IA générative dans les achats : cas d'usage concrets pour gagner en productivité
L’IA générative dans les achats ouvre de nouvelles possibilités pour automatiser certaines tâches à faible valeur ajoutée et accélérer le traitement de volumes importants d’informations. Pour une Direction Achats ou un acheteur IT, son intérêt ne se limite pas à la rédaction d’e-mails avec ChatGPT : elle peut intervenir dans la préparation d’un appel d’offres, la structuration d’un CCTP/CdC, l’analyse d’offres fournisseurs ou encore la synthèse de documents contractuels et techniques.
L’enjeu n’est toutefois pas de déléguer la décision achats à une intelligence artificielle. Il consiste à identifier les tâches sur lesquelles l’IA peut réellement augmenter la productivité, tout en conservant une validation humaine sur les dimensions critiques : exigences métiers, prix, risques, cybersécurité, conformité ou engagements contractuels.
Deux cas d’usage illustrent particulièrement ce potentiel : la rédaction assistée des cahiers des charges et l’analyse comparative des offres fournisseurs. Leur mise en œuvre suppose néanmoins une gouvernance rigoureuse des données, des prompts et des résultats produits.
Rédaction de CCTP et cahiers des charges assistée par IA
L’IA générative peut assister la démarche achats dans la création, la structuration et la relecture d’un CCTP ou d’un cahier des charges. Elle est particulièrement utile pour transformer des informations métiers dispersées en une première trame structurée, identifier des exigences manquantes ou reformuler des besoins de manière plus exploitable par les fournisseurs.
Elle ne remplace cependant ni l’expertise de l’acheteur ni celle de la DSI et des équipes métiers. L’IA produit une base de travail ; la responsabilité de définir le besoin et de valider les exigences reste humaine.
Transformer un besoin métier en document structuré
La préparation d’un appel d’offres IT mobilise souvent plusieurs interlocuteurs : Direction Achats, DSI, utilisateurs métiers, cybersécurité, direction juridique ou encore direction financière. Chacun apporte ses propres exigences et son propre niveau de langage technique.
Le travail de l’acheteur consiste notamment à consolider ces informations pour obtenir un cahier des charges compréhensible, suffisamment précis et permettant aux fournisseurs de proposer des offres comparables.
L’intelligence artificielle générative peut accélérer cette phase de structuration.
À partir d’éléments validés fournis par l’entreprise, elle peut par exemple aider à :
- organiser les besoins par catégories ;
- distinguer exigences obligatoires et souhaitables ;
- reformuler des expressions ambiguës ;
- identifier des informations manquantes ;
- transformer des notes de réunion en première trame de cahier des charges ;
- proposer une structure de questionnaire fournisseur ;
- préparer une matrice de réponse ;
- homogénéiser la formulation des différentes exigences.
Prenons le cas d’un appel d’offres SaaS. Les équipes métiers peuvent exprimer des besoins fonctionnels tandis que la DSI ajoute des contraintes d’intégration et que les équipes sécurité définissent leurs exigences de protection des données.
L’IA peut aider à répartir ces éléments dans des rubriques cohérentes : périmètre fonctionnel, architecture, interfaces, sécurité, données, SLA, support, réversibilité, conditions de déploiement ou modèle de licences.
L’acheteur obtient ainsi plus rapidement une première structure exploitable.
Utiliser l’IA comme outil de contrôle de cohérence
L’un des usages intéressants de l’IA générative dans les achats consiste moins à lui demander de créer un cahier des charges qu’à challenger un document déjà préparé.
Un acheteur peut, par exemple, lui demander d’identifier les exigences formulées de manière imprécise, les critères difficiles à mesurer ou les éléments qui risquent d’empêcher une comparaison objective des fournisseurs.
Cette approche est particulièrement pertinente pour les Achats IT. Un CCTP/CdC peut sembler complet sur le plan fonctionnel tout en restant insuffisant sur des sujets déterminants pour le futur contrat : disponibilité du service, niveaux de support, réversibilité, conditions de sortie, hébergement des données ou modalités de changement de périmètre.
L’objectif n’est pas de considérer les suggestions de l’IA comme une liste universelle d’exigences. Il s’agit de l’utiliser comme un outil de questionnement, puis de faire valider les éléments pertinents par les spécialistes concernés, à la lumière du contexte.
La qualité du prompt conditionne la qualité du résultat
Un prompt désigne l’instruction et le contexte transmis à un modèle d’IA générative afin d’obtenir une réponse.
Dans un environnement achats, une demande générique comme « rédige un cahier des charges pour un logiciel » produit généralement un résultat trop général pour être directement exploitable.
Un prompt professionnel doit apporter suffisamment de contexte : catégorie d’achat, objectifs du projet, périmètre, contraintes connues, interlocuteurs, livrable attendu et règles à respecter.
Il est également utile d’imposer une structure de sortie. Par exemple, demander de distinguer :
- les exigences fonctionnelles ;
- les exigences techniques ;
- les exigences de sécurité ;
- les engagements de service ;
- les éléments économiques ;
- les exigences contractuelles à soumettre ensuite à la direction juridique ;
- les informations manquantes nécessitant une clarification.
Cette méthode limite les réponses trop générales et facilite la validation humaine.
Une bonne utilisation de l’IA repose donc sur une logique simple : contexte précis, consigne précise, format attendu et contrôle du résultat.
Ne pas laisser l’IA inventer le besoin
Le principal risque apparaît lorsque l’utilisateur demande à l’outil de produire des exigences sans lui fournir suffisamment d’informations.
Un modèle génératif peut proposer des éléments plausibles qui ne correspondent pas nécessairement aux contraintes réelles de l’entreprise. Une exigence techniquement crédible peut ainsi être inutile, inadaptée ou incompatible avec l’environnement IT existant.
La bonne démarche consiste à partir des besoins réels puis à utiliser l’IA pour les structurer, les questionner ou les reformuler.
L’IA peut accélérer la formalisation d’un besoin. Elle ne doit pas décider à la place de l’entreprise de ce dont celle-ci a besoin.
Analyse et comparaison d’offres fournisseurs
L’analyse d’offres constitue un deuxième cas d’usage à fort potentiel pour l’IA générative achats. Lorsqu’un appel d’offres génère plusieurs réponses volumineuses, l’intelligence artificielle peut faciliter l’extraction, la classification et la synthèse des informations afin de préparer le travail d’évaluation.
L’enjeu est particulièrement important dans les Achats IT, où une proposition fournisseur peut combiner réponse fonctionnelle, architecture technique, grille tarifaire, SLA, hypothèses de déploiement, conditions de support et éléments contractuels.
Extraire les informations importantes des réponses
Comparer plusieurs fournisseurs exige normalement de retrouver les mêmes informations dans des documents dont les structures peuvent être très différentes.
L’IA peut contribuer à extraire et classer les réponses selon une grille commune.
| Dimension | Exemples d’éléments à comparer |
| Fonctionnel | Couverture du besoin, fonctionnalités, limites |
| Technique | Architecture, intégrations, prérequis |
| Économique | Prix, licences, options, coûts additionnels |
| Service | SLA, support, maintenance |
| Sécurité | Hébergement, accès, protection des données |
| Contractuel | Engagements, responsabilités, réversibilité |
| Déploiement | Planning, ressources, dépendances |
Cette standardisation facilite la lecture des offres et peut réduire le temps consacré à la recherche manuelle d’informations.
Elle permet surtout à l’acheteur de concentrer davantage son attention sur ce qui crée réellement de la valeur : analyser les écarts, challenger les hypothèses, identifier les risques et préparer la négociation.
Identifier plus rapidement les écarts entre fournisseurs
L’intérêt de l’IA ne réside pas uniquement dans la synthèse.
Elle peut également être utilisée pour rechercher des différences précises entre plusieurs propositions : un fournisseur accepte-t-il l’exigence sans réserve ? Un autre propose-t-il une alternative ? Une fonctionnalité est-elle comprise dans le prix ou proposée en option ? Certaines hypothèses commerciales risquent-elles d’augmenter le coût futur ?
Pour un achat SaaS, par exemple, comparer uniquement le prix annuel affiché serait insuffisant. Il peut être nécessaire d’examiner les règles de facturation, les volumes inclus, les paliers, les fonctionnalités optionnelles, les services d’implémentation ou les conditions de renouvellement.
L’IA peut aider à repérer ces éléments dans les documents. L’analyse économique et la construction du TCO doivent toutefois rester fondées sur des données vérifiées et des hypothèses explicitement validées.
Cette distinction est essentielle : automatiser la recherche d’informations n’équivaut pas à automatiser la décision.
Faciliter la préparation de la négociation
Une fois les offres analysées, l’IA générative peut également assister l’acheteur dans la préparation de sa stratégie de négociation.
À partir d’informations préalablement vérifiées, elle peut aider à synthétiser :
- les écarts entre fournisseurs ;
- les points restant à clarifier ;
- les réserves exprimées ;
- les postes économiques à challenger ;
- les incohérences entre offre commerciale et réponse technique ;
- les engagements de service à négocier ;
- les questions à poser lors des soutenances.
Dans une démarche Achats IT, cela peut être particulièrement utile lorsqu’un fournisseur présente une offre attractive sur le prix mais impose certaines contraintes sur les licences, les volumes minimums, la réversibilité ou les services associés.
L’outil devient alors une aide à la préparation. La stratégie de négociation reste définie par l’acheteur en fonction du rapport de force, du marché fournisseur, des alternatives disponibles et des objectifs de l’entreprise.
Peut-on automatiser entièrement l’analyse des offres ?
Non. L’automatisation des achats peut accélérer certaines opérations de collecte, de classification et de synthèse, mais une décision fournisseur comporte des dimensions que l’IA ne doit pas arbitrer seule.
Un fournisseur peut obtenir une bonne évaluation technique tout en présentant un risque contractuel important. Une offre plus coûteuse à court terme peut présenter un meilleur TCO. Une proposition attractive peut également créer une dépendance technologique difficile à traiter lors d’un futur changement de solution.
La décision exige donc une lecture croisée entre Achats, DSI, métiers, juridique, cybersécurité et, selon les enjeux, finance.
Une démarche pertinente peut suivre cinq étapes :
- définir les critères d’évaluation avant l’analyse ;
- utiliser l’IA pour extraire et structurer les informations ;
- vérifier les informations utilisées pour la notation ;
- faire évaluer chaque dimension par les interlocuteurs compétents ;
- documenter la décision finale.
L’IA peut accélérer l’analyse d’une offre fournisseur ; elle ne doit pas transformer une décision multicritère en recommandation automatique.
Limites et vigilance à avoir sur la fiabilité des données
L’utilisation de l’IA générative dans les achats nécessite une gouvernance adaptée. Trois sujets doivent être traités en priorité : la confidentialité des informations transmises, la fiabilité des réponses générées et le maintien d’une responsabilité humaine sur les décisions.
Ces précautions deviennent particulièrement importantes lorsque les outils sont utilisés sur des contrats, des données tarifaires, des offres fournisseurs ou des informations relatives au système d’information.
Premier risque : transmettre des informations sensibles
Les documents achats peuvent contenir des informations confidentielles : prix négociés, conditions commerciales, données fournisseurs, architecture IT, exigences de cybersécurité, contrats, données personnelles ou éléments relatifs à la stratégie de l’entreprise.
Il ne faut donc pas copier ces informations dans un outil d’IA sans avoir vérifié au préalable les règles applicables à son utilisation.
Avant de déployer un cas d’usage, l’entreprise doit notamment déterminer quelles données peuvent être utilisées, dans quel environnement, avec quelles garanties et pour quelles finalités.
La gouvernance de l’IA générative ne relève donc pas uniquement de la Direction Achats. Elle implique également la DSI, les équipes cybersécurité, le juridique, la protection des données et les métiers concernés.
Dans certains cas, l’anonymisation ou la suppression des informations sensibles peut permettre de travailler sur une partie du document. Mais cette approche doit elle-même être contrôlée.
Deuxième risque : confondre réponse plausible et information fiable
Un modèle d’IA générative produit une réponse à partir de son fonctionnement probabiliste et du contexte qui lui est fourni. Une formulation claire, structurée et convaincante n’est donc pas une garantie d’exactitude.
Cette vigilance sur les données est déterminante dans les achats.
Une erreur dans la reformulation d’une clause, un montant mal interprété ou une réserve fournisseur omise peut modifier l’analyse d’une offre.
Pour les informations critiques, une règle doit donc s’imposer : revenir systématiquement à la source.
Si l’IA indique qu’un fournisseur respecte un SLA, l’évaluateur doit pouvoir retrouver l’engagement correspondant dans l’offre. Si elle synthétise un prix, celui-ci doit être rapproché de la proposition commerciale originale.
La traçabilité devient ainsi un critère essentiel pour choisir et paramétrer les usages de l’IA.
Troisième risque : les biais dans l’analyse
L’IA peut également reproduire ou amplifier des biais présents dans les informations qui lui sont fournies ou dans la manière dont la question est formulée.
Un prompt demandant « pourquoi le fournisseur A est-il meilleur que le fournisseur B ? » oriente déjà la réponse. Une demande neutre telle que « compare les deux fournisseurs selon les critères suivants et indique les informations manquantes » est plus adaptée à une analyse achats.
Il faut donc travailler non seulement sur la qualité des données, mais aussi sur la neutralité des instructions.
Pour un appel d’offres, les critères, pondérations et règles de notation doivent idéalement être définis avant l’analyse des propositions. L’IA intervient ensuite dans ce cadre, plutôt que de construire elle-même les règles en fonction des offres reçues.
L’IA peuvent-ils prendre une décision achats ?
Les IA peuvent être utiles pour préparer, structurer, synthétiser ou challenger des informations. Ils ne doivent pas être considérés comme responsables d’une décision fournisseur.
La décision reste portée par les personnes habilitées au sein de l’entreprise.
Cette distinction permet de définir trois niveaux d’utilisation :
- assistance : rédaction, reformulation, synthèse ;
- analyse augmentée : extraction, comparaison, détection d’écarts ;
- décision : arbitrage et validation par l’humain.
Plus l’utilisation se rapproche de la décision, plus les exigences de contrôle, de traçabilité et de validation doivent être élevées.
Mettre en place une gouvernance avant de généraliser les usages
Une Direction Achats souhaitant développer l’usage de l’IA générative peut commencer par quelques cas d’usage clairement définis plutôt que par une utilisation généralisée sans cadre.
Une gouvernance opérationnelle peut notamment préciser :
- les outils autorisés ;
- les catégories de données autorisées et interdites ;
- les cas d’usage acceptés ;
- les règles d’anonymisation éventuelles ;
- les modalités de validation humaine ;
- les règles de conservation et de traçabilité ;
- les responsabilités entre Achats, DSI, juridique et métiers.
Il est également pertinent de constituer progressivement une bibliothèque de prompts adaptés aux principaux processus achats.
Un prompt destiné à analyser une offre SaaS ne doit pas nécessairement être identique à celui utilisé pour une prestation intellectuelle, un contrat télécom ou une infrastructure cloud. Les critères économiques, techniques et contractuels diffèrent selon les catégories.
L’objectif n’est donc pas simplement de « donner ChatGPT aux acheteurs ». Il s’agit de construire des usages adaptés aux processus, aux données manipulées et au niveau de risque associé.
Où l’IA générative crée-t-elle réellement de la productivité achats ?
Le gain potentiel est généralement le plus pertinent sur les tâches qui combinent volume d’informations élevé, travail répétitif et besoin de structuration, tout en permettant une vérification humaine du résultat.
| Cas d’usage | Apport potentiel de l’IA | Validation humaine |
| Structuration d’un CCTP/CdC | Élevé | Indispensable |
| Reformulation d’exigences | Élevé | Indispensable |
| Synthèse d’offres | Élevé | Indispensable |
| Extraction de critères | Élevé | Indispensable |
| Comparaison fournisseurs | Assistance forte | Indispensable |
| Préparation de questions de négociation | Assistance | Indispensable |
| Choix du fournisseur | Limité | Décision humaine |
Cette logique permet de distinguer la productivité achats de l’automatisation totale.
Le bon indicateur n’est pas le nombre de tâches confiées à l’intelligence artificielle. Il est la capacité des équipes à réduire le temps consacré aux opérations répétitives tout en maintenant, voire en renforçant, la qualité de l’analyse.
Une Direction Achats peut donc commencer par mesurer des éléments simples : temps nécessaire pour préparer une première trame, temps de traitement des offres, nombre de corrections nécessaires après génération ou capacité à retrouver les sources ayant servi à l’analyse.
L’IA devient alors un outil intégré à la performance achats plutôt qu’une expérimentation technologique isolée.
Conclusion
L’IA générative dans les achats présente un potentiel concret lorsqu’elle est utilisée sur des tâches bien définies. La rédaction assistée de CCTP ou de cahiers des charges, ainsi que la structuration et l’analyse des offres fournisseurs, permettent notamment de réduire le temps consacré à la recherche, à la reformulation et à la synthèse d’informations.
Pour les Achats IT, l’enjeu consiste toutefois à rechercher la productivité sans affaiblir la qualité de la décision. Les prix, exigences techniques, SLA, risques contractuels, données de cybersécurité ou hypothèses de TCO doivent rester vérifiables dans les documents sources.
Une utilisation mature repose ainsi sur trois principes : des cas d’usage précis, des données maîtrisées et une validation humaine proportionnée au risque.
L’IA générative ne réduit donc pas le rôle de l’acheteur IT. Bien encadrée, elle peut au contraire lui permettre de consacrer davantage de temps au sourcing, à l’analyse du marché fournisseur, à la négociation, à la gestion des risques et aux arbitrages qui nécessitent réellement son expertise.
Vous souhaitez intégrer l’IA générative à vos processus Achats IT de manière concrète et maîtrisée ?
Vous souhaitez identifier les cas d’usage de l’IA les plus pertinents dans vos processus Achats IT ou sécuriser son utilisation dans vos appels d’offres ?
Human Buyers accompagne les Directions Achats sur leurs problématiques Achats IT, de la formalisation du besoin et du sourcing jusqu’à l’analyse des offres, la négociation et la contractualisation. Un échange peut permettre d’identifier les étapes de votre processus achats sur lesquelles l’IA peut apporter de la productivité sans compromettre la maîtrise des risques.
Échangez avec un expert Human Buyers pour challenger votre démarche Achats IT.
