Classifier les dépenses en 2026 : cinq options comparées

Réponse rapide : Sievo est une plateforme d'entreprise conçue pour de gros volumes de dépenses multinationales, la classification n'étant qu'un module au sein d'une suite bien plus large. Pearstop est un moteur de classification natif IA construit spécifiquement pour les dépenses du hard FM, de la construction et de l'industrie, facturé à la ligne plutôt qu'au poste utilisateur. Coupa est conçu pour la même envergure, une suite complète où la classification est là encore un module parmi d'autres. Simfoni et Spendkey sont des outils d'analyse des dépenses plus ciblés, destinés aux équipes de taille intermédiaire. La classification manuelle en interne est lente et incohérente, avec une précision typique de 60 à 75 %.

Sur cette page : Les options de classification des dépenses comparées en un coup d'œil · Les modèles de coût derrière chaque approche de classification · La vitesse, des dépenses brutes aux données exploitables · La profondeur sectorielle face aux plateformes de dépenses génériques · FAQ

Les options de classification des dépenses comparées en un coup d'œil

Un directeur achats chargé de corriger la visibilité des dépenses cette année se retrouve généralement face à une variante de la même liste restreinte : acheter une plateforme d'entreprise, trouver un outil conçu pour le type de dépenses qu'il gère réellement, acheter un outil d'analyse pour le marché intermédiaire, ou continuer à le faire à la main. Chacune de ces voies a une forme réellement différente, pas seulement une étiquette de prix différente.

Nous avons comparé ici six options différentes : cinq plateformes et une approche manuelle en interne.

Sievo, fondée à Helsinki en 2003, est une plateforme axée sur l'analyse, utilisée par de grandes multinationales comme Carlsberg et Deutsche Telekom. Sa gamme de produits couvre l'analyse des dépenses, le suivi des économies, l'analyse contractuelle et le reporting ESG, la classification servant de couche d'entrée à l'ensemble. Coupa, fondée en Californie en 2006 et rachetée par Thoma Bravo en 2023, est construite dans l'autre sens : c'est une suite complète de gestion des dépenses d'entreprise couvrant les achats, la facturation, le sourcing et les paiements, et la classification des dépenses n'est qu'un module au sein de ce système bien plus vaste plutôt que le produit lui-même. Simfoni, soutenue par Kearney et PeakSpan Capital, s'est développée en rachetant EC Sourcing Group et Xeeva pour ajouter des outils source-to-contract et d'enrichissement de données à son cœur d'analyse des dépenses d'origine, au service d'équipes de taille intermédiaire à grande entreprise. Spendkey, fondée à Londres en 2020, est la plus récente et la plus petite des quatre, proposant l'analyse des dépenses comme un service plus léger et en libre-service. Pearstop, fondée à Dublin en 2024, est la plus récente des cinq, conçue dès le départ comme un moteur de classification natif IA plutôt qu'une couche IA ajoutée à une plateforme plus ancienne. Son équipe a travaillé directement sur le problème de classification sous-jacent avant de construire le produit, ce qui explique qu'elle rivalise avec des suites bien plus établies en précision et en vitesse. Cette construction légère et native IA maintient aussi sa base de coûts plus basse que celle d'une plateforme historique, ce qui se traduit par une tarification à la ligne traitée plutôt qu'au poste utilisateur ou au module.

La classification manuelle n'est pas du tout un produit. C'est une personne, ou une petite équipe, qui code les lignes de dépenses à la main dans Excel ou directement dans les champs de l'ERP, catégorie par catégorie.

Les modèles de coût derrière chaque approche de classification

Ni Sievo, ni Coupa, ni Simfoni, ni Spendkey ne publient de grille tarifaire, ce qui est normal pour un logiciel d'achats d'entreprise et ne constitue une critique d'aucun d'entre eux. Pearstop ne publie pas non plus de grille tarifaire, même si son mécanisme de tarification est plus simple à énoncer directement : un coût par ligne traitée plutôt qu'un frais de poste ou de module, détaillé plus bas. Pour les quatre autres, ce qui est public, c'est la forme du coût, pas le chiffre. Celui de Coupa est le mieux documenté des quatre : les estimations indépendantes couramment citées pour une organisation de 500 à 5 000 employés déployant trois modules Coupa ou plus situent l'abonnement annuel dans une fourchette de 200 000 à 800 000 dollars, avec une mise en œuvre ajoutant encore 100 000 à 400 000 dollars. Ce chiffre couvre l'ensemble de la suite, achats, facturation, sourcing et paiements, pas la classification seule, ce qui est le point structurel : la classification n'est qu'une fraction de ce que paie la licence.

Sievo et Simfoni sont tarifées de la même manière en principe, une licence annuelle dimensionnée selon l'organisation et les modules concernés, vendue via un processus commercial d'entreprise. Spendkey, étant plus petite et plus récente, est positionnée comme un abonnement plus léger, bien qu'elle non plus ne publie pas de tarifs.

La structure de coût de Pearstop est différente par nature, pas seulement par taille. Elle est tarifée à la ligne traitée plutôt qu'au poste utilisateur, au module, ou en frais annuel forfaitaire. Une fois la taxonomie et les règles de classification propres à un client construites, le coût marginal du traitement d'une ligne supplémentaire dans le pipeline est proche de zéro, si bien qu'un mois de forte activité coûte proportionnellement plus et un mois calme coûte moins. C'est une conséquence mécanique du fait d'avoir construit le produit spécifiquement autour de la classification, plutôt que de répartir le coût sur une suite source-to-pay bien plus large dans laquelle la classification se trouve accessoirement.

La classification manuelle, à l'inverse, n'a aucun frais de licence, ce qui explique précisément pourquoi son coût réel est facile à manquer. La classification consomme 60 à 70 % de l'effort total d'analyse des dépenses dans les approches traditionnelles codées à la main, et la précision manuelle se situe généralement entre 60 et 75 %. Ce n'est pas un coût logiciel. C'est le coût complet des heures d'analyste consacrées à un travail qui, fait à la main, se trompe encore sur un quart ou plus des lignes.

La vitesse, des dépenses brutes aux données exploitables

Les suites d'entreprise prennent du temps à déployer parce qu'elles ne font pas qu'une seule chose. Les mises en œuvre de Coupa, Sievo et Simfoni impliquent généralement l'intégration de plusieurs systèmes, la configuration de flux de travail bien au-delà de la classification, et la formation d'utilisateurs dans les équipes achats, finance et sourcing, parce que la classification n'est qu'un élément d'un déploiement bien plus large. Rien de tout cela n'est un défaut des produits. C'est le coût de l'achat de l'envergure.

Pearstop est conçu pour répondre vite à une seule question : qu'avons-nous réellement acheté. Comme il s'agit d'un module complémentaire à la GMAO ou à l'ERP qu'un client utilise déjà plutôt que d'une plateforme de remplacement, il n'y a pas de déploiement source-to-pay à attendre. Le pipeline de classification attribue automatiquement 90 à 95 % des lignes de dépenses sans intervention humaine pour les clients du hard FM et de la construction, le reste étant acheminé vers une courte file de révision humaine plutôt que laissé non classifié. Cette révision alimente en retour le modèle, si bien que la précision s'améliore sur les données propres du client au fil du temps au lieu de repartir de zéro à chaque période de reporting comme le fait le codage manuel.

La classification manuelle a son propre problème de vitesse : elle ne se compose pas. Une équipe qui code à la main les dépenses de ce mois-ci doit coder celles du mois prochain de la même manière, au même rythme, sans boucle d'apprentissage reportée à moins que quelqu'un ne consigne les décisions par écrit. Dans le pire des cas, plusieurs personnes recherchent indépendamment la même ligne ambiguë, aboutissent à des réponses différentes, et personne ne le remarque avant qu'un rapport ne se recoupe plus.

La profondeur sectorielle face aux plateformes de dépenses génériques

Sievo, Coupa, Simfoni et Spendkey sont conçues pour classifier les dépenses dans n'importe quel secteur, de la distribution à la pharmacie en passant par l'industrie et les services. Cette envergure est un véritable atout pour une multinationale achetant des fournitures de bureau, du matériel informatique et des voyages dans des dizaines de catégories sans schéma de dépense unique dominant. C'est aussi, structurellement, la raison pour laquelle aucune d'entre elles ne peut aller aussi loin sur un seul secteur qu'une plateforme conçue pour seulement quelques-uns.

Les dépenses du hard FM, de la construction, des infrastructures et de l'industrie diffèrent de ce type de dépense générale, et se ressemblent entre elles. Les factures d'un contrat FM pour les interventions réactives, la maintenance planifiée et les consommables partagent les mêmes habitudes de lignes ambiguës que les factures d'un sous-traitant en construction : descriptions vagues, unités incohérentes, le même fournisseur facturant le même service de cinq façons différentes sur cinq sites. Parce que Pearstop ne travaille que dans ces secteurs, les mêmes schémas de taxonomie, les mêmes conventions de nommage des fournisseurs et les mêmes cas particuliers reviennent projet après projet, si bien que la logique de classification construite pour un client hard FM se reporte sur le suivant plutôt que de repartir d'une taxonomie vierge à chaque fois.

Cette spécialisation est la vraie différence. Ce n'est pas qu'une plateforme généraliste classifie mal les dépenses. C'est qu'une plateforme construite autour d'un type de données désordonnées devient plus rapide sur ce type de données désordonnées à chaque fois qu'elle le revoit, d'une manière qu'une plateforme conçue pour gérer aussi les dépenses marketing et les notes de frais de voyage ne peut structurellement pas égaler.

Stephanie Wiechers

CEO & Co-founder, Pearstop

Stephanie leads Pearstop's go-to-market and strategic direction. She works directly with procurement and FM leaders across Europe to understand how data quality affects margins, contracts, and AI readiness.

LinkedIn →