La gestion par catégorie est un cadre standard des achats depuis des décennies. La théorie est bien comprise : regrouper les dépenses en catégories stratégiques, analyser chacune comme une unité opérationnelle, et utiliser cette structure pour prendre de meilleures décisions de sourcing, de fournisseurs et de contractualisation. La pratique est plus difficile, non pas parce que les cadres sont peu clairs, mais parce qu'ils exigent des données de dépenses propres, classifiées et cohérentes que la plupart des entreprises de hard services n'ont pas en état de marche.
La matrice de Kraljic : toujours l'outil le plus utile de la stratégie achats
Développée par Peter Kraljic en 1983 et publiée dans la Harvard Business Review, la matrice de Kraljic organise les dépenses en quatre quadrants selon deux dimensions : le risque d'approvisionnement et l'impact sur le profit.
| Quadrant | Exemple hard FM | Stratégie |
|---|---|---|
| Stratégique | Principal contractant de maintenance CVCE, fournisseur GTB | Partenariat long terme, planification conjointe, intégration SLA |
| Levier | Électricité, consommables CVC à grande échelle | Consolidation des volumes, appel d'offres compétitif, pression sur les prix |
| Goulot d'étranglement | Pièces d'ascenseur spécialisées, composants de gestion technique du bâtiment | Double sourcing, stock de sécurité, sécurité d'approvisionnement |
| Non critique | MRO général, papeterie, consommables de nettoyage | E-catalogues, automatisation, efficacité achats |
Le problème : vous ne pouvez pas utiliser Kraljic sans visibilité des dépenses
Placer les dépenses avec précision dans les quadrants de Kraljic exige de savoir, avec précision, ce que vous achetez, auprès de qui, à quel volume, et à quel niveau de risque. Cette information vit dans vos données achats. Si ces données ne sont pas classifiées de façon cohérente, la matrice devient un exercice théorique plutôt qu'un outil pratique.
Dans la plupart des environnements achats FM, le problème de données se manifeste de trois façons précises :
- Vous ne pouvez pas voir la dépense totale par marchandise. Le même filtre CVC est enregistré comme « filtre CVC 400mm », « filtre à air », « panneau filtrant F7 », et « consommables de ventilation » selon le site et l'utilisateur. Sans classification, il n'existe aucune vue fiable de la dépense totale en filtres, donc vous ne pouvez pas évaluer s'il s'agit d'une catégorie levier ou non critique.
- Vous ne pouvez pas évaluer la concentration des fournisseurs. Une évaluation du risque de goulot d'étranglement exige de savoir qui fournit les composants critiques et si des alternatives existent. Des données fournisseurs fragmentées rendent cela impossible.
- Vous ne pouvez pas suivre la performance de la catégorie dans le temps. La gestion par catégorie est un cycle continu. Le progrès exige une fondation de données stable et classifiée.
La stratégie de catégorie en pratique : les cinq scénarios
| Contexte | Premier geste | Exigence de données |
|---|---|---|
| Construction ~50 M€ | Liste de fournisseurs pré-qualifiés pour les 3 principaux métiers, tarification de portefeuille contre tarifs ponctuels | Dépenses de sous-traitance classifiées par type de métier et projet |
| Construction 500 M€+ | Bibliothèque de pièces standard imposée en phase de conception, supprimer le coût du sur-mesure | Dépenses au niveau marchandise, liées au type de projet et à la spécification |
| Hard FM | Étiquetage universel des actifs et mutualisation des pièces de rechange critiques | Registre d'actifs précis et enrichi avec données de fabricant |
| Soft FM | Consolidation des produits chimiques et consommables, contrats au coût par utilisateur | Classification des consommables au niveau facture sur tous les sites |
| MRO | Catalogue virtuel des 500 articles les plus achetés à prix fixe | Classification au niveau SKU des achats à haute fréquence |
La qualité des données comme carburant de la gestion par catégorie
Ce qui relie les cinq scénarios est la même exigence : des données de dépenses classifiées, cohérentes et exploitables pour l'analyse. Sans cela, un category manager passe 80 % de son temps à préparer les données et 20 % sur la stratégie. Avec cela, ce ratio s'inverse.
« Pour la première fois, nous avons pu faire confiance à nos rapports de dépenses. J'ai utilisé les résultats pour construire notre premier rapport de sourcing stratégique qui a réellement tenu sous l'examen du directeur financier. »
– Directeur achats, entreprise européenne d'infrastructure
Sjoerd Schoufs
Data Extraction & Classification, Pearstop
Sjoerd works on data extraction and classification at Pearstop. He built a metadata extraction algorithm that pulls structured attributes out of engineering and technical files that would otherwise have to be opened and read one at a time. He also works on the classification pipeline itself.
LinkedIn →Further reading
The spend cube framework, executed with AI
The classic three-dimension spend cube, adapted for an AI classification pipeline: what changes in speed, cost, and staying power after delivery day.
Read more →ProcurementUNSPSC classification in construction: a practical guide
How construction and engineering teams apply UNSPSC to procurement data, who owns the decisions, how to handle edge cases, and where AI actually fits.
Read more →
