L'IA agentique dans les achats : modèle repensé et retour sur investissement des achats

Le papier «Redéfinir la performance des achats à l’ère de l’IA des agences« , publié en février 2026 par McKinsey & Company, décrit un tournant qui va bien au-delà de l'efficacité opérationnelle. Les achats entrent dans une nouvelle phase historique. Ils ne sont plus seulement contrôle des coûts ou centre de contrôle contractuel. Ils deviennent un acteur clé de la résilience, de la durabilité, de l'innovation et de la création de valeur mesurable de la supply chain.

Le catalyseur est l’intelligence artificielle agentique. Pas une simple couche technologique, mais une infrastructure capable de repenser les processus, les rôles et les métriques.

Des achats sous pression structurelle

Ces dernières années, la fonction achats a fonctionné dans un contexte caractérisé par la volatilité géopolitique, des chocs d’offre, l’inflation et une complexité réglementaire croissante. Les organisations exigent plus de rapidité, une plus grande visibilité sur les risques et une contribution directe aux objectifs ESG.

Le problème n’est pas la conscience stratégique. C'est la capacité exécutive. Les équipes de catégorie sont souvent prises dans des tâches administratives. Les cycles d’approvisionnement sont lents. Les données sont distribuées sur des systèmes non interopérables. La perspicacité apparaît de manière fragmentée.

Parallèlement, les fournisseurs accélèrent l’adoption de l’IA dans les fonctions commerciales. Cela modifie la symétrie de l’information dans les négociations et élargit l’écart entre les achats numériquement avancés et les organisations traditionnelles.

Selon l'enquête citée dans le rapport, 40 % des responsables des achats considèrent l'IA comme une force potentiellement transformatrice. La question n’est pas celle de l’adoption d’un instrument. Il s'agit de redéfinir la fonction.

De l'automatisation transactionnelle à l'IA agentique

La première génération de digitalisation des achats s'est concentrée sur l'automatisation des activités répétitives : bons de commande, factures, catalogues, workflows d'approbation. Cela a généré de l’efficacité, mais a laissé intact le cœur décisionnel.

L'IA agentique introduit un saut qualitatif. Il ne fournit pas seulement des tableaux de bord ou des analyses rétrospectives. Effectue des tâches en plusieurs étapes, évalue les compromis, apprend des commentaires ultérieurs et génère des recommandations opérationnelles.

Un agent peut analyser des offres complexes, surveiller les indices de marché en temps réel, préparer des scénarios de trading et vérifier automatiquement le respect des contrats. Il peut fonctionner 24h/24, intégrer des données structurées et non structurées, synthétiser des informations issues de sources hétérogènes.

Le changement n’est pas seulement une question de vitesse. C'est une question d'orchestration. L’IA peut intervenir tout au long du cycle source-to-pay : de la définition de la stratégie de catégorie jusqu’au suivi post-attribution. Dans ce modèle, une collaboration structurelle entre les personnes et les agents numériques émerge.

Les gens se concentrent sur le jugement complexe, la gestion des relations et les décisions à fort impact. Les agents gèrent l'évolutivité, la synthèse et la continuité opérationnelle.

Des impacts concrets et mesurables

Le rapport ne se limite pas à la théorie. Présente des cas réels. Une entreprise technologique a utilisé des agents connectés pour repenser sa stratégie d'approvisionnement en services sur le terrain, ce qui a permis de réaliser des économies à deux chiffres dans les opérations du centre de contact et le BPO. Un groupe chimique a automatisé la préparation et l'analyse des offres dans le segment des consommables, augmentant ainsi l'efficacité du personnel et améliorant la capture de la valeur.

Un opérateur de télécommunications a appliqué des agents d'IA aux négociations à long terme sur les dépenses logicielles, réduisant ainsi considérablement le temps consacré aux analyses préliminaires et générant des économies significatives.

Dans le secteur pharmaceutique, l’IA appliquée à la conformité de la facture au contrat a réduit les pertes dues aux fuites.

Un constructeur aéronautique a automatisé la gestion des commandes et les niveaux de stocks, ce qui a un impact direct sur l'EBIT.

La donnée la plus significative concerne la rapidité de mise en œuvre. Avec des ensembles de données ciblés et des cas d’utilisation bien définis, les organisations peuvent passer du prototype au pilote en quelques semaines et évoluer en moins d’un an. Il ne s’agit pas de programmes informatiques pluriannuels, mais d’interventions ciblées avec un retour sur investissement visible en peu de temps.

Le modèle « recâblé » : données, agents, personnes

Pour transformer les pilotes en performances stables, un changement structurel est nécessaire. Le rapport parle de «modèle d'approvisionnement repensé».

Au centre se trouvent les données. Aujourd’hui, de nombreuses fonctions utilisent moins de 20 % des informations disponibles. Sans un fiches de rendez-vous intégrée, l’Agentic AI reste limitée. Nous avons besoin d’une source unique d’informations reliant les dépenses, les contrats, les références du marché et les performances des fournisseurs.

Le deuxième pilier est l’infrastructure des agents. Pas d'outils isolés, mais des écosystèmes modulaires capables de collaborer sur des workflows complexes. Les agents deviennent partie intégrante du modèle opérationnel.

Le troisième élément est l’équipe homme-machine. Les achats du futur nécessitent de nouvelles compétences : la capacité à interpréter les résultats de l’IA, à définir des invites efficaces, à évaluer des scénarios, à gérer le changement organisationnel.

Enfin, une intégration de bout en bout. L’IA exprime son potentiel maximum lorsqu’elle couvre l’ensemble du cycle source-to-pay, générant des avantages cumulés en termes de coûts, de risques et de rapidité de prise de décision.

Le ROI des achats comme boussole stratégique

L’un des aspects les plus pertinents est l’introduction du concept de retour sur investissement des achats. Il ne s'agit plus seulement d'un pourcentage d'économies, mais du rapport entre la valeur totale créée et le coût global engagé pour la générer.

La valeur comprend les économies réalisées, les fuites évitées, les avantages sur le fonds de roulement, la réduction des risques et la contribution à la croissance. Le coût comprend les personnes, la technologie, les données et la gestion du changement.

L’IA modifie cet équilibre. Augmentez la valeur en élargissant la couverture de la gestion des catégories et en améliorant chaque négociation. La structure des coûts évolue, avec des investissements accrus dans les plateformes et les compétences numériques et des équipes plus réduites mais hautement spécialisées.

Avec une séquence de mise en œuvre correcte, l’augmentation du retour sur investissement devient perceptible en quelques mois.

Implications pour la suite C

La transformation n’est pas technique, mais leadership. Les dirigeants d’entreprise doivent repenser les rôles, investir dans la qualité des données et la gouvernance, intégrer les KPI et les processus dans un nouveau modèle opérationnel.

L'IA agentique vous permet d'élever les achats au rang de levier stratégique de croissance, de résilience et de durabilité. Dans un contexte où les grands modèles linguistiques sont de plus en plus accessibles, l’avantage concurrentiel réside dans les données propriétaires et la capacité à les intégrer de manière cohérente.

Une fenêtre générationnelle

Le message du rapport est clair. L’IA dans les achats n’est pas une fonctionnalité supplémentaire. C'est une nouvelle base d'opérations. Celui qui saura en saisir le potentiel saura redéfinir les standards de performance et renforcer la compétitivité de l’entreprise.

Ceux qui reportent leur projet risquent de prendre du retard non seulement par rapport à leurs concurrents, mais aussi par rapport à leurs fournisseurs déjà avancés sur le plan numérique.

2026 marque une transition cruciale. La fonction achats peut devenir un centre d’avantage concurrentiel systémique. Il n’y a qu’une seule condition : transformer l’IA agentique de l’expérimentation en infrastructure stratégique.