Qualifier un appel d'offres en 30 secondes grâce à l'IA - AnalyseAO

Conception et développement d'un SaaS B2B d'analyse automatisée d'appels d'offres par intelligence artificielle, de la conception produit au déploiement en production.
Réalisé avec ♥︎
Découvrez la réalisation ↓

Description

AnalyseAO est une plateforme SaaS B2B qui permet aux entreprises de qualifier automatiquement des appels d'offres publics grâce à l'intelligence artificielle. En quelques secondes, l'outil analyse un PDF d'appel d'offres, en extrait les informations clés, budget, localisation, compétences requises, délais, certifications, et délivre un score de pertinence GO / MAYBE / NO GO calibré sur le profil de l'entreprise utilisatrice.

L'objectif : éliminer les heures passées à lire des cahiers des charges pour se concentrer uniquement sur les opportunités réellement alignées avec les capacités et la stratégie de l'entreprise.

Contexte du projet

En accompagnant des PME et ETI dans leur développement commercial, nous avons observé un problème récurrent : la veille et la qualification des appels d'offres est chronophage, souvent mal structurée, et rarement outillée. Beaucoup de nos interlocuteurs nous remontaient la même douleur, passer des heures sur des dossiers pour finalement se rendre compte qu'ils ne correspondent pas au profil de l'entreprise, ou au contraire passer à côté d'opportunités faute de temps pour les analyser correctement.

Face à cette demande qui revenait régulièrement, nous avons décidé de ne pas simplement conseiller, mais de construire. Nous avons développé notre propre SaaS pour répondre à ce besoin de manière industrielle, scalable, et immédiatement opérationnel, une façon de démontrer concrètement notre capacité à transformer un problème métier réel en produit IA fonctionnel.

Objectifs

01

Qualifier rapidement

Analyser un appel d'offres en quelques secondes à partir d'un simple dépôt de PDF
02

Scorer la pertinence

Attribuer une note GO / MAYBE / NO GO basée sur 5 critères pondérés (budget, localisation, compétences, délais, certifications), calibrés sur le profil de l'entreprise
03

Extraire l'essentiel

Synthétiser automatiquement les informations clés du dossier sans lecture manuelle
04

Prioriser l'action

Permettre aux équipes commerciales de concentrer leur énergie uniquement sur les opportunités pertinentes
05

S'adapter au profil

Personnaliser le scoring selon les spécificités de chaque entreprise utilisatrice
06

S'adapter au profil

Solutions

Nous avons abordé ce projet comme nous abordons tous nos chantiers produit : en partant du problème métier, pas de la technologie.

La phase de conception a été volontairement courte et orientée décision. Nous avons modélisé les critères de qualification qui font réellement sens pourune entreprise qui répond à des appels d'offres, défini une logique de scoring transparente et explicable (pas une boîte noire), et conçu une expérience utilisateur pensée pour des équipes commerciales, pas des experts IA.

Sur le plan technique, nous avons construit une architecture full-stack moderne et souveraine. Le frontend et le backend sont co-localisés dans une application Next.js 15 App Router, déployée en continu sur Vercel. La base de données est hébergée sur Neon (PostgreSQL managé), pilotée via Prisma.L'authentification, les abonnements et la facturation sont gérés nativement avec NextAuth v5 et Stripe.

Le cœur du produit repose sur un pipeline IA en trois phases construit autour des API Anthropic (Claude) : un agent de garde détecte et bloque toute tentative d'injection malveillante avant traitement, un agent d'extraction analyse nativement le PDF et en tire les données structurées, et un moteur de scoring déterministe calcule la pertinence selon des pondérations calibrées. Ce choix de scoring déterministe, calculé en code plutôt que laissé à l'appréciation du modèle, garantit des résultats reproductibles, auditables et ajustables sans toucher au prompt.

L'ensemble a été livré en production en cycle court, avec une attention particulière portée à la robustesse (gestion des erreurs IA, quotas par plan, mode maintenance) et à l'observabilité (PostHog pour l'analytique produit, alertes email via Resend).

Résultats

01

~45 minutes de lecture manuelle remplacées par moins de 30 secondes d'analyse automatisée

02

Fiabilité du scoring : les recommandations GO/NO GO sont jugées pertinentes dans +90 % des cas par les utilisateurs testeurs

03

3 à 5 appels d'offres analysés en moyenne par session utilisateur

04

Mise en production réalisée en moins de 3 semaines, de la conception au déploiement

05

Architecture pensée pour absorber plusieurs centaines d'analyses par mois sans intervention technique

06

Résultat

Témoignage

·

Nos autres réalisations

No items found.

Vous souhaitez plus d'informations sur
cette réalisation ?

Merci ! C'est envoyé, notre équipe reviendra vers vous rapidement.
Il y a eu une erreur, veuillez recommencer.