Choisir un cabinet de conseil en IA en Suisse : ce qui distingue une approche sérieuse

Note refondue le 25 mai 2026. Article initialement publié en mars 2026 — refonte intégrale.

Le marché suisse du conseil en intelligence artificielle s'est densifié à mesure que l'IA générative devenait un sujet de direction. Sont apparues des structures de toutes formes : cabinets stratégiques généralistes qui ont ajouté une practice IA, agences digitales rebaptisées, indépendants spécialisés, intégrateurs technologiques élargissant leur offre, spin-offs académiques. La diversité de l'offre n'est pas un problème en soi. Elle le devient quand le dirigeant qui cherche un partenaire n'a pas de cadre pour distinguer une approche sérieuse d'une offre opportuniste.

Cette note expose le cadre que le cabinet utilise pour qualifier un prestataire IA dans le contexte suisse. Elle n'établit pas un classement ; elle propose des critères vérifiables.

Ce que la Suisse a comme contexte structurel

La Suisse dispose d'un écosystème académique et technique reconnu en intelligence artificielle. Les hautes écoles polytechniques fédérales et plusieurs instituts de recherche actifs sur le territoire entretiennent une production scientifique soutenue en apprentissage machine, en traitement du langage et en vision par ordinateur. Un programme fédéral structure depuis 2024 une coordination nationale entre les hautes écoles et les acteurs économiques.

Cette densité académique alimente un tissu de spin-offs et de PME spécialisées qui ne disparaîtra pas. Pour une entreprise suisse qui cherche un partenaire IA, le marché des prestataires compétents est réel ; il n'y a pas de pénurie. Le problème de décision n'est pas la rareté, c'est la qualification.

Le premier critère : que vend effectivement le cabinet ?

Une approche sérieuse commence par poser ce qu'elle ne vend pas. Un cabinet qui présente l'IA comme une rupture technologique négociable à coups de POC enchaînés vend une grammaire d'urgence qui ne tient ni la durée d'un mandat ni le retour d'expérience sur deux ans. Un cabinet qui annonce un retour sur investissement chiffré avant d'avoir mesuré l'état initial vend une promesse, pas une méthode.

Une approche sérieuse vend une logique de mesure. Cela signifie : un diagnostic qui établit la situation actuelle de l'entreprise sur le périmètre observé (qu'il s'agisse de visibilité, de productivité, d'automatisation, ou d'usage interne des modèles génératifs), une priorisation explicite des corrections, et une cadence stable de re-mesure dans le temps.

Le test est simple. Sur la première heure d'échange, le cabinet propose-t-il une vente de prestations ou un cadre de qualification de la situation ? S'il vend, il n'a pas commencé à comprendre. S'il qualifie, il a la posture qui permettra le mandat.

Le deuxième critère : la conformité LPD intégrée au cadrage, pas ajoutée à la fin

La Loi fédérale sur la protection des données révisée, entrée en vigueur le 1ᵉʳ septembre 2023, impose un cadre exigeant aux traitements de données personnelles, particulièrement quand ces traitements impliquent des transferts internationaux ou des décisions automatisées. Les modèles génératifs accessibles via API hébergée hors de Suisse soulèvent des questions précises^[1].

Un cabinet sérieux intègre cette dimension dès le cadrage du mandat. Il ne traite pas la LPD comme une case à cocher en fin de projet. Il propose, selon la sensibilité des données concernées, une architecture qui peut combiner hébergement Suisse pour les données les plus sensibles, modèles open weights déployables sur infrastructure contrôlée pour les cas d'usage où l'autonomie compte, et API publiques uniquement pour les usages qui ne touchent aucune donnée personnelle ou stratégique.

L'écosystème suisse d'hébergement permet effectivement cette architecture par couches. Plusieurs acteurs proposent depuis plusieurs années des infrastructures cloud sous résidence Suisse, et les grands fournisseurs internationaux ont structuré des régions suisses opérationnelles. Le choix entre ces options ne relève pas d'une préférence idéologique, il relève d'une qualification du risque par cas d'usage. Un cabinet qui ne sait pas conduire cette qualification ne devrait pas conduire le mandat.

Le troisième critère : la dépendance technologique limitée

Le marché des modèles génératifs évolue à une vitesse qui rend obsolète tout pari technologique fait à un instant donné. Un cabinet qui adosse sa pratique à un seul éditeur fragilise les entreprises qu'il accompagne.

Une approche sérieuse maintient une indépendance technologique opérationnelle. Cela signifie capacité à comparer les modèles disponibles sur un cas d'usage donné, capacité à basculer un système de production d'un fournisseur à un autre sans refonte complète, capacité à utiliser des modèles open weights quand le contexte l'exige.

Le test pratique : demander au cabinet, sur un cas d'usage précis, pourquoi il recommande tel modèle plutôt qu'un autre, et ce qui se passerait s'il fallait migrer dans six mois. Une réponse argumentée signale une pratique réelle. Une réponse évasive signale une pratique mono-fournisseur déguisée.

Le quatrième critère : la mesure de la citabilité IA quand elle est dans le périmètre

Pour les mandats qui touchent à la visibilité d'entreprise dans les environnements augmentés par l'IA, un critère supplémentaire s'applique depuis mai 2026 : le cabinet propose-t-il une mesure codifiée de la citabilité, ou se contente-t-il de produire des contenus en pariant qu'ils seront cités ?

La doctrine officielle Google publiée le 15 mai 2026 sur l'optimisation pour les fonctionnalités génératives de la recherche a clarifié que les systèmes centraux de classement régissent ces fonctionnalités^[2]. Cette clarification disqualifie les approches qui présentent l'optimisation pour l'IA comme une discipline séparée du SEO. Elle ne disqualifie pas la mesure de la citabilité elle-même, qui reste un objet stratégique. Mais elle invite à exiger des prestataires qu'ils sachent mesurer ce qu'ils promettent d'améliorer.

Le cabinet MCVA Consulting SA a stabilisé pour cet usage le Score GEO™, exposé intégralement dans le Cahier MCVA n°1. D'autres méthodes existent et peuvent légitimement coexister. Le critère n'est pas d'utiliser tel ou tel instrument, c'est d'en utiliser un, de façon transparente et reproductible.

Le cadre d'évaluation en pratique

Mis bout à bout, ces quatre critères dessinent une grille de qualification simple. Le cabinet propose une logique de mesure plutôt qu'un catalogue. Il intègre la LPD au cadrage initial. Il maintient une indépendance technologique opérationnelle. Il sait mesurer ce qu'il promet d'améliorer, ou il dit honnêtement qu'il ne sait pas.

Cette grille n'épuise pas le sujet. Elle ne dit rien de l'expertise sectorielle, de la qualité humaine de la relation, des références effectivement vérifiables, ou de la fiabilité opérationnelle. Mais elle filtre l'essentiel : la posture de méthode, par opposition à la posture commerciale.

Une entreprise suisse qui prépare un mandat IA y trouvera, sinon une certitude, du moins un cadre d'arbitrage qui résiste à la pression du marketing.

Sources

[1] Loi fédérale sur la protection des données (LPD), révision du 25 septembre 2020, entrée en vigueur le 1ᵉʳ septembre 2023. Texte officiel : www.fedlex.admin.ch/eli/cc/2022/491/fr [↩]

[2] Google Search Central, Optimizing your website for generative AI features on Google Search, publié le 15 mai 2026. developers.google.com/search/docs/fundamentals/ai-optimization-guide [↩]

Jérôme Deshaie est CEO de MCVA Consulting SA, cabinet suisse de conseil stratégique en intelligence artificielle, basé en Valais.