Publicité

Par François Le Roux

L’automatisation, acte 1 de l’IA aux Achats

Dans le prolongement de la transformation digitale, la révolution de l’intelligence artificielle promet de bâtir les achats de demain. Ses premières applications entrent en production au sein de directions achats. A ce stade concentrés sur l’automatisation des tâches répétitives, l’expérience utilisateur et le spend, les éditeurs de SI Achats affichent leur volonté d’insuffler de l’intelligence sur l’ensemble du S2P.

La révolution de l’intelligence artificielle dans les achats sera une révolution de velours. Face au défi technologique et l’importance des investissements financiers à consentir, les directions des achats et les éditeurs de SI achats avancent à pas comptés. Ou plutôt POC par POC. Les ambitions sont toutefois bien réelles. « Un responsable achats sur deux déclare avoir l’intention de mettre en place un POC utilisant l’IA en 2019 » rapporte Guillaume Dupré, consultant PMO Programme au sein du cabinet de conseil indépendant en systèmes d’information mc²i Groupe. Améliorer l’interface homme-machine, trouver le renseignement utile au bon moment, détecter les signaux faibles dans un océan de données, réaliser plus vite et de façon plus précise des tâches répétitives, aider à la décision, les projets en IA vont s’emparer graduellement de tous les segments du processus source to pay, y compris les plus stratégiques. « 67 % des directeurs achats placent l’IA comme l’une de leurs trois priorités pour les dix prochaines années » estime ainsi Sven Marlinghaus, Senior Partner du cabinet de conseil Roland Berger, après avoir interrogé 87 directeurs des achats de grandes entreprises du Global Fortune 500.
A ce stade, les Achats figurent toutefois en queue de peloton en matière de mise en production de l’IA. Seules 8 % des directions achats ont déployé des solutions d’IA, contre 26 % pour les départements informatiques et 22 % la relation clients, selon l’étude « les entreprises françaises sur la voie de l’IA » publiée en 2018 par la société de services et d’ingénierie Tata Consultancy Services.

L’IA élimine les tâches répétitives du quotidien des acheteurs


Conséquence logique de cette arrivée tardive de l’IA dans les Achats, les solutions en production couvrent à ce jour un champ d’applications encore restreint. « Les chatbots, le RPA et l’analyse prédictive constituent les principales technologies fondées sur l’IA déjà opérationnelles ou faisant l’objet de POC dans les Achats » résume Guillaume Dupré, ajoutant que « l’analyse prescriptive devrait aussi rapidement entrer en production ». L’automatisation des tâches répétitives, chronophages pour les acheteurs et sans réelle valeur ajoutée, a ainsi dès le départ fait l’objet d’importants développements.
« L’automatisation des processus ou RPA repose sur une technologie utilisant peu d’IA mais facile à implémenter pour un bénéfice maximum. Des bibliothèques de robots sont d’ores et déjà disponibles sur l’ensemble des process achats de notre plateforme pour automatiser un maximum des tâches répétitives. Nous travaillons avec UiPath, leader mondial du RPA, avec des gains de temps constatés de 20 % à 30 % pour les acheteurs sur les tâches administratives, reporting ou ressaisie… dans des organisations déjà digitalisées et de 50 % pour celles où tout reste à faire » indique Sébastien Dumas, VP Marketing & Business Développement, Synertrade.
Parallèlement au RPA, le quotidien des acheteurs a également été allégé par l’émergence des assistants virtuels, qui de simple chatbot sont appelés à gagner leurs galons d’outils d’aide à la décision. « Après une année de POC, notre premier chatbot ou Smart Assistant utilisant le langage naturel NLP entre progressivement en production. Avec ses trois fonctionnalités Help, Assist et Act, son rôle va de la réponse à une simple question, fonctionnalité déjà intégrée à notre plateforme, jusqu’au lancement d’un plan d’action concernant un fournisseur, qui sera opérationnel à compter de cet été » détaille Amenallah Reghimi, Product manager chez Jaggaer, qui explique avoir identifié 300 cas d’usages couvrant les attentes des clients de Jaggaer sur l’ensemble du process source to pay.

Acheteurs mais aussi prescripteurs et fournisseurs augmentés


Des acheteurs dopés à l’IA ne suffiront toutefois pas à assurer le succès des stratégies achats. Des prescripteurs internes augmentés sont également incontournables, les plateformes intuitives et intelligentes devenant des outils de guided buying, grâce à une IA les épaulant dans leur navigation et en les aiguillant tout au long de la demande d’achats, favorisant un plus grand respect des accords-cadres et la mutualisation des dépenses. « Notre moteur de recommandations vise à simplifier la vie des utilisateurs, comme les utilisateurs occasionnels, ne maîtrisant pas la Plateforme Cloud ou les processus achats. En fonction de ses historiques d’achats, l’outil va automatiquement remplir le panier de l’utilisateur, l’affranchissant des recherches, souvent chronophages, dans les catalogues produits. Un deuxième moteur de recommandation proposera en plus des produits complémentaires par rapport aux achats » explique Julien Nadaud, responsable de l’innovation chez Determine (groupe Corcentric). Ces deux moteurs de recommandation devraient être disponibles dans un avenir proche sur la Plateforme Cloud du groupe. En tout, Determine travaille sur une vingtaine de cas d’usage d’IA, couvrant l’ensemble du process Source-to-Pay.
En accélérant l’alignement des processus achats et comptables, déjà mené à marche forcée ces dernières années dans le cadre de la digitalisation, l’IA offre à la relation fournisseurs un levier supplémentaire de performance. Les échanges de données entre acheteurs, services comptables et fournisseurs sont fiabilisés, leur traitement accéléré et les délais de paiement réduits. « Avec l’IA, l’extraction des données de factures aux formats scan ou pdf, encore très répandues dans les entreprises, est sensiblement plus performante qu’avec les OCR traditionnels. Nous appliquons des techniques de segmentation de l’image identiques à celles des caméras de détection des piétons dans les voitures autonomes. Il est ainsi possible d’identifier les zones où sont présents la date, les montants hors taxe ou TTC, le nom du fournisseur ou le numéro de commande. Dans le cas d’un champ comme le montant TTC, le taux de reconnaissance passe ainsi de 60 % avec l’OCR à plus de 85 % » détaille Aurélien Coquard, Head of AI chez Ivalua.

Le spend en tête des terrains de jeu de l’IA


Pour les achats, la classification intelligente grâce au machine learning dépasse le seul rapprochement des factures et commandes. L’enjeu est de capter un maximum d’informations pour gagner en visibilité sur ses dépenses, dans la perspective d’accroître la création de valeur ou de réduire les risques. « Avec la solution de machine learning Spend360, acquise en janvier 2017, Coupa propose un puissant outil de spend classification pour les commandes et factures, avec des classifications opérées à 95 % du nombre de documents traités et non pas, contrairement à nos concurrents, par rapport au montant global des factures et commandes reçues. Tous les petits fournisseurs et achats sont ainsi analysés, sans perte d’information, et en s’affranchissant de la lourde gestion des moteurs de règles » indique Ronan Kerouedan, vice-président Value Solutions Consulting, Coupa.
L’approche à la fois collaborative, dynamique et visionnaire du prédictive procurement permet d’entrer dans l’ère de la classification automatique des dépenses, de l’enrichissement automatique des données et des contrats . Néanmoins Sébastien Dumas (Synertrade) avertit : le prédictif procurement ne pourra entrer en production que chez les clients les plus matures, une couche de digitalisation étant un prérequis pour accéder à l’ensemble des données de l’entreprise ou des bases externes ».
Mais pour les directions des achats éligibles, les gains générés par l’IA s’avèrent d’ores et déjà substantiels comme le souligne Drew Hofler, vice-président Portfolio Marketing, SAP Ariba : « Avec l’IA et le machine learning, la classification des factures est réduite à quelques minutes contre des heures, voire des jours, pour les entreprises gérant des millions de factures sur des milliers de catégories de produits. Cette efficacité couplée à un traitement automatisé de bout en bout sur 98 % du process a pour effet de réduire considérablement le temps de traitement des factures et les délais de paiement ».

Rendre les acheteurs proactifs


Au-delà de l’automatisation des tâches répétitives, les directions achats vont ainsi pouvoir faire fructifier avec l’IA l’ensemble de leurs  et affiner ainsi leurs stratégies par catégorie d’achats. « Nous étions jusqu’ici face à un défi, à savoir comprendre et classer nos données de spend dispersées dans de multiples bases de données et systèmes d’information. Nous utilisions de fait différents ERP comme SAP ou JD Edwards en France. Avec la plateforme Coupa, nous avons pu traiter des dizaines de milliers de factures » explique Rebecca Lonsdale, directrice des achats de la société britannique Britvic Soft Drinks, spécialisée dans les boissons non alcoolisées, avec des marques comme Fruité ou Teisseire en France, et réalisant entre 800 et 900 millions de livres sterling
d’achats par an.
Avec l’IA, l’ambition des éditeurs de SI achats est de rendre l’acheteur proactif. « Notre solution d’analyse prédictive, disponible depuis un an sur l’ensemble des versions de notre plateforme, facilite les prises de décisions relatives à l’élaboration des budgets ou lors des approbations de dépenses. Sur la base d’une cinquantaine de KPIs, cet outil fournit des projections de dépenses pour l’ensemble d’un exercice fiscal ou trimestriel » explique Julien Nadaud. Les opportunités à saisir pourront ainsi être identifiées en amont, tout comme les points de ruptures ou risques. « Avec l’IA, les solutions de contract management pourront automatiquement identifier les termes, conditions et clauses d’un contrat, le comparer aux contrats existants, pour vérifier la conformité avec la politique d’entreprises, les réglementations internationales, voire signaler des risques liés à un fournisseur ou un produit acheté. Le cas échéant, l’IA recommandera de nouveaux modèles de contrats ou fournisseurs » détaille Drew Hofler.

Le prédictif à toutes les étapes du S2P


Des outils de sourcing intelligent sont également en développement. « En partenariat avec Synertrade, EasyKost propose une solution de predictive costing et predictive Sourcing permettant d’optimiser les processus de sourcing. Dans le cadre de leurs processus d’appel d’offres, grâce au machine learning, le client peut ainsi anticiper les prix proposés par les fournisseurs sur la base de nouveaux besoins, et se voir proposer la liste des fournisseurs a priori les plus compétitifs à consulter, avec un système de contrôle de cohérence de prix d’achats au moment de l’affectation finale. Actuellement au stade de POC, notre solution devrait être disponible sur le marché prochainement » explique Pierre Rougier, président d’EasyKost.
Avec l’intelligence artificielle, les directions achats vont gagner en agilité dans l’analyse et les prédictions de prix. Leurs stratégies achats pourront être testées avant de déterminer la plus efficiente. « Notre nouveau module de Catégorie Management va permettre de réaliser des prédictions à un horizon de six à douze mois sur l’impact des variations de prix des matières premières ou des coûts de la main-d’œuvre sur les dépenses. Il offre aussi la possibilité d’effectuer des simulations personnalisées à partir d’une base de modèles prédictifs afin d’évaluer différents scenarios et d’adapter la stratégie achats » indique Amenallah Reghimi (Jaggaer). Avec la puissance de l’IA, la structure des prix peut être décryptée de bout en bout. « Notre outil de prédiction des prix, en développement depuis plus de deux ans, et actuellement en bêta test chez des clients, permet d’anticiper le prix marché d’un produit fini, à partir des prix des matières premières et en analysant leur processus de transformation » ajoute Julien Nadaud.

Une gestion du risque par anticipation


La supply chain figure également au cœur de la feuille de route des éditeurs de SI achats. « Notre outil On Time Delivery (OTD) Predictor identifie les éventuels retards de livraison des fournisseurs, pour optimiser la chaîne d’approvisionnement et ses coûts » déclare Amenallah Reghimi. Des cas d’usage sont déjà entrés en production dans plusieurs secteurs d’activités, comme le confirme Guillaume Aurine, directeur marketing produit chez Salesforce France : « Disponible depuis deux ans, Einstein Discovery utilise le big data et l’IA pour réaliser des analyses prédictives. Dans le cadre de ses projets de construction, Schneider Electric modélise ainsi ses commandes pour informer ses clients des délais de livraison de leurs chantiers. Airbus bénéficie de la même transparence tout au long de ses process, des achats jusqu’au client final. »
La direction des achats de Saint-Gobain a pour sa part misé sur l’IA pour sécuriser ses engagements RSE avec son outil maison, baptisé Tiger pour Text Information Gathering, Extraction and Recognition. « Dans le cadre de notre programme d’achats responsables, notre outil d’IA Tiger va nous permettre d’affiner notre analyse du risque au niveau de la recherche documentaire, afin d’orienter nos audits sur site » explique Frédéric Antérion, directeur des applications groupe de la DSI de Saint-Gobain, tout en précisant avoir commencé par « un POC en collaboration avec le spécialiste du big data Starclay, avant de développer en toute autonomie leur outil maison sur la base des technologies d’IA de Google ». A terme, Tiger devrait dépasser le seul périmètre des achats responsables et permettre de gérer dans sa globalité la relation fournisseurs, en permettant aux acheteurs de détecter les signaux faibles sur la structure de leurs marchés, pour être informés des entreprises qui se créent, anticiper les fournisseurs qui fusionnent ou menacés de faillite.
« Dans le risk management, le croisement entre l’IA et la BI, alimentée notamment par des bases de données comme Ecovadis, Riskmethods, Provigis…, permettra de cerner le profil de risque de chaque fournisseur sur le plan économique, financier ou RSE… tout en analysant l’exposition d’une entreprise à ces fournisseurs risqués et recommander des alternatives » pronostique plus généralement Sébastien Dumas. Les risques inhérents aux comportements achats des collaborateurs d’une entreprise pourront également être optimisés par l’IA. « En octobre 2007, Coupa a racheté Deep Relevance, un moteur d’intelligence artificielle identifiant les comportements à risque des employés dans la gestion des notes de frais, demandes d’achats, commandes et factures. Au-delà de la détection des fraudes, les modes de dépenses de chaque employé peuvent ainsi être optimisés sur une famille de produits » détaille Ronan Kerouedan.

Les premiers pas d’une collaboration acheteur machine


Pour les éditeurs de SI Achats, l’ambition est à terme de fournir aux acheteurs des plateformes les accompagnants à chaque étape du process S2P. « Nos nouvelles solutions d’IA proposeront d’ici la fin de l’année de l’insight as a service. S’appuyant la puissance de l’Ariba network, avec plus de 3 000 milliards de dollars échangés chaque année, les acheteurs disposeront d’informations décisionnelles et de benchmarks incomparables sur l’ensemble du process S2P pour les guider dans les process et leurs stratégies achats » explique Drew Hofler.
La bataille de la donnée, véritable moteur de l’IA, devrait ainsi redoubler dans les prochains mois. Coupa ne cache d’ailleurs pas ses ambitions avec une croissance de son activité de 40 % par an et un objectif de chiffre d’affaires de 1 milliard de dollars pour développer sa plateforme qui traite déjà un montant cumulé de transactions dépassant les 1 000 milliards de dollars. « La puissance de calcul de l’IA et le fait de disposer d’une plateforme unique a permis à Coupa de développer son concept de community intelligence qui à l’image de Google Maps ou Waze pour un conducteur permet à chacun de nos clients, pratiquement en temps réel, de disposer de benchmarks en matière de gestion des dépenses, de sourcing… Toutes les étapes du process source to pay ont vocation à terme à bénéficier de ces benchmarks agrégeant avec l’accord de nos clients les données transactionnelles transitant par la plateforme Coupa. A ce stade, les informations sont disponibles au niveau des fournisseurs et des familles d’achats mais l’objectif est d’arriver à une granularité plus fine au niveau de l’article pour opérer des comparatifs de prix… » annonce Ronan Kerouedan.
Le prescriptive procurement est également en marché sur l’ensemble du S2P. « Après nos premières solutions de guided buying présentes sur notre dernière plateforme présentée en début d’année, des tableaux de bord de recommandations seront en plus disponibles dans la version 20.1 en janvier 2020, avec la possibilité de cliquer sur une recommandation pour commander une action. C’est la continuité du Smart Assistant. Ces tableaux de bord de recommandations ont vocation à assister l’utilisateur à chaque étape de son parcours sur la plateforme Jaggaer. Et chaque recommandation sera motivée, l’utilisateur ayant le choix de l’appliquer ou pas. Avec notre fonctionnalité de Feedback Loop, les prises de décisions seront peu à peu automatisées en s’appuyant sur les décisions passées » souligne Amenallah Reghimi.
Pour Sage, l’ambition est de faire gagner en intelligence et réactivité tout le processus order to cash. « Einstein Prediction Builder permet d’appliquer un modèle prédictif à n’importe quel type de données stockées dans Salesforce, dont les données achats. L’IA et nos modèles de scoring permettent dès lors aux acheteurs de bénéficier de recommandations sur des champs aussi variés que la nécessité de passer une commande compte tenu de la faiblesse des stocks. Ou un simple click sur une recommandation peut automatiquement relancer des fournisseurs accusant des retards de paiement… » détaille Guillaume Aurine.
L’avenir de l’IA dans les achats se conçoit d’ores et déjà pour les éditeurs en faisant travailler leurs plateformes en temps réel avec des objets connectés et d’en exploiter les données. Les performances des outils de production pourront être analysées et les capteurs connectés permettront de s’assurer par exemple de l’absence de rupture dans la chaîne du froid… Peu à peu la politique de petits pas devrait s’accélérer les SI achats engrangeant de la donnée et donc la connaissance pour véritablement révolutionner les achats.
Portraits

Amenallah Reghimi

Product manager chez Jaggaer

" Notre premier chatbot ou Smart Assistant utilisant le langage naturel NLP entre progressivement en production "




Aurélien Coquard

Responsable de l’Intelligence artificielle, Ivalua

" Nous appliquons des techniques de segmentation de l’image identiques à celles des caméras de détection des piétons dans les voitures autonomes "




Ronan Keouedan

Vice-président Value Solutions Consulting, Coupa 

" Nous étions jusqu’ici face à un défi : com­prendre et classer nos données de spend dispersées dans de multiples bases de données et systèmes d’information "




Drew Hofler

Vice-président Portfolio Marketing, SAP Ariba

" Nos nouvelles solutions d’IA proposeront d’ici la fin de l’année de l’insight as a service, s’appuyant la puissance de l’Ariba network "

Par François Le Roux

Le dernier numéro

Dernier numéro

N°300 - Janvier 2021

Le catalogue

Le catalogue Silex

Retrouvez la revue en format tablette

Apple store Google Play