Un logiciel d'achats avec ML peut signaler un prix ou un volume anormal, mais il ne vaut le coup que si vos données sont propres. Cette page prend l'acier d'un mécanicien et le bois d'un menuisier comme fils conducteurs, pour trier ce qu'une règle simple fait déjà de ce que le ML ajoute.
Un logiciel d'achats de matières directes avec ML sert surtout à trois choses : repérer ce qui sort de l'ordinaire dans vos prix et vos volumes, repérer plus tôt les risques côté fournisseurs à partir de votre historique, et signaler une variation de prix du marché. Il ne remplace ni vos règles d'achat ni la personne qui valide. Dans une TPE ou une PME, il ne vaut le coup que si vos achats passés sont enregistrés proprement ; sinon, commencez par ranger vos données.
Ce que j'appelle matières directes, et ce que le ML en fait
Dans cette page, les matières directes sont celles qui entrent dans ce que vous fabriquez ou revendez : l'acier chez un mécanicien, le bois chez un menuisier, les références d'un négoce. Elles se distinguent des fournitures de fonctionnement, comme les gants ou le papier.
Le ML apprend de vos achats passés. Un blog de conseil en achats lui attribue trois usages : détecter des anomalies dans les prix ou les volumes et alerter les acheteurs, repérer tôt les fluctuations de prix sur le marché, et identifier les risques fournisseurs à partir de données historiques. C'est le point de vue d'un seul acteur, avec un intérêt commercial à vendre ce type de démarche. Je le prends comme une piste à tester, pas comme une preuve.
Règle simple ou ML : trois cas
Lecture personnelle, à partir de l'idée que le ML sert surtout quand les données sont abondantes et la complexité forte. Les cas de métier de la colonne centrale et de la colonne de droite sont des illustrations, pas des situations observées chez un client :
| Besoin | Une règle simple suffit | Le ML apporte quelque chose |
|---|---|---|
| Un prix d'achat qui dérive | Un mécanicien qui achète de l'acier chez deux fournisseurs compare chaque commande au dernier tarif négocié | Un négoce avec de très nombreuses références, où les prix bougent de manière qu'aucune règle écrite ne résume |
| Un volume qui sort de l'ordinaire | Un menuisier fixe un seuil de planches par chantier et regarde ce qui le dépasse | Un atelier dont les volumes suivent des cycles que personne n'arrive à écrire en règle |
| Un risque côté fournisseur | Un tableau tenu à la main, avec le prix, le délai et la qualité de chacun | Un historique large, où des écarts répétés sont difficiles à voir à l'œil nu |
Glissez le tableau pour voir la suite →
Je ne donne pas de seuil de nombre de références ou de commandes à partir duquel le ML se justifie : aucune source que j'ai lue n'en donne un fiable pour une petite structure. Le test le plus honnête reste celui de la ligne de gauche : si une règle simple repère déjà vos écarts, le ML n'a rien à ajouter.
Pour suivre le marché lui-même, il faut en plus des données externes, comme des indices économiques. Sans elles, le ML ne voit que vos propres achats. Le circuit de validation, lui, reste une règle écrite : je l'ai détaillé dans l'article sur les demandes d'achat avec ML.
Les données, le vrai prérequis
Une source du secteur distingue deux familles de données : internes (volumes d'achats, historiques de commandes, performances fournisseurs) et externes (tendances du marché, indices économiques). D'autres articles spécialisés insistent sur un point : ce qui compte, ce n'est pas d'avoir l'historique le plus long, mais des données pertinentes et propres. Une donnée de mauvaise qualité dégrade le résultat. Vérifiez trois points avant de parler de ML :
- Vos commandes sont au même endroit, pas dans des boîtes mail personnelles.
- Un fournisseur porte un seul nom partout.
- Les références et les unités sont cohérentes d'une commande à l'autre.
Ajoutez un quatrième point, qui n'est pas une question de données mais de résultat : fixez un objectif mesurable, par exemple réduire les écarts de prix sur vos trois principales matières. Sans objectif écrit d'avance, vous ne saurez pas si l'outil a servi.
Le ML donne sa force quand les données sont abondantes et la complexité élevée. Dans une TPE ou une PME, ce n'est pas toujours le cas. Selon moi, c'est ce qui le rend décevant quand on l'ajoute trop tôt.
Quand ne pas utiliser le ML
- Vous avez peu de fournisseurs et une poignée de commandes par mois : un tableur et un seuil suffisent.
- Vos achats se font par téléphone sans trace écrite : il n'y a rien à apprendre.
- Personne n'aura le temps de traiter les alertes.
Un éditeur cite la résistance au changement comme principal obstacle à l'adoption de l'IA dans les achats. Dans votre cas, une alerte que personne ne traite ne sert à rien.
Par où commencer
- 1Centraliser les demandes et les commandes au même endroit.
- 2Écrire les règles : qui valide, quel écart de prix déclenche une alerte.
- 3Ajouter le ML seulement ensuite, sur un cas précis, avec un critère de réussite écrit d'avance.
Chez Florym, mon atelier à Strasbourg, je construis l'outil à partir de vos tableurs et de votre boîte mail : rien à réapprendre, et rien ne part sans votre validation. Pour voir ma façon de travailler sur les achats, regardez Noralym : il traite des appels d'offres et des achats d'entreprise, ce n'est pas un outil de matières directes. Si vous êtes à Strasbourg, dans le Bas-Rhin ou en Grand Est, je peux vous montrer en 20 minutes ce que cela donnerait sur un de vos achats : prendre rendez-vous.
Questions fréquentes
Un tableur suffit-il pour mes achats de matières ?
Oui tant que vos fournisseurs et vos références restent peu nombreux. Le ML n'apporte rien sans données propres, et un seuil écrit dans un tableur repère déjà beaucoup d'écarts.
Faut-il des années d'historique pour utiliser le ML ?
Des articles spécialisés indiquent que la pertinence et la propreté des données comptent plus que leur longueur. Je ne donne pas de seuil : cela dépend de vos références et de la régularité de vos commandes.
Le ML décide-t-il à ma place d'un achat ?
Dans l'outil que je construis, rien ne part sans votre validation. Un blog de conseil en achats décrit d'ailleurs le ML comme un moyen d'alerter les acheteurs, pas de décider à leur place.
Le diagnostic applique tout ce qui précède à votre entreprise, trois minutes de questions, vos chiffres, et un avis franc à la fin.
Faire le diagnostic