C'est quoi l'IA générative dans les achats?

L’IA générative change la façon dont les équipes achats s’occupent de la recherche de fournisseurs, de l’analyse des contrats et des demandes d’achat.

Au lieu de simplement automatiser les tâches répétitives, elle peut analyser de grandes quantités de données, créer du contenu, répondre aux questions et aider les équipes à prendre des décisions plus rapides et mieux éclairées.

Avec la hausse du nombre de fournisseurs, de données et de pressions sur les coûts, l’IA générative aide les équipes achats à travailler plus efficacement, tout en laissant les décisions importantes aux personnes.

Qu’est-ce que l’IA générative dans les achats ?

L’IA générative dans les achats consiste à utiliser des outils d’IA capables de créer ou de modifier du contenu pour faciliter les tâches liées aux achats.

L’automatisation traditionnelle suit des règles prédéfinies, tandis que l’IA générative peut comprendre des informations désordonnées ou non structurées et produire des résultats utiles.

C’est particulièrement utile pour les équipes achats qui travaillent avec des contrats, des e-mails de fournisseurs, des demandes d’achat et des documents similaires.

Par exemple, une équipe achats peut fournir à un outil d’IA une proposition de fournisseur et lui demander de :

• Résumer les principales conditions
• Identifier les risques potentiels
• Comparer la proposition avec celle d’un autre fournisseur
• Mettre en évidence des prix inhabituels
• Préparer des questions à poser au fournisseur
• Suggérer des points à négocier

L’IA générative ne prend pas en charge l’ensemble du processus achats.

Elle aide surtout les équipes à avancer plus vite à chaque étape, pour qu’elles puissent se concentrer sur les décisions qui requièrent un véritable jugement humain.

Environ 47 % des organisations utilisent des fonctionnalités d’IA générative intégrées à des solutions existantes, comme Coupa AI Classification et Joule Copilot de SAP, tandis que 30 % s’appuient sur des outils développés sur mesure ou généralistes comme Microsoft Copilot.

L’adoption de l’IA générative devrait continuer d’augmenter, car de plus en plus de solutions intégrées arrivent sur le marché.

Types d’IA utilisés dans les achats

L’IA générative n’est qu’un type parmi d’autres utilisés dans les achats.

D’autres technologies servent à analyser les données, à repérer des tendances, à comprendre le langage et à prévoir ce qui peut arriver.

• Machine learning

Le machine learning (ML) utilise les données historiques pour identifier des tendances et effectuer des prédictions.

Dans les achats, il peut automatiser la classification des dépenses, prévoir la demande, évaluer les performances des fournisseurs et signaler les transactions inhabituelles.

Par exemple, un modèle de ML peut apprendre à partir des achats précédents comment les catégoriser et classer automatiquement les nouvelles transactions dans les bonnes catégories de dépenses.

• Traitement automatique du langage

Le traitement automatique du langage (NLP) aide l’IA à comprendre et analyser le langage humain.

C’est utile pour travailler avec des contrats, des communications avec les fournisseurs, des réponses aux appels d’offres et d’autres documents comportant beaucoup de texte.

Par exemple, le NLP peut identifier les conditions de paiement ou certaines clauses dans des centaines de contrats avec des fournisseurs.

• IA générative

L’IA générative crée du contenu et répond en s’appuyant sur les informations et les instructions qu’on lui fournit.

Dans les achats, elle peut rédiger des appels d’offres, résumer des contrats, comparer des propositions de fournisseurs, répondre à des questions et rédiger des communications destinées aux fournisseurs.

Par exemple, un professionnel des achats peut demander à un assistant IA de résumer plusieurs propositions de fournisseurs et d’en mettre en évidence les principales différences afin de faciliter leur analyse.

Ces technologies peuvent aussi fonctionner ensemble.

Par exemple, une plateforme d’achats peut utiliser le machine learning pour classer les dépenses, le NLP pour analyser les contrats et l’IA générative pour transformer ces résultats en réponses ou recommandations utiles.

Cas d’utilisation de l’IA générative dans les achats

Depuis la sortie de ChatGPT fin 2022, l’IA générative est devenue un sujet majeur pour les entreprises du monde entier.

Grâce à une interface simple, l’IA générative peut créer et analyser du contenu, ce qui change la façon dont les organisations travaillent.

Le domaine des achats est également concerné.

Les équipes expérimentent déjà l’IA générative pour rédiger des appels d’offres, analyser les réponses des fournisseurs, automatiser certains processus et faciliter la sélection des fournisseurs.

L’IA générative peut intervenir à de nombreuses étapes du processus d’achat, depuis la première demande d’achat jusqu’à la gestion des fournisseurs et au renouvellement des contrats.

1. Simplifier les demandes d’achat

Les équipes achats consacrent souvent du temps à examiner et à traiter les demandes d’achat avant même d’en évaluer un.

L’IA générative peut examiner les nouvelles demandes, en extraire les informations importantes et les classer par service, par type d’achat, par fournisseur ou par coût estimé.

Par exemple, si un employé soumet une demande d’un nouvel abonnement SaaS, l’IA peut identifier la catégorie du logiciel, son coût estimé, la justification métier et les autres informations pertinentes avant de transmettre la demande au responsable approprié.

Cela réduit la saisie manuelle et aide les équipes achats à traiter les demandes plus régulièrement.

2. Analyser les informations sur les fournisseurs

Comparer les fournisseurs peut nécessiter l’analyse de propositions, de documents tarifaires, de sites web, de contrats et d’autres sources.

L’IA générative peut rassembler ces informations et mettre en avant les points clés dans un format plus simple à comprendre.

Par exemple, si trois fournisseurs soumettent des propositions pour le même service, l’IA peut extraire leurs tarifs, la durée des contrats, les niveaux de service, les coûts de mise en œuvre et les principales différences.

Les équipes achats peuvent utiliser cette analyse pour établir une liste restreinte de fournisseurs et identifier les points qui nécessitent une analyse plus approfondie.

C’est très utile quand les informations sur les fournisseurs sont dispersées dans plusieurs documents, e-mails ou autres sources non structurées.

3. Faciliter les négociations avec les fournisseurs

Les négociations contractuelles exigent souvent des équipes achats qu’elles comprennent les dépenses historiques, les tarifs des fournisseurs, les conditions contractuelles et les alternatives disponibles. L’IA générative peut regrouper ces informations et signaler les sujets à négocier.

Par exemple, l’IA peut analyser un contrat SaaS et mettre en évidence :

• Les augmentations de prix au renouvellement
• Les engagements minimums de consommation
• Les clauses de renouvellement automatique
• Les frais supplémentaires
• Les conditions de résiliation défavorables

Le responsable des achats peut utiliser ces informations pour préparer les négociations.

L’IA peut aussi aider à écrire des e-mails ou messages de négociation pour les fournisseurs, selon les objectifs de l’équipe.

→ 💻 Pour plus de conseils sur les négociations, consultez notre article pour découvrir comment négocier un prix d’achat plus bas sans froisser le vendeur.

4. Analyser les contrats achats

Les contrats contiennent de nombreuses informations que les équipes achats doivent vérifier et suivre.

L’IA générative peut résumer les contrats et extraire des informations importantes telles que les prix, les dates de renouvellement, les conditions de paiement, les niveaux de service et les règles de résiliation.

Elle peut également aider les équipes à comparer différentes versions d’un contrat et à identifier les modifications.

Par exemple, si un fournisseur envoie une version mise à jour d’un accord, l’IA peut mettre en évidence les changements concernant les prix ou les obligations contractuelles afin que l’équipe achats sache où concentrer son analyse.

Cela aide à repérer plus facilement les informations importantes.

→ 💻 Consultez notre guide complet sur la gestion des contrats SaaS.

5. Identifier des opportunités d’économies

L’une des utilisations les plus intéressantes de l’IA dans les achats consiste à identifier des pistes potentielles de réduction des dépenses en analysant les données d’achat.

L’IA peut analyser les habitudes de dépenses et détecter des problèmes tels que des fournisseurs en double, des abonnements inutilisés, des écarts de prix ou des achats éparpillés.

Par exemple, plusieurs services peuvent acheter séparément des logiciels similaires auprès de différents fournisseurs.

Pris individuellement, chaque achat peut sembler raisonnable.

Mais en les regroupant, on peut constater qu’il est possible de consolider les abonnements et de négocier de meilleures conditions.

L’IA générative peut mettre en avant des opportunités d’économies, mais les équipes achats doivent toujours vérifier les résultats et agir en conséquence.

6. Rédiger les documents achats

Les équipes achats doivent souvent refaire les mêmes types de documents et messages.

L’IA générative peut aider à rédiger :

• Des e-mails aux fournisseurs
• Des appels d’offres
• Des questionnaires fournisseurs
• Des justifications d’achat
• Des briefs de négociation
• Des résumés de contrats
• Des rapports achats

Les équipes peuvent fournir du contexte à l’IA et lui demander de créer une première version, plutôt que de tout rédiger de zéro.

Cela fait gagner du temps, tout en laissant aux professionnels des achats la possibilité de vérifier et d’ajuster la version finale.

7. Répondre aux questions liées aux achats

Les informations d’achat sont souvent réparties entre les contrats, les données des fournisseurs, les systèmes d’achat et la documentation interne.

L’IA générative rend l’accès à ces informations plus simple, car les utilisateurs peuvent poser leurs questions en langage courant.

Plutôt que de rechercher des informations dans plusieurs systèmes, un professionnel des achats pourrait demander :

« Quels contrats SaaS arrivent à échéance au cours des 90 prochains jours ? »

Ou :

« Quels fournisseurs ont augmenté leurs prix cette année ? »

L’IA peut alors faire ressortir les informations pertinentes, à condition que les systèmes sous-jacents soient connectés et que les données soient accessibles.

Quels sont les avantages de l’IA générative dans les achats ?

La vraie valeur de l’IA générative ne tient pas seulement à sa rapidité à rédiger du contenu.

Son principal avantage est d’aider les équipes achats à gérer de grandes quantités d’informations avec moins de travail manuel.

Réduire le travail manuel

Les achats comprennent de nombreuses tâches répétitives, notamment l’analyse de documents, la saisie de données, la rédaction d’e-mails et la préparation de rapports.

L’IA générative peut accélérer ou automatiser de nombreuses tâches, afin que les professionnels des achats puissent se concentrer sur la stratégie, les négociations et d’autres activités importantes.

Améliorer l’efficacité des achats

L’IA peut traiter les informations bien plus vite qu’une personne qui analyse manuellement des centaines de documents ou d’enregistrements.

Cela aide les équipes achats à répondre plus rapidement aux demandes, à évaluer les fournisseurs plus efficacement et à éviter les ralentissements du processus d’achat.

Mieux exploiter les données achats

Les équipes achats disposent souvent de nombreuses données sur les dépenses et les fournisseurs, mais n’ont pas toujours le temps de tout analyser.

L’IA peut transformer ces données en informations utiles, en repérant des tendances, des situations inhabituelles ou des points nécessitant une analyse plus poussée.

Améliorer la prise de décision

L’IA générative peut rassembler les informations importantes au même endroit avant qu’une décision d’achat soit prise.

Par exemple, au lieu d’analyser séparément un contrat fournisseur, l’historique des dépenses et les informations tarifaires, un professionnel des achats peut utiliser l’IA pour résumer les informations pertinentes au même endroit.

L’équipe achats prend toujours la décision finale, mais elle dispose d’une vision plus claire de l’ensemble des informations disponibles.

Réduire les coûts d'achat

En repérant les abonnements inutilisés, les fournisseurs en double, les différences de prix et d’autres inefficacités, l’IA aide les équipes achats à trouver des économies possibles.

Le montant réellement économisé dépend de la manière dont l’organisation exploite ces informations.

L’IA peut repérer des opportunités, mais c’est aux équipes achats d’agir pour réaliser ces économies.

Les limites de l’IA générative dans les achats

L’IA générative peut accélérer le travail des équipes achats, mais elle a encore des limites que les entreprises doivent prendre en compte avant de l’utiliser pour des décisions importantes.

La précision peut poser problème, car l’IA peut donner des informations convaincantes mais fausses, surtout si elle travaille avec des données incomplètes, anciennes ou peu fiables.

Les résultats importants doivent donc être vérifiés avant d’influencer les décisions d’achat ou concernant les fournisseurs.

La confidentialité des données est aussi très importante, car les équipes achats gèrent souvent des contrats sensibles, des prix, des données fournisseurs et des informations financières.

Avant de connecter un outil d’IA aux systèmes achats, les équipes doivent comprendre comment ces données sont traitées, stockées et protégées.

L’IA peut aussi manquer de contexte métier. Elle peut repérer des tendances ou suggérer des actions sans bien comprendre la relation avec un fournisseur, le contexte d’une négociation ou les priorités de l’entreprise.

La supervision humaine reste donc indispensable, surtout pour les décisions qui concernent des dépenses importantes, des contrats, des négociations, la conformité ou les risques fournisseurs.

La qualité des données peut aussi limiter l’utilité de l’IA. Si les données achats sont dispersées, anciennes ou incohérentes, même les meilleurs outils auront du mal à donner des informations fiables.

Le but n’est pas de laisser l’IA prendre les décisions achats, mais de l’utiliser pour réduire les tâches répétitives, analyser plus vite et donner aux équipes achats de meilleures informations pour décider.

Pourquoi les données et l’expertise achats comptent plus que l’IA elle-même

L’IA générative n’est utile que si elle a accès à de bonnes informations.

La différence entre un outil d’IA générique et un outil conçu pour les achats repose sur quelques éléments importants :

Si un outil d’IA n’a pas accès à des données connectées ou à une expertise intégrée, il ne peut utiliser que les informations disponibles au moment de son utilisation.

Une plateforme spécialisée pour les achats lève cette limite et fournit des résultats fiables, prêts à être utilisés et non seulement comme brouillon.

La plupart des exemples précédents partent du principe que l’IA a déjà les bonnes informations, mais ce n’est généralement pas automatique.

Des outils généralistes comme ChatGPT ou Copilot n’ont pas accès automatiquement aux contrats, à l’historique des dépenses ou aux données fournisseurs d’une entreprise.

Il faut toujours que quelqu’un retrouve le bon contrat, le copie et le colle avant que l’IA puisse le résumer.

Si vous demandez « quels contrats SaaS arrivent à échéance dans les 90 prochains jours ? » sans connecter l’outil aux vraies données, l’IA n’a rien à consulter.

C’est pareil pour l’expertise.

Les modèles d’IA générative apprennent à partir du langage courant, pas des pratiques achats.

Ils ne savent pas d’emblée à quoi ressemble une clause de renouvellement automatique typique dans un contrat SaaS, ni ce qui serait une hausse de prix inhabituelle pour un logiciel donné.

Sans ce contexte, la qualité des résultats de l’IA dépend uniquement du prompt et du document donnés par l’utilisateur.

C’est pour cela que la plateforme derrière l’IA compte autant que l’IA elle-même.

Un outil déjà relié aux contrats, aux dépenses et aux données fournisseurs d’une entreprise, et pensé pour les achats, peut donner des réponses fiables automatiquement.

Un outil d’IA générique sans cette base dépend totalement de l’utilisateur pour obtenir les bonnes informations à chaque fois.

Comment mettre en place l’IA générative dans les achats

Les organisations n’ont pas besoin d’automatiser toutes leurs activités achats d’un seul coup.

Il est préférable de commencer par des tâches spécifiques pour lesquelles l’IA peut clairement apporter une valeur ajoutée.

1. Identifier les tâches répétitives

Commencez par repérer les tâches achats qui prennent le plus de temps.

La synthèse des contrats, la recherche de fournisseurs, le traitement des demandes d’achat et la communication avec les fournisseurs sont de bons points de départ.

2. Choisir les cas d’utilisation adaptés

Toutes les tâches achats n’ont pas forcément besoin de l’IA générative.

Concentrez-vous sur les situations où l’IA peut réduire le travail manuel sans créer de risques supplémentaires.

Par exemple, utiliser l’IA pour écrire un e-mail à un fournisseur est généralement moins risqué que de la laisser approuver un contrat important sans vérification humaine.

3. Connecter les données pertinentes

L’IA a besoin de données fiables et de qualité pour donner des résultats utiles.

Quand c’est possible, connectez les données achats issues des outils de gestion des contrats, des plateformes d’achat, des systèmes financiers et des solutions de gestion des fournisseurs.

4. Garder les humains dans la boucle

L’IA doit aider les professionnels des achats, et non les écarter des décisions importantes.

Les équipes doivent vérifier les recommandations de l’IA, surtout pour la sélection des fournisseurs, les contrats, la conformité ou les grosses dépenses.

5. Mesurer les résultats

Suivez l’impact réel de l’IA sur le travail des équipes achats.

Les indicateurs utiles peuvent inclure le temps gagné, la durée des tâches, les coûts achats, les économies identifiées et le nombre de tâches manuelles désormais automatisées.

Comment Najar utilise l’IA dans les achats

Par exemple, Copilot ou ChatGPT peuvent résumer un contrat SaaS lorsque vous le téléchargez.

Cependant, ils ne comprennent pas automatiquement comment ce contrat s’inscrit dans le portefeuille fournisseurs de votre entreprise, son historique de dépenses ou son calendrier de renouvellement.

Une plateforme achats comme Najar apporte ce contexte.

Son IA s’appuie sur des données provenant de plus de 6 milliards d’euros de dépenses, de plus de 250 clients, de 3 500 négociations et de l’expérience des Procurement Partners de Najar.

Avec ces données et cette expertise, l’IA de Najar comprend mieux les habitudes d’achat, les relations fournisseurs, les prix et les opportunités de négociation qu’un outil d’IA générique qui fonctionne seulement à partir d’un prompt ou d’un document.

The same idea applies to procurement expertise. While AI can locate information in a contract, understanding whether a price increase is unusual or if a renewal needs attention requires knowledge of procurement.

Najar combines AI, procurement workflows, and data so teams can turn information into useful insights and actions. Instead of starting over with an AI chat and entering details every time, teams work in a connected procurement environment.

How does this work in real situations?

Teams use smart purchase requests to collect the information they need to review a purchase. As they move through the process, they can approve requests faster and find vendors more easily.

Najar also helps teams manage procurement contracts by keeping key information in one place and highlighting important details. Its expense optimization tools help teams find ways to reduce SaaS costs.

The goal is to reduce manual work and make it easier for teams to access the information they need to make decisions.