Comment contrôler les achats sauvages : pourquoi c'est un problème de données, pas un problème de discipline

Les achats sauvages ne sont pas un problème de discipline

Les achats sauvages, la pratique consistant à acheter des biens ou services en dehors des contrats et cadres achats établis et négociés, sont traditionnellement perçus comme un échec de conformité. Les gestionnaires de site achètent ce dont ils ont besoin auprès de qui répond au téléphone. Les chefs de projet utilisent leurs sous-traitants préférés. Les ingénieurs commandent des pièces au détail parce que le fournisseur agréé prend trois jours et que la ligne est à l'arrêt maintenant.

L'instinct est de corriger cela par la politique : imposer la liste des fournisseurs agréés, restreindre l'usage des cartes d'achat, exiger des validations supplémentaires. Une partie de cela est appropriée. Mais faire appliquer une politique sans visibilité sur les données est de la friction sans renseignement. Vous créez des obstacles à un comportement que vous ne pouvez pas mesurer avec précision.

Les organisations qui réduisent le plus efficacement les achats sauvages font d'abord quelque chose de différent. Elles classifient leurs dépenses au niveau marchandise. Et ensuite elles regardent ce que révèle cette classification.

Pourquoi le FM et la construction sont structurellement exposés

Dans la plupart des secteurs, l'achat est raisonnablement centralisé. Une fonction achats se situe entre la demande et l'offre, et la plupart des transactions y transitent. En FM et en construction, ce modèle s'effondre pour des raisons structurelles.

En hard FM, un appel de maintenance réactive arrive à 23h. Le technicien d'astreinte a besoin d'une pièce de remplacement. L'agence du distributeur agréé est fermée. Le comptoir professionnel le plus proche a la pièce au prix catalogue. La pièce est achetée, le travail est fait, et la transaction est enregistrée dans le budget de maintenance du site comme « pièces ». Personne ne se demande s'il y avait un accord-cadre couvrant cette pièce. Personne ne vérifie si le stock de pièces critiques de ce site aurait dû la contenir. Les données entrent dans l'ERP comme une ligne en texte libre sans code marchandise.

En construction, chaque chef de projet construit un réseau de sous-traitants de confiance au fil des années de travail commun. Ce réseau est réel, précieux, et entièrement en dehors de tout cadre achats. Quand un chef de projet a besoin rapidement d'un sous-traitant en terrassement, il appelle la personne qu'il connaît. Le résultat est qu'un portefeuille de construction de 500 M€ pourrait avoir 200 transactions de terrassement avec 60 fournisseurs différents, avec un écart de prix de 20 à 40 % sur des travaux comparables, caché à l'intérieur des budgets de projets individuels.

Ce ne sont pas des échecs de discipline. Ce sont les résultats prévisibles d'environnements opérationnels où la vitesse compte et où les données achats sont trop mauvaises pour soutenir un contrôle centralisé.

Ce qui est exposé quand vous classifiez vos dépenses

La classification n'empêche pas les achats sauvages. Elle les rend visibles. Et la visibilité est ce qui rend la conversation ultérieure sur la politique et les cadres factuelle plutôt qu'anecdotique.

Voici ce qui remonte généralement quand une organisation FM ou infrastructure exécute un exercice de classification au niveau marchandise sur 12 à 18 mois d'historique de transactions :

• Dépenses fournisseurs en double sur des articles identiques. Dans les environnements MRO, le même boulon, fabricant identique, référence identique, apparaît acheté auprès de trois distributeurs différents à trois prix différents sur différents sites. Avant classification, ces transactions sont trois lignes séparées avec des descriptions différentes (« boulon M12 50mm », « boulon hexagonal inox M12 », « fixation inox 50mm »), des codes comptables différents, et aucune connexion apparente. Après classification, elles se résolvent en un seul code marchandise UNSPSC. L'écart de prix, généralement 25 à 50 % entre la source la moins chère et la plus chère, est immédiatement visible. À volume, cet écart est de l'argent récupérable.

• Fuite contractuelle sur des catégories négociées. Une organisation peut avoir un accord-cadre pour les consommables électriques avec un distributeur préféré à un tarif convenu. La classification des données de facture révèle fréquemment que 30 à 40 % des dépenses de consommables électriques vont vers des fournisseurs hors cadre. Cela n'est pas visible à partir des seules factures du fournisseur cadre, vous ne le voyez que lorsque vous classifiez la population totale des dépenses de consommables électriques sur tous les sites.

• Ratio des dépenses de maintenance réactive contre planifiée par classe d'actif. En hard FM, la maintenance réactive d'urgence coûte généralement 3 à 5 fois l'équivalent d'une maintenance planifiée pour le même travail sur actif. La classification permet de séparer les dépenses réactives des dépenses planifiées par type d'actif. Quand cette analyse montre que 70 % des dépenses de maintenance CVC sont réactives, c'est un problème de gestion des actifs avec une implication de coût, pas juste une nuisance opérationnelle. Vous ne pouvez pas mener cette analyse sans classification au niveau marchandise des dépenses de maintenance.

• Catégories invisibles à volume significatif. La découverte la plus courante dans un exercice de classification de première passe est une catégorie dont les achats n'avaient aucune visibilité. Entretien des espaces verts réparti entre codes de projet. Production d'électricité temporaire éparpillée entre avenants de site. Élimination des déchets enregistrée sur une douzaine de centres de coûts différents. Chacune de ces catégories est une véritable catégorie de dépense avec un potentiel d'effet de levier, mais seulement si vous pouvez la voir comme une catégorie. La classification rend cela possible.

Le cas MRO : 200 000 € issus de pièces que personne ne gérait

Un fabricant MRO basé au Royaume-Uni, 40 000 pièces actives au catalogue, environnement de production multi-sites, a mené un exercice d'enrichissement et de classification des pièces comme préalable à une revue de sourcing. L'objectif immédiat était de nettoyer les données de référence d'actifs et de pièces, qui avaient accumulé une duplication et une incohérence significatives au fil des années de croissance organique.

Le résultat de la classification a identifié un sous-ensemble d'environ 800 pièces où la voie d'achat actuelle était un distributeur, mais où un sourcing direct auprès du fabricant (OEM) était viable à un coût unitaire significativement plus bas. La marge du distributeur sur ces pièces allait de 25 à 50 %. Aux volumes d'achat concernés, faire basculer ces 800 pièces vers le sourcing direct OEM représentait environ 200 000 € d'économies annuelles.

Rien de tout cela n'était visible avant la classification. Les pièces existaient dans le système sous des descriptions incohérentes selon les sites. Il n'y avait aucun moyen d'agréger le volume d'achat par pièce, parce que les descriptions ne correspondaient pas. La classification a résolu cela. Une fois que chaque pièce avait un code marchandise et une référence fabricant cohérents, l'agrégation du volume était simple. L'opportunité de sourcing était évidente à partir des données.

C'est le schéma. Les économies n'exigent pas de nouvelle stratégie achats. Elles exigent la visibilité de ce qui se passe déjà.

L'approche des « 500 en or »

L'une des interventions les plus efficaces pour le contrôle des dépenses MRO et de maintenance est le catalogue virtuel, une liste imposée d'articles pré-tarifés que les équipes de site et de maintenance doivent utiliser pour les achats courants. Le concept est simple. Le défi de mise en œuvre est toujours le même : quels 500 articles devraient y figurer ?

Sans classification, cette question ne peut pas recevoir de réponse fiable. Vous pouvez demander aux gestionnaires de site ce qu'ils achètent le plus fréquemment, et ils vous donneront une liste qui reflète leur site individuel plutôt que le portefeuille. Vous pouvez regarder les factures des distributeurs, mais les descriptions varient selon le fournisseur et l'acheteur. Vous ne pouvez pas agréger entre sites sans un schéma de classification commun.

Avec la classification, la réponse est une requête. Classez tous les codes marchandise par fréquence de transaction et dépense totale sur le portefeuille. Les 500 premiers articles par volume de transaction, sur tous les sites, sont vos candidats au catalogue. Chacun d'eux est déjà acheté à répétition. Le catalogue ne change pas la demande, il change la voie d'achat, la tarification, et le contrôle.

L'exercice de classification est ce qui rend le catalogue constructible. Sans lui, vous demandez aux gestionnaires de site de s'accorder sur une liste via un processus de comité qui prend des mois et produit un catalogue façonné par celui qui parle le plus fort plutôt que par les données d'achat réelles.

Pour un regard plus approfondi sur la façon dont la classification permet la stratégie de gestion par catégorie, positionnement Kraljic, accords-cadres, consolidation de volume, voir l'article sur pourquoi la classification UNSPSC est le fondement de la gestion par catégorie en FM et infrastructure.

L'écart de prix entre sites : le chiffre qui fait bouger les directeurs financiers

La conversation avec un directeur financier sur les achats sauvages est difficile quand les preuves sont anecdotiques. « Les gestionnaires de site achètent en dehors du cadre » est une plainte. « Nous avons un écart de prix de 35 % sur les consommables CVCE entre sites, représentant environ 340 000 € de dépenses récupérables par an » est un dossier d'affaires.

La classification produit le second type de preuve. Quand vous pouvez montrer, au niveau marchandise, que le même article est acheté à des prix matériellement différents sur votre portefeuille de sites, la conversation sur la conformité au catalogue et l'application du cadre devient précise et quantifiable.

Constats typiques d'écart de prix en MRO FM et construction : 20 à 40 % d'écart sur la même référence entre sites, concentré dans les catégories de maintenance réactive. Pour une organisation dépensant 5 M€ par an en MRO, la part récupérable de cet écart, même en supposant une amélioration partielle de la conformité, est un chiffre significatif. La classification est ce qui la fait remonter.

Ce que cela exige en pratique

Exposer les achats sauvages par la classification est un exercice de données avant d'être un exercice achats. Les étapes sont séquentielles :

D'abord, extrayez 12 à 18 mois de données de transaction depuis votre ERP, SAP, Oracle, ou équivalent. Nom du fournisseur, description, quantité, prix, code comptable, centre de coûts, et date sont les champs minimums requis.

Ensuite, exécutez une classification UNSPSC au niveau marchandise sur ce jeu de données. C'est là que les outils de classification automatisée prouvent leur valeur. Un jeu de données de 100 000 transactions classifié manuellement prendrait des mois. La classification automatisée à 90-95 % de précision traite le même jeu de données en quelques jours.

Ensuite, exécutez l'analyse des dépenses sur le résultat classifié. Écart de prix par marchandise entre sites, nombre de fournisseurs par marchandise, dépenses dans le cadre contre hors cadre, ratio maintenance réactive contre planifiée par classe d'actif. Ces analyses sont des requêtes une fois les données classifiées. Elles sont impossibles avant.

Enfin, présentez les constats à l'entreprise. Pas pour imposer la conformité, pas encore, mais pour rendre l'état actuel visible aux personnes qui peuvent le changer. Les directeurs des opérations et les directeurs financiers réagissent à des chiffres précis. Les category managers ont besoin des données pour porter le dossier en interne.

La conversation sur la politique vient après la conversation sur les données. Faire appliquer sans visibilité crée de la résistance. Faire appliquer après la visibilité crée de la compréhension.

Lecture connexe : Pourquoi la classification UNSPSC est le fondement de la gestion par catégorie en FM et infrastructure | Précision de la classification UNSPSC : ce que signifient réellement 90-95 %

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 →