Les achats doivent-ils craindre ou accueillir favorablement l'IA et la technologie d'apprentissage automatique ?

Votre longue carrière dans les achats a consisté en grande partie à être battue par la haute direction sur la nécessité de réduire constamment les coûts des fournisseurs. Vient ensuite la technologie numérique pour vous faciliter la tâche, ou l'emporter.

C'est du moins la crainte des professionnels des achats à l'ère de l'intelligence artificielle et de l'apprentissage automatique. Compte tenu de tous les facteurs qui entrent dans la sélection et la maintenance des fournisseurs, n'est-il pas logique de confier la tâche à un système capable de traiter plus de données qu'une centaine d'humains ?

Et le volume de données continue de croître. Les responsables des achats doivent aujourd'hui s'appuyer sur de multiples sources d'informations, provenant des fournisseurs eux-mêmes ainsi que des données financières indépendantes, des reportages, des services tiers et des réseaux sociaux. Selon Sammeli Sammalkorpi, co-fondateur de l'éditeur de logiciels d'analyse des achats Sievo :"Les organisations d'approvisionnement n'ont pas encore appris à exploiter ces différents types de données."

L'IA et l'apprentissage automatique semblent particulièrement bien adaptés au défi. Mais les craintes qu'ils reprennent entièrement le travail semblent infondées. Lorsqu'il s'agit d'une gestion efficace des achats et des fournisseurs, l'avenir prévisible est celui de la collaboration entre l'homme et la machine.

"Je crois vraiment que le rôle de l'IA n'est pas de remplacer les humains", déclare Sammalkorpi. « L'apprentissage automatique et l'IA peuvent proposer des résultats, mais vous devez toujours vous adapter à ce qui est pertinent et à ce qui ne l'est pas. »

Les machines sont très efficaces pour des applications étroites, impliquant des problèmes bien définis. De plus, ils sont toujours « activés » et entraînent un coût d'exploitation minimal, par rapport au salaire et aux avantages d'un travailleur humain.

Cependant, vient le temps d'agir et le responsable en chair et en os doit intervenir. En termes simples, les humains sont toujours meilleurs pour porter un jugement final sur les fournisseurs clés. Pour le moment, du moins, « l'apprentissage automatique n'est toujours pas suffisamment fiable pour prendre des décisions », déclare Sammalkorpi. (Il y a une autre raison de tenir les humains au courant, ajoute-t-il :ils doivent conserver la responsabilité de faire des choix afin qu'ils ne finissent pas par blâmer la machine pour les mauvais.)

Dans les premiers stades de l'apprentissage automatique, la technologie peut probablement reprendre certains éléments du contrat avec le fournisseur. Au fur et à mesure qu'il s'améliore, cependant, les acheteurs se retrouveront à se fier au système pour un nombre croissant de tâches, voire la décision finale sur la vérification et la sélection des fournisseurs.

Étant donné que l'IA et l'apprentissage automatique dépendent fortement d'algorithmes complexes, les entreprises peuvent supposer qu'elles doivent embaucher une équipe coûteuse de scientifiques des données pour exécuter le système et donner un sens à ses conclusions. De l'avis de Sammalkorpi, ce n'est pas le cas pour le service achats. Il pense qu'il est préférable d'obtenir ce type d'expertise auprès d'un fournisseur externalisé.

« Même s'ils pensaient que c'était une bonne analyse de rentabilisation », dit-il, « nous ne voyons pas beaucoup d'organisations capables de retenir ce talent en interne. Vous avez toujours besoin de data scientists, mais je ne pense pas que l'organisation des achats soit le bon endroit pour eux. »

Prédire les résultats futurs est probablement aussi difficile pour une machine que pour un humain - en d'autres termes, impossible. Mais l'apprentissage automatique est efficace pour réviser rapidement les prévisions et les plans d'action en temps réel, afin de refléter les modèles d'achat réels, estime Sammalkorpi.

Tout cela suppose, bien entendu, que l'approvisionnement peut intégrer en douceur la nouvelle technologie dans ses opérations. Mais une nouvelle étude de Forrester Consulting, commandée par le fournisseur de plate-forme d'approvisionnement Ivalua, suggère que c'est loin d'être le cas. En utilisant un « indice de maturité numérique » pour évaluer les progrès des entreprises dans l'adoption de la technologie d'approvisionnement, Forrester a constaté que la plupart "surestiment considérablement" leur niveau de maturité à cet égard.

Soixante-cinq pour cent des entreprises interrogées se considéraient comme « avancées », mais seulement 16 % avaient le niveau de maturité numérique requis dans leurs organisations d'approvisionnement pour justifier cette évaluation.

L'un des problèmes est que de nombreuses entreprises font de mauvais choix initiaux dans le choix de la technologie d'approvisionnement. Dans l'étude Forrester, 82 % avaient changé ou envisageaient de changer de fournisseur de technologie, citant comme raisons les faibles niveaux d'intégration des fournisseurs et d'adoption des utilisateurs.

De plus, la période d'adoption était excessivement longue. Seulement 17 % des organisations ont pu intégrer de nouveaux fournisseurs en moins d'un mois, et 59 % ont pris entre un et trois mois pour chaque fournisseur.

"Les responsables des achats ont la possibilité de fournir un véritable avantage concurrentiel à leurs organisations", a déclaré David Khuat-Duy, directeur général d'Ivalua, dans un communiqué. « La transformation numérique est essentielle au succès, mais nécessite une évaluation réaliste de la maturité actuelle, une vision claire pour chaque étape du parcours et la bonne technologie. »

Tout cela suggère que la technologie sous la forme d'IA et d'apprentissage automatique est loin d'éliminer les humains de la fonction d'approvisionnement, même si elle promet d'améliorer les opérations lorsqu'elle est correctement évaluée et mise en œuvre.