Comment utiliser l'IA pour lire les rapports d'audit et les certificats des fournisseurs ?

L'IA peut lire les rapports d'audit des fournisseurs, les évaluations de conformité sociale et les certificats produits, en extraire les faits essentiels dans un registre structuré et signaler les documents expirés, incohérents ou manquants pour qu'une personne les examine. Utilisée ainsi, elle transforme une pile de PDF en vue d'ensemble des risques consultable. Elle ne vérifie pas que les conditions dans une usine correspondent à ce qu'affirme le document, et elle ne doit jamais avoir le dernier mot sur l'agrément d'un fournisseur.

Pourquoi les documents fournisseurs posent-ils un problème croissant dans la mode ?

Une marque de mode peut travailler avec des centaines d'usines de rang 1 et bien davantage d'usines textiles et de sous-traitants. Chacun peut fournir des rapports d'audit social, des certificats environnementaux, des rapports d'essais chimiques, des certificats matières et des questionnaires d'autoévaluation, dans des langues et des formats différents, avec des durées de validité différentes. Les équipes conformité passent une grande partie de leur temps à ouvrir des fichiers, à vérifier des dates et à recopier des données dans des tableurs.

La réglementation accroît les enjeux. Le règlement européen sur le travail forcé, règlement (UE) 2024/3015, est entré en vigueur le 13 décembre 2024 et s'applique à partir du 14 décembre 2027, selon Clifford Chance. Baker McKenzie indique que l'interdiction vise les produits mis sur le marché de l'UE ou mis à disposition sur ce marché à partir de cette date, y compris les stocks déjà présents en entrepôt.

Qu'attend le règlement des entreprises ?

Le règlement n'impose pas de nouvelle obligation de vigilance, mais les deux cabinets d'avocats soulignent l'importance d'un devoir de vigilance documenté. Baker McKenzie relève que les lignes directrices de la Commission, publiées le 26 juin 2026 et comptant plus de 70 pages, font du cadre de vigilance en six étapes de l'OCDE une référence, que les autorités peuvent demander des preuves aux opérateurs lors d'une phase préliminaire et qu'elles peuvent prendre en compte les systèmes de traçabilité, les dispositifs de certification et les mécanismes de suivi des travailleurs. Une préoccupation étayée doit reposer sur des informations objectives, factuelles et vérifiables, et un manque de coopération peut jouer en défaveur d'un opérateur.

Le guide sectoriel de l'OCDE sur les chaînes d'approvisionnement de l'habillement et de la chaussure, publié en 2018, reste le cadre de référence pour la manière dont les marques identifient, préviennent et traitent les risques dans leurs chaînes d'approvisionnement.

Lire aussi

L'IA pour les responsables sourcing et supply chain de la mode

Quels documents l'IA peut-elle traiter, et que doit-elle en extraire ?

Comment mettre en place, étape par étape, un contrôle documentaire par l'IA ?

1. Collecter et classer : rassembler les documents issus des e-mails, des portails fournisseurs et des espaces partagés, et laisser un modèle classer chacun par type et par fournisseur.
2. Définir un schéma : lister les champs exacts nécessaires pour chaque type de document, avec des formats pour les dates, les adresses et les identifiants.
3. Extraire avec citations : demander au modèle de renvoyer chaque champ avec la page ou la section dont il provient, et de répondre « introuvable » plutôt que de deviner.
4. Rapprocher des données de référence : comparer les noms et adresses extraits avec vos fiches fournisseurs et signaler les incohérences pour examen.
5. Appliquer des règles : vérifier les dates de validité, la couverture du périmètre et les constats non clos au regard de votre politique, à l'aide de règles déterministes plutôt que du modèle.
6. Orienter les exceptions : transmettre les cas signalés à un examinateur désigné et consigner sa décision.
7. Échantillonner et auditer l'IA : comparer régulièrement un échantillon d'extractions avec les documents sources pour mesurer les taux d'erreur.

Séparer l'extraction (où les modèles de langage excellent) des règles de décision (où une logique déterministe est plus sûre) est le choix de conception le plus important. Il permet de garder un système explicable pour les auditeurs et les autorités.

La langue compte aussi. Les rapports d'audit et les certificats arrivent en anglais, en chinois, en turc, en portugais et dans bien d'autres langues, et les copies numérisées sont courantes. Les modèles actuels peuvent les lire et les traduire, mais la qualité varie selon la résolution de la numérisation et la mise en page des tableaux. Il est indispensable de tester la chaîne de traitement sur un échantillon représentatif de documents réels, y compris des numérisations de mauvaise qualité, avant de s'y fier. Il est également utile de demander aux principaux fournisseurs de transmettre, dans la mesure du possible, des documents dans des formats lisibles par machine, ce qui réduit les erreurs à la source.

Quels sont les risques de l'automatisation des contrôles de conformité ?

• Erreurs d'extraction : les modèles peuvent mal lire des tableaux numérisés, confondre des dates ou attribuer un constat au mauvais site.
• Confusion d'entités : des noms d'usines proches ou des structures de groupe peuvent produire de faux rapprochements, un risque que Normative souligne également pour le rapprochement des données fournisseurs.
• Fausse assurance : un certificat complet et valide ne prouve pas qu'un site est exempt de travail forcé ni que la matière certifiée a bien été utilisée dans votre produit.
• Confidentialité : les rapports d'audit contiennent des informations sur les travailleurs et les fournisseurs ; la protection des données et les paramètres des outils doivent donc être examinés.
• Dépendance excessive aux audits : les documents reflètent un instant donné ; la parole des travailleurs, les mécanismes de réclamation et les visites restent nécessaires.

Comment l'IA soutient-elle la traçabilité au-delà du rang 1 ?

Une fois structurés, les documents peuvent être reliés entre eux. Les certificats et les documents de transaction peuvent rattacher une commande de vêtements à l'usine textile et, dans certains cas, à l'origine de la fibre. L'IA peut aider à rapprocher les noms, les quantités et les dates de ces documents et à mettre en évidence les ruptures de la chaîne. Clifford Chance recommande aux entreprises d'actualiser régulièrement la cartographie de leurs fournisseurs et leurs évaluations des risques, et de faire vérifier leur gestion des risques de manière indépendante, ce qu'une base documentaire structurée facilite considérablement.

Lire aussi

Comment l'IA peut-elle surveiller les risques fournisseurs et la conformité dans la mode ?

Quels résultats une équipe conformité peut-elle raisonnablement attendre ?

Les gains réalistes portent sur la rapidité, la couverture et la cohérence : moins de certificats expirés qui passent entre les mailles du filet, des réponses plus rapides lorsqu'un client ou une autorité demande des preuves, et une vision plus claire des fournisseurs qui exigent une attention particulière. Le travail le plus important, à savoir construire la relation avec les fournisseurs, remédier aux problèmes et enquêter sur les allégations crédibles, reste l'affaire de personnes. L'IA trouve sa place en leur libérant du temps pour cela.