Agent IA Achats : de l'appel d'offres à la comparaison fournisseurs
72 % des acheteurs français utilisent déjà une IA générative au travail, selon l'Observatoire des Achats KEDGE 2025 (panel de 374 directions achats). Pourtant, 40 % le font via des outils personnels non encadrés, sans DPA ni clause de confidentialité. Le gain de temps est réel ; le risque sur les données fournisseurs l'est tout autant.
Un agent IA achats bien configuré traite les tâches à faible valeur ajoutée : veille BOAMP/JOUE, première lecture d'un DCE, grille de comparaison fournisseurs sur critères ESG et prix, ébauche de CCTP. L'acheteur garde la main sur chaque décision. La qualité du référentiel fournisseurs reste le facteur limitant principal : une base sale produit des analyses inutilisables, quelle que soit la puissance du modèle.
60
prompts prêts à l'emploi dans la bibliothèque
5
modèles IA réunis dans un seul chat
3
cas d'usage détaillés sur cette page
Paramètres
Générer un exempleComparaison fournisseurs : prestation de conseil RH (RFP fictif)
Exemple| Fournisseur | Prix HT (€) | Délai (sem.) | Score ESG /10 | Références secteur | Risque financier | Recommandation |
|---|---|---|---|---|---|---|
| Fournisseur A | 48 000 | 6 | 7,5 | 3 références PME industrie | Faible (Altares B+) | À retenir |
| Fournisseur B | 41 500 | 8 | 5,0 | 1 référence grande entreprise | Moyen (Altares C) | À auditionner |
| Fournisseur C | 55 000 | 4 | 9,0 | 5 références multi-secteurs | Faible (Altares A) | À retenir |
| Fournisseur D | 38 000 | 10 | 3,5 | Aucune référence vérifiable | Élevé (données manquantes) | À écarter |
Exemple généré à partir de données fictives. Les scores ESG et données financières doivent être vérifiés par l'acheteur avant toute décision d'attribution. La supervision humaine reste obligatoire au sens de l'AI Act (UE) 2024/1689.
Cas d’usage
Analyse d'un DCE en moins de 10 minutes
Un acheteur reçoit un dossier de consultation de 120 pages. L'agent lit le RC, le CCTP et le CCAP, extrait les critères de notation, les délais clés et les exigences RSE, puis produit une fiche de synthèse d'une page. L'acheteur identifie immédiatement les points bloquants avant de décider de répondre ou non. Le temps de première lecture passe de 2 heures à 15 minutes.
Sourcing et comparaison fournisseurs sur critères ESG
La direction achats doit renouveler un panel de prestataires logistiques. L'agent interroge les bases publiques (SIRENE, Altares), croise les données ESG déclarées et les exigences CSRD, puis génère un tableau comparatif sur cinq critères pondérés. L'acheteur ajuste les pondérations, valide les données et soumet la grille au comité. Le sourcing initial, qui prenait une journée, est réduit à deux heures de travail qualifié.
Rédaction d'une ébauche de CCTP pour un marché public
Un acheteur public doit lancer un MAPA pour des prestations intellectuelles. L'agent génère une première version du CCTP à partir du brief métier, en intégrant les clauses environnementales imposées par la loi Climat et Résilience et les recommandations de la fiche DINUM/DAE/Ecolab de novembre 2025. L'acheteur corrige, complète et valide. La rédaction initiale passe de deux jours à une demi-journée, avec un document déjà structuré et conforme.
Questions fréquentes
Comment un agent IA achats peut-il aider sur les appels d'offres sans risque de fuite de données confidentielles ?
Le risque principal vient du shadow AI : utiliser ChatGPT ou un outil grand public sans accord de traitement des données (DPA) expose les informations contractuelles et les données fournisseurs. La règle est simple : n'utiliser que des outils dont le contrat prévoit explicitement la non-utilisation des données pour l'entraînement, avec hébergement conforme au RGPD. Pour les marchés publics, la DAE a lancé en février 2025 une expérimentation sur six cas d'usage avec garantie de sécurité et confidentialité des données. La supervision humaine reste obligatoire pour tout choix d'attribution.
La comparaison fournisseurs par IA est-elle fiable, et comment éviter les biais ?
La fiabilité dépend directement de la qualité du référentiel fournisseurs. Une base avec des données manquantes ou obsolètes produit des comparaisons inutilisables. L'IA générative peut halluciner des références ou des scores ESG si elle n'est pas ancrée sur des sources vérifiées (Altares, SIRENE, déclarations fournisseurs). Il faut systématiquement croiser la sortie de l'agent avec les documents originaux. L'outil compare selon les critères que vous lui donnez : si les pondérations sont mal définies, le classement sera biaisé dès le départ.
Quels sont les risques concrets du shadow AI pour la fonction achats ?
Selon l'Observatoire des Achats KEDGE 2025, 40 % des acheteurs utilisent des outils personnels non encadrés. Les risques sont précis : transfert de données fournisseurs vers des serveurs hors UE, violation des accords de confidentialité signés avec les prestataires, impossibilité de tracer les décisions en cas d'audit, et exposition aux hallucinations sans filet de sécurité. Une politique de gouvernance claire, avec une liste d'outils validés par la DSI, est le seul moyen de réduire ce risque.
Comment intégrer un outil d'IA dans un marché public sans violer l'égalité de traitement ni l'AI Act ?
Le Code de la commande publique impose que chaque décision d'attribution soit explicable et documentée. Un outil d'IA qui aide à noter ou classer des offres peut relever du « haut risque » au titre du Règlement (UE) 2024/1689 (AI Act), applicable progressivement jusqu'au 2 août 2026. Cela impose explicabilité, traçabilité, auditabilité et supervision humaine obligatoire. La fiche pratique publiée en novembre 2025 par la DINUM, la DAE et l'Ecolab du CGDD fournit un cadre opérationnel avec des exemples de clauses à intégrer dans le RC, notamment une pondération environnementale et sociale minimale de 10 %.
L'IA agentique peut-elle lancer ou évaluer un appel d'offres de manière autonome ?
Non, pas en l'état réglementaire. En marché public, toute décision (choix de procédure, critères, attribution) doit rester sous contrôle humain et être explicable. L'IA agentique peut enchaîner des tâches préparatoires : veille BOAMP/JOUE, extraction des critères d'un DCE, première grille de notation, ébauche documentaire. Mais la validation finale appartient à l'acheteur. En marché privé, la marge est plus large, mais la responsabilité contractuelle reste humaine. Des acteurs comme Crédit Agricole automatisent des achats récurrents de prestations intellectuelles, avec des garde-fous définis en amont.
Que faire si le référentiel fournisseurs est trop incomplet pour que l'IA soit utile ?
C'est le cas le plus fréquent. Avant de déployer un agent IA, un audit rapide du référentiel s'impose : taux de complétude des fiches, fraîcheur des données financières, présence des critères ESG. Si la base est trop dégradée, l'IA amplifie les lacunes plutôt qu'elle ne les comble. La priorité est alors de nettoyer les données critiques (SIRET, contacts, certifications) sur le périmètre des fournisseurs stratégiques, avant d'étendre l'usage à l'ensemble du panel.
Pourquoi GPTPro ?
Multi-modèles
Claude, GPT, Gemini, Mistral réunis dans une seule interface.
Bibliothèque de prompts
Des modèles prêts à l’emploi, classés par métier.
Voir les promptsGénérateur de prompts
Créez vos propres prompts et automatisez vos analyses.
Exports & collaboration
Exportez en Excel ou PDF et partagez avec vos équipes.
Pour aller plus loin
Sources
- IA & Achats : l'état de l'art en 2025
- L'IA au service des achats publics : une expérimentation lancée par la DAE
- Livre blanc CNA L'Intelligence Artificielle pour les Achats (PDF)
- Observatoire des Achats 2025 : une fonction en pleine transformation
- Fiche achat responsable de solutions d'IA
- Fiche pratique Achat Responsable de solutions d'IA (PDF)
Mis à jour le
Achats : testez un agent IA sur un vrai cas
GPTPro réunit Claude, GPT, Gemini et Mistral dans un seul chat. Collez vos données, comparez, jugez sur pièce.