Data et IA freelance : vendre un livrable que le client peut vérifier
Un tableau de bord élégant ou une démonstration d’IA peut impressionner sans résoudre le problème de l’entreprise. Pour un data analyst, data engineer, data scientist, ingénieur IA, MLOps engineer, administrateur de bases ou consultant Power BI, la proposition commerciale doit relier le travail technique à une décision et à une vérification.
Partir de la question métier
Demandez quelle décision est difficile aujourd’hui et quelles informations manquent. « Faire de l’IA » ou « centraliser la data » ne constitue pas un résultat assez précis. Une formulation exploitable indique l’utilisateur, la tâche et le critère permettant de juger le travail.
Par exemple, un responsable peut vouloir comprendre pourquoi deux tableaux de bord donnent des chiffres différents. La première mission pourrait alors porter sur les définitions et les rapprochements, avant toute nouvelle visualisation. Ce cadrage évite de vendre un outil supplémentaire pour masquer un désaccord sur les données.
Examiner l’accès avant de promettre le résultat
Identifiez les propriétaires des sources, les autorisations, la qualité attendue et les délais d’accès. Un échantillon de démonstration peut être très différent des données réellement disponibles. Prévoyez une revue initiale pour confirmer ce qui est exploitable et ce qui devra être corrigé.
Pour un usage d’IA générative, examinez les règles du client, les données transmises et le contrôle des résultats. Les questions-réponses de la CNIL apportent des repères sur ces usages. L’accord opérationnel du client ne dispense pas d’examiner les obligations applicables.
Distinguer prototype et exploitation
Un prototype répond à une question de faisabilité limitée. Une solution exploitée doit aussi être maintenue, surveillée et reprise par une équipe. Décrivez dans le devis le niveau attendu. Une démonstration ponctuelle ne doit pas être présentée comme un service prêt à fonctionner durablement sans travail supplémentaire.
Pour un pipeline ou une base de données, précisez les contrôles, les alertes et les conditions de reprise. Pour un modèle, convenez des données de test et des limites connues. Pour un tableau de bord, documentez les définitions et les règles de rapprochement avec les sources.
Construire le budget par décision
Une première étape peut confirmer la qualité des données et produire une recommandation de suite. La deuxième peut réaliser un périmètre limité. La troisième organise la transmission et les contrôles d’exploitation. Cette progression permet de réviser les hypothèses à des moments explicites.
Elle ne doit pas servir à dissimuler le coût probable. Présentez les inconnues et les scénarios qui peuvent le faire varier : reprise des données, accès retardés ou changement de métrique. Si vous annoncez un gain, précisez comment il sera mesuré et évitez d’en faire une garantie avant observation.
Montrer votre capacité de contrôle
Dans votre portfolio, un exemple de mauvaise donnée détectée ou de résultat rejeté peut être aussi instructif qu’une démonstration réussie. Expliquez vos critères et votre contribution. Pour le tarif, partez du calcul de TJM, puis rendez visibles les étapes de vérification et de transmission qui donnent sa valeur à la mission.