Non, l'acheteur public ne peut pas prouver qu'un mémoire technique a été rédigé par une IA. Aucun texte n'interdit aujourd'hui l'usage de l'IA dans la réponse à un appel d'offres, et les détecteurs automatiques de contenu IA sont peu fiables en français — des études récentes montrent des taux de faux positifs significatifs sur des textes experts. La charge de la preuve pèse sur l'acheteur : il ne peut pas rejeter une offre sur la seule base d'une intuition stylistique.
Ce que l'acheteur peut faire en revanche, c'est noter en conséquence. Un mémoire généré sans méthode trahit non pas l'usage de l'IA, mais l'absence de personnalisation : lexique générique, structure trop lisse, aucune donnée de chantier réelle, parfois des normes citées qui n'existent pas dans le domaine concerné. Ce contenu ne répond pas aux sous-critères du règlement de consultation — il est donc mal noté, indépendamment de l'outil utilisé pour le produire.
Cet article couvre les marqueurs concrets qui signalent un texte insuffisamment personnalisé, ce que l'acheteur peut réellement faire (et ce qu'il ne peut pas), le cadre réglementaire actuel, et surtout la méthode pour éviter tout signal suspect en injectant vos données réelles dans le mémoire.
- Aucun texte réglementaire n'interdit l'IA dans la rédaction d'un mémoire technique en 2026.
- L'acheteur ne peut pas prouver l'usage de l'IA : la charge de la preuve lui appartient, et les détecteurs automatiques sont peu fiables en français.
- Ce qui trahit un mémoire, c'est l'absence de personnalisation : lexique générique, données chantier inventées ou absentes, structure indifférenciée.
- Les hallucinations de normes ou de références sont le seul risque réel d'exclusion — une fausse déclaration engage votre responsabilité de soumissionnaire.
- La solution n'est pas d'éviter l'IA, mais de l'alimenter avec vos données réelles : équipe, matériel, références, contraintes de site.
Ce que l'acheteur perçoit vraiment à la lecture d'un mémoire IA
Un acheteur public expérimenté lit des dizaines de mémoires par marché. Il ne cherche pas à détecter l'IA — il cherche des réponses à ses sous-critères. Ce qu'il remarque, c'est ce qui manque.
Un mémoire généré sans méthode présente des signaux stylistiques caractéristiques, non pas parce qu'il a été produit par une IA, mais parce qu'il manque de substance. Ces signaux ne sont pas nouveaux : ils existaient déjà avant l'IA, dans les mémoires rédigés avec des modèles type recopiés sans adaptation.
Le lexique commercial creux
Les modèles de langage ont absorbé des milliers de mémoires techniques moyens et de plaquettes commerciales. Sans instruction contraire, ils reproduisent leur ton : « fort engagement qualité », « approche sur-mesure adaptée à vos besoins », « personnel qualifié et réactif », « organisation rigoureuse éprouvée ».
Ces formules ne déclenchent pas de sanction juridique. Elles déclenchent une note basse, parce qu'elles n'entrent dans aucune grille de notation. Le jury cherche une méthodologie nommée, un délai garanti, un responsable identifié — pas des adjectifs.
L'absence de données de chantier réelles
Le marqueur le plus discriminant est l'absence de spécificités de site. Un mémoire bien noté cite les contraintes mentionnées dans le CCTP et décrit comment l'entreprise les prend en compte. Un mémoire générique décrit une organisation standard qui pourrait s'appliquer à n'importe quel marché similaire.
Concrètement, l'acheteur peut poser la question de contrôle mentale suivante : « est-ce que ce paragraphe aurait pu être écrit par n'importe quel concurrent sans connaître mon CCTP ? » Si la réponse est oui, le paragraphe ne score pas.
La structure trop lisse
Un mémoire généré d'un seul jet sans instruction de plan a tendance à produire une structure symétrique et régulière : des sections de même longueur, des paragraphes d'introduction et de conclusion identiques dans leur forme, une progression logique irréprochable mais sans relief. Cette régularité n'est pas un problème en elle-même — mais elle signale souvent l'absence de calage sur la pondération réelle du RC.
Un sous-critère à 25 % de la note technique mérite un développement proportionnellement plus long et plus précis qu'un sous-critère à 5 %. Un mémoire calé sur la grille RC présente une structure déséquilibrée intentionnellement — et c'est exactement ce que le jury attend.
Les hallucinations de normes et de références
C'est le seul risque réel d'ordre juridique. Un LLM peut citer une norme NF ou un DTU inexistant dans le domaine concerné, inventer un chiffre de flotte ou de références chantier, ou mentionner une certification avec une date d'expiration incorrecte. Si l'acheteur identifie une fausse déclaration factuelle — une norme qui n'existe pas, une référence invérifiable — il a des motifs valides pour questionner la sincérité de l'offre.
Ce risque n'est pas propre à l'IA : il concerne tout contenu non vérifié. Mais l'IA le rend plus probable en produisant des affirmations plausibles avec une grande fluidité stylistique.
Ce que l'acheteur peut réellement faire — et ses limites
La question juridique est claire : en l'état du droit des marchés publics français, l'usage de l'IA pour rédiger un mémoire technique n'est pas interdit. Le Code de la commande publique ne contient aucune disposition réglementant l'outil de rédaction du soumissionnaire.
L'intuition ne suffit pas à rejeter une offre
Un acheteur qui « sent » qu'un mémoire a été produit par une IA ne peut pas en faire un motif de rejet ou d'élimination. Le rejet d'une offre doit être fondé sur des motifs explicites : non-conformité aux exigences du RC, irrégularité, fausse déclaration avérée. Une intuition stylistique n'entre dans aucune de ces catégories.
S'il tentait de rejeter une offre sur cette base, le soumissionnaire pourrait contester la décision — et aurait de bonnes chances d'obtenir gain de cause devant le tribunal administratif ou le Comité consultatif de règlement amiable des différends.
La fiabilité limitée des détecteurs IA en français
Des outils comme GPTZero, Originality.ai ou Copyleaks proposent une détection automatique de contenu IA. Leurs performances sur des textes experts en français sont médiocres. Plusieurs études académiques (notamment des équipes de recherche en traitement automatique du langage) ont documenté des taux de faux positifs élevés sur des textes techniques rédigés par des humains, et des faux négatifs sur des textes générés puis édités.
Un acheteur qui s'appuierait sur un score de détecteur pour justifier un rejet s'exposerait à une contestation solide, puisque la fiabilité de ces outils n'est pas établie à un niveau probatoire acceptable.
Ce qui reste dans le pouvoir de l'acheteur
L'acheteur garde deux leviers légitimes. Premièrement, la notation : un mémoire générique, mal calé sur la grille RC, recevra une note basse — ce qui est parfaitement normal et sans rapport avec l'outil utilisé. Deuxièmement, la vérification des éléments factuels : si une norme citée n'existe pas, si une certification mentionnée est introuvable au registre, si une référence chantier ne peut pas être vérifiée, l'acheteur peut questionner la sincérité de l'offre et éventuellement demander des clarifications avant attribution.
C'est sur ce second levier que le risque réel réside — pas sur la détection de l'IA elle-même.
Le cadre réglementaire : où en est-on en 2026
Aucune disposition du Code de la commande publique (CCP) ne mentionne l'IA. Les textes fondamentaux — égalité de traitement des candidats, transparence des procédures, mise en concurrence effective — s'appliquent au résultat (l'offre déposée) et non aux moyens de production.
La Direction des Affaires Juridiques (DAJ) du ministère de l'Économie, qui publie des guides pratiques sur la commande publique, n'a pas émis à ce jour de recommandation interdisant ou encadrant spécifiquement l'usage de l'IA par les soumissionnaires. Les acheteurs qui souhaiteraient le faire dans leur RC le pourraient — en théorie — mais s'exposeraient à une contestation sur le fondement de la liberté de méthode du soumissionnaire.
En pratique, aucun RC publié à ce jour ne contient de clause interdisant l'IA. La situation évolue probablement dans les prochaines années, mais en 2026, le champ est libre.
| Ce que l'acheteur peut faire | Ce qu'il ne peut pas faire |
|---|---|
| Donner une note basse à un mémoire générique et mal calé sur le RC | Rejeter une offre au motif qu'elle aurait été rédigée par une IA |
| Questionner une norme ou une référence invérifiable | S'appuyer sur un score de détecteur automatique comme preuve |
| Demander des clarifications sur des éléments factuels douteux | Interpréter le style ou la fluidité comme une preuve d'usage IA |
| Introduire une clause RC encadrant l'IA (non pratiqué à ce jour) | Éliminer sans motif explicite fondé sur les pièces du marché |
Les marqueurs qui trahissent — et comment les neutraliser
Le vrai enjeu n'est pas d'éviter la détection de l'IA mais d'éviter les marqueurs d'un mémoire insuffisamment personnalisé. Ce sont les mêmes marqueurs, qu'il y ait IA ou pas. La méthode de neutralisation suit la même logique : injecter du réel.
Injection de données chantier réelles
Chaque section doit contenir au moins un élément irremplaçable : un nom (responsable de chantier avec qualification précise), un chiffre (délai d'intervention garanti en heures, cadence hebdomadaire, ratio m² par intervenant), une marque ou un modèle d'équipement, une référence chantier similaire avec maître d'ouvrage et date vérifiables.
Ces éléments doivent être fournis à l'IA dans le prompt — jamais laissés à son invention. Une IA qui n'a pas reçu le nom du responsable en inventera un ; une IA qui n'a pas reçu le numéro de certification Qualibat pourra en inventer un plausible. Tout ce qui est factuel dans le mémoire final doit être traçable à un document source que vous possédez.
Pour approfondir la méthode de personnalisation section par section, notre article sur la façon d'humaniser un mémoire technique rédigé par IA détaille les techniques concrètes d'injection de données réelles.
Calibrage sur la grille du RC
Avant toute rédaction, l'IA doit extraire la grille de notation du RC — critères, pondérations, sous-critères de la valeur technique — et construire le plan du mémoire en conséquence. Un sous-critère à 20 % de la note technique mérite un développement deux à trois fois plus long qu'un sous-critère à 8 %.
Ce calibrage produit une structure visible dans le mémoire final : les sections les plus développées correspondent aux enjeux les plus pondérés. C'est exactement ce que le jury attend, et c'est l'opposé de la structure lisse et symétrique d'un mémoire généré sans instruction de plan.
Pour voir ce workflow appliqué sur un DCE concret, notre article sur un exemple de mémoire technique rédigé par IA montre le résultat section par section.
Contrôle des éléments factuels avant dépôt
La règle à appliquer systématiquement : tout chiffre, toute norme, toute certification mentionnée dans le mémoire final doit avoir été fourni par vous dans le prompt initial ou vérifié dans un document source avant intégration. Jamais repris sans contrôle depuis la sortie brute de l'IA.
Cette règle élimine le seul risque juridique réel : la fausse déclaration. Elle n'a rien à voir avec la détection de l'IA — elle relève simplement de la rigueur attendue de tout soumissionnaire, quel que soit son outil de rédaction.
Mémoire IA vs mémoire manuel : ce que le jury note vraiment
Un jury n'évalue pas la méthode de production d'un mémoire. Il évalue la qualité de la réponse aux sous-critères de valeur technique. Cette évaluation est indépendante de l'outil utilisé : un mémoire rédigé manuellement mais générique sera mal noté ; un mémoire généré par IA mais enrichi de données réelles et calé sur la grille RC sera bien noté.
La comparaison pertinente n'est donc pas « IA vs humain » mais « personnalisé vs générique ».
| Mémoire générique (IA ou non) | Mémoire personnalisé (IA ou non) |
|---|---|
| Lexique commercial : « réactif », « sur-mesure », « engagé » | Données précises : délai garanti, effectif affecté, certifications numérotées |
| Structure symétrique, sections de longueur égale | Structure pondérée selon le RC, développement proportionnel aux critères |
| Aucune référence à des contraintes CCTP spécifiques | Chaque exigence CCTP nommée et traitée explicitement |
| Normes et références invérifiables ou inexistantes | Tous les éléments factuels traçables à des documents sources |
| Note basse, quel que soit l'outil utilisé | Note élevée, quel que soit l'outil utilisé |
Un outil de rédaction de mémoire technique par IA dédié aux marchés publics réduit les hallucinations en traçant chaque réponse à la pièce DCE source, et contraint l'IA à ne produire que du contenu ancré dans le dossier uploadé — ce qui est structurellement impossible avec un outil généraliste.
Pour éviter les erreurs qui conduisent réellement à l'élimination — non-conformités formelles, fausses déclarations, réponses hors sujet — notre article sur les erreurs de mémoire technique qui entraînent la disqualification dresse la liste complète des points de contrôle avant dépôt.
Questions fréquentes
L'acheteur public peut-il rejeter une offre parce que le mémoire a été rédigé par une IA ?
Non. En l'état du droit français des marchés publics, l'usage de l'IA pour rédiger un mémoire technique n'est pas interdit. Le Code de la commande publique ne contient aucune disposition en ce sens. Un rejet doit être fondé sur des motifs explicites : non-conformité, irrégularité, fausse déclaration avérée. Le style ou la fluidité d'un texte ne constituent pas un motif de rejet légalement défendable.
Les détecteurs de contenu IA sont-ils fiables pour les textes de marchés publics ?
Non. Les outils de détection disponibles (GPTZero, Originality.ai, Copyleaks) présentent des taux de faux positifs et de faux négatifs importants sur des textes experts en français. Un texte technique rédigé par un expert humain peut être signalé comme IA ; un texte généré puis révisé passera souvent sous le radar. Ces outils ne sont pas fiables à un niveau probatoire et ne peuvent pas servir de base à un rejet d'offre.
Quels sont les vrais marqueurs qui trahissent un mémoire technique généré par IA ?
Ce ne sont pas des marqueurs d'IA au sens strict, mais des marqueurs de manque de personnalisation : lexique commercial creux (« réactif », « sur-mesure », « rigoureux »), absence de données chantier réelles, structure indifférenciée qui ne reflète pas la pondération du RC, et parfois des normes ou références invérifiables. Ces signaux existent dans des mémoires rédigés manuellement sans méthode — l'IA les rend simplement plus fréquents si elle n'est pas guidée.
Peut-on être éliminé d'un appel d'offres pour avoir utilisé l'IA dans son mémoire ?
Pas pour l'usage de l'IA en tant que tel. Le risque réel est la fausse déclaration : si une norme citée n'existe pas, si une certification est invérifiable, si une référence chantier est erronée, l'acheteur peut questionner la sincérité de l'offre et exclure le candidat sur ce fondement. Ce risque existe avec n'importe quel outil de rédaction — l'IA le rend plus probable si les éléments factuels ne sont pas vérifiés avant dépôt.
Comment personnaliser un mémoire technique IA pour éviter d'être détecté comme générique ?
En alimentant l'IA avec vos données réelles : noms et qualifications des intervenants affectés, marques et modèles des équipements, références chantiers vérifiables (maître d'ouvrage, nature, date), certifications avec numéro et date d'expiration, délais garantis, contraintes de site du CCTP. Ces éléments doivent être fournis dans le prompt — jamais laissés à l'invention du modèle. Et le plan du mémoire doit être calé sur les sous-critères pondérés du RC, pas sur un modèle type.
Un mémoire technique rédigé par IA peut-il obtenir une bonne note ?
Oui, si le workflow est correctement appliqué. L'IA est un outil de rédaction, pas une garantie de qualité. Un mémoire généré par IA enrichi de données réelles, calé sur la grille RC et audité avant dépôt peut obtenir les mêmes notes — voire de meilleures — qu'un mémoire rédigé manuellement. Le jury note le fond et la conformité aux sous-critères, pas la méthode de production.
L'acheteur peut-il interdire l'IA dans le règlement de consultation ?
Théoriquement oui, en insérant une clause spécifique dans le RC. En pratique, aucun RC publié à ce jour en France ne contient une telle clause. Une telle restriction soulèverait des questions sur la liberté de méthode du soumissionnaire et pourrait faire l'objet d'un recours. La situation réglementaire évolue, mais en 2026, le champ est libre.
Que faire si l'acheteur demande si le mémoire a été rédigé par une IA ?
Cette question est rare et sans base réglementaire actuelle. Si elle intervient lors d'une demande de clarification, vous pouvez répondre factuellement : l'IA a été utilisée comme outil de rédaction, le contenu a été vérifié et validé par les responsables signataires de l'offre. Ce qui importe juridiquement, c'est que les informations déclarées soient exactes — pas l'outil qui les a mises en forme.
