Depuis son apparition au cœur de la révolution industrielle du XIX^e siècle, la fonction achats n’a cessé de changer de nature. Longtemps cantonnée à un rôle administratif (passer les commandes, régler les fournisseurs), elle s’est peu à peu imposée comme un levier stratégique : défense de l’avantage concurrentiel, gestion des risques fournisseurs, veille marché, contribution à l’innovation. Cette montée en puissance a un revers. Plus de données à traiter, plus de critères à analyser, plus d’exigences réglementaires à intégrer. Et les outils dont disposent aujourd’hui les directions achats, financières et comptables n’ont pas suivi le même rythme.

Cette évolution est loin d’être terminée. Manutan, dans son article « Comment la fonction achats a-t-elle évolué depuis les années 1850 ? », rappelle que la fonction doit encore gagner en réactivité sur deux fronts : la performance, et l’automatisation des tâches opérationnelles. C’est précisément là que les outils en place atteignent leurs limites.

Les outils actuels et leurs limites

La fonction achats s’appuie sur un socle d’outils devenus incontournables : l’ERP, les plateformes d’e-procurement, les outils d’analyse. Ils ont permis de digitaliser les processus, d’améliorer la traçabilité des flux, de mieux suivre la dépense et de simplifier une partie des tâches administratives. Personne ne propose de s’en passer.

Mais ils présentent trois limites qu’il devient difficile d’ignorer.

La première : ils fonctionnent sur une logique descriptive. Ils enregistrent ce qui a été saisi et le restituent sous forme de rapports. Les décisions (analyser un fournisseur, préparer une négociation, identifier un risque) restent entièrement à la charge des équipes, qui doivent aller chercher l’information ailleurs.

La deuxième : ils reposent sur des règles prédéfinies. Un workflow de validation, un seuil, une tolérance. Face à une situation qui sort du cadre (une rupture d’approvisionnement, une variation de prix inattendue, une crise géopolitique), la règle ne sait pas quoi faire, et le cas retombe sur une personne.

La troisième : la qualité des résultats dépend entièrement de la qualité des données saisies. Une référence mal codée, une remise arrondie, un tarif non mis à jour, et l’analyse produite est fausse sans que rien ne le signale. L’outil ne contrôle pas ce qu’on lui donne, il le traite.

Ces outils ont porté une transformation majeure. Ils ne sont pas obsolètes. Mais ils ne peuvent pas, seuls, rendre la fonction achats plus prédictive, plus agile et plus stratégique. C’est le contexte dans lequel l’intelligence artificielle cesse d’être une option.

L’explosion des données fournisseurs

Pendant que le périmètre de la fonction achats s’élargissait, le volume et la complexité des données fournisseurs ont crû plus vite encore. Élargissement des panels fournisseurs, multiplication des référentiels contractuels (contrats cadres, BPU, DPGF, CCTP), pression sur les coûts d’approvisionnement, exigences RSE, obligations réglementaires comme la CSRD ou la CS3D : les acheteurs travaillent dans une densité d’information sans précédent.

L’ERP, l’e-procurement et les outils d’analyse centralisent une partie de cette information. Mais son exploitation reste difficile, et le problème n’est pas seulement une question de quantité. Il est qualitatif et structurel.

  • Les données sont dispersées. ERP, outil achats, fichiers Excel, boîtes mail : les consolider prend du temps, les mettre en cohérence en prend davantage.
  • Leur fiabilité est variable. Erreurs de saisie, informations obsolètes, doublons. Une base imparfaite produit des analyses imparfaites, et personne ne sait à quel point.
  • Les critères d’évaluation se sont multipliés. Évaluer un fournisseur ne se résume plus à comparer un prix et un délai. Il faut intégrer la conformité réglementaire, la performance environnementale, les risques de la chaîne d’approvisionnement, la solidité financière du partenaire.

Cette complexité dépasse ce que les outils traditionnels et l’analyse humaine peuvent absorber. Les acheteurs se retrouvent face à une masse d’informations qu’ils ne peuvent pas exploiter, passent leur temps sur des tâches de traitement, et les décisions ralentissent. Le temps consacré à lire, ressaisir et vérifier est du temps retiré aux missions qui justifient leur poste.

La gestion des données fournisseurs devient donc un enjeu à part entière. Elle exige des outils capables non seulement de centraliser l’information, mais de la structurer, de la fiabiliser et de la confronter à ce qui a été négocié.

Ce que l’IA agentique apporte

Face à ces limites, l’intelligence artificielle agentique n’est pas un outil de plus à ajouter à la pile. Elle prend en charge ce que les outils descriptifs ne font pas : lire les documents, en extraire les données, les comparer et signaler ce qui ne colle pas.

Concrètement, une IA peut analyser de grands volumes de données en continu pour identifier des tendances, détecter des anomalies et repérer des écarts entre documents. Ses apports pour les achats, la finance et la comptabilité se regroupent en trois familles.

La prise en charge des tâches à faible valeur ajoutée. Analyse de contrats, comparaison d’offres, contrôle des factures, vérification de conformité aux prix négociés : ces tâches répétitives et chronophages peuvent être confiées à des agents IA spécialisés, chacun sur un type de document et un type de contrôle. L’humain valide, l’agent instruit.

Une aide à la décision augmentée. En croisant les données internes (historique d’achats, performance fournisseurs, conditions contractuelles) avec des données externes (évolutions de marché, indicateurs RSE), l’IA produit des recommandations plus objectives et plus rapides. Elle permet de simuler l’impact d’un scénario de renégociation, ou d’identifier des fournisseurs alternatifs à partir de l’historique réel.

Une gestion anticipée des risques. Plutôt que de subir les aléas, une direction achats équipée peut les voir venir : dérive progressive d’un prix, défaillance qui s’annonce chez un fournisseur, alerte dès que le cas apparaît. La fonction passe d’une posture réactive à une posture proactive.

Précision et traçabilité : les conditions de la performance

L’intégration de ces technologies pose ses propres exigences. Deux prérequis reviennent dans tous les projets : la qualité des données et la traçabilité des actions. Et les entreprises doivent accompagner les équipes dans le changement, sans quoi l’outil reste inutilisé.

Une IA nourrie de données incomplètes ou non fiabilisées produit des résultats insuffisants. C’est pourquoi la gouvernance des données doit précéder tout projet d’automatisation : savoir où sont les documents, sous quel format, qui en est responsable et lesquels font foi.

La traçabilité, elle, garantit que chaque décision assistée par l’IA est documentée, vérifiable et conforme aux exigences réglementaires, RGPD et CSRD comprises. Dans un contexte où les obligations de reporting se renforcent, une alerte sans preuve ne sert à rien. Chaque écart signalé doit pouvoir être remonté au document, à la page et à la ligne d’où il vient.

Vers une fonction achats augmentée

Un point mérite d’être rappelé : l’IA ne remplace pas l’acheteur, ni le contrôleur, ni le comptable. Elle les augmente par des outils d’aide à la décision plus puissants. En prenant en charge les tâches transactionnelles et répétitives, elle rend aux équipes le temps de ce qui constitue leur vraie valeur : la stratégie, la négociation, la relation fournisseur.

C’est ainsi que la fonction achats devient progressivement plus proactive, plus agile et plus stratégique. Une fonction augmentée, pas remplacée.

Chez Zylio, nous avons choisi un périmètre précis : la vérification des documents d’achat. Nos agents lisent les devis, les contrats, les commandes et les factures, et confrontent chaque ligne à ce qui a été négocié. Ils détectent les erreurs de facturation, contrôlent la conformité des prix facturés aux prix négociés et mettent les devis sur une base comparable. Zylio ne touche pas à l’ERP, ne contacte aucun fournisseur et n’engage rien sans validation : l’agent instruit, l’équipe tranche.

Sur les périmètres que nous analysons, cela représente de 15 à 45 % de temps rendu aux équipes, par ETP, selon le périmètre et la maturité des données : du temps qui revient aux missions à forte valeur ajoutée. Pour savoir ce que cela donnerait sur vos propres documents, un appel avec un expert suffit pour cadrer un premier périmètre.