AI Act européen : ce que la maîtrise de l'IA signifie réellement pour les achats

Une entreprise déploie un assistant d'IA approuvé pour les achats. Les acheteurs l'utilisent pour résumer des contrats, rechercher des fournisseurs, préparer des appels d'offres et structurer des négociations. Tout le monde suit une session d'introduction, apprend quelques bonnes pratiques de formulation et reçoit les règles internes sur les données.

Est-ce suffisant pour parler de maîtrise de l'IA ?

L'article 4 de l'AI Act européen appelle une réponse liée au contexte. L'obligation s'applique depuis le 2 février 2025 et le cadre de supervision et d'application est désormais actif. Après la modification de juillet 2026, fournisseurs et déployeurs doivent toujours prendre des mesures pour soutenir le développement de la maîtrise de l'IA de leur personnel et des autres personnes qui utilisent les systèmes pour leur compte, mais ils n'ont plus à garantir un niveau individuel précis ou « suffisant ».

Les orientations de la Commission prennent en compte les connaissances techniques, l'expérience, la formation, le contexte d'utilisation et les personnes concernées par le système. Pour une fonction achats, cela montre immédiatement que savoir formuler une bonne requête n'est qu'une partie de la compétence.

Savoir demander ne suffit pas pour savoir juger

Un utilisateur qui donne un contexte précis obtient généralement une meilleure réponse. Il peut pourtant mal utiliser un excellent résultat s'il traite un résumé de contrat comme s'il avait la même autorité que le document signé, accepte une référence de marché sans vérifier sa source ou introduit des informations commerciales confidentielles dans un service non approuvé.

La maîtrise pratique comprend donc la capacité à comprendre ce que le système peut faire, quelles informations il a reçues, où apparaissent les hypothèses et l'incertitude, quelles données peuvent être utilisées et quand le résultat doit être vérifié ou contesté.

Cette question rejoint directement notre article sur le jugement professionnel face à l'IA dans les achats : une réponse peut être convaincante et utile tout en dépendant d'une hypothèse que l'utilisateur n'a jamais vue.

La compétence nécessaire dépend de l'usage

L'approche contextuelle de la Commission est logique parce que toutes les utilisations n'ont pas les mêmes conséquences. Améliorer la formulation d'un ordre du jour interne n'est pas comparable au classement d'offres fournisseurs. Résumer des informations publiques de marché n'est pas équivalent à interpréter un contrat confidentiel. Générer des questions pour une négociation n'est pas la même chose que décider si une demande d'augmentation est justifiée.

Plus la conséquence d'une erreur est forte, plus la vérification des sources, la compréhension des hypothèses, la gestion de l'incertitude, les règles sur les données et les voies d'escalade deviennent importantes. Une aide à la rédaction peut nécessiter un accompagnement léger ; un système qui influence l'argent, l'accès des fournisseurs, le risque juridique ou la continuité opérationnelle exige davantage.

Un cours générique pour toute l'entreprise ne peut donc pas répondre à tous les besoins d'une fonction achats. L'apprentissage doit se rattacher aux systèmes réellement utilisés et aux décisions qu'ils influencent.

La discipline de la preuve fait partie de la maîtrise

Les modèles génératifs transforment très bien des informations incomplètes en texte cohérent. Le danger est que faits, sources, inférences et hypothèses finissent par paraître aussi solides les uns que les autres.

Un responsable de catégorie qui demande une évaluation d'une hausse de huit pour cent peut recevoir une recommandation nette avec facteurs de marché, coûts et fourchette jugée défendable. Certaines affirmations viennent peut-être des données fournies, d'autres de sources externes, d'autres sont des déductions et d'autres encore ont été introduites pour combler des informations manquantes.

Un utilisateur compétent doit pouvoir distinguer ces niveaux. Quelle source soutient cette affirmation ? Quelle hypothèse porte la recommandation ? Quelle preuve primaire faut-il vérifier ? Quelle information ferait changer la conclusion ?

Ce n'est pas de la défiance systématique. C'est la même discipline de preuve que les achats devraient exiger d'un analyste humain avant de fonder une décision importante sur sa recommandation.

Les règles de données font partie de la compétence

Prix, décompositions de coûts, contrats, prévisions, spécifications, échanges fournisseurs et positions de négociation sont des informations sensibles. Une personne qui comprend les hallucinations mais dépose un contrat confidentiel dans un service grand public non approuvé n'est pas correctement préparée pour son contexte de travail.

La formation doit donc couvrir les outils approuvés, les règles de conservation et de traitement, les attentes en matière d'anonymisation et la voie à suivre lorsque la frontière n'est pas claire. La Commission précise également que l'article 4 n'impose ni certificat particulier ni structure de gouvernance précise telle qu'un responsable de l'IA ; formation, guides et autres mesures adaptées au contexte peuvent être utilisés.

Cette souplesse est utile, mais elle rend moins crédible le raccourci consistant à considérer l'achat d'un cours standard comme une réponse complète.

La supervision humaine doit permettre un vrai désaccord

La maîtrise de l'IA compte aussi une fois la recommandation produite. Si l'acheteur reste officiellement responsable mais que la sortie du système devient la position par défaut et qu'une dérogation demande une validation spéciale, la présence humaine peut se réduire à une signature.

Un professionnel compétent doit pouvoir dire aussi bien « les sources sont à jour, les hypothèses correspondent au cas et les conséquences d'une erreur sont limitées, je peux donc utiliser ce résultat » que « cette recommandation repose sur un coût de changement non vérifié et la décision est importante, il me faut davantage de preuves ».

Ce ne sont pas deux attitudes opposées face à l'IA. Ce sont deux exemples d'utilisation calibrée.

La compétence doit tenir sous pression commerciale

Comprendre les règles pendant une formation est plus facile que les appliquer lorsque la finance exige une réponse dans dix minutes ou qu'un fournisseur escalade. C'est là que la maîtrise de l'IA devient un comportement et non plus seulement un savoir.

Les équipes peuvent s'entraîner à examiner des recommandations assistées par IA, repérer les hypothèses cachées et défendre la décision de s'y fier, de les modifier ou de les rejeter. Voice2Evolve peut travailler une partie limitée de cette capacité en faisant passer un plan de négociation préparé avec l'IA dans une conversation orale où de nouvelles informations apparaissent sous pression.

Cela ne constitue pas, à lui seul, une conformité à l'article 4. Les mesures d'une organisation doivent correspondre à ses propres systèmes, risques, utilisateurs et politiques. Pour les achats, le critère utile reste simple : la maîtrise de l'IA doit changer la façon dont les personnes traitent des résultats réels dans des décisions réelles.

L'AI Act ne demande pas de transformer chaque acheteur en spécialiste technique. Il demande aux organisations de soutenir le développement d'une compétence adaptée au contexte. Dans les achats, cette compétence doit aller jusqu'au moment où l'utilisateur ne sait pas seulement obtenir une réponse, mais sait aussi quelle confiance lui accorder.

Sources

• Commission européenne. AI Literacy - Questions & Answers, orientations actuelles sur l'article 4.
• Règlement (UE) 2026/1744 du Parlement européen et du Conseil modifiant l'article 4 du règlement (UE) 2024/1689.