Cahier des charges chatbot : le modèle complet pour vos projets
Cahier des charges chatbot : le modèle complet pour vos projets
Un cahier des charges chatbot solide tient sur quelques rubriques non négociables : objectifs métier chiffrés, cas d’usage priorisés, périmètre conversationnel, canaux et intégrations SI, socle technique (règles, LLM ou RAG), garde‑fous RGPD et AI Act, KPI de recette, planning et budget. Sans ces huit blocs, les devis reçus ne seront tout simplement pas comparables entre eux.
Avant de vous lancer dans la rédaction, gardez cette liste sous les yeux :
- Objectifs et cas d’usage mesurables
- Périmètre conversationnel (intentions, ton, personas)
- Canaux de déploiement et intégrations
- Architecture technique et base de connaissances
- Conformité RGPD / AI Act
- Garde‑fous anti‑hallucination
- KPI et critères de recette
- Planning, livrables et budget
Conseil de pro : Téléchargez notre modèle de cahier des charges structuré section par section : vous gagnerez plusieurs jours de rédaction et éviterez les allers‑retours avec vos prestataires.
Points clés
Un cahier des charges chatbot efficace repose sur huit rubriques obligatoires, sans lesquelles les devis reçus ne peuvent pas être comparés objectivement.
| Point | Détails |
|---|---|
| Objectifs mesurables | Fixez des KPI dès la V1 comme le taux de résolution autonome et le taux d’escalade. |
| Périmètre conversationnel clair | Listez les intentions couvertes en V1 et celles explicitement hors périmètre. |
| Conformité RGPD et AI Act | Mentionnez l’IA explicitement à l’utilisateur et définissez la base légale du traitement. |
| Garde‑fous anti‑hallucination | Exigez citation des sources en RAG et seuils précis d’escalade humaine. |
| Accompagnement Botiqueai | Un audit de cadrage suivi d’un développement sur mesure via Aria Chatbot IA sécurise la mise en œuvre du CDC. |
Cet article constitue une information générale et ne remplace pas l’avis d’un avocat qualifié. Consultez un professionnel du droit qualifié à propos de votre cas personnel avant d’agir sur la base de ce contenu.
Table des matières
- Comment définir les objectifs et cas d’usage du chatbot ?
- Quel périmètre conversationnel inclure dans le document ?
- Sur quels canaux et avec quelles intégrations SI déployer le chatbot ?
- Faut‑il choisir un moteur de règles, un LLM ou une architecture RAG ?
- Quelles obligations RGPD et AI Act inscrire dans le cahier des charges ?
- Comment limiter les hallucinations et organiser l’escalade humaine ?
- Quels KPI et tests d’acceptation exiger avant la mise en production ?
- Quel planning et quel budget prévoir pour le projet ?
- Quels documents annexer à votre cahier des charges ?
- Pourquoi penser le chatbot comme un produit plutôt qu’un projet ponctuel ?
- Ce que révèlent les cahiers des charges ratés
- Besoin d’un accompagnement pour passer du cahier des charges à un chatbot opérationnel ?
- Sources
Comment définir les objectifs et cas d’usage du chatbot ?
Un chatbot sans mission claire finit toujours par coûter plus cher que prévu. Avant toute spécification technique, fixez la finalité du projet : support client, assistant avant‑vente, ou outil interne pour vos équipes. Chaque mission appelle des objectifs mesurables différents, comme la réduction du délai de réponse, l’augmentation du taux de résolution en autonomie, ou la qualification de leads entrants.
| Famille d’usage | Exemple de cas | Volumétrie indicative |
|---|---|---|
| Support client | Suivi de commande, FAQ produit | Un volume mensuel variable de conversations |
| Avant‑vente | Qualification de leads, prise de RDV | Un nombre modéré de conversations par mois |
| Interne | Assistant RH, support IT | Un nombre plus restreint de conversations par mois |
Dès la V1, mesurez le taux de résolution en autonomie, le taux d’escalade humaine et le temps moyen de traitement. Ces trois métriques suffisent à comparer objectivement les propositions des prestataires, ce qui évite de se laisser convaincre par une simple démonstration visuelle. Un guide pratique sur les indicateurs de performance chatbot détaille comment les interpréter dès les premières semaines de production.
Quel périmètre conversationnel inclure dans le document ?
Le périmètre conversationnel est la partie du cahier des charges la plus souvent bâclée, et c’est justement celle qui fait dériver les budgets. Listez précisément les intentions à couvrir en V1 (suivi de commande, prise de rendez‑vous, réinitialisation de mot de passe) et celles explicitement hors périmètre pour la première version.
Décrivez ensuite les parcours types : message d’accueil, collecte progressive d’informations, gestion de l’ambiguïté quand l’utilisateur formule mal sa demande, et surtout le point de bascule vers un conseiller humain.
- Intentions prioritaires en V1 et intentions différées en V2
- Scénarios d’erreur et de reformulation
- Ton choisi : tutoiement ou vouvoiement, niveau de formalité, usage d’émojis
- Personas utilisateurs types avec leurs attentes spécifiques
Conseil de pro : Rédigez chaque intention sous la forme « l’utilisateur veut X, le chatbot doit répondre Y, sinon il escalade vers Z ». Cette structure sert ensuite directement à construire la base de connaissances.
Sur quels canaux et avec quelles intégrations SI déployer le chatbot ?
Le canal choisi conditionne l’ergonomie, mais aussi le budget d’intégration. Un widget web n’impose pas les mêmes contraintes qu’une intégration WhatsApp Business, soumise à validation Meta, ou qu’un canal téléphonique nécessitant de la synthèse vocale. Notre guide sur le chatbot WhatsApp détaille les prérequis techniques propres à ce canal.
| Canal | Contrainte principale |
|---|---|
| Widget web | Personnalisation graphique, RGPD cookies |
| WhatsApp Business | Validation Meta, templates de messages |
| Application mobile | SDK natif, notifications push |
| Téléphonie | Synthèse et reconnaissance vocale |
Précisez aussi les intégrations SI nécessaires : CRM pour l’historique client, ticketing pour l’escalade, API métier pour les données temps réel, en indiquant si l’accès doit être en lecture seule ou en écriture. Un guide sur le chatbot multicanal explique comment conserver le contexte d’une conversation entre deux canaux différents.
Faut‑il choisir un moteur de règles, un LLM ou une architecture RAG ?
Le choix du socle technique dépend directement de la complexité de vos intentions. Un moteur de règles convient à des parcours fermés et prévisibles (arbres de décision simples). Un LLM apporte de la fluidité conversationnelle mais expose au risque de réponses inventées. L’architecture RAG (retrieval augmented generation) combine un LLM avec une base documentaire interne, ce qui reste l’approche de référence pour fiabiliser les réponses d’un agent IA d’entreprise, à condition de soigner la gouvernance documentaire.
| Approche | Cas d’usage idéal |
|---|---|
| Moteur de règles | Parcours fermés, FAQ simples |
| LLM seul | Reformulation naturelle, sujets ouverts |
| RAG | Réponses fiables sur base documentaire propriétaire |
Précisez dans le cahier des charges les sources de la base de connaissances (PDF, pages web, CRM), leur format, et la fréquence de mise à jour attendue. Ajoutez des exigences non fonctionnelles chiffrées : latence maximale, taux de disponibilité, hébergement et journalisation des échanges. La norme T/QGCML 3895-2024 propose un cadre utile pour formaliser ces exigences fonctionnelles et les tests opérationnels associés.
Quelles obligations RGPD et AI Act inscrire dans le cahier des charges ?
Le règlement européen sur l’intelligence artificielle et le RGPD imposent d’indiquer explicitement à l’utilisateur qu’il échange avec une IA, et d’afficher des mentions d’information claires sur les finalités du traitement, sa base légale et les coordonnées du DPO. Ce n’est pas une option de confort, c’est une obligation à formaliser dans le document contractuel.
Votre cahier des charges doit fixer une politique de conservation des données, préciser l’hébergement (une préférence pour l’Union européenne limite les risques juridiques) et encadrer tout transfert hors UE. Si le chatbot traite des données sensibles au sens de l’article 9 du RGPD, le prestataire doit prévoir un consentement explicite et des mesures de protection renforcées.
- Base légale du traitement (article 6.1 du RGPD)
- Mentions d’information accessibles dès la première interaction
- Gestion du consentement pour les cookies non nécessaires
- Analyse d’impact (AIPD) si le traitement le requiert
La conformité RGPD des chatbots passe aussi par une cartographie précise des données collectées et un tableau de conservation actualisé, deux livrables opérationnels à exiger explicitement du prestataire.
Comment limiter les hallucinations et organiser l’escalade humaine ?
Un chatbot qui invente des réponses détruit la confiance plus vite qu’il ne la construit. Le cahier des charges doit imposer un périmètre de réponse fermé sur les sujets sensibles, avec citation systématique des sources documentaires pour toute architecture RAG. Interdisez explicitement les réponses sur les sujets juridiques, médicaux ou tout engagement contractuel au nom de l’entreprise.
- Plafond de réponse sur les sujets hors périmètre
- Citation obligatoire des sources pour chaque réponse générée
- Liste noire de sujets interdits (juridique, médical, engagements financiers)
Décrivez ensuite précisément le flux d’escalade : à partir de combien de reformulations infructueuses le chatbot bascule‑t‑il vers un humain ? Le guide des bonnes pratiques pour les chatbots à IA générative recommande d’associer cette escalade à des audits réguliers et à une journalisation complète des échanges pour détecter les dérives.
- Définir les seuils déclencheurs d’escalade (nombre d’échecs, mots‑clés sensibles)
- Exiger la modération des entrées utilisateur
- Planifier des tests QA ciblés spécifiquement contre l’hallucination
Quels KPI et tests d’acceptation exiger avant la mise en production ?
La recette d’un chatbot ne se limite pas à vérifier qu’il répond. Elle doit valider qu’il répond juste, vite, et qu’il sait reconnaître ses propres limites.
| KPI | Objectif indicatif |
|---|---|
| Taux de résolution autonome | À définir selon le secteur |
| Taux d’escalade humaine | À surveiller dès la V1 |
| Satisfaction utilisateur | Mesurée après chaque échange |
| Coût par interaction | Suivi mensuel |
- Tests unitaires sur chaque intention isolée
- Tests de bout en bout sur les parcours complets
- Tests d’acceptation métier validés par les équipes utilisatrices
Fixez une fréquence de revue de performance (mensuelle en général) et exigez que chaque rapport inclue ces métriques, comme détaillé dans notre guide sur les indicateurs de performance chatbot.
Quel planning et quel budget prévoir pour le projet ?
Un planning réaliste comprend un atelier de cadrage des besoins, une phase de prototype, une recette utilisateur, la mise en production, la formation des équipes et enfin le passage en run. Chaque jalon doit avoir un responsable nommé, côté client comme côté prestataire.
- Atelier besoins (1 à 2 semaines)
- Prototype fonctionnel (3 à 6 semaines)
- Recette et ajustements (2 à 4 semaines)
- Mise en production et formation (1 à 2 semaines)
| Livrable attendu | Description |
|---|---|
| Cahier de conception | Spécification détaillée des parcours et intentions |
| Base de connaissances | Documents sources structurés et indexés |
| Scripts conversationnels | Réponses types validées par le métier |
| Guide d’exploitation | Procédures de maintenance et de supervision |
Les fourchettes budgétaires varient fortement selon l’ambition : un bot à règles sur une plateforme SaaS démarre souvent autour de quelques milliers d’euros, tandis qu’un agent IA sur mesure avec architecture RAG peut représenter un investissement bien plus conséquent. N’oubliez pas les coûts récurrents : licences, consommation des modèles d’IA et maintenance.
Quels documents annexer à votre cahier des charges ?
Un cahier des charges gagne en clarté quand il s’appuie sur des annexes prêtes à l’emploi plutôt que sur de longs paragraphes explicatifs. Un modèle de document structuré couvre généralement l’executive summary, le planning, les prestations attendues, les contraintes techniques et juridiques, les cas d’usage et la charte graphique.
- Modèle Word ou PDF prêt à compléter section par section
- Checklist de validation pour vérifier qu’aucune rubrique n’est oubliée
- Exemples de clauses contractuelles (SLA, pénalités de retard, réversibilité)
| Élément annexe | Utilité |
|---|---|
| Modèle téléchargeable | Gain de temps sur la structure du document |
| Checklist opérationnelle | Contrôle qualité avant envoi aux prestataires |
| Clauses types | Base de négociation contractuelle |
Adaptez toujours les niveaux de service proposés à la criticité réelle de votre usage : un chatbot support client n’a pas les mêmes exigences de disponibilité qu’un assistant interne.
Pourquoi penser le chatbot comme un produit plutôt qu’un projet ponctuel ?
Un chatbot qui n’évolue plus après sa mise en production perd en pertinence en quelques mois. Exigez du prestataire un plan Build & Run explicite : transfert de compétences vers vos équipes, SLA d’exploitation clairs, et budget dédié à l’amélioration itérative.
- Plan de transfert de compétences documenté
- SLA d’exploitation avec temps de réponse garantis
- Budget annuel réservé à l’amélioration continue
- Désigner un product owner responsable de la roadmap
- Nommer un référent knowledge en charge de la base documentaire
- Planifier des revues trimestrielles basées sur l’analyse des logs et le réentraînement
Cette approche transforme un livrable technique en outil qui s’améliore avec l’usage, plutôt qu’un système figé dès sa livraison.
Ce que révèlent les cahiers des charges ratés
Le scénario le plus fréquent : un périmètre défini trop vaguement, du type « le chatbot doit répondre à toutes les questions clients ». Résultat, le prestataire chiffre large par prudence, ou pire, sous‑estime le travail de constitution de la base de connaissances et le budget explose en cours de route.
Conseil de pro : Structurez vos intentions avant même de penser au prestataire. Une liste d’intentions bien formulée devient directement la colonne vertébrale de votre base de connaissances RAG.
Dans une offre, méfiez‑vous des promesses vagues sur l’IA générative sans mention de garde‑fous anti‑hallucination ni de plan de recette chiffré. Un prestataire sérieux pose des questions précises sur vos volumétries avant de proposer un prix.
Besoin d’un accompagnement pour passer du cahier des charges à un chatbot opérationnel ?
Rédiger un cahier des charges complet est une chose, trouver le bon partenaire pour le réaliser en est une autre. Botiqueai accompagne les entreprises francophones sur l’ensemble de la chaîne : audit de cadrage, développement d’un agent conversationnel sur mesure comme Aria Chatbot IA, intégrations à votre CRM ou votre ticketing, et suivi en mode Build & Run une fois le chatbot déployé.
Ce qui change concrètement avec Botiqueai, c’est que le cahier des charges ne reste pas un document théorique : il devient la base de travail directe entre nos équipes techniques et les vôtres, avec des estimations chiffrées dès le premier échange. Pour les entreprises qui souhaitent aussi automatiser des flux au‑delà du chatbot lui‑même, nos automatisations n8n et Make sur mesure permettent de connecter l’agent conversationnel à vos outils métier existants.
Découvrez l’ensemble de nos solutions IA sur mesure et demandez un audit de cadrage pour transformer votre cahier des charges en projet concret.
Sources
- Règlement (UE) 2024/1689 — règles pour une IA digne de confiance dans l’UE (résumé)