Le véritable risque pour les achats, ce n'est pas l'IA, c'est une IA sans gouvernance
L'IA transforme les achats, mais sans gouvernance ni données fiables, elle accroît les risques.
Le véritable risque pour les achats, ce n’est pas l’IA, c’est une IA sans gouvernance
À quoi ressemble réellement une autonomie agentique encadrée
Une IA devient problématique lorsqu’elle agit sans cadre clair. Les conséquences sont alors bien connues : hypothèses erronées, erreurs de jugement, diffusion excessive d’information, et des décisions visiblement arbitraires ou impossibles à retracer.
Le risque est d’autant plus grand que beaucoup d’entreprises multiplient aujourd’hui les agents d’IA spécialisés, chacun dédié à une tâche précise. Pris séparément, sur des périmètres limités ou des tâches précises, ces outils peuvent être efficaces. Mais à grande échelle, ils créent souvent une complexité difficile à maîtriser : qui contrôle quoi ? Quelles données circulent ? Qui est responsable pour les décisions prises par l’IA ?
L’enjeu n’est donc pas de déployer toujours plus d’agents, mais de construire une IA réellement encadrée; une seule IA pour l’ensemble des achats, et non un essaim d’agents spécialisés, configurés indépendamment les uns des autres, et assemblés entre eux sans politique de gouvernance commune. Un agent unique, informé et gouverné, héritant des autorisations de la personne pour laquelle il travaille. L’expertise achats est formalisée sous forme d’instructions que l’IA suit. Chaque action est enregistrée. Les instructions définissent les situations où l’IA peut agir en toute autonomie, et celles où elle s’interrompt pour faire appel au jugement humain. L’IA exécute. Les humains orientent, arbitrent, supervisent et enrichissent ses capacités.
Votre IA n’est fiable qu’à la hauteur de vos données
Malgré la volonté d’exploiter l’IA de manière plus significative, 74 % des responsables achats déclarent que leurs données ne sont pas prêtes pour l’IA. Des données inexactes, incohérentes, insuffisantes ou obsolètes constituent un terrain fertile pour les risques, d’autant plus que
80 % des CPO prévoient de déployer l’IA générative au cours des trois prochaines années.
Les agents IA travaillent avec les données qu’on leur fournit. Lorsque les données fournisseurs, l’historique d’appels d’offre, les contrats, ou les transactions d’achat sont dispersées entre différents logiciels ou bases de données, il devient presque impossible de définir une logique décisionnelle claire basée sur des informations précises. Dans ce cas, l’IA peut produire des résultats qui semblent fiables, mais qui ne le sont pas en réalité car ils reposent sur une vision partielle ou erronée de la situation.
Les données cloisonnées posent un problème de fonctionnement et brisent ainsi le principe d’"autonomie encadrée". Les achats suivent habituellement un processus relativement linéaire : sourcing, contractualisation, approvisionnement et paiement. Cependant, les données sont souvent dispersées et structurées de façon incohérente. Tant que ces informations restent fragmentées, l’IA ne peut pas avoir une vision globale et fiable. En clair, la qualité des décisions prises par l’IA dépend directement de la façon dont les données sont organisées.
Construire une fiche fournisseur fiable pour permettre à l’IA d’agir en sécurité
Dans de nombreux autres métiers, les entreprises disposent déjà d'une vision centralisée du client. En revanche, dans les achats, cette approche unifiée côté fournisseurs a longtemps été négligée. Elle est, pourtant, le point de départ nécessaire pour établir un référentiel de données structurées cohérent. L'IA met aujourd'hui en lumière cette faiblesse. Une grande partie des informations essentielles aux achats transite par les fournisseurs, mais de nombreux systèmes les considèrent encore comme des éléments périphériques du processus. Pour qu'une IA soit fiable, il est indispensable de disposer d'un référentiel fournisseur unique qui regroupe dans un espace l’historique, les obligations, les performances, l’exposition financière, les transactions et les risques au fil du temps. Il faut considérer ce noyau fournisseur comme un élément fondamental de l’infrastructure. Une vue unifiée, dédoublonnée, et hiérarchisée, où chaque interaction enrichit le même référentiel au lieu d’en créer un parallèle. Lorsqu’elle est bien conçue, les tendances émergent naturellement. Les risques apparaissent plus tôt. Les relations deviennent lisibles. Les équipes cessent de gérer les données pour enfin les exploiter.
Apprendre à vos agents ce qui est vrai
Le modèle hybride humain-agent ne fonctionne que si les deux s’appuient sur les mêmes données fiables. La plupart des équipes achats disposent déjà des matières premières, mais les agents ne peuvent pas travailler avec des données brutes et incohérentes.
L’IA agentique nécessite une couche sémantique qui définit : la signification de chaque champ, ce qui est inclus ou exclu, les modalités d’accès aux données et les conditions dans lesquelles elles peuvent être considérées comme fiables.
Une couche parallèle de gouvernance humaine définit ce que l’IA est autorisée à faire et qui est responsable de chaque action, selon les situations. L’agent hérite des contrôles d’accès de l’utilisateur avec lequel il travaille et chaque action de l’agent est enregistrée, attribuable et vérifiable. Enfin, des mécanismes de validation humaine définissent les situations où l’IA peut agir seule et celles où elle doit attendre une intervention humaine.
Avec ces deux couches en place, l’IA opère dans les mêmes limites que celles imposées à vos collaborateurs.
La ligne de séparation
Une IA déployée sans supervision humaine finit par devenir une automatisation dépourvue de fiabilité. Un écart concurrentiel est en train de se creuser entre les organisations qui exploitent une IA que les humains peuvent superviser, auditer et améliorer, et celles qui déploient une IA opérant hors de ce quadre de contrôle. Ces choix détermineront si l’IA agentique devient un décideur de confiance capable d’évoluer dans un cadre d’autonomie encadrée, ou un risque dont personne n’assume la responsabilité.