« L’IA pour les achats » recouvre beaucoup de choses. Une partie est réelle ; une autre n’est que le rebaptême de fonctionnalités qui existaient avant que le terme ne devienne à la mode. Il vaut la peine de séparer les deux.
Là où l’IA est déjà utile
- La classification des dépenses. Faire correspondre une liste de transactions comptables désordonnée à une taxonomie de catégories propre est exactement le type de tâche floue et de reconnaissance de motifs que le machine learning traite bien. La précision de catégorisation au premier passage dépasse aujourd’hui les 90 %, ce qui bat la référence manuelle et les systèmes à règles qu’il faut réécrire à chaque évolution de l’ERP.
- La détection d’anomalies dans le comportement fournisseur. Schémas d’enchères, dérive des délais, incidents qualité : les faire remonter avant qu’ils ne deviennent des problèmes.
- Les suggestions de stratégie de négociation. La reconnaissance de motifs sur l’historique : « lors des trois dernières enchères de cette catégorie, le moins-disant s’est fixé dans les 12 premières minutes. Envisagez de raccourcir la fenêtre de l’événement. »
Là où c’est encore surtout du marketing
- Les contrats « négociés par l’IA », où le modèle répond directement au fournisseur. Cela existe sur des catégories étroites et tactiques. Cela ne fonctionne pour rien de stratégique.
- Le coût objectif prédictif. Une véritable modélisation du coût objectif est un travail d’ingénierie : spécifications matières, gamme de fabrication, taux horaires. Un modèle entraîné sur les prix passés ne fait que prédire les prix passés.
Le cadrage honnête
L’IA qui a de la valeur dans les achats ressemble à un copilote, pas à un pilote automatique. Elle fait émerger des tendances, propose des options, signale des anomalies, et laisse la négociation au négociateur. Quiconque vend la version pilote automatique a soit un cas d’usage très étroit en tête, soit un manque de précision.