IA et achats : comment détecter les gisements d’économies ?
- Optimiser la dépense : pourquoi analyser ne suffit plus
- Avant l’IA : des outils capables de montrer, à vous de chercher
- Ce que l'IA change : passer de la Spend Analysis à la Spend Intelligence
- 5 gisements d’économies que l’IA peut aider à identifier
- Quels gains attendre de l'IA dans ses achats ?
- Vérifie L'IA devient -elle incontournable pour optimiser ses dépenses ?
Les directions achats disposent aujourd’hui de toujours plus de données : dépenses, fournisseurs, factures, contrats, prix, commandes, risques, évaluations…
Les outils de Spend Analysis permettent déjà de consolider ces informations et de répondre à une question fondamentale : où dépensons-nous notre argent ?
Mais une autre question devient désormais centrale : que faire de cette information ?
C’est précisément là que l’intelligence artificielle ouvre une nouvelle étape dans l’optimisation de la dépense. Au-delà du reporting, elle permet d’analyser des volumes considérables de données, de détecter des anomalies ou des corrélations et surtout de faire émerger plus rapidement des opportunités d’économies et des pistes d’action.
Le potentiel est loin d’être théorique. Selon McKinsey, 40 % des fonctions achats avaient déjà déployé ou expérimenté l’IA générative en 2025. Le cabinet estime par ailleurs que le recours aux outils analytiques peut faire apparaître un potentiel d’économies pouvant atteindre 20 % selon les situations.
L’IA est-elle en train de faire passer les Achats de la Spend Analysis à la véritable Spend Intelligence ?
1. Optimiser la dépense : pourquoi analyser ne suffit plus ?
Rappel de ce que l'analyse de la dépense permet de faire
L’analyse de la dépense consiste à consolider, nettoyer, catégoriser et analyser les données achats afin d'obtenir une vision précise des dépenses de l'entreprise.
Elle permet notamment de connaître :
- les dépenses par fournisseur, famille d’achats, filiale ou zone géographique
- les principaux fournisseurs et leur poids dans la dépense
- la répartition des achats par catégorie
- l’évolution des dépenses
- les achats réalisés auprès de fournisseurs non référencés
- les éventuelles anomalies ou concentrations.
Où se créé la valeur dans la pratique
Prenons un exemple : imaginons qu’un tableau de bord indique qu’une entreprise dépense 12 millions d’euros en prestations intellectuelles auprès de 180 fournisseurs.
Cette information est utile. Néanmoins, les questions véritablement créatrices de valeur sont ailleurs :
- Pourquoi 180 fournisseurs ?
- Combien fournissent des prestations comparables ?
- Les différentes filiales achètent-elles les mêmes prestations aux mêmes prix ?
- Certains contrats pourraient-ils être mutualisés ?
- Quels fournisseurs représentent un volume assez important pour renégocier leurs tarifs ?
C’est ce passage de « ce qui s’est passé » à « ce que nous pourrions faire » qui constitue aujourd’hui l’un des principaux terrains de développement de l’IA dans les Achats.
Et le besoin est réel : selon McKinsey, le montant de dépenses géré par collaborateur achats a augmenté de 50 % en 5 ans. Les acheteurs doivent donc extraire davantage de valeur d'un volume toujours plus important d'informations.
2. Avant l’IA : des outils capables de montrer, à vous de chercher
Les outils de Business Intelligence, les solutions achats et d'analyse de la dépense permettent déjà d’automatiser une grande partie de l’analyse. Puis, filtres, règles métiers, segmentation, tableaux de bord, alertes ou requêtes permettent d'explorer efficacement les données.
Néanmoins, l’acheteur doit savoir ce qu’il cherche. Et la technologie fournit la réponse à la question posée.
Il peut aussi classiquement sélectionner une famille d’achats, comparer les fournisseurs, analyser les variations, examiner les contrats ou rechercher des anomalies.
L’IA introduit progressivement une logique différente : elle peut contribuer à faire émerger la question elle-même.
Au lieu de demander uniquement :
« Combien avons-nous dépensé en prestations informatiques cette année ? »
un système enrichi par l’IA peut potentiellement faire apparaître :
« Vos dépenses informatiques ont augmenté de 18 %, mais cette hausse est concentrée sur 3 fournisseurs et 2 catégories de prestations. Voici les contrats, volumes et évolutions de prix qui expliquent principalement cet écart. »
La différence est majeure.
On passe progressivement d’une logique de reporting à une logique de détection d’opportunités.
3. Ce que l’IA va changer : passer de la Spend Analysis à la Spend Intelligence
👉La Spend Analysis décrit et structure la dépense.
👉La Spend Intelligence la fait parler pour amener à la décision.
Grâce au machine learning, au traitement du langage naturel et désormais à l’IA générative et aux agents IA, il devient possible de croiser beaucoup plus rapidement des données issues de sources différentes : factures, contrats, historiques de prix, catégories achats, fournisseurs ou données externes.
L’IA peut alors rechercher des corrélations, détecter des écarts et faire remonter les situations présentant le plus fort potentiel.
McKinsey décrit cette évolution comme le passage de tableaux de bord statiques à une analyse avec laquelle l’acheteur peut véritablement dialoguer, afin de comprendre les facteurs expliquant une dépense, d’identifier les risques et les opportunités et d’accélérer la prise de décision.
Mais concrètement, où peut-elle trouver de l’argent ?
4. 5 gisements d’économies que l’IA peut aider à identifier
Rationnaliser le panel fournisseurs
Prenons une entreprise qui achète pour 8 millions d’euros de prestations marketing auprès de 120 fournisseurs. Une analyse montre que :
- 20 fournisseurs représentent 80 % de la dépense
- 100 fournisseurs se partagent les 20 % restants
- plusieurs agences fournissent des prestations comparables
- certaines filiales travaillent avec des prestataires différents pour les mêmes besoins.
Le tableau de bord montre la fragmentation.
L’IA peut aller plus loin en proposant les fournisseurs à rapprocher, les prestations, les entités et les volumes afin de faire émerger les zones dans lesquelles une consolidation paraît possible.
L’acheteur peut alors décider de réduire son panel, regrouper les volumes et lancer un appel d’offres.
A ce titre, l’IA aide à identifier plus rapidement où la négociation peut créer de la valeur.
Repérer des écarts de prix invisibles
Imaginons 3 entités achetant la même référence, pour des prix différents :
Entité A : 82 €
Entité B : 91 €
Entité C : 105 €
À quelques centaines de commandes, l'écart devient significatif.
En rapprochant automatiquement références, descriptions, fournisseurs, quantités et prix, l’IA peut faire remonter les écarts les plus importants et permettre à l’acheteur de prioriser les renégociations présentant le meilleur potentiel.
Les cas réels montrent que le levier peut être important. McKinsey cite ainsi une entreprise technologique ayant utilisé plusieurs agents IA pour croiser données de dépenses et données marché : elle a identifié des opportunités d’économies de 12 à 20 % sur ses activités de centres de contacts et de 20 à 29 % sur certaines prestations de BPO et services financiers.
Détecter les achats hors contrat
L’IA peut rapprocher les transactions, fournisseurs et conditions contractuelles afin d'identifier :
- des achats auprès de fournisseurs non référencés
- des prix facturés différents des prix négociés
- des commandes passées hors contrat
- des catégories dans lesquelles les achats non maîtrisés progressent.
L’enjeu est alors double : réduire la dépense et éviter la perte des économies déjà négociées.
McKinsey estime notamment que la détection des factures incorrectes peut représenter environ 1 % d'économies supplémentaires sur la dépense achats totale dans certaines organisations. Sur 100 millions d'€ d’achats, 1 % représente déjà 1 million d'€.
Détecter les écarts factures vs contrat
Un contrat prévoit un tarif négocié à : 100 €
La facture indique un tarif appliqué à : 104 €
Pris isolément, 4 € semblent anecdotiques. Mais appliqués à 100 000 unités, ils représentent 400 000 € de dérive.
Les outils d’IA peuvent rapprocher les conditions négociées dans les contrats des factures réellement payées et identifier automatiquement les écarts.
Un cas présenté par McKinsey est particulièrement parlant, pour lequel un système utilisant l'IA pour analyser plusieurs milliers de contrats a permis de générer plus de 100 millions de dollars d’économies, tout en améliorant le respect des conditions contractuelles.
Préparer des négociations ciblées
L’IA permet de gagner du temps dans la consolidation des informations avant négociation :
- évolution historique des prix
- volumes achetés
- dépenses consolidées avec le fournisseur
- dépendance entre l’entreprise et le fournisseur
- alternatives disponibles
- contrats existants
- performances du fournisseur
- évolution du marché.
L’acheteur arrive alors à la table des négociations avec une fact base beaucoup plus complète.
Résultat : jusqu’à 90 % de temps en moins consacré à l’analyse et aux e-mails et 10 à 15 % d’économies obtenues auprès des fournisseurs concernés.
L'IA sert à faire émerger les opportunités pour les acheteurs
| Avant l’IA | Avec l’IA |
|---|---|
| 🔎 Chercher l’information dans les tableaux de bord et les données | 🎯 Faire remonter automatiquement les informations et anomalies pertinentes |
| « Où est l’anomalie ? » | « Cette anomalie représente-t-elle une opportunité et que dois-je en faire ? » |
| Construire l’analyse | Interpréter et challenger l’analyse proposée |
| Constater une dépense ou une évolution | Comprendre les causes d’une évolution ou d’un écart |
| Repérer manuellement les écarts de prix | Détecter les écarts significatifs entre fournisseurs, entités, références ou périodes |
| Identifier soi-même les gisements d’économies | Faire émerger des opportunités : consolidation fournisseurs, écarts de prix, achats hors contrat, remises non appliquées… |
| Analyser l’ensemble des données pour déterminer où agir | Prioriser les actions selon leur potentiel d’économies ou leur niveau de risque |
| Préparer manuellement la fact base d’une négociation | Consolider rapidement les données utiles à la négociation : prix, volumes, contrats, historique fournisseur… |
| Produire des reportings | Piloter des opportunités d’économies et suivre leur concrétisation |
| L’acheteur consacre du temps à trouver et analyser | L’acheteur consacre davantage de temps à arbitrer, négocier et décider |
« Avec l’IA, l’enjeu n’est plus seulement d’accéder à l’information, mais de faire émerger les opportunités sur lesquelles l’acheteur doit agir en priorité. »
C'est également cohérent avec les cas récents : McKinsey rapporte en 2026 des gains de 20 à 30 % d'efficacité sur certains processus achats assistés par agents IA.
5. Quels gains attendre de l'IA dans ses achats ?
Dans son Global CPO Survey 2025, Deloitte constate que les organisations achats les plus matures technologiquement, les « Digital Masters », obtiennent un ROI moyen de 3,2 fois leur investissement dans l’IA générative, contre un peu plus de 1,5 fois pour les organisations moins avancées.
Elles sont également plus nombreuses à atteindre ou dépasser leurs objectifs :
- 96 % pour les économies, contre 80 % des organisations moins avancées
- 94 % pour le cost avoidance, contre 75 %
- 84 % pour la performance fournisseurs, contre 59 %.
Mais il serait trompeur d’en conclure qu’il suffit d’ajouter une couche d’IA à ses outils pour générer automatiquement des économies.
En 2026, Gartner met justement en évidence un « paradoxe de productivité de l’IA » : les gains individuels — temps gagné, quantité et qualité du travail produit — ne se traduisent pas encore systématiquement par des gains au niveau de l'équipe ou de l'entreprise.
Seuls 36 % des CPO interrogés début 2026 se disent très confiants dans leur capacité à repenser leurs rôles et processus autour de l’IA.
Autrement dit : gagner 2 heures d’analyse n’a de valeur que si ces 2 heures sont réinvesties dans une action génératrice de performance.
6. L’IA devient-elle incontournable pour optimiser ses dépenses ?
Peut-on encore optimiser ses dépenses sans IA ?
Oui.
Les fondamentaux restent les mêmes : disposer de données fiables, connaître ses fournisseurs, catégoriser ses achats, analyser ses volumes, négocier, rationaliser son panel et suivre ses contrats.
Mais l’enjeu est désormais celui de l’échelle et de la vitesse.
Un acheteur peut parfaitement comparer manuellement 20 fournisseurs.
Peut-il avec la même efficacité analyser plusieurs millions de lignes de dépenses, comparer des milliers de prix, rapprocher des centaines de contrats et factures, identifier des liens entre fournisseurs et détecter simultanément les anomalies présentant le meilleur potentiel financier ?
C’est ici que l’IA change réellement l’équation.
L'IA ne remplace pas la stratégie achats, elle augmente la capacité de la fonction à chercher l'aiguille dans une botte de données.
A telle enseigne, que lLa prochaine frontière n'est donc probablement plus seulement :
« Combien avons-nous dépensé ? »
Ni même :
« Pourquoi avons-nous autant dépensé ? »
Mais :
« Parmi toutes nos données, où se trouvent les opportunités sur lesquelles nous devons agir en priorité ? »
Ce qu'il faut retenir
L’avenir de l’analyse de la dépense ne consiste probablement pas à produire toujours plus de tableaux de bord. Il consiste à réduire la distance entre une donnée et une décision.
Une plateforme d’analyse de la dépense permet de construire le socle : consolider les données, catégoriser les achats, rapprocher les fournisseurs, analyser les dépenses et descendre jusqu’au détail des factures.
L’IA ajoute progressivement une nouvelle couche : détecter, expliquer, comparer, prioriser et recommander.
En résumé : Pour une direction achats, la question n’est donc plus seulement de disposer d’une vision exhaustive de sa dépense. Il s’agit de transformer cette visibilité en actions concrètes, rapides à mettre en place et plus efficaces. On est bien dans la valeur.