Riche en IA, pauvre en expérience : le prochain déficit de compétences des achats

L'IA permet aujourd'hui à un professionnel en début de carrière de produire un travail qui exigeait autrefois bien plus d'expérience. Une synthèse de marché peut être prête en quelques minutes. Les arguments d'un fournisseur peuvent être anticipés. Un plan de négociation peut être mis à l'épreuve avant la réunion.

C'est un progrès. Cela change aussi la manière dont l'expérience se construit.

La nouvelle recherche de Pearson, For Every Future, publiée le 24 septembre 2026, décrit un triple déficit de capacités dans les métiers techniques, les services et les professions qualifiées. L'IA transforme les emplois plus vite que les systèmes de formation ne s'adaptent, tandis que des professionnels expérimentés partent à la retraite avec un savoir pratique difficile à formaliser. Pearson alerte ainsi sur le risque de jeunes travailleurs très bien équipés en IA mais pauvres en expérience vécue.

L'étude ne porte pas sur les achats. Elle constitue ici un signal venu de métiers voisins, pas une preuve spécifique concernant les acheteurs. Le mécanisme mérite néanmoins d'être examiné, car le jugement commercial se développe lui aussi par l'exposition répétée à des situations sans réponse évidente.

Une étude comparative ProcureAbility publiée en 2026 rend la question des capacités directement pertinente pour les achats. Parmi 160 dirigeants achats, 71 % décrivent leurs équipes comme modérément ou fortement contraintes en capacité. Seuls 19 % augmentent les effectifs, tandis que 46 % investissent dans la montée en compétence des équipes existantes. Cela ne démontre pas le mécanisme de Pearson dans les achats, mais montre pourquoi la conception du développement interne devient un sujet concret.

Certaines tâches inefficaces étaient aussi des occasions d'apprendre

Il n'y a aucune raison de conserver une tâche lente uniquement parce qu'elle servait autrefois de terrain d'apprentissage.

Un jeune acheteur ne progresse pas parce qu'il passe trois heures à mettre en forme une comparaison fournisseurs que l'IA peut structurer en cinq minutes. Réécrire des notes ou chercher manuellement une information n'a pas non plus de valeur pédagogique en soi.

Le problème commence lorsque l'organisation supprime la tâche et suppose qu'elle n'a supprimé que du gaspillage.

Lire dix offres fournisseurs expose aussi à dix structures commerciales différentes. Observer un responsable de catégorie préparer une négociation montre quelles informations il considère comme déterminantes et lesquelles il écarte. Rédiger soi-même une réponse oblige à choisir une position avant de voir celle d'un collègue plus expérimenté. Participer à un échange fournisseur à faible enjeu permet d'entendre une objection, de manquer un signal, de se reprendre et de s'en souvenir la fois suivante.

L'IA peut raccourcir fortement le travail autour de ces situations. Elle ne remplace pas automatiquement l'expérience qu'elles contenaient.

Cette question est proche de celle posée dans notre article sur PISA 2026 et l'IA, mais elle est différente. Là, nous nous demandons si l'IA peut réduire l'effort cognitif par lequel on apprend. Ici, la question est celle de l'exposition : le système de travail crée-t-il encore assez de situations réelles pour que le jugement pratique se développe ?

Les achats ont un problème d'apprentissage professionnel

Le jugement commercial se transmet mal sous forme de règles, parce que la bonne décision dépend du contexte.

Un fournisseur demande huit pour cent d'augmentation. L'acheteur peut contester fermement, échanger une contrepartie, gagner du temps, escalader en interne ou accepter une partie. La bonne décision dépend de la structure de coûts, des alternatives, du risque d'approvisionnement, du calendrier, de l'historique, de la crédibilité de la demande et des autres variables de l'accord.

Les professionnels expérimentés reconnaissent ces configurations parce qu'ils en ont déjà vu des variantes. Ils ont vu une menace fragile s'effondrer, entendu une contrainte réellement ferme et observé une position soi-disant définitive commencer à bouger.

Si l'IA permet aux jeunes acheteurs d'arriver mieux préparés plus tôt dans leur carrière, c'est une bonne chose. L'organisation doit néanmoins créer les rencontres au cours desquelles ils apprennent ce que cette préparation signifie lorsqu'une autre personne résiste.

Cette question devient plus importante lorsque les experts seniors ont moins de temps ou quittent l'entreprise. Le savoir tacite ne se transfère pas uniquement dans une base documentaire. Une partie n'apparaît que lorsqu'un professionnel explique pourquoi il a ignoré un signal, poursuivi une autre piste ou changé de direction en pleine conversation.

Le travail d'entrée évolue plus vite que les systèmes de développement

De nouvelles données issues du marché du travail allemand rendent le problème moins théorique.

Une étude représentative de l'IU International University publiée le 24 septembre 2026 a interrogé 2 000 salariés âgés de 16 à 65 ans. L'échantillon a été pondéré pour représenter le marché du travail allemand selon l'âge et le sexe.

Parmi les répondants, 41,3 % se disent plutôt ou tout à fait d'accord avec l'idée que l'IA reprend des tâches auparavant confiées aux personnes en début de carrière. Dans le même temps, 43,9 % n'avaient consacré aucune heure de travail à une formation à l'IA au cours des douze mois précédents. Seuls 33,6 % indiquaient que leur entreprise soutenait fortement ou assez fortement le développement de la pensée critique.

L'étude ne porte pas sur les achats et mesure des perceptions de salariés, pas une perte de compétences observée. Elle renforce néanmoins le mécanisme du problème : les entreprises peuvent supprimer des tâches d'entrée plus vite qu'elles ne redessinent la manière dont les jeunes professionnels développent leur jugement.

Dans les achats, le risque n'est pas qu'un acheteur junior cesse de mettre en forme manuellement une comparaison fournisseurs. Il apparaît si disparaissent avec cette tâche l'observation, les questions, la discussion et la répétition, sans qu'un substitut volontaire soit créé.

La réponse reste donc la même : ne pas conserver artificiellement des tâches inefficaces, mais identifier les occasions d'apprentissage qu'elles contenaient et les reconstruire de façon plus efficace.

Ne préservez pas l'ancien travail. Remplacez les répétitions perdues

La solution n'est pas de ralentir l'adoption de l'IA pour maintenir des tâches administratives au nom du développement des juniors.

Il faut concevoir séparément la productivité et la montée en compétence.

Si l'IA économise deux heures de préparation, une partie de ce temps peut être réinvestie dans une exposition structurée : observer une réunion fournisseur difficile avec un objectif précis, comparer la recommandation de l'IA à la décision d'un acheteur senior, faire un débriefing court, prendre en charge une partie de la conversation suivante ou répéter la situation avant qu'elle ne devienne réelle.

L'observation passive ne suffit pas. Il faut décider, prononcer les mots, recevoir un retour et recommencer. C'est là que le sujet rejoint notre article sur l'IA et les compétences conversationnelles au travail : plus la technologie prend en charge le travail périphérique, plus les moments humains restants peuvent devenir rares et exigeants.

Pour une direction achats, la question n'est donc pas de savoir si les jeunes acheteurs doivent utiliser l'IA. Ils doivent l'utiliser. La question est de savoir ce qui remplace l'expérience qui disparaît lorsque l'ancien flux de travail s'accélère.

Une fonction qui automatise la routine sans repenser la construction du jugement peut gagner en productivité tout en affaiblissant sa relève. Une fonction qui consacre le temps gagné à l'observation, à la responsabilité, aux retours et à la pratique orale réaliste peut obtenir les deux.