L’intelligence artificielle dans les marchés publics : sécuriser son achat, éviter les pièges

Ce qui a changé en un an

Le calendrier de l’AI Act n’est plus celui que l’on annonçait. Le règlement « omnibus » du 8 juillet 2026² a reporté au 2 décembre 2027 l’application des obligations relatives aux systèmes d’IA à haut risque de l’annexe III, et au 2 août 2028 pour ceux intégrés à des produits réglementés. Demeurent en revanche applicables les pratiques interdites, les obligations des fournisseurs de modèles à usage général et, depuis le 2 août 2026, les obligations de transparence, dont l’information des usagers qui échangent avec un agent conversationnel. L’obligation de « maîtrise de l’IA » a, elle, été ramenée à une obligation de la promouvoir, ce qui ne dispense pas de former les agents qui utiliseront l’outil.

Ce report n’est pas un répit : un accord-cadre de quatre ans portant sur un système à haut risque et notifié aujourd’hui s’exécutera pour l’essentiel sous ce régime.

Encore faut-il savoir si l’on est concerné.

En l’état du texte, l’analyse des offres ne figure pas parmi les usages listés à l’annexe III, à la différence du recrutement et de la gestion des agents, de l’accès aux prestations et services publics essentiels ou de l’éducation. La qualification du cas d’usage est donc le premier acte de l’achat : elle conditionne les obligations du déployeur public (contrôle humain, conservation des journaux, analyse d’impact sur les droits fondamentaux³). Chausse-trape classique : l’acheteur qui appose son nom sur un système, le modifie substantiellement ou en change la destination devient lui-même « fournisseur » au sens du règlement⁴, avec les obligations correspondantes.

L’acheteur public n’est plus démuni pour autant : la fiche pratique DINUM-DAE-Ecolab, actualisée en mai dernier⁵, outille l’achat responsable (questions de sourçage, exemples de clauses, indicateurs environnementaux).

Le Conseil national de la commande publique (CNCP) a publié, très récemment, le 3 novembre le premier volet de son guide pratique des achats d’IA, consacré aux fondamentaux et au sourçage, un second volet sur les clauses étant annoncé pour la fin du mois⁶.

Les clauses contractuelles types de la Commission européenne (MCC-AI), en versions « haut risque » et « allégée », fournissent une trame de rédaction précieuse⁷. Enfin, depuis la fin du mois d’août 2026, la loi « Climat et résilience » impose une condition d’exécution environnementale et, dès la procédure adaptée, un critère d’attribution environnemental⁸ : l’IA, notoirement énergivore, est en première ligne.

Avant de consulter : qualifier le besoin et cartographier les données

Un premier écueil type : partir de l’outil plutôt que du besoin. Le guide du CNCP comme la fiche DINUM invitent à vérifier qu’une automatisation classique ne suffirait pas, à se garder des effets de mode et à privilégier, pour des besoins circonscrits, des modèles plus sobres. Ils rappellent aussi que l’on n’achète pas un « modèle » mais un système complet (modèle, données, hébergement, interface, maintenance), dont chaque brique peut créer une dépendance.

Second écueil : négliger les données. Avant toute consultation, l’acheteur doit cartographier celles que le système traitera : données personnelles (avec, le cas échéant, analyse d’impact et contrat de sous-traitance au sens du RGPD), informations couvertes par un secret (des affaires, médical, de la défense), données nécessaires à la continuité du service. Pour les administrations et opérateurs de l’État, l’article 31 de la loi SREN et son décret d’application du 14 avril 2026 imposent désormais, pour les données d’une sensibilité particulière, un hébergement en nuage protégé contre les accès d’autorités d’États tiers⁹. Les collectivités n’y sont pas soumises à ce jour, mais auraient tort d’ignorer ce référentiel, car la soumission des plus grandes collectivités à ces dispositions est prévue (projet de loi en cours).

Le sourçage doit ensuite être conduit avec méthode : questionnaire identique pour tous, interrogations sur le modèle et ses évolutions, la localisation des traitements, les sous-traitants, les coûts réels d’usage et la performance mesurée, traçabilité des échanges. Au stade de la rédaction, gare au réflexe de désigner nommément un produit ou un modèle : la référence à une marque est en principe proscrite dans les spécifications techniques¹⁰. Mieux vaut exprimer des exigences fonctionnelles et de performance.

Gare, enfin, aux raccourcis : le seuil des achats innovants dispensés de publicité et de mise en concurrence a été porté à 140 000 € HT depuis le 1^er juillet 2026¹¹ ; mais un abonnement à une IA générative largement commercialisée n’a rien d’«innovant » au sens du Code, qui exige une solution nouvelle ou sensiblement améliorée.

Autre angle mort : l’IA qui arrive par la mise à jour, lorsqu’un éditeur active des fonctions d’IA dans un logiciel déjà acquis. Nouveaux traitements de données, nouvelles conditions d’utilisation, parfois nouveau prix : il faut vérifier si l’on reste dans le périmètre du marché initial ou si l’on est face à une modification qui doit être encadrée¹².

Rédiger le marché : les clauses qui font la différence

Les CCAG, CCAG-TIC compris, n’ont pas été conçus pour l’IA générative. Plusieurs sujets doivent donc être réglés expressément dans le CCAP :

• Les données : l’acheteur doit rester maître des données qu’il confie comme des contenus produits, et interdire leur réutilisation par le titulaire pour entraîner ou améliorer ses modèles sans autorisation expresse, faculté souvent nichée dans des conditions générales qu’il convient d’écarter. Localisation, durée de conservation et suppression en fin de contrat doivent être précisées.
• La propriété intellectuelle : le sort des modèles affinés sur les données de l’acheteur, des paramétrages, des instructions (prompts) et des résultats générés doit être réglé, de même que la garantie du titulaire contre les revendications de tiers, notamment au titre des données d’entraînement.
• La transparence et le contrôle : documentation technique, information préalable sur tout changement de version du modèle (avec la faculté de conserver la version antérieure, comme le suggère la fiche DINUM), indicateurs de performance et de biais, journalisation, droit d’audit, capacité de l’agent à comprendre et corriger le résultat : les MCC-AI offrent ici une trame directement transposable.
• L’environnement : la fiche DINUM recommande de pondérer le critère environnemental à 10 % au moins et propose des indicateurs (énergie, eau, émissions par requête ou par entraînement, efficacité et localisation des centres de données). Encore faut-il que le critère soit mesurable et vérifiable, sauf à devenir lui-même un nid à contentieux.
• La réversibilité : le règlement européen sur les données (Data Act) impose déjà aux fournisseurs de services en nuage, SaaS compris, des clauses de changement de fournisseur et proscrira tous frais de changement à compter du 12 janvier 2027¹³. Le marché doit en tirer les conséquences : restitution des données, paramétrages et historiques dans des formats exploitables, assistance à la transition, plan de réversibilité éprouvé.

Une clause de réexamen permettra en outre d’intégrer, sans renégociation hasardeuse, les obligations « haut risque » de décembre 2027 et les futures normes harmonisées.

On se méfiera enfin des plafonds de responsabilité qui videraient ces engagements de leur substance.

L’IA dans la procédure : vigilance des deux côtés

Lorsque l’acheteur utilise l’IA pour analyser les offres, trois règles s’imposent :

• En premier lieu, la confidentialité : copier une offre dans un agent conversationnel grand public revient à exposer à un tiers des informations couvertes par le secret des affaires, que l’acheteur est tenu de protéger¹⁴ ; seuls des outils sécurisés et contractuellement maîtrisés sont envisageables, ce qui est tout l’enjeu de la sortie du « shadow IA » recommandée par les inspections générales¹⁵.
• Fidélité aux règles du jeu ensuite : un outil qui pondère des éléments non annoncés reconstitue des sous-critères occultes ou une méthode de notation irrégulière¹⁶.
• Responsabilité enfin : l’analyse reste celle de l’acheteur, qui doit pouvoir la motiver devant les candidats évincés et le juge, ce qui suppose d’en conserver les traces (instructions, résultats, corrections humaines).

Côté candidats, l’interdiction pure et simple de recourir à l’IA pour rédiger les offres, qui apparaît dans certains règlements de consultation, est invérifiable et d’une proportionnalité infiniment discutable.

La vraie protection est ailleurs : dans la vérification des affirmations et des références produites.

L’instance de recours polonaise a ainsi ordonné, en octobre 2025, d’écarter l’offre d’un attributaire pressenti dont les justifications de prix, élaborées avec une IA, invoquaient des rescrits fiscaux inexistants¹⁷. En droit français, la fourniture d’informations trompeuses susceptibles d’influer de manière déterminante sur l’attribution constitue un motif d’exclusion¹⁸. Face à des mémoires techniques de plus en plus lisses et interchangeables, l’acheteur gagnera à exiger des engagements précis, vérifiables et assortis de pénalités plutôt qu’à noter des promesses. Un marché public reste un exercice de compétitivité examinée sur pièces et déclarations, et pas encore sur place. L’IA n’y changera rien.

L’IA n’est donc ni un objet d’achat exotique, ni un sujet à reporter à 2027. Elle impose surtout à l’acheteur de garder la main : sur ses données, sur le système qu’il déploie, sur le qui l’encadre et sur les décisions qu’il prend. Le second volet du guide du CNCP, consacré aux clauses, devrait utilement compléter cette boîte à outils.

^1. Voir notre article L’intelligence artificielle dans l’achat public : entre risques et opportunités, 28 octobre 2025.

^2. Règlement (UE) 2026/1744 du Parlement européen et du Conseil du 8 juillet 2026 modifiant le règlement (UE) 2024/1689 (« Digital Omnibus on AI »), JOUE du 24 juillet 2026, entré en vigueur le 27 juillet 2026.

^3. Articles 26 et 27 du règlement (UE) 2024/1689.

^4. Article 25 du règlement (UE) 2024/1689.

^5. DINUM, DAE et Écolab du CGDD, « Fiche pratique pour l’achat responsable de solutions d’intelligence artificielle », novembre 2025, actualisée en mai 2026.

^6. CNCP / DAJ, « Guide pratique des achats d’IA – Fondamentaux de l’IA », premier volet, 3 novembre 2026.

^7. Commission européenne, communauté de pratique sur l’achat public d’IA, clauses contractuelles types MCC-AI-High-Risk et MCC-AI-Light, mars 2025 (disponibles en français).

^8. Article 35 de la loi n° 2021-1104 du 22 août 2021 dite « Climat et résilience » ; articles L. 2112-2 et L. 2152-7 du CCP.

^9. Article 31 de la loi n° 2024-449 du 21 mai 2024 (SREN) ; décret n° 2026-272 du 14 avril 2026 ; fiche technique DAJ, mai 2026.

^10. Article R. 2111-7 du CCP.

^11. Article 16 de la loi n° 2026-403 du 26 mai 2026 de simplification de la vie économique ; article L. 2172-3 du CCP.

^12. Articles R. 2194-1 et suivants CCP.

^13. Règlement (UE) 2023/2854 du 13 décembre 2023 (Data Act), articles 23 à 29.

^14. Article L. 2132-1 du CCP.

^15. Rapport IGF-IGAS-IGA « Le déploiement de l’intelligence artificielle dans les administrations publiques : analyse comparée, enjeux et conditions de réussite », avril 2026.

^16. CE, 18 juin 2010, Commune de Saint-Pal-de-Mons, n° 337377, CE, 3 novembre 2014, Commune de Belleville-sur-Loire, n° 373362.

^17. Krajowa Izba Odwoławcza (Pologne), 17 octobre 2025, KIO 3335/25 et autres.

^18. Article L. 2141-8, 1° du CCP.