation attendue et le retour visible après exécution. Une demande de renseignement ne doit pas être interprétée implicitement comme une demande de réservation. Prévoyez également le traitement d’une action interrompue et la façon de vérifier son état avant de la relancer.
6. Demander une proposition technique argumentée
Exprimez vos contraintes avant de choisir un modèle : outils existants, accès documentaires, environnement d’accueil, langues souhaitées, administration et conditions de reprise. Demandez ensuite au prestataire de décrire la circulation des informations, depuis le message de l’utilisateur jusqu’à la réponse ou à l’action. Les dépendances externes doivent apparaître dans cette description.
Faites expliquer ce qui relève du modèle, de la sélection documentaire, des règles applicatives et des vérifications d’accès. Le but est de pouvoir localiser un problème et comprendre les changements proposés. Une démonstration conversationnelle seule ne décrit pas ces responsabilités techniques.
Les model cards présentées par Google DeepMind sont décrites comme des synthèses structurées de la conception et de l’évaluation des modèles. Vous pouvez demander une documentation comparable pour le modèle proposé, lorsqu’elle existe, puis une note expliquant ses limites dans votre usage. Une présentation générale du modèle ne constitue pas une preuve de réussite sur votre corpus.
Comparez les propositions à partir des arbitrages explicités : composants remplaçables, gestion des versions, dépendances et conditions de changement de fournisseur. Demandez quelles hypothèses nécessitent encore une expérimentation. Le livrable recommandé est un dossier d’architecture lisible par votre équipe, accompagné d’un registre des décisions. Si l’assistant s’insère dans un portail métier, complétez les aspects communs avec notre modèle de cahier des charges d’application web.
7. Construire la recette avant la démonstration finale
Préparez les cas d’évaluation pendant le cadrage. Pour chaque question, conservez le contexte, les documents accessibles, les éléments attendus, les erreurs interdites et la personne habilitée à juger. Réservez également des cas qui ne servent pas aux ajustements courants, afin de disposer d’un examen distinct de la préparation.
Le NIST AI Risk Management Framework est présenté comme un cadre volontaire pour intégrer des considérations de confiance dans la conception, le développement, l’usage et l’évaluation des systèmes d’IA. Notre recommandation est de traduire cette attention à l’évaluation en preuves propres au service commandé.
| Situation | Attendu à définir | Preuve à conserver |
|---|---|---|
| Question couverte | Réponse conforme au document applicable | Question, réponse et référence vérifiée |
| Contexte manquant | Clarification avant une conclusion | Échange complet et appréciation métier |
| Documents contradictoires | Application de la règle de priorité ou relais | Versions consultées et décision attendue |
| Information absente | Limite annoncée et orientation utile | Réponse et contrôle de la destination proposée |
| Document réservé | Absence de divulgation au profil testé | Profil, droits et résultat de l’essai |
| Action interrompue | État vérifiable avant nouvelle tentative | Trace de l’action et message visible |
Définissez ensemble les seuils d’acceptation, sans reprendre un pourcentage commercial dépourvu de protocole. Séparez les défauts bloquants, les corrections nécessaires et les améliorations reportables. Pour toute mesure, précisez ce qui est compté, sur quel ensemble et par qui. Conservez les désaccords d’évaluation : ils peuvent révéler une règle métier encore ambiguë plutôt qu’un défaut de formulation.
8. Organiser les responsabilités et les décisions de poursuite
Nommez les responsables des contenus, des accès, de l’évaluation et de l’exploitation. Attribuez également le pouvoir de suspendre une fonction. Une personne peut valider la formulation d’une réponse sans être habilitée à autoriser une action métier ; faites apparaître cette distinction dans la gouvernance du projet.
Le Playbook du NIST organise ses suggestions autour de quatre fonctions : Govern, Map, Measure et Manage. Il précise que ses propositions sont volontaires et ne constituent pas une liste à appliquer intégralement. Utilisez cette logique comme appui pour choisir les contrôles pertinents, sans présenter son adoption comme une certification.
Prévoyez des décisions de poursuite fondées sur des livrables : corpus exploitable, prototype évalué, corrections examinées et exploitation préparée. À chaque étape, demandez ce qui permet de continuer, de réduire le périmètre ou d’arrêter. Le compte rendu doit conserver les limites acceptées et le nom de la personne qui les arbitre.
Pour notre assistant fictif, un prototype peut répondre correctement aux questions générales tout en échouant sur les exceptions locales. Une décision possible consiste à exclure temporairement ces exceptions et à les orienter vers un relais identifié. Cette décision doit être visible dans le périmètre, les messages et la recette. Le résultat attendu est un registre des risques et arbitrages, avec responsables, mesures retenues et conditions de réexamen.
9. Comparer les devis par livrables et hypothèses
Transmettez le même dossier aux prestataires consultés : périmètre, scénarios, échantillon documentaire, contraintes d’accès et trame de recette. Demandez une réponse distinguant les éléments compris, les options, les exclusions et les hypothèses à vérifier. Une proposition devient plus facile à discuter lorsque chaque poste correspond à un résultat observable.
Faites séparer le cadrage, la préparation des données, la réalisation, l’évaluation, la mise en service et l’accompagnement. Demandez qui fournit les documents, corrige les incohérences et valide les réponses de référence. Ces contributions internes doivent figurer dans le planning, même lorsqu’elles ne sont pas facturées par le prestataire.
Pour le fonctionnement, demandez les unités de facturation envisagées, les dépendances, les limites incluses et le traitement des dépassements. Aucun montant standard n’est proposé ici. Appuyez la discussion sur des hypothèses d’usage que votre organisation peut expliquer, puis demandez comment l’estimation évoluerait si ces hypothèses changeaient. Notre guide des tarifs des agences d’intelligence artificielle approfondit cette préparation budgétaire.
Enfin, décrivez les modalités de livraison et de reprise : documentation, configurations, accès d’administration, éléments exportables et assistance envisagée. Demandez d’identifier les composants qui restent soumis à des conditions de tiers. Le livrable de consultation est une grille de comparaison commentée. Une réserve explicite appelle un arbitrage ; une formulation vague appelle une précision avant de retenir la proposition.
10. Préparer l’exploitation et assembler le document final
Décrivez le service après son ouverture : responsable des signalements, examen des réponses contestées, traitement des incidents et information des utilisateurs. Distinguez une correction documentaire d’une modification du comportement de l’assistant. Demandez comment chaque changement sera identifié, vérifié et, si nécessaire, retiré.
Prévoyez des contrôles après un remplacement de modèle, une modification des règles ou un changement de corpus. Rejouez les cas concernés et un ensemble de situations de référence convenu avec l’équipe. Demandez un compte rendu qui relie la version déployée aux résultats examinés, plutôt qu’une simple confirmation de mise à jour.
Structure finale à reprendre : contexte et objectifs ; périmètre conversationnel ; inventaire documentaire ; règles de réponse ; accès et actions ; contraintes techniques ; protocole d’évaluation ; responsabilités ; livrables et conditions de consultation ; exploitation et reprise. Ajoutez en annexes les exemples de conversations, la matrice des droits et les questions ouvertes. Attribuez un identifiant aux exigences pour relier devis, livraison et vérification.
Avant diffusion, relisez le dossier avec une question concrète : une personne extérieure peut-elle déterminer ce qui est attendu et comment le vérifier ? Remplacez les termes comme « fiable », « sécurisé » ou « intuitif » par des comportements et des preuves adaptés au projet. Conservez les points incertains avec leur responsable et leur prochaine décision. Le cahier des charges peut ainsi évoluer sans masquer les limites déjà connues.
Questions fréquentes
Que fournir à une agence pour commencer le cahier des charges chatbot ?
Faut-il choisir le modèle d’IA avant de consulter les prestataires ?
Comment vérifier la qualité des réponses du chatbot ?
Comment cadrer un chatbot qui peut effectuer des actions ?
Ce modèle suffit-il à valider la conformité du projet ?
Sources
- Intelligence artificielle | CNIL — consulté le 17/10/2026
- AI Risk Management Framework | NIST Lock — consulté le 15/10/2026
- Playbook - AIRC Lock — consulté le 17/10/2026
- NIST AI RMF Playbook | NIST Lock — consulté le 17/10/2026
- Introduction to Machine Learning Problem Framing | Google for Developers — consulté le 17/10/2026
- Model cards — Google DeepMind — consulté le 17/10/2026