Comment l'IA est-elle utilisée dans le sourcing de la mode pour modéliser les coûts et négocier avec les fournisseurs ?
L'IA peut décomposer le coût d'un vêtement, comparer des devis et préparer des négociations. Ce qui fonctionne, ce qu'avancent les cabinets de conseil et pourquoi la confiance et la relation fournisseur restent déterminantes.
L'ESSENTIEL Résumé de la rédaction
- Dans le sourcing de la mode, l'IA sert principalement à construire des modèles de coût cible (should-cost), à normaliser et comparer les devis des fournisseurs, à analyser les dépenses et à préparer les négociations.
- Walmart a utilisé un logiciel de négociation piloté par l'IA, doté d'une interface textuelle, pour négocier avec ses fournisseurs de la longue traîne, et la Harvard Business Review a rapporté qu'il avait conclu des accords avec 68 % des fournisseurs sollicités.
- L'étude achats 2025 du BCG fait état d'économies allant jusqu'à 15 % dans certaines catégories et d'une rédaction des appels d'offres environ 50 % plus rapide dans un cas client, mais il s'agit d'estimations de cabinet de conseil et non de résultats indépendants.
- Les modèles de coût cible ne valent que par leurs données d'entrée : consommation de tissu, prix des matières, minutes de main-d'œuvre, frais généraux et droits de douane doivent être actuels et propres au produit.
- La négociation automatisée convient surtout aux achats standardisés de faible valeur ; les relations avec les fournisseurs stratégiques de vêtements reposent sur des relations de long terme, la planification des capacités et la conformité, que l'IA soutient sans les remplacer.
Dans le sourcing de la mode, l'IA sert à estimer ce qu'un vêtement devrait coûter, à comparer les devis des fournisseurs à périmètre égal et à préparer les acheteurs aux négociations grâce à des données sur les matières, la main-d'œuvre et les prix du marché. Des agents de négociation automatisés existent déjà pour les achats standardisés, comme le montre l'exemple de Walmart. Pour les fournisseurs stratégiques de vêtements, l'IA est à considérer comme un appui à la préparation et à l'analyse, et non comme un négociateur.
Qu'est-ce que la modélisation du coût cible d'un vêtement ?
Un modèle de coût cible (should-cost) décompose le prix d'un produit en ses composantes : tissus et fournitures (consommation multipliée par le prix), main-d'œuvre de coupe, de confection et de finition (minutes multipliées par le taux horaire), lavage ou ennoblissement, frais généraux, marge, emballage, fret et droits de douane. Comparer le modèle au devis d'un fournisseur montre où le devis semble élevé ou bas et donne à l'acheteur une base factuelle pour la discussion.
Construire ces modèles manuellement pour chaque modèle de vêtement prend du temps, si bien que de nombreuses entreprises ne les utilisent que pour leurs produits phares. L'IA peut étendre leur couverture en lisant les dossiers techniques et les nomenclatures, en estimant la consommation de tissu à partir des patronages ou de modèles similaires, et en intégrant au calcul les prix actuels des matières et les taux de main-d'œuvre.
| Application | Ce que fait l'IA | Données clés | Principal risque |
|---|---|---|---|
| Modélisation du coût cible | Estime les coûts des composantes pour chaque modèle | Dossiers techniques, nomenclatures, prix des matières, minutes et taux de main-d'œuvre | Données obsolètes ou génériques |
| Normalisation des devis | Convertit des devis de formats différents en décompositions de coûts comparables | Devis, incoterms, devises | Conditions ou devises mal interprétées |
| Analyse des dépenses | Classe les achats et montre les écarts de prix entre fournisseurs et saisons | Bons de commande, factures | Mauvaise catégorisation des produits |
| Préparation des négociations | Synthétise l'historique du fournisseur, les références de marché et les arguments | Données de performance, contrats, données de marché | Recommandations trop assurées |
| Négociation automatisée | Négocie des conditions standard avec de nombreux petits fournisseurs | Concessions et limites validées à l'avance | Relations dégradées en cas de mauvais usage |
L'IA peut-elle négocier avec les fournisseurs ?
Oui, dans certaines limites. La Harvard Business Review a décrit comment Walmart, qui compte plus de 100 000 fournisseurs, a utilisé un logiciel de négociation piloté par l'IA, doté d'une interface textuelle, pour atteindre des fournisseurs de la longue traîne dont les accords standard n'étaient souvent jamais négociés faute de temps chez les acheteurs. Le chatbot négociait et concluait des accords avec 68 % des fournisseurs sollicités, chaque partie obtenant quelque chose qui comptait pour elle. Les auteurs recommandaient de commencer par les achats indirects et les fournisseurs préalablement agréés, et de définir à l'avance les concessions acceptables.
Les fournisseurs stratégiques de la mode sont un cas différent. Les ateliers de confection engagent des capacités, investissent dans les compétences et assument des obligations de conformité, et les prix sont liés aux délais, aux minimums de commande et à la qualité. Un marchandage automatisé de quelques centimes par pièce pourrait fragiliser des relations qui comptent pour l'allocation des capacités lors des saisons tendues et pour le respect des normes sociales et environnementales.
Quels bénéfices les cabinets de conseil mettent-ils en avant ?
Les études des cabinets de conseil sont optimistes. L'analyse du BCG de février 2025 consacrée aux achats et à l'IA fait état d'économies immédiates allant jusqu'à 15 % selon les catégories, principalement dans des catégories indirectes comme l'informatique et le marketing, et décrit un cas client dans lequel la rédaction des appels d'offres est devenue environ 50 % plus rapide. Roland Berger soutenait en 2023 que l'IA générative pouvait appuyer l'élaboration de la stratégie, la gestion des appels d'offres, la préparation des négociations et la gestion des contrats, et que les directeurs achats pourraient obtenir de meilleurs résultats avec 50 à 75 % des ressources actuelles.
Ces chiffres doivent être lus comme des indications tirées des missions des cabinets eux-mêmes, souvent formulées en « jusqu'à », et non comme des références indépendantes pour la mode. Le sourcing de matières directes dans l'habillement, avec ses structures de coûts complexes et ses dépendances envers les fournisseurs, devrait connaître des effets plus modestes et plus lents que les achats indirects.
Le BCG attribue en outre le succès d'une transformation principalement aux personnes et seulement en partie à la technologie et aux algorithmes, ce qui rappelle que les outils seuls ne changent pas les résultats. Les acheteurs doivent comprendre comment un modèle aboutit à ses chiffres, les équipes merchandising doivent faire confiance aux coûts cibles et les fournisseurs doivent constater que le processus est cohérent. Lorsque ces conditions ne sont pas réunies, les modèles sophistiqués finissent souvent inutilisés ou contournés.
Comment l'IA aide-t-elle à comparer les devis des fournisseurs ?
La comparaison des devis est souvent le gain le plus rapide. Les fournisseurs envoient leurs prix dans des modèles, des devises et des conditions de livraison différents, tantôt en regroupant le coût du tissu et celui de la confection, tantôt en les séparant. Un modèle de langage peut lire ces documents, rattacher chaque élément à une décomposition de coûts standard, convertir les devises et les incoterms selon des règles définies par l'équipe sourcing et signaler les devis incomplets. L'acheteur voit alors des chiffres comparables côte à côte et peut concentrer ses questions sur les éléments qui diffèrent le plus, comme le prix du tissu au mètre ou les minutes de confection.
De quelles données le sourcing assisté par l'IA a-t-il besoin ?
- Des dossiers techniques et des nomenclatures structurés, avec les données de consommation.
- Les prix actuels des principaux tissus, fils et fournitures, avec leurs dates et leurs sources.
- Des temps standard ou des temps de main-d'œuvre par opération, et les taux de main-d'œuvre par pays.
- L'historique des devis, des prix d'achat et des données de performance des fournisseurs.
- Des hypothèses de fret, de droits de douane et de change, tenues à jour au fil de l'évolution des conditions.
En 2026, ce dernier point est crucial. Le rapport State of Fashion 2026 de McKinsey désigne les droits de douane comme l'obstacle le plus souvent cité par les dirigeants et s'attend à ce que les marques y répondent par les prix, des réorientations du sourcing et des gains d'efficacité. Un modèle de coût cible reposant sur des hypothèses de droits de douane dépassées peut être plus trompeur que l'absence de modèle.
Comment une équipe sourcing doit-elle introduire l'IA ?
- Standardiser les modèles de décomposition des coûts afin que les devis des fournisseurs partagent une structure commune.
- Utiliser l'IA pour normaliser et comparer les devis d'une catégorie de produits.
- Construire des modèles de coût cible pour les modèles phares et les comparer aux prix effectivement négociés.
- Mettre en place des notes de préparation des négociations qui synthétisent les données pour les acheteurs.
- N'envisager la négociation automatisée que pour des achats standardisés et peu risqués, comme les emballages ou les services indirects.
- Examiner les résultats avec la finance et avec les fournisseurs pour s'assurer que le processus est perçu comme équitable.
Quels sont les risques ?
Les principaux risques sont des données d'entrée inexactes produisant des coûts cibles erronés mais présentés avec assurance, des modèles opaques que les acheteurs ne peuvent pas expliquer aux fournisseurs, et une pression sur les marges des fournisseurs incompatible avec les engagements en matière d'achats responsables. Des modèles de coût qui poussent les prix en dessous de ce qui est nécessaire pour verser des salaires équitables et respecter les normes créent des risques de conformité ailleurs. La bonne pratique consiste à garder des modèles transparents, à partager la logique de coût avec les fournisseurs stratégiques lorsque c'est pertinent et à intégrer des hypothèses de coût de main-d'œuvre qui reflètent les conditions réelles.
Questions fréquentes
Qu'est-ce que l'analyse du coût cible dans la mode ?
C'est une estimation de ce qu'un vêtement devrait coûter en fonction de ses matières, de son temps de main-d'œuvre, des frais généraux, du fret et des droits de douane. Les acheteurs la comparent aux devis des fournisseurs pour repérer les écarts et préparer les négociations.
Walmart a-t-il utilisé l'IA pour négocier avec ses fournisseurs ?
Oui. La Harvard Business Review a rapporté que Walmart avait utilisé un logiciel de négociation piloté par l'IA, doté d'une interface textuelle, pour ses fournisseurs de la longue traîne, et conclu des accords avec 68 % des fournisseurs sollicités.
Combien l'IA peut-elle faire économiser aux achats ?
Le BCG fait état d'économies allant jusqu'à 15 % dans certaines catégories, principalement les achats indirects, sur la base de ses missions. Il s'agit d'estimations de cabinet de conseil, et les résultats pour les matières directes dans la mode varieront probablement fortement.
Les marques de mode doivent-elles automatiser les négociations avec les ateliers de confection ?
Avec les fournisseurs stratégiques de vêtements, la négociation automatisée comporte des risques pour la relation et la conformité. L'IA y est plus utile pour préparer les acheteurs avec des données, tandis que l'automatisation convient aux achats standardisés de moindre valeur.
Une édition chaque jour ouvrable. Lue en cinq minutes. Gratuite pour les professionnels.
