Un aperçu de ce que l'intelligence artificielle fait réellement dans les marchés publics, et là où elle pèche encore.
Arthur C. Clarke a écrit un jour que toute technologie suffisamment avancée est indiscernable de la magie. Il avait raison. Et il décrivait aussi exactement le problème de la façon dont la plupart des entreprises abordent l'IA aujourd'hui.
Le marché européen de la commande publique ne fait pas exception. Tout le monde parle d'IA. Moins nombreux sont ceux qui font preuve d'honnêteté quant à ce qu'elle peut faire et ne peut pas faire. Chez Hermix, nous intégrons l'IA dans notre plateforme depuis le premier jour, en l'utilisant pour aider des entreprises comme Capgemini, Accenture, Unisys, Fujitsu, Indra et des dizaines d'autres à remporter des marchés publics. Nous avons beaucoup appris sur les domaines où l'IA apporte une réelle valeur ajoutée, où elle peine, et sur la manière de combler cet écart.
Le problème que l'IA résout réellement
La prospection commerciale dans le secteur public coûte cher. Les prestataires consacrent entre 2 et 6% de la valeur du contrat à la prospection et aux appels d’offres. Les responsables avant-vente consacrent jusqu’à 50% de leur temps à rechercher, lire et évaluer les appels d’offres. Les propositions sont encore en grande partie rédigées à la main. Et au milieu de tout cet effort manuel, de bonnes opportunités passent à la trappe tandis que d’autres, moins intéressantes, sont poursuivies.
Le marché est également fragmenté. Les appels d'offres pertinents sont répartis sur des centaines de portails à travers l'Europe. Les trouver prend des heures. Lire les cahiers des charges prend encore plus d'heures. Qualififer l'opportunité commercialement, comprendre qui a remporté des contrats similaires auparavant, à quoi ressemblent les budgets, qui est la concurrence, peut prendre des jours.
C'est le problème que l'IA résout. Pas de la magie. La compression de l'effort.
Ce que nous utilisons réellement l'IA chez Hermix
On entend beaucoup de discours vagues sur les plateformes “ alimentées par l'IA ”. Nous préférons être précis.
IA et apprentissage automatique gérer la qualité des données, le nettoyage, l'interprétation, la notation et les recommandations. Les données de la commande publique sont désordonnées. Les noms des entreprises apparaissent sous des dizaines de variantes selon les portails. Les acheteurs publics sont dupliqués, mal classés ou étiquetés de manière incohérente. Les modèles de Machine Learning nettoient et normalisent ces données à grande échelle et de manière automatique, de sorte que lorsque vous recherchez le profil d'un acheteur ou d'un prestataire, vous consultez des données consolidées et précises plutôt qu'un ensemble fragmenté.
Modèles GPT analyser les cahiers des charges, extraire les exigences techniques et faciliter la vérification de la conformité. Lorsqu'un document d'appel d'offres fait 200 ou 300 pages, un résumé alimenté par GPT peut produire en quelques minutes une note de synthèse structurée d'une page couvrant les objectifs, le budget, les critères d'attribution, les experts requis et les conditions d'éligibilité. Nos utilisateurs peuvent ouvrir n'importe quel appel d'offres sur la plateforme, cliquer sur l'onglet Résumé et lire une analyse structurée sans toucher au document original.
Chat IA va plus loin. Plutôt que de lire un résumé figé, les utilisateurs peuvent poser leurs propres questions directement sur le document d'appel d'offres. Quels sont les experts requis ? Quel est le chiffre d'affaires minimum exigé ? Combien de CV doivent être soumis dans l'offre technique ? Les réponses arrivent en quelques secondes, tirées du document réel, sourcées et traçables.
SearchGPT alimente notre autorité et la création de profils d'entrepreneurs. Plutôt que de rassembler manuellement des informations sur un acheteur, SearchGPT parcourt, nettoie et structure des informations accessibles au public sur les acheteurs et les entrepreneurs, en les combinant avec notre propre base de données de marchés publics pour produire des profils approfondis. Pour un appel d'offres de Frontex, par exemple, les utilisateurs peuvent voir instantanément 241 opportunités ouvertes d'une valeur de 3,2 milliards d'euros, 659 contrats attribués d'une valeur de 5,6 milliards d'euros, les principaux fournisseurs privilégiés et 11 points de contact, le tout en une seule vue.
GraphRAG et raisonnement profond traiter le problème plus complexe des documents volumineux et complexes ainsi que des chaînes d'analyse qui nécessitent des étapes de raisonnement intermédiaires. Les modèles GPT standard peinent avec les documents très longs et le raisonnement à sauts multiples. GraphRAG résout ce problème en comprenant les relations entre les entités dans un document, et pas seulement le texte de surface. Le raisonnement approfondi génère des artefacts intermédiaires et de multiples pistes de réponse avant d'arriver à une conclusion. Ce sont ces techniques qui permettent à Hermix d'analyser avec précision les contrats-cadres, les structures à lots multiples et les exigences des consortiums.
Classificateurs d'IA analyser et catégoriser les questions de clarification provenant des portails de marchés publics, aidant les utilisateurs à suivre et à comprendre le paysage des questions-réponses autour des appels d'offres en cours.
Ce qui fonctionne bien et ce qui ne fonctionne pas
Voici la partie que la plupart des éditeurs d'IA passent sous silence. Nous ne le ferons pas.
L'IA effectue certaines tâches avec un haut niveau de fiabilité. Correction de la grammaire, de l'orthographe et du style. Résumé et extraction de contenu structuré à partir de documents. Traduction entre les langues européennes. Vérification de la conformité par rapport aux exigences définies. Classification et balisage de contenu à grande échelle. Pour ces tâches, la précision de nos systèmes se situe entre 98 et 99%.
L'IA a du mal avec d'autres tâches, et il est important d'être direct à ce sujet. Générer des idées originales n'est pas ce que font bien les modèles actuels. Ils recombinent des motifs existants, ils n'inventent pas. Comprendre le contexte émotionnel, le sous-texte culturel ou les dynamiques implicites dans une relation client dépasse les capacités actuelles. Une IA non supervisée fonctionnant sans révision humaine produit des résultats peu fiables à un rythme qui serait inacceptable dans le cadre d'un processus d'appel d'offres.
Il existe également des limites techniques qui affectent spécifiquement les achats. Les documents très volumineux au contenu juridique et technique dense poussent les limites des fenêtres de contexte. Certaines langues européennes moins dotées disposent de moins de données d'entraînement et produisent des résultats moins fiables. Les documents numérisés ou cryptés qui nécessitent une reconnaissance optique de caractères (OCR) avant l'analyse introduisent des taux d'erreur supplémentaires. L'explicabilité, c'est-à-dire la capacité à retracer exactement pourquoi une IA a produit un résultat particulier, reste un défi, ce qui importe dans les environnements d'achats réglementés.
La conclusion honnête : l'IA est un outil. Un outil puissant lorsqu'il est utilisé correctement. Un risque lorsqu'il est traité comme une boîte noire.
Les barrières à l'adoption dont personne ne parle
Au-delà des capacités, il existe des obstacles pratiques à l'utilisation de l'IA dans les achats qui méritent d'être pris en compte.
Les préoccupations en matière de sécurité et de confidentialité sont bien réelles. Les documents d'appel d'offres peuvent contenir des informations commercialement sensibles. Les réglementations concernant le traitement des données dans la commande publique sont strictes et varient selon les juridictions. Tout outil d'intelligence artificielle utilisé dans ce contexte doit être évalué par rapport à ces exigences, et non considéré comme conforme par défaut.
Les coûts de configuration initiale et d'intégration sont souvent sous-estimés. Une plateforme qui utilise bien l'IA a investi de manière significative dans les flux de données, la sélection des modèles, le réglage et le contrôle de la qualité. Cet investissement est intégré dans le produit. Le construire de zéro en interne est coûteux et lent.
La résistance des utilisateurs et les lacunes en matière de compétences sont importantes. Les outils d'IA nécessitent des compétences en ingénierie des prompts pour être utilisés efficacement, et les équipes qui ont passé des années à travailler avec Excel et des processus de recherche manuels ne s'adaptent pas automatiquement. La gestion du changement importe autant que la technologie.
La question qui vaut la peine d'être posée
Voici le scénario qui nous préoccupe le plus, et il vaut la peine d'être soulevé ouvertement. L'IA est désormais capable de rédiger des documents d'approvisionnement. L'IA est capable de rédiger des propositions en réponse à ces documents. L'IA est capable d'évaluer ces propositions.
Si les trois se produisent simultanément, que mesurons-nous réellement ? La qualité de l'offre sous-jacente ou la sophistication de l'IA utilisée pour la générer ?
Pour les biens et services standard, l'évaluation basée sur les prix peut rester dominante indépendamment de l'implication de l'IA. Pour les projets complexes, créatifs ou stratégiques, cette dynamique est différente. Le jugement humain, l'architecture originale, la perspicacité quant à ce dont un acheteur a réellement besoin au-delà de ce qu'il a écrit dans le cahier des charges, restent des contributions authentiquement humaines que l'IA ne peut pas reproduire.
Les entreprises qui gagnent systématiquement dans le secteur public n'externalisent pas leur réflexion à l'IA. Elles utilisent l'IA pour réduire l'effort nécessaire pour trouver des opportunités, comprendre les acheteurs, se qualifier commercialement et gérer la documentation. Le jugement stratégique leur appartient.
Ce que cela signifie en pratique
Chez Hermix, nos outils d'intelligence artificielle soutiennent quatre étapes du processus d'achat : la découverte, la qualification, la stratégie et l'orchestration des offres.
Découvrir signifie trouver les bons appels d'offres plus rapidement sur TED, BOSA, Doffin, l'Allemagne, les Pays-Bas, la Roumanie et les portails des institutions de l'UE, grâce à des alertes automatisées et des prévisions de renouvellement pour que les utilisateurs ne ratent jamais une opportunité pertinente.
La qualification consiste à comprendre commercialement une opportunité avant d'y engager des ressources. Qui a remporté des contrats similaires ? Quel a été le montant de ces contrats ? Quels sont l'historique et le profil de dépenses de l'acheteur ? À quoi ressemble le paysage concurrentiel ? Notre plateforme répond à ces questions en quelques minutes à partir d'une base de données couvrant plus de 250 000 autorités.
La stratégie signifie l'intelligence de marché : profils d'acheteurs, analyse des partenariats, graphiques de concurrence, données sur les dépenses de la CE. Comprendre où se trouve l'argent et qui sont les principaux acteurs avant de décider où investir vos efforts de développement commercial.
L'orchestration des offres désigne la résumé par IA, le chat par IA, l'analyse de documents et le contrôle de conformité afin de réduire la charge manuelle du processus d'appel d'offres lui-même.
D'après des études de cas menées auprès de nos utilisateurs, cela se traduit par une réduction de 87% du temps consacré aux études de marché, une réduction de 75% du temps nécessaire à l'analyse des appels d'offres et une réduction de 60% du temps nécessaire à la rédaction des propositions. Une équipe de quatre personnes produit le travail de six personnes.
Ce n'est pas de la magie. C'est à cela que ressemble réellement une IA bien mise en œuvre dans un environnement B2G complexe.
Hermix aide les entreprises à remporter des marchés publics grâce à la surveillance des appels d'offres propulsée par l'IA, à l'intelligence de marché et à l'analyse des offres. Utilisé par Capgemini, Accenture, Unisys, Fujitsu, Indra, Microsoft et plus de 50 autres entreprises à travers l'Europe. Créez votre compte gratuit sur hermix.com/fr/inscription
