Rédaction d’offres IA pour une entreprise de construction
Une entreprise de construction suisse spécialisée dans la rénovation, basée en Suisse alémanique, environ 50 collaborateurs. Nous avons construit un agent qui lit les appels d’offres entrants (PDF, e-mail), extrait le périmètre, croise les chantiers passés et le catalogue de prix interne, puis rédige une offre structurée prête pour la revue du chef de projet. Le temps de rédaction d’un premier brouillon est passé de plusieurs jours à quelques heures.
Contexte
L’entreprise reçoit chaque semaine une dizaine d’appels d’offres pour des projets de rénovation — rénovation complète d’appartement, transformation d’étage, rénovation énergétique, isolation. Les documents arrivent sous des formes très hétérogènes : PDF d’architecte de 40 pages avec plans et descriptifs détaillés, e-mail d’un particulier en quelques lignes, dossier d’appel d’offres communal très structuré. La rédaction d’un premier brouillon d’offre mobilisait un chef de projet pendant deux à quatre jours, principalement pour relire le dossier, identifier les postes, retrouver des références sur des chantiers comparables (« qu’avait-on facturé pour une rénovation similaire à Zoug en 2023 ? »), aller chercher les prix au catalogue interne, et structurer le tout selon le format maison. Conséquence : un nombre significatif de demandes restait sans réponse parce que les chefs de projet étaient saturés, et certaines opportunités intéressantes passaient à côté faute de capacité à répondre dans le délai.
Solution
L’agent reçoit les appels d’offres par e-mail dans une boîte dédiée. Il lit le dossier complet — y compris les PDF, plans et annexes — avec Claude, puis extrait le périmètre dans un format structuré : type d’ouvrage, surfaces, lots techniques concernés, contraintes calendaires, exigences particulières. Il interroge ensuite une base vectorielle Qdrant contenant les chantiers historiques de l’entreprise, indexés avec leurs descriptifs et leurs coûts réels, pour identifier les références les plus proches. Il croise avec le catalogue interne de prix unitaires, calcule un premier devis, et rédige une offre dans le format Word maison, avec sections, postes, montants et conditions générales. Le chef de projet ouvre le brouillon, ajuste, et envoie. Stack technique : Claude pour la compréhension et la génération, Langflow pour l’orchestration, n8n pour les connecteurs (boîte mail, stockage documentaire), PostgreSQL et Qdrant sur Hetzner à Francfort. Pour ce client suisse, nous avons mis en place un cadre de transfert hors UE conforme — DPF côté Anthropic et CCT pour les flux résiduels — avec une couche de pseudonymisation des données nominatives avant tout appel modèle.
Résultat
Le temps de rédaction d’un premier brouillon d’offre est passé d’environ 3 jours à environ 4 heures de travail effectif du chef de projet. L’entreprise répond désormais à toutes les demandes entrantes dans un délai inférieur à 72 heures, alors qu’elle laissait précédemment passer une partie des opportunités. Le taux de conversion offre → contrat n’a pas baissé, ce qui était la crainte principale au lancement. Le chef de projet pilote du projet rapporte que les offres générées sont d’une qualité comparable aux siennes après une révision rapide, à condition que la base de chantiers historiques soit bien tenue à jour.
Enseignements
Trois apprentissages. D’abord, la qualité de la base historique est la variable critique. Nous avons sous-estimé au départ le travail d’indexation des chantiers passés — descriptifs incomplets, coûts non documentés, photos sans légende. Il a fallu plusieurs semaines avec l’entreprise pour nettoyer un sous-ensemble représentatif avant que les offres générées deviennent réellement utiles. Sans cette base, l’agent inventait des estimations crédibles mais déconnectées de la réalité économique du client. Ensuite, le format Word de sortie a été un piège technique inattendu. Notre première version produisait un Word « propre mais pas tout à fait maison » — interlignes, en-têtes, espacements — et les chefs de projet le retravaillaient à la main avant envoi, ce qui annulait une partie du gain. Nous avons fini par construire un générateur basé sur un modèle Word maison, avec des champs structurés. Enfin, le chef de projet reste central. L’agent fait gagner du temps sur le brouillon, mais le jugement sur le client, la marge à viser et les conditions à négocier reste humain — et c’est très bien comme ça.
Un problème similaire ?
Écrivez-nous quelques lignes, nous répondons sous un jour ouvré.
Demander un projet