Imaginez un instant avec moi. Supposons que vous soyez directeur des achats dans une entreprise de taille moyenne fabriquant des composants de contrôle dans le Midwest. Vous entrez dans votre bureau un lundi matin ensoleillé et dites à votre assistant numérique de bureau : « OK, ‘Bridget’, montre-moi la consommation des composants passifs utilisés sur la ligne d’assemblage 2 au cours du mois écoulé, et donne-moi une prévision de commandes sur 90 jours à examiner, basée sur la consommation actuelle et les expéditions prévues ± 10 % ».

En quelques secondes, une feuille de calcul apparaît sur votre écran d’ordinateur et votre assistant numérique vous demande si vous souhaitez comparer les besoins projetés en composants avec les stocks estimés disponibles sur le marché libre, et tenir compte des fluctuations de prix dues aux hausses tarifaires prévues.

C’est la promesse de l’intelligence artificielle (IA), qui continue de transformer le secteur des achats. La question est cependant de savoir à quel point nous sommes éloignés de ce scénario.

Depuis que le terme « intelligence artificielle » (IA) a été inventé pour la première fois en 1956 par l’informaticien de Stanford John McCarthy, sa définition a considérablement évolué. À l’origine, l’IA désignait des « systèmes informatiques ou machines capables d’exécuter des tâches qui nécessiteraient normalement l’intelligence humaine ».

En 1961, le scientifique et mathématicien britannique Alan Turing a écrit sur l’idée de machines capables de « simuler des humains et de faire des choses intelligentes ». Le mot clé de l’époque était « simuler ».

La définition du terme, telle qu’elle est utilisée aujourd’hui, est cependant la capacité d’un ordinateur ou d’une machine non pas seulement à « simuler », mais à réellement effectuer des opérations équivalentes à l’apprentissage et à la prise de décision humains. La différence réside dans l’ajout du mot « apprentissage », qui signifie que les machines s’adaptent à partir d’expériences vécues avec leur environnement, ou en tant que partie de celui-ci, et ajustent leurs actions en conséquence.

L’apprentissage automatique définit véritablement la nouvelle IA, ce qui rend son utilisation dans les systèmes d’achats et les réseaux d’approvisionnement particulièrement intéressante. L’apprentissage automatique repose sur la collecte et l’analyse de tonnes de données générées par un processus ou un système, puis sur l’apprentissage à partir de ces données afin de conseiller ou de littéralement contrôler d’autres systèmes.

Les achats génèrent énormément de données dont les systèmes d’IA peuvent tirer des enseignements, et à mesure que les capteurs sophistiqués, les réseaux de capteurs et l’Internet des objets deviennent un élément de plus en plus essentiel des systèmes de contrôle des processus, des systèmes de gestion des stocks et des réseaux de transport et d’expédition, les ensembles de données deviennent de plus en plus riches.

Dans de nombreux services achats aujourd’hui, cependant, l’analytique et le big data règnent en maîtres, tandis que la qualité et l’intégration des données passent au second plan. Cela signifie que des gains relativement modestes en matière de maîtrise des coûts, issus de la tarification au volume, des livraisons groupées ou d’autres gains d’efficacité dans les achats, priment sur des domaines où l’IA excelle réellement, comme l’identification des biais cognitifs dans les achats, ce qui pourrait pourtant conduire à des gains d’efficacité bien plus importants.  

En fait, l’IA pourrait avoir l’impact immédiat le plus important en alertant les entreprises sur des facteurs affectant leurs performances qui n’avaient pas été pris en compte. Comprendre les dépenses totales d’une organisation, grâce à un logiciel d’analyse des dépenses, peut donner du sens à d’énormes volumes de données de dépenses et conduire à une consolidation des dépenses, une réduction des coûts, des processus plus rapides et une plus grande efficacité globale.   

L’utilisation de l’IA dans la fonction achats, combinée à un engagement de l’entreprise en faveur d’une collecte de données intégrée et de processus intelligents, peut également ouvrir des opportunités en matière de réflexion stratégique globale et de sourcing. Le développement de conseillers cognitifs en achats (CPA) et d’assistants personnels virtuels (APV) utilisant le traitement du langage naturel, comme « Bridget » dans notre exemple d’introduction, peut conduire à une automatisation et une efficacité accrues dans l’ensemble de la fonction achats.

Par exemple, les CPA peuvent produire des synthèses, donner des conseils et formuler des recommandations concernant l’évaluation des fournisseurs, la performance, la gestion des risques et la conformité. L’éditeur de logiciels SAP Ariba propose déjà une solution pilotée par l’IA capable de comprendre les politiques et procédures d’achat d’une entreprise et de les appliquer au domaine de la facturation et des paiements afin de réduire les erreurs et d’accélérer le traitement.

En résumé, les systèmes d’IA existent déjà, ou sont en cours de développement, et promettent des capacités incluant, sans s’y limiter :

• La détection de données de dépenses internes incomplètes ou inexactes
• L’automatisation des tâches routinières (négociation avec les fournisseurs, mise à jour des listes de stocks, etc.)
• La comparaison des données internes avec les tendances externes et les données de chaque fournisseur afin de mieux gérer les risques
• Le suivi et le compte rendu de la volatilité des taux de change et de son effet sur les dépenses
• Des suggestions d’achat automatisées basées sur les tendances historiques
• Des informations sur les performances de la fonction achats interne par rapport à externe et sur les habitudes de dépenses
• Une recommandation de fournisseurs adaptée aux besoins de production spécifiques
• L’identification d’opportunités permettant des processus plus rapides, des coûts réduits et une plus grande efficacité
• L’analyse des tendances de la demande externe afin de prévoir les évolutions de prix

La disponibilité de cette puissance de traitement analytique ne signifie cependant pas que son adoption à grande échelle progresse au même rythme. En effet, une étude récente du Hackett Group a montré que, bien que 85 % des dirigeants d’entreprise de grandes sociétés estiment que la technologie numérique changera la façon dont ils fournissent leurs services au cours des 3 à 5 prochaines années, seuls 32 % d’entre eux ont mis en place une stratégie numérique au sein de leur entreprise.

Malgré ce vide global en matière de stratégie numérique, Forrester Research constate que 55 % des entreprises investiront dans une forme d’IA d’ici la fin de 2019, et une étude de Gartner Inc. indique que près de 50 % des grandes entreprises mondiales utiliseront l’IA d’ici 2023 dans leurs opérations de chaîne d’approvisionnement.

De toute évidence, la réalité d’une certaine forme d’utilisation de logiciels augmentés par l’IA dans l’ensemble de l’industrie, et dans la fonction achats, commence à rattraper la promesse. Si vous travaillez dans une grande entreprise mondiale, il y a de fortes chances que vous soyez déjà pleinement engagé dans la mise en œuvre de diverses stratégies faisant appel à l’IA. En fait, vous mettez peut-être déjà en œuvre des technologies robotiques assistées par l’IA pour l’exécution des commandes et discutez de l’utilisation accrue de robots pilotés par l’IA pour assister les employés d’entrepôt.

Le développement technologique et son adoption pratique ne vont pas toujours de pair. Mais le développement technologique en ce début de 21^e siècle, en particulier l’utilisation de l’IA dans les systèmes d’achats intelligents, s’accélère de plus en plus. Le travail transactionnel devient automatisé. Les décisions fondées sur l’analyse de vastes ensembles de mesures deviendront bientôt monnaie courante. Les prévisions fondées sur ces mêmes mesures suivront certainement.

Tout cela signifie que la fonction achats des organisations, grandes et petites, va de plus en plus passer d’un rôle opérationnel à un rôle stratégique. L’IA aura un effet important sur la vitesse de ce changement. Une chose est certaine : l’IA est là pour durer.