La performance des achats se mesure par des indicateurs précis : taux de couverture contractuelle, délais de traitement des commandes, économies réalisées sur les catégories stratégiques. La digitalisation et l’exploitation de la data agissent directement sur ces indicateurs en remplaçant des tâches manuelles par des flux automatisés et en rendant visibles des données auparavant dispersées dans des tableurs ou des boîtes mail.
Gouvernance de la donnée achats : le préalable technique souvent négligé
Avant de déployer un outil, la question à résoudre concerne la qualité des données. Un référentiel fournisseurs contenant des doublons, des codes incomplets ou des adresses obsolètes fausse tout indicateur de performance qui en découle.
A lire en complément : Améliorer la communication avec les patients : conseils pratiques pour les professionnels de santé
La gouvernance de la donnée achats désigne l’ensemble des règles qui encadrent la collecte, la normalisation et la mise à jour des informations liées aux fournisseurs, aux contrats et aux transactions. Sans cette couche de gouvernance, les tableaux de bord affichent des résultats incohérents et les décisions qui s’appuient dessus perdent leur fiabilité.
Concrètement, cela passe par la désignation d’un responsable de la donnée (data owner) côté achats, par la définition de règles de nommage et de catégorisation, et par des contrôles automatisés de cohérence lors de chaque import. Des acteurs spécialisés dans l’accompagnement des directions achats, comme perceptis.fr, interviennent sur cette structuration pour aligner les processus data avec les objectifs de performance opérationnelle.
A lire en complément : Les tendances mode incontournables à adopter cette saison pour un style unique
Un point rarement traité : la question de la propriété des données carbone liées aux achats. Lorsqu’une entreprise collecte les données d’émissions de ses fournisseurs via une plateforme digitale, la traçabilité et l’attribution de ces données doivent être contractualisées. L’absence de cadre clair sur ce sujet expose à des litiges lors d’audits RSE ou de reporting extra-financier.
Facture électronique 2026 et performance achats : un lien direct
La réforme française de la facturation électronique, dont le calendrier de déploiement s’étend à partir de 2026, ne se limite pas à un changement de format. Elle modifie la nature même des données disponibles pour piloter la performance des achats.
Le passage à la facture électronique via des plateformes de dématérialisation partenaires (PDP) ou le portail public impose une structuration normée des données de facturation. Chaque facture entrante arrive avec des champs standardisés : identifiant fournisseur, montant HT, TVA, références de commande.
Cette normalisation rend possible un rapprochement automatique entre commande, réception et facture (le three-way matching), sans intervention humaine sur la majorité des flux. Le gain ne se situe pas uniquement dans la réduction du temps de traitement. Il réside dans la capacité à détecter en temps réel les écarts de prix, les factures hors contrat ou les livraisons partielles non signalées.
Ce que la réforme change pour les KPI achats
Avec des données de facturation structurées et centralisées, plusieurs indicateurs deviennent mesurables de manière fiable :
- Le taux de conformité contractuelle peut être calculé automatiquement en comparant les prix facturés aux grilles négociées, sur la totalité du volume et non plus sur un échantillon.
- Le délai moyen de traitement des factures (de la réception à la mise en paiement) devient un indicateur consolidé, comparable d’une entité à l’autre au sein d’un même groupe.
- Les achats hors processus (maverick buying) sont identifiés par l’absence de numéro de commande associé à la facture, ce qui permet de quantifier précisément le phénomène.
La réforme oblige à nettoyer les bases fournisseurs pour garantir la correspondance entre les identifiants fiscaux et les référentiels internes. Ce travail, souvent perçu comme une contrainte administrative, produit un effet de levier direct sur la fiabilité des données achats.
IA et scoring fournisseurs : ce que change l’AI Act européen
L’utilisation de l’intelligence artificielle dans les achats se développe sur plusieurs cas d’usage : scoring de risque fournisseur, analyse prédictive des prix de matières premières, classification automatique des dépenses. Ces applications reposent sur des modèles entraînés à partir de données historiques.
L’AI Act européen introduit une obligation de transparence et de traçabilité pour les systèmes d’IA déployés dans les organisations. Pour une direction achats qui utilise un algorithme de scoring fournisseurs, cela implique de documenter les données d’entraînement, les critères de décision du modèle et les biais potentiels.
Un scoring fournisseur opaque expose l’entreprise à des contestations de la part de prestataires écartés d’un appel d’offres. L’AI Act pousse à structurer la gouvernance algorithmique, ce qui rejoint la gouvernance de la donnée évoquée plus haut.
DORA et résilience des outils achats
Pour les entreprises du secteur financier, le règlement DORA (en application depuis janvier 2025) ajoute une couche d’exigences spécifiques. Les plateformes achats hébergées en mode SaaS sont considérées comme des prestataires IT tiers, soumis à des obligations de résilience opérationnelle numérique.
Cela signifie que le choix d’un outil de digitalisation des achats ne repose plus uniquement sur ses fonctionnalités ou son ergonomie. La capacité du prestataire à garantir la continuité de service et l’auditabilité des données devient un critère de sélection à part entière, directement lié à la conformité réglementaire.
Compétences data des acheteurs : le facteur limitant
Les outils existent, les données arrivent en volume croissant, les réglementations poussent à structurer les processus. Le facteur limitant reste la capacité des équipes achats à exploiter ces données.
Former les acheteurs à la lecture de tableaux de bord, à l’interprétation de courbes de tendance ou à la formulation de requêtes dans un outil de business intelligence ne relève pas d’un projet ponctuel. C’est un investissement continu, intégré au plan de développement des compétences.
- La maîtrise des bases de données relationnelles et de la logique de requêtage permet à un acheteur de vérifier lui-même la fiabilité d’un indicateur sans dépendre d’un data analyst.
- La compréhension des limites d’un modèle d’IA (biais d’entraînement, sur-apprentissage) évite de prendre des décisions automatisées pour des vérités absolues.
- La capacité à dialoguer avec les équipes IT et data sur les formats de données, les API et les flux d’intégration accélère les projets de digitalisation.
L’enjeu n’est pas technologique au sens strict. La montée en compétence data des équipes achats conditionne le retour sur investissement de tous les outils déployés. Un outil parfaitement configuré mais sous-utilisé par des équipes non formées produit des dashboards que personne ne consulte.
La digitalisation des achats ne se résume pas à un choix logiciel. Elle articule gouvernance de la donnée, conformité réglementaire et compétences humaines. Les directions achats qui progressent sur ces trois axes simultanément sont celles qui transforment leurs données en décisions mesurables.