"L'IA générative est une révolution en marche pour la gestion des achats"

Comment l'IA s'intègre-t-elle dans les produits d'Ivalua, comment cette approche a-t-elle évolué au fil du temps ?

Nous avons compris l'importance de l'intelligence artificielle très tôt. Lorsque j'ai rejoint l'entreprise il y a cinq ans et demi, une petite équipe dédiée à l'IA existait déjà. Cette équipe a connu une croissance significative, et ce, bien avant la révolution lancée par OpenAI avec l'IA générative. Nous étions convaincus que le domaine des achats et du sourcing nécessitait une gestion de données sophistiquée, et l'IA était la clé pour traiter ces volumes d'informations complexes.

Nous avons rapidement identifié plusieurs cas d'usage où l'IA pourrait apporter une réelle valeur ajoutée. Par exemple, l'analyse automatique des factures, la transformation de données non structurées présentes dans les contrats en données structurées ou encore le nettoyage et la déduplication des bases de données fournisseurs. Pour cela, nous avons créé notre propre équipe IA et développé des modèles internes adaptés à nos besoins, en intégrant des processus comme le feature engineering pour construire notre propre source de vérité.

Mais la vraie bascule s'est produite à la fin de l'année 2023, avec l'arrivée de l'IA générative. Cette évolution a révélé le potentiel transformateur de l'IA dans le domaine des achats. Nous avons donc investi massivement pour comprendre comment cette nouvelle technologie pourrait interagir avec notre plateforme Source-to-Pay, afin de l'intégrer de manière fluide et flexible. Le but était de permettre à nos clients d'intégrer l'IA où ils le souhaitaient, tant au niveau de l'interface utilisateur que des règles métiers.

Comment l'IA générative est-elle concrètement intégrée à la plateforme Source-to-Pay d'Ivalua, et pour quelles fonctionnalités ?

L'intégration de l'IA générative dans notre solution Source-to-Pay a évolué à mesure que la technologie elle-même se perfectionnait. Au départ, nous avons intégré des fonctionnalités simples comme la génération automatique d'e-mails. A titre d'exemple, un utilisateur pouvait spécifier l'objectif et la tonalité d'un message à envoyer à un fournisseur, et notre IA générative créait cet e-mail en quelques clics, avec une révision humaine avant l'envoi. Ce type de fonctionnalité, que j'appelle "features en un clic", a permis de gagner un temps précieux tout en simplifiant les tâches répétitives.

Puis, nous avons franchi un cap en introduisant des skills au sein de notre chatbot, IVA (Assistant Virtuel Intelligent). Ces compétences permettaient à nos clients de configurer des séquences d'instructions, permettant à IVA de réaliser des recherches spécifiques, comme la recherche d'informations sur une famille d'achat particulière. IVA était capable de compiler des rapports à partir des données collectées et de répondre à des questions supplémentaires si nécessaire. Ce niveau d'automatisation permettait d'aller au-delà d'une simple tâche et d'engager un véritable dialogue avec l'utilisateur.

Le troisième niveau d'intégration a été beaucoup plus avancé. Nous avons développé un système d'orchestration des différents agents IA. Ce système permettait de coordonner plusieurs types d'agents, tels que l'agent Web, capable de rechercher des informations sur Internet, ou l'agent Document, qui pouvait lire et analyser des documents en profondeur. Ce processus de validation et d'extraction se fait sans intervention humaine, rendant l'ensemble du workflow beaucoup plus rapide.

Nous avons également développé un agent capable de créer des prompts, c'est-à-dire des instructions que l'IA doit suivre pour réaliser une tâche spécifique. En effet, cet agent guide l'utilisateur tout au long du processus de création, affinent les prompts au fur et à mesure grâce à des retours et de l'analyse en boucle, et s'assure que les instructions sont suffisamment précises pour que l'IA puisse fournir une réponse de qualité. Cela permet aux utilisateurs de créer des demandes complexes, comme des appels d'offres, sans avoir à rédiger eux-mêmes chaque détail.

En combinant plusieurs agents spécialisés, nous avons pu atteindre une qualité de réponse plus élevée et garantir la pertinence des informations. Autrement dit, ce système permet d'aller vers des processus de raisonnement offrant ainsi des capacités de traitement de données de plus en plus complexes.

Pouvez-vous expliquer comment ces agents IA peuvent interagir de manière autonome et améliorer la productivité ?

L'IA générative et la combinaison d'agents autonomes offrent une nouvelle dimension à l'automatisation des processus. Dans le cas des achats, imaginons qu'un utilisateur ait besoin de remplacer une pièce cassée dans une machine. L'utilisateur prend une photo de la pièce cassée, et l'agent autonome prend le relais. Ce dernier analyse immédiatement l'image, identifie la pièce défectueuse, trouve les fournisseurs capables de la remplacer, et lance un appel d'offres. Il évalue les propositions reçues sur la base de plusieurs critères - délais, prix, qualité et performance historique des fournisseurs - puis sélectionne le meilleur choix. Une fois la décision prise, il émet un bon de commande, met à jour le contrat et négocie les termes.

Ce processus, entièrement orchestré par l'agent, couvre toute la chaîne, de la demande initiale à la finalisation du bon de commande, sans aucune intervention humaine. Néanmoins, il est envisageable que, dans certains cas, une supervision humaine intervienne, notamment pour valider les choix cruciaux comme le bon fournisseur ou la négociation des termes du contrat. Si les enjeux sont faibles, par exemple pour des achats moins stratégiques, l'automatisation peut être quasiment totale. Ainsi, cette avancée technologique promet de transformer en profondeur la gestion des tâches répétitives et à faible valeur ajoutée, tout en laissant une place à l'humain pour les décisions stratégiques.

Quels résultats concrets vos clients ont-ils observés grâce à l'implémentation de l'IA dans la gestion de leurs dépenses ?

Nous avons observé des gains de productivité très concrets chez nos clients. L'adoption de l'IA générative reste encore en phase de croissance, car beaucoup de nos clients attendent de voir les agents plus évolués, ceux capables d'exécuter des tâches totalement autonomes. Toutefois, les premiers résultats sont déjà très prometteurs, notamment en termes de gain de temps et de réduction des risques.

Par exemple, l'utilisation de l'IA pour résumer automatiquement des contrats dans le processus de validation a permis de gagner énormément de temps. Avant, il fallait lire chaque contrat en détail, poser des questions à l'équipe légale et vérifier manuellement les risques potentiels. Aujourd'hui, l'IA est capable de repérer automatiquement ces risques et de les présenter clairement, ce qui simplifie le travail de l'acheteur.

De même, nous avons vu des améliorations dans le processus d'achat grâce à IVA. Cet assistant guide les utilisateurs dans leur recherche de produits, en vérifiant les informations disponibles dans les fiches produits et en recherchant des avis externes pour aider à prendre une décision éclairée. Ce processus permet de réduire les points bloquants et d'accélérer la prise de décision.

Enfin, avec notre solution Intake Management, toute l'entreprise peut désormais exprimer un besoin d'achat de manière simple et directe, via une interface conversationnelle. IVA pose les bonnes questions pour comprendre le besoin, et si celui-ci est suffisamment clair, l'IA soumet la demande d'achat directement à l'acheteur, ou même de manière entièrement autonome si les critères sont simples. Cela permet aux équipes d'achats de se concentrer sur des tâches plus stratégiques, tout en traitant un volume plus élevé de demandes.

En quoi la capacité de l'IA générative à raisonner et à exécuter dynamiquement des plans d'action, en utilisant des outils externes de données, pourrait-elle rendre l'intégration des systèmes et les processus plus efficaces ?

Ce point est effectivement crucial pour l'avenir de l'intégration des systèmes. Actuellement, la plupart des intégrations entre systèmes sont codées de manière statique, ce qui veut dire que les connexions entre différentes plateformes comme SAP ou des API tierces sont prédéfinies et suivent des chemins bien spécifiques. Cela peut rendre ces intégrations rigides, et parfois vulnérables à des défaillances, surtout lorsqu'une tâche ou un appel ne se déroule pas comme prévu.

Avec l'émergence de l'IA générative et des systèmes capables de raisonner, de planifier et de déterminer dynamiquement quels outils et systèmes externes appeler, sont une véritable révolution en marche. Le concept clé ici est ce qu'on appelle function calling ou l'utilisation d'outils, qui permet à l'IA de décider, en fonction des objectifs donnés, comment orchestrer une série d'actions en appelant les bonnes ressources au bon moment.

Prenons l'exemple d'une intégration entre SAP et un fournisseur de données externe comme Integrity Next, Prewave ou Ecovadis. Aujourd'hui, ces intégrations sont généralement programmées pour répondre à des besoins spécifiques et sont assez rigides dans leur fonctionnement. Mais, si un agent doté d'IA avait un accès complet à tout l'API de SAP, de ces fournisseurs de données et d'autres outils externes, il pourrait analyser en temps réel les besoins d'un processus donné et choisir, de manière autonome, quels appels API effectuer, dans quel ordre, et selon quel plan d'exécution.

Cela signifie que l'IA serait capable de s'adapter à des situations nouvelles ou inattendues, en ajustant dynamiquement l'intégration en fonction des besoins spécifiques du moment, plutôt que de se limiter à des solutions prédéfinies. L'impact serait majeur, car cela ouvrirait la voie à une orchestration beaucoup plus fluide et flexible de plusieurs systèmes et applications, permettant aux entreprises de réagir plus rapidement aux changements, d'optimiser leurs processus et d'améliorer leur agilité.