IA et fonction achat : cas d’usage concrets

Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 2 octobre 2026.

En bref

L’IA dans les achats sert d’abord à lire, extraire et comparer des documents (cahiers des charges, offres, contrats, fichiers fournisseurs), puis à répondre aux questions sur les dépenses. Selon l’étude AgileBuyer-CNA sur les priorités des achats en 2026 (881 répondants, résultats rapportés par Décision Achats le 14 janvier 2026), 63 % des acheteurs utilisent l’IA quotidiennement, contre 40 % en 2025.

La Global CPO Survey 2025 de Deloitte (plus de 250 directeurs achats dans 40 pays, 19 août 2025) mesure un retour de 3,2 fois l’investissement en IA générative pour le quart le plus avancé des organisations, contre environ 1,5 fois pour les suiveurs. Gartner a pourtant annoncé le 30 juillet 2025 que l’IA générative appliquée aux achats entrait dans le « creux de la désillusion ».

Pour un acheteur public, le Code de la commande publique et la feuille de route 2026-2027 du système d’information des achats de l’État fixent le cadre. Cet article détaille huit cas d’usage, les études publiées, les exigences de la commande publique et les étapes d’un premier projet.

1. Quels cas d’usage de l’IA une direction achats peut-elle déployer ?

Huit cas d’usage couvrent l’essentiel du processus achat, de la veille fournisseurs au suivi des contrats. Un cas d’usage d’IA en achats désigne une tâche du processus achat confiée en partie à un système d’IA, avec un résultat que l’acheteur peut vérifier pièce par pièce et une trace de ce qui a été lu, extrait ou comparé.

Cas d’usage	Ce que fait le système	Ce que l’acheteur vérifie
Sourcing et veille fournisseurs	Cartographie par famille d’achat, résumé de sources, alertes	Les sources retenues, la pertinence des candidats
Analyse des dépenses	Classement des lignes par catégorie, détection des doublons et des écarts	Les catégories ambiguës, les écarts signalés
Rédaction et relecture de cahiers des charges	Trame à partir de consultations passées, contrôle de clarté, contradictions	Le besoin, les exigences, les critères
Analyse et comparaison des offres	Extraction des exigences, classement de chaque offre avec la page source	Chaque verdict contestable, la cohérence avec les critères publiés
Contrôle de conformité des dossiers	Présence et validité des pièces, signalement des manques	Les pièces signalées manquantes ou périmées
Suivi des contrats et des échéances	Comparaison clause par clause contre un référentiel, dates clés, alertes	Les écarts relevés, les clauses sensibles
Référentiel fournisseurs	Croisement du fichier avec les registres publics, statut par ligne	Les lignes en anomalie
Questions en langage courant sur les données d’achat	Traduction d’une question en requête, réponse avec sa source	La requête générée, le périmètre interrogé

2. Sourcing, veille fournisseurs et analyse des dépenses

Le sourcing et l’analyse des dépenses viennent en premier parce qu’ils traitent des données déjà disponibles ; l’étude AgileBuyer-CNA 2026 place le reporting (50 %) ainsi que le sourcing et la rédaction de courriels (53 %) en tête des usages déclarés. En sourcing, le système constitue une liste de fournisseurs candidats par famille d’achat à partir de sources publiques, résume ce qui est connu de chacun et signale les événements (procédure collective, changement d’activité, sanction) sur les fournisseurs suivis.

Cette veille répond à une préoccupation mesurée par Deloitte : dans la Global CPO Survey 2025, les leviers de réduction du risque jugés les plus efficaces sont le maintien de sources alternatives actives (74 %), une meilleure visibilité sur la chaîne d’approvisionnement (64 %) et le partage d’information avec les fournisseurs (61 %).

Sur les dépenses, le système classe les lignes de facturation ou de commande dans la nomenclature achats, repère les doublons de fournisseurs et les écarts entre prix contractuel et prix facturé. Le gain dépend de la qualité du référentiel fournisseurs : une entreprise présente sous trois libellés devient trois fournisseurs dans l’analyse. D’où l’intérêt de commencer par le croisement du référentiel avec les registres publics, qui ne requiert pas de modèle de langage.

3. Comment l’IA aide-t-elle à rédiger un cahier des charges et à analyser les offres ?

Elle intervient avant la publication, en relecture, puis après la réception des offres, en comparaison. En rédaction, le système part des consultations passées pour proposer une trame, puis relit le projet de cahier des charges : exigences ambiguës, contradictions entre pièces, exigences sans critère pour les évaluer, questions que les candidats poseront. Le besoin et les critères restent écrits par l’acheteur.

En analyse des offres, le système extrait les exigences du cahier des charges, puis classe la réponse de chaque offre exigence par exigence (satisfaite, partielle, non satisfaite, écart, hors sujet), en citant la page de l’offre qui justifie chaque classement. L’acheteur obtient une matrice de couverture comparable d’un candidat à l’autre et consacre son temps aux verdicts contestables.

TW3 Partners a publié trois cas sur ces sujets : l’analyse des offres exigence par exigence, la comparaison de contrats fournisseurs contre un référentiel de clauses et la vérification d’un référentiel fournisseurs contre les registres publics.

L’État suit la même voie. La feuille de route 2026-2027 du système d’information des achats de l’État, publiée par la direction des achats de l’État le 16 février 2026, place « utiliser l’intelligence artificielle au service de l’achat » parmi ses cinq axes, avec le déploiement progressif des outils étudiés dans l’expérimentation menée en 2025, notamment sur l’aide à l’analyse des offres.

4. Contrats, conformité des dossiers et questions sur les données d’achat

Les contrats et les dossiers de candidature se prêtent au même traitement : une lecture structurée contre une grille connue. Pour les contrats, la grille est le référentiel de clauses de l’organisation (responsabilité, pénalités, révision de prix, réversibilité, propriété intellectuelle) ; le système compare chaque contrat clause par clause, signale les écarts et extrait les dates qui déclenchent une action : échéance, préavis de reconduction, révision.

Pour les dossiers de candidature, la grille est la liste des pièces attendues et de leur validité ; le système signale ce qui manque ou ce qui est périmé.

Les questions en langage courant sur les données d’achat ferment la boucle. Un agent traduit une question (« quel montant a été commandé auprès de ce fournisseur sur douze mois, par entité ? ») en requête sur l’entrepôt de données, l’exécute et répond en montrant la requête et les tables consultées. Deux conditions : un périmètre de tables documenté, et la source affichée pour chaque réponse.

5. Que disent les études publiées de l’adoption de l’IA dans les achats ?

Elles décrivent une adoption rapide, des retours concentrés sur les organisations les mieux équipées et une phase de désillusion pour les autres.

Étude	Date	Périmètre	Constat
AgileBuyer-CNA, Priorités des achats en 2026, rapportée par Décision Achats	14 janvier 2026	881 répondants	63 % des acheteurs utilisent l’IA quotidiennement (40 % en 2025) ; 45 % jugent l’IA impactante à court et moyen terme
Deloitte, Global CPO Survey 2025	19 août 2025	Plus de 250 directeurs achats, 40 pays	Le quart le plus avancé consacre jusqu’à 24 % de son budget à la technologie et mesure un retour de 3,2 fois sur l’IA générative, contre 1,5 fois pour les suiveurs
Gartner, communiqué sur l’IA générative dans les achats	30 juillet 2025	Communiqué	L’IA générative pour les achats entre dans le « creux de la désillusion »
DINUM, panorama des solutions d’IA sur étagère	1er octobre 2026	Administrations publiques	114 solutions retenues sur 435 candidatures, sans valeur de validation ni d’engagement d’achat

Les freins sont connus. Deloitte liste les obstacles cités par les directeurs achats : fonctionnement en silos (57 %), priorités concurrentes (46 %), capacité de l’organisation ou de la technologie à soutenir l’exécution (40 %) et déficit de compétences (34 %). Ces chiffres désignent l’organisation plus que les modèles : un outil d’analyse des offres n’a d’effet que sur un cahier des charges structuré en exigences, relu par des acheteurs formés à lire une matrice.

Un dernier chiffre éclaire la relation avec les fournisseurs : 52 % des acheteurs demandent désormais un « rabais IA » à leurs fournisseurs, selon la même étude AgileBuyer-CNA.

6. Quelles exigences quand l’acheteur est public ?

L’acheteur public applique les mêmes cas d’usage sous trois contraintes supplémentaires : l’égalité de traitement, la traçabilité de l’analyse et la confidentialité des offres. À l’échelle du pays, selon le recensement 2024 de l’Observatoire économique de la commande publique (« Les chiffres des marchés publics 2024 », mars 2026, rapporté par Weka le 26 mars 2026), 223 383 marchés ont été recensés en 2024 pour plus de 233 milliards d’euros, au-dessus d’un seuil de 40 000 euros HT ; l’État seul représente 72,4 milliards d’euros pour 30 629 marchés.

Comment respecter l’égalité de traitement avec un système d’IA ?

L’article L3 du Code de la commande publique impose aux acheteurs le respect du principe d’égalité de traitement des candidats et la mise en œuvre des principes de liberté d’accès et de transparence des procédures. L’article R2152-7 précise que l’attribution se fonde sur un ou plusieurs critères non discriminatoires et liés à l’objet du marché ou à ses conditions d’exécution. Un système d’IA qui classe les offres ne peut donc ni ajouter un critère ni modifier une pondération : sa grille est celle du règlement de la consultation, et chaque offre est traitée avec la même grille et la même version du système.

Comment rendre l’analyse traçable ?

Les articles R2181-1 à R2181-4 obligent l’acheteur à notifier le rejet d’une candidature ou d’une offre, à en communiquer les motifs et, après attribution, le nom de l’attributaire et les motifs du choix de son offre. Chaque verdict produit par le système doit donc être relu, corrigé si nécessaire, et rattaché à la page de l’offre qui le justifie, pour pouvoir être restitué à un candidat évincé. Le journal des traitements (version du système, date, documents lus) a sa place dans le dossier de la consultation.

Comment protéger la confidentialité des offres ?

L’article L2132-1 interdit à l’acheteur de communiquer les informations confidentielles dont il a eu connaissance lors de la procédure, telles que celles dont la divulgation violerait le secret des affaires. Un outil hébergé chez un tiers doit donc être couvert par un contrat qui fixe le lieu de traitement, l’absence de réutilisation des offres pour entraîner des modèles et la réversibilité. Pour les données personnelles des dossiers (contacts, CV des équipes proposées), la CNIL recommande depuis le 18 juillet 2024 de ne jamais les confier à un service grand public.

Comment acheter soi-même une solution d’IA ?

La fiche pratique pour l’achat responsable de solutions d’IA (DINUM, Ecolab du CGDD et DAE, version de novembre 2025) propose des questions de sourçage à poser aux éditeurs et aux hébergeurs, et des exemples de clauses pour le CCAP, le CCTP et le règlement de consultation : qualité environnementale, transparence et explicabilité des modèles, non-discrimination, protection des données personnelles.

La Commission européenne a publié le 5 mars 2025 une version mise à jour de ses clauses contractuelles types pour l’achat public d’IA : une version complète pour les systèmes à haut risque, alignée sur le règlement (UE) 2024/1689, une version allégée pour les autres systèmes, et un commentaire d’utilisation.

Le règlement, dont les règles de transparence s’appliquent depuis août 2026 et les obligations des systèmes à haut risque de l’annexe III à partir du 2 décembre 2027 selon la page de la Commission européenne (mise à jour le 3 août 2026), ne range ni l’analyse des offres ni la gestion des fournisseurs parmi les domaines listés à son annexe III (biométrie, infrastructures critiques, éducation, emploi, services essentiels, répression, migration, justice) ; son article 4, applicable depuis le 2 février 2025, demande aux déployeurs un niveau suffisant de maîtrise de l’IA pour leur personnel.

7. Comment cadrer un premier projet d’IA achats ?

Le premier projet se choisit sur un volume de documents réel et une grille de vérification existante.

Étape	Ce qui est produit	Question à trancher
1. Choisir le cas d’usage	Une fiche : tâche, volume annuel, temps actuel, qui vérifie	Le temps gagné porte-t-il sur la lecture, la saisie ou la décision ?
2. Réunir un jeu de dossiers	Des consultations ou contrats passés, avec l’analyse humaine de l’époque	Le jeu couvre-t-il les dossiers difficiles ?
3. Écrire la grille	Les exigences, clauses ou pièces attendues, et le format du verdict	La grille est-elle celle de la consultation, sans ajout ?
4. Fixer l’hébergement et le contrat	Lieu de traitement, confidentialité des offres, réutilisation des données, réversibilité	Le secret des affaires des candidats est-il protégé ?
5. Piloter et comparer	Le système rejoue les dossiers passés ; ses verdicts sont comparés à l’analyse humaine	Quel taux d’écart, et sur quels types d’exigences ?
6. Décider et former	Décision d’extension, formation des acheteurs à la relecture, journal des traitements	Qui signe l’analyse finale ?

Le pilote sur des dossiers passés a un avantage décisif : l’analyse humaine existe déjà et sert d’étalon. Pour un acheteur public, il permet de vérifier avant toute consultation réelle que la grille reste celle du règlement de consultation. C’est à cette condition que l’IA dans les achats apporte un gain mesurable : du temps de lecture rendu aux acheteurs, et une analyse plus traçable que la précédente.

8. FAQ

Quels sont les cas d’usage de l’IA les plus répandus dans les achats ?
Le reporting (50 %) ainsi que le sourcing et la rédaction de courriels (53 %), selon l’étude AgileBuyer-CNA 2026 rapportée par Décision Achats. L’analyse des offres et la comparaison de contrats suivent dans les organisations qui ont structuré leurs exigences et leurs référentiels de clauses.

Un acheteur public peut-il utiliser l’IA pour analyser les offres ?
Oui, à condition que la grille soit celle du règlement de consultation, que chaque offre soit traitée de la même façon, que chaque verdict soit relu et rattaché à la page de l’offre qui le justifie, et que les motifs puissent être communiqués aux candidats évincés comme l’exigent les articles R2181-1 à R2181-4. La direction des achats de l’État a expérimenté en 2025 une aide à l’analyse des offres dont la feuille de route 2026-2027 prévoit le déploiement progressif.

L’IA décide-t-elle de l’attribution ?
Non. Le système extrait, classe et justifie ; l’acheteur relit, corrige et signe l’analyse. Le Code de la commande publique fixe les critères et leur publicité ; le système n’en ajoute aucun.

Où héberger un outil qui lit des offres confidentielles ?
L’article L2132-1 interdit la communication des informations confidentielles reçues en procédure. Le contrat avec le fournisseur de la solution doit fixer le lieu de traitement, exclure la réutilisation des offres pour l’entraînement de modèles et prévoir la réversibilité ; la CNIL recommande en outre de ne jamais confier de données personnelles à un service grand public.

Que dit la réglementation européenne sur l’IA pour une direction achats ?
Le règlement (UE) 2024/1689 s’applique par étapes ; selon la Commission européenne, les obligations des systèmes à haut risque de l’annexe III entrent en application le 2 décembre 2027. Cette annexe ne liste ni l’analyse des offres ni la gestion des fournisseurs parmi les domaines à haut risque ; son article 4 demande un niveau suffisant de maîtrise de l’IA pour le personnel. Pour acheter une solution d’IA, la Commission européenne propose des clauses contractuelles types mises à jour le 5 mars 2025.

Combien de temps gagne-t-on ?
Les études publiées ne donnent pas de durée universelle. Deloitte mesure un retour de 3,2 fois l’investissement en IA générative pour le quart le plus avancé des organisations et 1,5 fois pour les autres ; le gain réel se mesure sur les dossiers de l’organisation, en comparant le temps et les écarts avec l’analyse humaine.

Par où commencer sans entrepôt de données ?
Par un cas d’usage documentaire : analyse des offres d’une consultation passée, comparaison de contrats contre le référentiel de clauses, ou vérification du fichier fournisseurs contre les registres publics. Ces trois cas n’exigent ni entrepôt de données ni intégration lourde au système d’information.

IA et fonction achat : cas d’usage concrets pour les directions achats