Le contexte
Trois fournisseurs « concurrents » présentent depuis 5 ans des devis sur vos appels d'offres similaires avec un écart de prix constant de ±2 %. Personne ne le voit parce que les RFP sont stockés dans 8 dossiers SharePoint différents, gérés par 4 acheteurs qui se sont succédé.
C'est techniquement une entente illégale (article L.420-1 du Code de commerce) qui :
- Vous coûte typiquement 8 à 15 % de surfacturation sur la catégorie concernée
- Vous expose à des risques RGPD et anti-corruption si les liens entre les fournisseurs sont documentés dans vos archives
- Ouvre une procédure DGCCRF en votre faveur si vous avez les preuves
Le problème : détecter une entente exige de croiser 5 ans de devis, contrats, emails et appels d'offres — un volume de données qu'aucun humain ne peut traiter exhaustivement. Les cabinets d'audit anti-trust facturent 80 à 200 k€ pour ce travail, et seulement les très grands groupes les engagent.
Le mécanisme LMbox
Le module Sales Intelligence (livré packagé) tourne sur la Box :
- Indexation complète des 5-10 dernières années de RFP, devis, contrats, emails fournisseurs (connecteurs SharePoint + Drive + Outlook + Salesforce).
- Le tier
frontier(Mistral Large 2 local pour souveraineté pure, ou Bedrock Sonnet sinon) analyse les patterns suspects :
- Prix synchronisés : trois fournisseurs « concurrents » qui répondent toujours dans une fourchette de ±2-3 % sur les RFP, avec rotation du gagnant
- Formulations de devis identiques : mêmes clauses de garantie, même structure de prix, mêmes annexes (suggérant un cabinet juridique commun ou un copier-coller bilatéral)
- Cycle de réponse coordonné : devis envoyés tous le même jour, pas plus tôt
- Comportements de retrait : un fournisseur se retire systématiquement quand un autre est désigné « gagnant prévu »
- Liens humains détectables : anciens collègues, mêmes adresses email côté backup, mêmes signatures juridiques
Pour chaque pattern détecté, l'IA produit un dossier d'indices avec :
- Score de probabilité (0-100)
- Liste des cas concrets avec citations exactes des RFP/devis
- Frise temporelle des comportements suspects
- Estimation de la surfacturation cumulée sur la période
Le DAF / CPO reçoit un rapport mensuel : « 14 indices de coordination potentielle entre fournisseurs A, B et C sur la catégorie [matériel logistique] depuis 2021. Surfacturation estimée : 1,2 M€. Confidence score : 78. »
Le calcul de ROI
Pour une direction achats type 50 M€/an avec 30 % du volume historiquement « risqué » (catégories peu commoditisées, peu de fournisseurs) :
| Levier | Estimation |
|---|---|
| Volume susceptible d'entente | 15 M€/an |
| Surfacturation typique d'une entente non détectée | 8-12 % |
| Récupération potentielle | 1,2 à 1,8 M€/an |
Mais la valeur réelle est dans la dissuasion :
- Les fournisseurs identifiés savent qu'ils sont surveillés (sans qu'on leur dise comment) → ils arrêtent ou ils sont remplacés
- Les nouveaux fournisseurs entrants sont automatiquement scorés et flaggés s'ils reproduisent les patterns
- L'audit log de l'IA constitue une preuve si la DGCCRF est saisie (la traçabilité de la détection est elle-même un argument)
Box L (38 k€ + 14,4 k€/an support). Payback : < 30 jours sur la première détection sérieuse.
Les pré-requis
- Historique d'au moins 3-5 ans de RFP/devis/contrats indexés et accessibles (sinon les patterns ne sont pas statistiquement significatifs)
- Politique d'archivage cohérente : si vos contrats sont scannés en images sans OCR, l'IA passe à côté. Activer l'OCR de SharePoint avant la sync.
- Mistral Large 2 local OU Bedrock EU configuré : le tier
mediumne suffit pas pour ce type d'analyse à long contexte - Politique anti-corruption interne validée par la direction juridique : qu'est-ce qu'on fait quand l'IA détecte une suspicion ? Qui décide d'investiguer ? Qui décide de saisir la DGCCRF ?
- 2 jours-acheteur expérimenté de calibrage : confirmer que les patterns détectés sont bien suspects et pas des faux positifs liés à la nature commodité de certaines catégories
Le déploiement
- Phase 1 (4 semaines) : indexation des 3 dernières années sur 1 catégorie pilote (typiquement la plus risquée — services IT, prestations intellectuelles, transport).
- Phase 2 (8 semaines) : revue manuelle des 10-30 indices détectés. Tri faux positif / vrai positif / cas à investiguer plus avant.
- Phase 3 (3 mois) : extension à toutes les catégories d'achat. Mise en place du rapport mensuel DAF.
- Phase 4 (continu) : intégration dans le processus de sourcing — chaque nouveau fournisseur entrant est scoré dès sa première réponse à un RFP.
Les limites & ce que ça ne fait pas
- L'IA détecte des indices, pas des preuves judiciaires. Une entente formellement prouvée exige enquête DGCCRF, perquisitions éventuelles, expertises judiciaires. L'IA fait gagner 90 % du temps de détection ; les 10 % de procédure restent juridiques.
- Elle peut produire des faux positifs sur les marchés très commoditisés (ex : carburant, aciers standards) où l'alignement de prix est naturel. Le calibrage humain reste obligatoire.
- Elle ne révèle pas les ententes verbales non documentées dans vos archives. Un fournisseur qui a téléphoné à un concurrent depuis son portable personnel sans laisser de trace email reste invisible.
- Le biais juridique : agir sur une suspicion non confirmée peut exposer l'entreprise à un contentieux de la part du fournisseur accusé à tort. Le département juridique doit être impliqué dès la première détection sérieuse.