Conception Phases : P4 Compétences : C3
Build / Buy / GenAI decision
Définition
La décision Build/Buy/GenAI est un cadre d’arbitrage entre quatre options principales pour réaliser une solution IA : développement interne sur mesure (build), acquisition d’une solution standard du marché (buy), utilisation de modèles génératifs via API (GenAI), approche hybride combinant plusieurs options. Le cadre étend la décision classique Make/Buy à l’IA contemporaine en intégrant la GenAI comme troisième voie distincte.
Pour l’AIBS, cette décision intervient en phase P4. Elle alimente la compétence C3 (développer des solutions basées sur l’IA) en orientant les grands choix d’architecture avant l’engagement détaillé. Elle s’appuie sur les analyses conduites en phase P3 (catalogue d’exigences, analyse de marché des solutions).
Les critères d’arbitrage sont multiples et leur pondération dépend du contexte : couverture fonctionnelle des exigences, coût total de possession, dépendance aux fournisseurs, contrôle des données, vitesse de mise en œuvre, compétences disponibles ou à acquérir, réversibilité.
Quand l’utiliser
À conduire en début de phase P4, après l’analyse de marché et avant la conception détaillée. Atelier collégial avec sponsor, IT, finance, DPO et spécialistes techniques. Durée typique : 2 à 4 heures de débat suivies d’une décision formelle.
Exemple visuel
Grille comparative type — décision Build/Buy/GenAI
| Critère | Pondération | Build (interne) | Buy (SaaS) | GenAI (API LLM) | Hybride |
|---|---|---|---|---|---|
| Couverture exigences | 20% | 5/5 | 3/5 | 4/5 | 4/5 |
| TCO 3 ans | 20% | 2/5 | 4/5 | 5/5 | 3/5 |
| Vitesse mise en œuvre | 15% | 1/5 | 4/5 | 5/5 | 3/5 |
| Contrôle des données | 15% | 5/5 | 2/5 | 1/5 | 3/5 |
| Conformité LPD | 10% | 5/5 | 3/5 | 2/5 | 4/5 |
| Indépendance fournisseur | 10% | 5/5 | 1/5 | 1/5 | 3/5 |
| Compétences disponibles | 10% | 1/5 | 5/5 | 4/5 | 3/5 |
| TOTAL pondéré | 100% | 3,40 | 3,20 | 3,40 | 3,30 |
Exemple concret rempli
Exemple appliqué — Office cantonal de l’emploi
Un office cantonal de l’emploi (180 collaborateurs, 12 000 demandeurs d’emploi en suivi annuel) arbitre entre les options pour un projet d’assistant numérique d’aide à la rédaction des CV.
L’AIBS conduit l’arbitrage avec le directeur, le responsable IT cantonal, le DPO, le responsable formation et un conseiller en emploi expérimenté.
Quatre options analysées :
OPTION 1 — Build (développement interne par l’IT cantonal) Couverture exigences : 5/5 (sur mesure pour le contexte). TCO 3 ans : CHF 650k (équipe 2 ETP × 1,5 an + maintenance). Vitesse : 18 mois. Contrôle des données : total. Conformité LPD : maîtrisée. Compétences : à acquérir significativement. Score pondéré : 3,1/5
OPTION 2 — Buy (solution SaaS spécialisée emploi) Une solution allemande existe (CV Builder Pro). Couverture : 65% (à adapter au contexte suisse romand). TCO 3 ans : CHF 220k. Vitesse : 4 mois. Hébergement Allemagne. Conformité LPD : à vérifier. Dépendance forte au fournisseur étranger. Score pondéré : 3,0/5
OPTION 3 — GenAI (intégration directe d’un LLM via API) Solution développée en interne autour d’un LLM (Mistral hosted). Couverture : 85%. TCO 3 ans : CHF 180k (développement léger + coûts API). Vitesse : 3 mois. Hébergement Suisse via Mistral. Conformité LPD : à cadrer (transmission de données personnelles à l’API). Risques d’hallucinations sur des CV à enjeu. Score pondéré : 3,4/5
OPTION 4 — Hybride (couche métier interne + LLM hosted Mistral pour génération) Architecture combinant un module de structuration des données (interne) et un LLM pour la génération (Mistral). Couverture : 90%. TCO 3 ans : CHF 280k. Vitesse : 6 mois. Contrôle des données structuré : oui. Conformité LPD : maîtrisée par l’architecture (anonymisation avant transmission au LLM). Réversibilité bonne. Score pondéré : 3,7/5
Décision : engagement sur l’option 4 (hybride) malgré un coût et un délai supérieurs aux options pures, en raison de : - Maîtrise de la conformité LPD (anonymisation pré-LLM = pas de données personnelles transmises à des tiers) - Couverture fonctionnelle élevée (capacité d’adaptation aux spécificités cantonales) - Réversibilité préservée (le LLM est interchangeable, la couche métier reste) - Acceptabilité politique (pas de dépendance à un fournisseur unique)
Documentation : la décision est tracée dans une note de 4 pages reprenant l’analyse des 4 options, les critères d’arbitrage, les pondérations et la recommandation. Cette note alimente le business case en phase P6.
Variantes
Cadre Make/Buy classique pour les contextes hors IA. Matrice de souveraineté technologique pour les organisations sensibles aux dépendances (secteur public, défense, santé). Matrice TCO sur horizons multiples (3 ans, 5 ans, 7 ans).
⚠ Piège classique
Choix par défaut du GenAI en raison de sa visibilité médiatique, sans évaluation rigoureuse des alternatives. Pour les besoins répétitifs à fort volume (millions d’inférences), une solution standard ou un développement interne peut s’avérer plus économique et plus contrôlable. Inversement, pour des besoins de prototypage rapide, le GenAI offre une flexibilité difficile à égaler.
Clé de succès : Évaluer aussi le TCO long terme et le risque de lock-in.
Boussole AIBS — Manuel méthodologique non officiel pour le brevet fédéral d’AI Business Specialist.
Sources : Profil de qualification AIBS v15.04.2025 · Annexe directives FAAIB v1.01 · Document modules FAAIB v2.0 · Règlement examen v3.0 (mars 2026)