Quand l'IA arrive dans les achats, la résistance la plus forte n'est pas dans le logiciel
Il existe un schéma qui se répète dans presque toutes les organisations qui traversent une transformation technologique profonde : la partie la plus difficile n'a pas été de choisir la plateforme. C'est de découvrir, plusieurs semaines après le lancement, que le problème de fond n'était pas technologique.
Dans le cas de l'intelligence artificielle appliquée aux fonctions achats et approvisionnement — ce que le secteur appelle le procurement — ce schéma devient si répandu qu'il a désormais son propre nom. McKinsey le décrit avec une précision chirurgicale : les organisations qui parviennent à déployer l'IA à grande échelle dans le procurement ne sont pas celles qui ont choisi le meilleur logiciel, mais celles qui ont repensé leurs flux de travail de bout en bout avant de demander à un modèle de les automatiser. Celles qui ne l'ont pas fait ont découvert que l'IA ne corrige pas la fragmentation opérationnelle. Elle l'amplifie.
Ce qui se passe dans le monde des achats d'entreprise n'est pas une mise à jour d'outils. C'est une réorganisation de qui prend les décisions, avec quelle information, à quelle vitesse et avec quel niveau d'intervention humaine. Cela ne se résout pas en achetant une licence. Cela exige que l'organisation change ce qu'elle entend par valeur, par contrôle et par responsabilité.
---
L'illusion du pilote réussi
Prajkta Waditwar, directrice senior des achats technologiques chez Box et membre du Forbes Technology Council, a décrit un scénario que tout responsable des opérations reconnaîtra : une organisation mondiale a déployé l'IA pour améliorer la visibilité sur les fournisseurs et automatiser l'évaluation des risques dans différentes régions. Les modèles fonctionnaient bien dans l'environnement de test. Mais au moment du déploiement à grande échelle, le système a exposé des données fournisseurs incohérentes, des flux d'approbation fragmentés et des systèmes de gestion d'entreprise déconnectés qui avaient survécu pendant des années grâce à la tolérance humaine à l'ambiguïté.
Ce type d'échec après le pilote a une logique interne qu'il vaut la peine de nommer : les pilotes fonctionnent parce que les variables sont contrôlées. On sélectionne une catégorie de dépenses bien ordonnée, une équipe motivée, un fournisseur coopératif. L'IA brille. L'investissement est validé. La décision de passer à l'échelle est prise. Et alors le système entre en contact avec la réalité opérationnelle complète, avec toute son histoire accumulée de processus improvisés, de données mal étiquetées et de décisions prises par téléphone.
Le problème n'est pas que l'organisation a mal agi. Le problème est que pendant des années, l'efficacité a été maintenue grâce au jugement humain de personnes qui connaissaient les raccourcis, les exceptions et les fournisseurs difficiles à classifier. Ce savoir tacite n'a jamais été documenté, jamais structuré, jamais converti en donnée. L'IA ne peut pas opérer sur ce qui n'existe pas sous forme de donnée.
Deloitte le documente dans son enquête mondiale auprès des directeurs achats de 2025 : les organisations ayant une plus grande maturité numérique obtiennent des retours significativement plus élevés sur leurs investissements en intelligence artificielle générative. L'écart ne réside pas dans l'accès à la technologie. Il réside dans la capacité à avoir construit les fondations en dessous.
---
Le problème structurel que personne ne nomme encore
Il y a quelque chose que les organisations ont tendance à sous-estimer lorsqu'elles s'embarquent dans cette transformation, et qui mérite d'être nommé avec précision : la fragmentation opérationnelle dans les achats n'est pas un accident. C'est le résultat d'années de décisions rationnelles prises localement.
Chaque région qui a négocié ses propres contrats avait ses raisons de le faire. Chaque unité commerciale qui a construit son propre processus d'approbation résolvait un problème réel avec les ressources dont elle disposait. Chaque équipe qui a maintenu une feuille de calcul parallèle au système d'entreprise le faisait parce que le système d'entreprise ne répondait pas avec la rapidité nécessaire. La fragmentation est, dans bien des cas, l'empreinte numérique d'une organisation qui a grandi plus vite que sa capacité de gouvernance.
Le moment où cette organisation introduit l'intelligence artificielle dans ses processus d'achats est précisément le moment où cette histoire est mise au jour. Et ce qui est exposé n'est pas seulement une inefficacité technique. C'est un modèle de gouvernance qui dépendait du jugement individuel de personnes spécifiques pour fonctionner.
Cela rejoint ce que McKinsey souligne en décrivant l'évolution vers ce qu'ils appellent les « agents d'IA » : des systèmes capables d'ingérer du contexte, de planifier des tâches complexes et d'agir avec un certain degré d'autonomie sur plusieurs systèmes simultanément. Lorsque cet agent tente d'opérer dans un environnement où les données fournisseurs existent en trois versions différentes selon le système consulté, où les politiques d'approbation varient par région sans logique documentée, et où le contrat-cadre se trouve sur un serveur local connu seulement d'une personne qui ne travaille plus dans l'entreprise, l'agent n'échoue pas en raison de limitations technologiques. Il échoue parce que l'environnement ne dispose pas de l'architecture minimale nécessaire pour soutenir des décisions automatisées.
La question que cela pose à la direction générale n'est pas de savoir s'il faut mettre en œuvre l'IA dans les achats. C'est de savoir à quel point elle est honnête sur l'état réel de son infrastructure de données et de gouvernance avant de demander au système de prendre des décisions.
---
Quand la fonction achats cesse d'être opérationnelle
Zycus, dans son guide de l'intelligence artificielle pour le procurement de 2026, décrit la transition en des termes qui sonnent d'abord comme du marketing mais qui, lus attentivement, révèlent quelque chose de plus structurel : l'IA n'arrive pas dans les achats pour rendre plus efficace ce qui existe déjà. Elle arrive pour absorber la majeure partie du travail transactionnel et libérer la capacité humaine vers autre chose.
Cet « autre chose », c'est ce que Waditwar décrit clairement à partir de son expérience directe : les équipes achats sont de plus en plus sollicitées très tôt dans les conversations stratégiques, non pour négocier les prix, mais pour évaluer les implications opérationnelles à long terme d'une décision concernant un fournisseur. Quelle dépendance génère une intégration profonde avec un fournisseur de logiciels. Quelle complexité représenterait la sortie de ce contrat dans trois ans. Si l'architecture technologique en cours d'achat augmente ou réduit la flexibilité future.
Ces questions n'ont historiquement pas appartenu à une fonction achats. Ce sont des questions de gestion des risques stratégiques. Et le fait qu'elles fassent désormais partie de l'agenda du service révèle quelque chose d'important sur ce qui est en train de changer : l'automatisation du travail transactionnel ne libère pas seulement du temps, elle redistribue l'autorité.
HFS Research le formule en termes plus directs : les plateformes d'IA permettent au leadership achats de passer de l'exécution opérationnelle à l'habilitation stratégique. Cela signifie que le profil de compétences requis dans le service est en train de changer, que les indicateurs utilisés pour mesurer son succès devront évoluer, et que la relation entre les achats, les finances, le juridique et les opérations devra être repensée, car les frontières entre ces fonctions deviennent plus poreuses lorsqu'un système d'intelligence connecté les traverse toutes.
McKinsey estime qu'une fonction achats ayant achevé cette transformation peut être entre 25 % et 40 % plus efficace que les modèles actuels. Mais ce chiffre ne doit pas être lu comme une prévision de réduction des effectifs. Il doit être lu comme une réaffectation des capacités : moins de personnes traitant des transactions, plus de personnes prenant des décisions que les systèmes ne peuvent pas encore prendre seuls.
---
Le leadership que ce changement nécessite et celui qu'il trouve généralement
C'est là que la transformation devient plus intéressante à analyser d'un point de vue organisationnel, car le profil de leadership qui a historiquement dominé les fonctions achats a été construit autour de compétences très spécifiques : la négociation musclée, la connaissance approfondie des fournisseurs, la capacité à faire avancer les contrats sous pression, la mémoire institutionnelle de quel fournisseur a échoué dans quel contexte il y a dix ans.
Ce profil a de la valeur. Mais ce n'est pas le même profil que nécessite une fonction achats dont la plus grande contribution à l'entreprise réside dans la qualité de ses analyses de risque, la rapidité avec laquelle elle peut intégrer les signaux du marché dans les décisions d'approvisionnement et la capacité à travailler avec des systèmes qui génèrent des recommandations qu'il faut savoir remettre en question lorsque le contexte l'exige.
La transition n'est pas confortable, et il serait naïf de la décrire comme une simple opportunité de croissance pour tout le monde. Il y a des personnes ayant vingt ans d'expérience dans le procurement dont la valeur centrale consistait à bien faire des choses qu'un système peut désormais faire plus rapidement et avec plus de cohérence. Cela génère une résistance réelle, et cette résistance n'est pas irrationnelle. C'est la réponse compréhensible de quelqu'un qui constate que les règles du jeu ont changé sans que personne ne l'ait consulté.
Deloitte souligne quelque chose qui mérite attention : les organisations qui investissent dans la préparation de leurs équipes en parallèle de la modernisation technologique surpassent systématiquement celles qui se concentrent exclusivement sur le déploiement de la technologie. Ce n'est pas une découverte surprenante. Mais la façon dont cela se traduit en pratique organisationnelle est importante. Il ne s'agit pas d'offrir des formations en IA à des équipes qui voient simultanément leurs tâches principales automatisées. Il s'agit de repenser les rôles de manière à ce que les personnes comprennent quel type de jugement humain reste irremplaçable et à quel point du processus ce jugement est le plus précieux.
Le risque auquel font face de nombreuses organisations n'est pas que leurs équipes achats rejettent l'IA. C'est qu'elles l'adoptent superficiellement, qu'elles l'utilisent pour accélérer ce qu'elles faisaient déjà sans changer la logique de fond, et que dans ce processus elles ratent l'opportunité de construire une fonction qui opère réellement comme une couche d'intelligence stratégique au sein de l'entreprise.
---
La maturité structurelle ne s'improvise pas après le déploiement
Ce qui se passe dans le procurement est, au fond, une version très spécifique de quelque chose auquel les organisations sont confrontées dans presque toutes leurs transformations technologiques profondes : l'écart entre l'architecture qu'elles possèdent et l'architecture dont elles ont besoin pour soutenir ce qu'elles veulent construire.
L'IA dans les achats n'est pas l'exception. C'est le cas d'usage où cet écart devient le plus visible le plus rapidement, parce que les conséquences d'une décision d'approvisionnement mal automatisée sont concrètes et coûteuses. Un fournisseur sélectionné par un algorithme qui a opéré sur des données obsolètes. Un contrat renouvelé automatiquement parce que le système n'avait pas accès au signal de risque qui existait déjà dans un autre système. Une approbation traitée automatiquement parce que personne n'avait clairement défini quel niveau de dépense requérait une supervision humaine.
Ce ne sont pas des erreurs de l'IA. Ce sont des erreurs de conception organisationnelle que l'IA exécute avec une précision parfaite.
L'argument qui mérite le plus d'attention dans tout ce débat n'est pas de savoir si l'intelligence artificielle va transformer les achats d'entreprise. Ce résultat semble suffisamment étayé par les preuves disponibles. L'argument qui mérite le plus d'attention est de savoir combien d'organisations arriveront à cette transformation avec l'architecture de données, les processus de gouvernance et la refonte des rôles nécessaires pour que le système fonctionne comme promis, et combien découvriront qu'elles ont installé une technologie sophistiquée sur une base qui n'était pas encore prête à la soutenir.
La réponse à cette question ne dépend pas du fournisseur de logiciels qu'elles choisissent. Elle dépend du degré d'honnêteté institutionnelle qu'elles sont prêtes à appliquer avant le déploiement, et non après.
