Introduction

Chaque matin, des traders aux quatre coins du monde s'installent devant leurs écrans et accèdent aux mêmes outils : cours en temps réel, historiques de prix, benchmarks sectoriels, modèles de simulation, et visibilité instantanée sur ce qu'a payé chaque contrepartie pour le même actif la veille. L'infrastructure des marchés financiers est, dans sa nature profonde, une infrastructure de la donnée.

Imaginez maintenant ce que retrouve un directeur des achats dans une entreprise industrielle en arrivant le matin. Un dossier d'e-mails fournisseurs. Un tableur reconstruit le trimestre dernier. Une nomenclature qui était à jour il y a six mois. Et le sentiment diffus que les prix qu'il paie sont peut-être compétitifs ou peut-être pas sans aucun moyen fiable de le vérifier.

Le contraste est saisissant. Les deux prennent des décisions à enjeux élevés sur des prix. Les deux gèrent des relations complexes avec des contreparties dotées d'une forte motivation commerciale. Les deux disposent de plusieurs années de données transactionnelles. Mais l'un a l'infrastructure pour les exploiter. L'autre non.

L'asymétrie d'information dont personne ne parle

Voici une réalité inconfortable : vos fournisseurs en savent plus sur vos prix que vous-même. Ils tracent chaque devis qu'ils vous envoient. Ils savent quelles lignes vous avez acceptées, sur lesquelles vous avez négocié, et à quel prix vous avez finalement tranché. Ils observent des régularités sur des dizaines de clients. Ils connaissent, avec une précision raisonnable, le seuil au-delà duquel vous ne suivrez plus.

Les équipes achats, elles, repartent souvent de zéro à chaque cycle de sourcing. Les offres de l'année dernière sont enfouies dans des fils de discussion. Les historiques de prix vivent dans des tableurs modifiés, écrasés, ou tout simplement perdus. Il n'existe aucune trace structurée de ce qui a été payé, par qui, et dans quelles conditions.

Ce n'est pas un problème de négociation. C'est un problème de donnée. Et c'est un problème que les marchés financiers ont résolu il y a plusieurs décennies.

À quoi ressemble une vraie infrastructure de données achats

La valeur de Bloomberg ne tient pas uniquement aux données qu'il contient elle tient au fait que ces données sont structurées, comparables et immédiatement actionnables. Un trader peut consulter le cours d'une obligation aujourd'hui, le comparer aux 24 derniers mois, observer à quoi se sont échangés des instruments similaires, et modéliser l'impact d'un mouvement de taux en quelques secondes.

L'équivalent pour les achats, ce serait pouvoir ouvrir une référence composant et voir instantanément : ce que chaque fournisseur a proposé pour cette pièce au cours des trois dernières années, comment ce prix a évolué par rapport aux coûts matières, quel a été le meilleur prix accepté, et ce qu'un prix juste représente aujourd'hui. Pas après deux semaines de recherches manuelles, immédiatement.

Ce type d'infrastructure transforme la nature du dialogue avec les fournisseurs. On ne négocie plus à l'intuition. On négocie depuis les données.

La valeur cumulée de la donnée achats

Il y a une autre dimension qui rend cela encore plus précieux qu'il n'y paraît : la donnée achats se capitalise. Chaque appel d'offres émis, chaque soumission reçue, chaque prix accepté ou refusé est un point de donnée. Pris isolément, c'est un élément d'un fil de discussion. Agrégés sur des mois et des années, ils forment une couche d'intelligence prix propriétaire qu'aucun prestataire externe ne pourrait reproduire.

Les entreprises qui commencent à construire cette infrastructure aujourd'hui disposeront d'un avantage structurel dans trois ans. Non pas parce que leurs acheteurs négocient mieux, mais parce qu'ils seront les personnes les mieux informées dans la pièce à chaque fois.

Les marchés financiers l'ont compris depuis longtemps. Les achats industriels sont les prochains sur la liste.