L'IA dans les marchés publics : Principaux avantages, cas d'utilisation et tendances futures

Comprendre l'IA dans les marchés publics

L'intelligence artificielle est un sous-domaine de l'informatique qui se concentre sur la création d'agents intelligents capables d'effectuer des tâches qui nécessiteraient normalement des niveaux d'intelligence humaine. Ces tâches comprennent notamment la résolution de problèmes, la reconnaissance vocale et la prise de décision.

Dans le contexte des achats, l'IA est considérée comme une technologie stratégique qui peut automatiser et améliorer les processus d'achat, tels que la négociation des contrats et la recherche de fournisseurs. De même, l'IA peut entraîner d'importants gains d'efficacité, en réduisant les coûts d'approvisionnement et en améliorant la prise de décision au sein de l'entreprise. Enfin, les technologies de l'IA sont également essentielles pour réduire les risques liés à l'approvisionnement et créer des chaînes d'approvisionnement robustes.

Vous trouverez ci-dessous une liste des technologies d'IA les plus pertinentes pour les achats :

Apprentissage automatique

L'un des sujets les plus importants de l'IA est l'apprentissage automatique, un sous-domaine qui se concentre sur la manière dont les ordinateurs peuvent apprendre à partir de données et prendre des décisions sans être explicitement programmés. Il s'agit d'apprendre aux ordinateurs à apprendre par l'expérience, comme le font les humains.  Par essence, l'apprentissage automatique est la méthode par laquelle l'IA obtient la partie "intelligence" de son nom. Vous pouvez en apprendre davantage sur le sujet dans notre cours Comprendre l'apprentissage automatique.

Apprentissage en profondeur

L'apprentissage profond est un autre domaine important de l'IA. L'apprentissage profond est un type d'apprentissage automatique qui se concentre sur un type d'apprentissage automatique appelé réseaux neuronaux, qui imite le fonctionnement de notre cerveau. Les réseaux neuronaux permettent aux ordinateurs d'apprendre par l'expérience et de comprendre le monde en fonction d'une hiérarchie de concepts. Grâce aux réseaux neuronaux, les chercheurs ont pu résoudre certains des problèmes les plus complexes, notamment le traitement des images et des vidéos. De même, un type de réseau neuronal appelé transformateur est essentiel pour comprendre le développement et l'essor de l'IA générative.

Traitement du langage naturel (NLP)

Un domaine de l'IA qui se concentre sur l'interaction entre les ordinateurs et les humains par le biais du langage naturel. L'objectif ultime de la PNL est de permettre aux ordinateurs de comprendre, d'interpréter et de générer des langues humaines d'une manière qui soit à la fois significative et utile.  Consultez notre cours Introduction au traitement du langage naturel en Python pour en savoir plus.

Robotics

L'IA est essentielle au développement de la robotique. Les technologies d'IA peuvent être intégrées dans ce que l'on appelle la RPA (automatisation des processus robotiques) pour améliorer leurs capacités et leur permettre d'effectuer des tâches plus complexes. L'IA en robotique permet aux robots d'apprendre par l'expérience, de s'adapter à de nouvelles situations et de prendre des décisions sur la base de données provenant de capteurs.

L'IA générative dans les marchés publics

Lorsque nous parlons d'IA pour les achats, nous devons parler d'IA générative. Les systèmes d'IA générative, comme ChatGPT ou Google Gemini, peuvent considérablement stimuler la productivité et l'efficacité des processus métier (consultez cette conversation avec Bernard Marr dans notre podcast DataFrame pour savoir comment l'IA générative change les entreprises et la société). Dans le cadre des marchés publics, l'IA peut être utilisée dans différents contextes, notamment :

• Automatiser la rédaction et la révision des contrats. Grâce à ses capacités de génération de texte, l'IA générative peut être utilisée pour créer rapidement des projets de contrats d'approvisionnement, ainsi que pour vérifier les documents juridiques afin d'en assurer l'exactitude et de repérer les risques potentiels et les problèmes de non-conformité. 
• Produire des rapports et des informations sur l'approvisionnement. Ces outils peuvent analyser de manière transparente de grandes quantités de données et résumer des documents volumineux afin de générer des informations pertinentes sous la forme de rapports, de briefings ou de présentations.
• Améliorer les négociations avec les fournisseurs grâce à des simulations de scénarios. L'IA générative peut également simuler une prise de décision semblable à celle d'un être humain, en élaborant des stratégies de négociation et en générant des réponses qui reflètent fidèlement les tactiques d'un négociateur chevronné. Par exemple, l'IA générique peut jouer différents rôles dans des négociations fictives afin de planifier une stratégie en examinant les arguments et les contre-arguments.

Cas d'utilisation de l'IA dans les marchés publics

Dans les sections suivantes, nous aborderons certains des cas d'utilisation les plus prometteurs de l'IA dans le domaine des marchés publics.

Négociations sur les marchés publics

En matière d'approvisionnement, les négociations traditionnelles sont souvent synonymes de tâches répétitives et fastidieuses, d'analyses lourdes de données et d'interactions interminables entre les fournisseurs et les équipes chargées de l'approvisionnement afin d'obtenir le bon accord.

L'IA et, en particulier, l'IA générative, modifient rapidement la façon dont les experts en approvisionnement abordent ces négociations. Des outils comme ChatGPT peuvent être utilisés pour automatiser l'évaluation des propositions, extraire des informations clés à partir de grands volumes de données, et tirer des informations pertinentes et actualisées en préparation des négociations.

S'ils sont bien conçus, les assistants dotés d'IA peuvent même mener des négociations autonomes avec les fournisseurs sur la base de données historiques et de paramètres prédéfinis. Dans la pratique, les assistants génératifs d'IA peuvent améliorer les relations internes et externes en éliminant les frictions dues aux différents fuseaux horaires, aux emplois du temps chargés et aux données écrasantes. Au contraire, il facilite les conversations en proposant des sujets de discussion qui reflètent mieux les priorités de la contrepartie. 

Ensemble, ces applications permettent de mener des négociations plus informées, plus efficaces et plus dynamiques, tout en réduisant de manière significative les tâches manuelles liées aux négociations.

Analyse et optimisation des dépenses

L'analyse des dépenses est le processus d'analyse des données relatives aux dépenses afin de trouver des modèles, d'identifier les goulets d'étranglement et les possibilités de réduction des coûts, d'améliorer les performances et d'optimiser les stratégies d'approvisionnement. L'IA et l'apprentissage automatique peuvent contribuer à automatiser et à accélérer chaque étape de l'analyse des dépenses, depuis la collecte et le nettoyage des données provenant de diverses sources jusqu'à la classification et l'analyse des données pour en extraire des informations précieuses.

Évaluation et gestion des risques liés aux fournisseurs

L'évaluation des profils de risque des fournisseurs est l'un des cas d'utilisation les plus illustratifs de l'IA dans la passation de marchés. L'apprentissage automatique et les modèles d'apprentissage profond sont utilisés pour créer des catégories granulées de fournisseurs et prédire les résultats en fonction des données, telles que les contrôles de sécurité et de confidentialité, les finances, les pratiques ESG, les politiques d'entreprise, les programmes de réponse aux incidents, les relations avec les tiers et d'autres facteurs susceptibles d'affecter la continuité et la résilience du fournisseur.

Prévision de la demande et gestion des stocks

La gestion des stocks est une autre application précieuse de l'IA. Les modèles d'apprentissage automatique analysent les données historiques des ventes, les tendances des clients et d'autres facteurs pour prédire la demande future et minimiser le risque de surstockage. Dans le même ordre d'idées, l'IA peut prédire les demandes des clients sur la base d'enregistrements antérieurs, de tendances du marché et même d'informations en temps réel.

Détection de la fraude dans les marchés publics

L'IA améliore également la détection et la prévention des fraudes dans les processus de passation de marchés. En s'appuyant sur l'historique des données des fournisseurs, les modèles d'apprentissage automatique peuvent analyser des millions de transactions pour détecter plus rapidement et plus précisément que les humains les schémas subtils indiquant une éventuelle fraude. Les entreprises peuvent utiliser ces analyses pour détecter les transactions frauduleuses en temps réel, réduisant ainsi les pertes dues à la fraude.

Études de cas sur l'IA dans le domaine des achats et des approvisionnements

Les entreprises du monde entier commencent à mettre en œuvre des solutions d'IA pour améliorer leurs opérations d'approvisionnement. Vous trouverez ci-dessous deux cas d'utilisation d'entreprises de différents secteurs :

Zara

Zara est un détaillant international de mode basé en Espagne. L'entreprise a intégré l'IA dans divers aspects de ses activités commerciales. Cela concerne non seulement le comportement des consommateurs, mais aussi les achats. Elle a notamment adopté une approche holistique, qui implique l'utilisation de l'IA à chaque étape de la chaîne d'approvisionnement.

L'exemple le plus innovant de cette approche est probablement l'utilisation de micropuces dans les étiquettes de sécurité de tous ses vêtements. Ces micropuces permettent un cursus en temps réel de tous les produits, de la production à la vente, ce qui permet à Zara d'avoir une idée complète et précise de l'état de ses stocks. 

Zara peut ainsi contrôler avec précision ses niveaux de stock, réduire les surstocks et les ruptures de stock et, dans le même temps, accroître son efficacité opérationnelle. Par exemple, Zara peut immédiatement localiser un article dont le stock est épuisé dans un magasin spécifique et le réapprovisionner rapidement à partir de l'entrepôt ou d'un autre magasin.

Coca-Cola

Coca-Cola s'est récemment associé à Microsoft pour tirer parti de ses capacités en matière de cloud et d'IA afin d'optimiser ses chaînes d'approvisionnement. 

En exploitant le service Azure OpenAI de Microsoft, Coca-Cola se concentre sur l'optimisation de divers processus de la chaîne d'approvisionnement. Avec ce partenariat, l'entreprise vise notamment à prévoir la demande, à améliorer la gestion des stocks et à rationaliser la logistique de distribution. Toutes ces améliorations permettront à Coca-Cola de réduire ses coûts opérationnels et d'améliorer l'efficacité globale de la chaîne d'approvisionnement.

Défis et considérations​

Si les avantages de l'IA dans les achats sont clairs, la mise en œuvre d'une solution d'IA réussie n'est pas toujours facile, en particulier dans un secteur comme l'assurance, où de nombreuses données sensibles sont impliquées. Analysons les défis les plus importants.

Défis éthiques et réglementaires

Malgré les capacités uniques de l'IA, il est important de prendre en compte ses risques potentiels et ses préoccupations réglementaires dans le cadre des achats. Dans le cas de l'IA générative, malgré ses grandes promesses, cette technologie introduit également de nouveaux risques, tels que la désinformation et les escroqueries potentielles en matière d'approvisionnement. 

En outre, les experts en approvisionnement doivent impérativement se conformer à l'évolution rapide du paysage juridique afin de garantir la protection des données et l'utilisation équitable et sûre de l'IA. Un bon exemple de l'avenir de la conformité est la loi européenne sur l'IA récemment approuvée , une réglementation complète qui exige que les entreprises, y compris les assureurs, mettent en place des mesures réglementaires strictes. 

Consultez notre cursus de compétences EU AI Act Fundamentals pour en savoir plus sur cette règle innovante et ambitieuse et sur la manière de rester conforme.

Intégrations et évolutivité

La manière d'intégrer les solutions d'IA aux systèmes existants et de les rendre évolutives peut être complexe et nécessite une infrastructure moderne, dont beaucoup d'entreprises sont dépourvues. Au lieu de cela, la plupart des entreprises s'appuient normalement sur des pratiques et des logiciels d'approvisionnement hérités qui peuvent ne pas s'interfacer facilement avec des outils d'IA de pointe. 

L'association des technologies d'apprentissage automatique et d'intelligence artificielle à ces processus établis nécessite une planification et une personnalisation minutieuses afin d'éviter les perturbations. Les compagnies d'assurance doivent évaluer leur infrastructure actuelle, identifier les problèmes d'intégration potentiels et investir dans les mises à niveau nécessaires pour garantir que les deux systèmes fonctionnent harmonieusement avec les technologies existantes.

Si vous souhaitez en savoir plus sur la manière de mettre en œuvre des outils d'IA dans votre pile technologique, nous vous recommandons vivement de lire notre guide distinct sur l'intégration de l'IA.

Renforcer les équipes et les personnes

L'élaboration d'une stratégie d'IA réussie nécessite des efforts et des ressources considérables, mais même les entreprises aux poches bien garnies ne parviennent pas à mettre en œuvre des solutions d'IA. Pourquoi ? Parce qu'elles ne disposent pas d'un nombre suffisant d'employés qualifiés maîtrisant l'IA. 

Selon une étude réalisée par McKinsey, les entreprises les plus performantes placent 22 % de leurs employés chargés des achats dans des équipes d'analyse. Cela suggère que les entreprises devront investir et augmenter le nombre de profils de données disponibles à l'échelle en recrutant à l'extérieur des profils compétents en matière de données ou en recyclant les équipes existantes.

Toutefois, le recrutement et la fidélisation de talents possédant les compétences requises peuvent s'avérer difficiles, en particulier compte tenu de la concurrence qui règne sur le marché des professionnels de la technologie. Investir dans le perfectionnement et le recyclage du personnel en place peut également contribuer à combler le déficit de compétences et à faire en sorte que l'organisation puisse tirer pleinement parti des capacités de l'IA. 

Heureusement, DataCamp est là pour aider les équipes chargées des achats. Grâce à notre solution DataCamp for Business, nous pouvons aider votre entreprise à se familiariser avec les données et l'IA. Avec une solution évolutive qui peut fonctionner pour des équipes de toute taille, ainsi que des parcours d'apprentissage personnalisables et des rapports détaillés, DataCamp for Business peut vous aider à transformer votre entreprise et à devenir prêt pour l'IA. 

Tendances futures de l'IA et de l'approvisionnement

Si nous nous tournons vers l'avenir, l'importance de l'IA dans les achats est appelée à croître de manière exponentielle. 

Selon une étude de Gartner, publiée en janvier 2024, plus de la moitié des organisations d'approvisionnement prévoient de mettre en œuvre l'IA générique au cours de l'année prochaine. Cette tendance devrait se poursuivre dans les années à venir, à mesure que les outils d'IA actuels deviendront plus puissants et que de nouvelles solutions spécifiques aux marchés publics arriveront sur le marché.

L'intérêt croissant des responsables des achats pour l'IA ne concerne pas seulement l'efficacité opérationnelle, mais aussi le développement durable et les obligations réglementaires. Les gouvernements étant de plus en plus nombreux à vouloir faire progresser les objectifs de développement durable par le biais de la réglementation des marchés publics, l'IA est considérée comme un outil essentiel pour aider les entreprises à évaluer les fournisseurs sur la base de paramètres environnementaux, sociaux et de gouvernance (ESG), en veillant à ce que les méthodes de passation des marchés publics correspondent aux objectifs de développement durable.

Pourtant, le même rapport de Gardner révèle que seulement 14 % des responsables des achats interrogés ont confiance dans la capacité de leurs équipes à intégrer l'IA dans leurs processus d'achat. Nous en connaissons déjà la raison. Comme nous l'avons constaté dans notre rapport State of Data & AI Literacy 2024, le déficit de compétences en matière d'IA est important dans tous les secteurs, 62 % des dirigeants interrogés estimant que leur organisation présente un déficit de compétences en matière d'IA. 

C'est pourquoi la maîtrise de l'IA va jouer un rôle essentiel pour faire progresser et accélérer l'intégration de l'IA dans les achats. DataCamp for Business peut aider votre entreprise à combler ce déficit de compétences en matière d'IA, grâce à des parcours d'apprentissage personnalisables et évolutifs, adaptés aux organisations de toutes tailles. Commencez dès aujourd'hui en demandant une démonstration.

Conclusion

L'IA est l'un des principaux moteurs de changement dans le secteur des achats. L'application de l'IA et de l'apprentissage automatique aux achats a le potentiel d'automatiser de nombreuses tâches chronophages, de réduire les coûts opérationnels, de rendre les chaînes d'approvisionnement plus robustes et de renforcer les relations d'achat.

Ces systèmes devenant de plus en plus intelligents, les équipes chargées des achats qui maîtrisent les principes fondamentaux de l'IA auront probablement une longueur d'avance sur leurs concurrents. Nous vous en dirons plus sur l'importance d'avoir une solide culture des données et de l'IA dans notre prochain webinaire Accroître la maturité de votre organisation en matière de données et d'IA.

Demandez une démo pour découvrir comment DataCamp peut vous guider dans le processus de montée en compétence de toute votre équipe et dans la construction d'une culture positive vis-à-vis des données. En attendant, consultez nos documents consacrés à l'IA :

• Curus de compétences sur les fondamentaux de l'entreprise en matière d'IA 
• Comment apprendre l'IA à partir de zéro en 2025 : Un guide complet d'expert
• Principes de la loi européenne sur l'IA
• Qu'est-ce que la maîtrise de l'IA ? Un guide complet pour les débutants
• Présentation du rapport sur l'état des connaissances en matière de données et d'IA 2024 
• Le guide de la maîtrise de l'IA à l'usage des responsables de l'apprentissage
• Plateforme leader pour la maîtrise de l'IA dans l'ensemble de votre entreprise.