Agentic AI ne fera pas gagner vos appels d’offres

Environ 40 % des médicaments en Europe sont désormais achetés par le biais de procédures de marchés publics. En milieu hospitalier, 22 pays sur 30 ont recours aux appels d’offres. Lorsque ces contrats sont attribués, 62 % reposent principalement sur le prix, contre seulement 24 % qui utilisent des critères d’offre économiquement la plus avantageuse, et dans des classes telles que les agents antinéoplasiques, la part des attributions fondées uniquement sur le prix atteint 84%.

Pour une part croissante du portefeuille, l’appel d’offres n’est pas un canal. C’est le moment commercial décisif. Plusieurs années de chiffre d’affaires, ainsi que l’essentiel de la marge qui y est associée, sont déterminées par un chiffre qu’une équipe saisit dans un délai imparti, souvent sans se référer systématiquement aux conditions réellement obtenues dans des contrats comparables.

C’est à ce moment que la vague actuelle d’investissements dans l’IA doit faire ses preuves. Or, la majeure partie de ces investissements répond à une question différente.

Le marché de l’IA dans les sciences de la vie est entré dans son ère du comptage des agents. Les lancements de plateformes s’accompagnent d’inventaires d’agents. L’adoption est mesurée par le nombre d’agents déployés et le nombre de cas d’usage couverts. Les chiffres augmentent chaque trimestre, et rapidement.

Le changement sous-jacent est bien réel. Agentic AI est passée des laboratoires aux workflows d’entreprise, tandis que la couche d’infrastructure et la couche métier convergent plus rapidement que la plupart des fonctions commerciales ne peuvent l’absorber. Le risque est plus ciblé que le battage médiatique, et plus coûteux : que les dirigeants commerciaux assimilent la disponibilité des agents à l’exécution commerciale.

Le marché commence déjà à comprendre où cette confusion mène. Gartner prévoit que plus de 40 % des projets d’Agentic AI seront annulés d’ici fin 2027, en invoquant l’augmentation des coûts, une valeur métier incertaine et des contrôles des risques insuffisants, et estime qu’environ 130 seulement des milliers de fournisseurs qui commercialisent des solutions d’Agentic AI en développent réellement. Gartner qualifie cet écart d’« agent washing » : rebaptiser des assistants, de l’automatisation robotisée des processus et des chatbots sans capacité agentique substantielle. En mai 2026, Gartner a appliqué ce terme aux technologies de planification de la chaîne d’approvisionnement et a ajouté un avertissement plus direct : tout fournisseur qui promet une autonomie de bout en bout avant 2027 surestime ce qui est possible.

Examinez vers quoi les agents commerciaux sont réellement orientés, et l’écart devient concret. Les portefeuilles d’agents commerciaux actuellement disponibles sur le marché se concentrent autour de l’intelligence marché, du ciblage des forces de vente, de la planification commerciale, de la revue de la littérature et du catalogage des données : stratégie de marque, market intelligence, engagement des professionnels de santé, gouvernance des données. Ce sont des activités utiles, et elles se situent à proximité des appels d’offres. Mais aucune d’elles ne constitue un moteur de réponse aux appels d’offres. Il ne s’agit pas d’une critique à l’égard d’une quelconque plateforme. C’est une observation sur la part du P&L commercial qui se situe actuellement en dehors des domaines vers lesquels les agents sont orientés.

Un agent peut récupérer des données. Il peut résumer un dossier d’appel d’offres, générer un brouillon et transmettre des tâches à d’autres agents. Mais rien de tout cela, à lui seul, ne répond aux questions qui déterminent si une offre génère une croissance rentable:

• • Devons-nous poursuivre cette opportunité ?
  • Quel produit approuvé répond aux exigences de chaque ligne ?
  • Pouvons-nous assurer l’approvisionnement pendant toute la durée du contrat?
  • Quel est le prix net approprié après prise en compte des remises, de l’indexation, de la logistique et des obligations de service ?
  • Quelles allégations sont étayées par des données actuelles et approuvées ?
  • Quelles exceptions nécessitent une approbation commerciale, juridique, réglementaire ou qualité ?
  • Que devons-nous tirer de ce résultat avant le prochain appel d’offres ?

Tant que l’IA ne pourra pas faire progresser ces décisions au sein d’un workflow gouverné et jusque dans les systèmes où s’effectue réellement l’activité commerciale, elle ne fera qu’assister l’activité plutôt qu’exécuter le commerce.

Un appel d’offres est une chaîne d’engagements commerciaux

Une réponse à un appel d’offres n’est pas une tâche unique. Il s’agit d’un ensemble d’engagements liés entre eux, reliant le besoin de l’acheteur, l’éligibilité du produit, les éléments de preuve réglementaires, la capacité d’approvisionnement, les obligations de service, le prix et le risque contractuel.

Un seul maillon faible peut rendre l’ensemble de la soumission non conforme, non compétitive ou non rentable, et l’échec se manifeste rarement au moment de la soumission. Un conditionnement mal associé dans la colonne D devient une obligation de livraison impossible à honorer en deuxième année. Une allégation expirée enfouie dans une annexe devient une constatation de non-conformité. Un prix saisi sans mécanisme d’indexation devient quatre années d’érosion silencieuse.

Compte tenu de la part croissante du portefeuille européen qui passe désormais par les marchés publics, cette exposition dépasse aujourd’hui le cadre de l’équipe en charge des appels d’offres. Il s’agit d’une exposition du P&L, portée par l’ensemble de l’organisation commerciale, que quelqu’un en soit ou non explicitement responsable.

C’est pourquoi l’IA dédiée à l’exécution commerciale a besoin de plus qu’une collection d’agents. Elle a besoin d’un contexte commercial partagé, de modèles de données spécifiques au domaine, de contrôles déterministes, d’intégrations aux systèmes et d’une compréhension auditable de qui peut approuver quoi.

Les recommandations de Gartner à l’intention des acheteurs, formulées pour la planification de la chaîne d’approvisionnement plutôt que pour les appels d’offres mais qui s’appliquent clairement ici, demandent sensiblement la même chose : des données unifiées en temps réel, une intégration robuste entre les systèmes de planification et d’exécution, ainsi qu’une gouvernance transparente avec des garde-fous clairs, des points de transfert vers l’humain et des mécanismes d’audit. Le facteur différenciant n’est pas l’agent. C’est tout ce sur quoi l’agent doit pouvoir s’appuyer.

En pratique, elle doit accomplir cinq choses avec efficacité.

1. Identifier la bonne opportunité avant que le compte à rebours ne commence

Une IA générique peut surveiller les sources et résumer les avis. L’IA dédiée à l’exécution commerciale doit aller plus loin : intégrer les opportunités publiques et privées, structurer des documents dans plusieurs langues, identifier les échéances et les règles d’éligibilité, et mettre en correspondance les exigences de l’acheteur avec le portefeuille réel du fournisseur.

Le résultat ne doit pas être une nouvelle alerte. Il doit s’agir d’une opportunité qualifiée, avec son adéquation stratégique, son contexte historique, ses contraintes de livraison, ses risques, ses responsables et une justification défendable de la décision de répondre ou de ne pas répondre déjà associés.

La première décision en matière de marge consiste souvent à déterminer s’il faut répondre à l’appel d’offres.

2. Établir la vérité produit ligne par ligne

Les dossiers acheteurs utilisent rarement le même langage que les catalogues fournisseurs. Ils combinent des descriptions en texte libre, des identifiants historiques, des références concurrentes, des codes distributeurs, des formats de conditionnement et des unités de mesure. Une seule réponse peut nécessiter des centaines, voire des milliers de décisions ligne par ligne.

L’IA dédiée à l’exécution commerciale doit normaliser ce langage, le recouper avec les SKU approuvés et les produits de substitution, et présenter les éléments de preuve ainsi que le niveau de confiance associés à chaque correspondance. Les correspondances à haut niveau de confiance peuvent avancer rapidement. Les correspondances ambiguës ou à fort enjeu doivent être soumises à un réviseur humain.

Il s’agit de l’intelligence produit appliquée précisément au point où le chiffre d’affaires est soit capturé, soit laissé de côté.

3. Intégrer la marge au workflow

Une offre peut être conforme et pourtant détruire de la valeur.

Lorsque le prix pèse autant dans la décision d’attribution que le montrent les données européennes, le résultat en matière de marge est en grande partie déterminé au moment de la fixation du prix, et en grande partie déterminé à l’aveugle. L’historique des attributions, le comportement des concurrents et le coût de service se trouvent généralement dans des systèmes différents de celui dans lequel l’offre est préparée, lorsqu’ils sont capturés.

L’IA dédiée à l’exécution commerciale doit connecter les données relatives aux opportunités à l’historique des attributions, au comportement des concurrents, au coût de service, au risque d’approvisionnement, aux remises, aux paliers de volume, à l’exposition aux devises, à l’indexation et à la durée du contrat. Elle doit modéliser des scénarios, estimer l’arbitrage entre probabilité de gain et rentabilité, et faire respecter les fourchettes de prix, les prix planchers et les règles d’exception.

Les humains doivent rester responsables de la stratégie commerciale et des décisions de retrait. Le rôle de l’IA est de rendre les enjeux économiques visibles suffisamment tôt pour influencer l’offre, et non de signaler l’érosion une fois le contrat signé.

4. Construire la réponse autour des preuves

Une rédaction fluide est facile. Des engagements défendables sont difficiles.

Un véritable système d’exécution doit transformer le dossier d’appel d’offres en une matrice de conformité structurée, récupérer les réponses, allégations et éléments de preuve approuvés, signaler les lacunes ou les éléments obsolètes, attribuer les actions aux équipes commerciales, juridiques, qualité et réglementaires, et préserver le contrôle des versions, l’historique des approbations et la traçabilité des sources.

Il doit savoir quand il peut réutiliser une réponse approuvée, quand un expert doit la valider et quand le système doit s’arrêter. Dans les marchés réglementés, la supervision humaine n’est pas une concession faite à une IA insuffisante. C’est ce qui permet de rendre la responsabilité évolutive.

5. Tirer les enseignements du résultat commercial

La plupart des outils de gestion des appels d’offres s’arrêtent au moment de la soumission. Cela empêche le système d’apprendre ce qui compte, et ce qui compte est mesurable.

World Commerce & Contracting estime la perte de valeur moyenne des contrats à 5,4 %, et a constaté que 70 % des répondants reconnaissent un décalage entre la manière dont les contrats sont gérés et celle dont la performance financière est supervisée. Sur une base de 500 millions d’euros de chiffre d’affaires contractualisé, cela représente 27 millions d’euros par an qui disparaissent à un endroit dont personne n’est responsable.

L’IA dédiée à l’exécution commerciale doit capturer la décision d’attribution, le prix gagnant, le comportement des concurrents, les retours de l’acheteur, la performance du contrat et les pertes de valeur ultérieures. Ces résultats doivent ensuite améliorer la mise en correspondance des futures opportunités, le scoring de la décision de répondre ou de ne pas répondre, les recommandations de prix et la stratégie de réponse.

Sans cette boucle fermée, les agents peuvent répéter la même erreur en apparence intelligente, mais à plus grande vitesse.

Le tableau de bord doit changer

Le nombre d’agents déployés est un indicateur d’adoption. Les documents générés, les prompts traités et les heures économisées sont des indicateurs de productivité. Ils sont utiles. Mais ils ne constituent pas le résultat commercial.

Pour les équipes chargées des appels d’offres et de la contractualisation, les indicateurs les plus exigeants sont :

• • les opportunités qualifiées suffisamment tôt pour pouvoir agir ;
  • la couverture des lignes et l’exhaustivité des réponses ;
  • le délai entre la décision, l’approbation et la soumission ;
  • le taux de réussite et la marge contributive ;
  • les pertes de valeur contractuelles et la performance après attribution ; et
  • la mesure dans laquelle les équipes font réellement confiance au système et l’utilisent.

Un point de données, avec la précision qu’il est issu de nos propres données et qu’il est auto-déclaré. Lors d’un déploiement de Vamstar sur 12 mois auprès d’un groupe pharmaceutique mondial du top 10, anonymisé sous NDA, spécialisé dans les génériques et les biosimilaires et actif sur 165 marchés, le programme a été mis en production sur 25 marchés à fort impact et a permis une amélioration de 73 % de l’efficacité du processus de contractualisation, une augmentation de 17 % du taux de réussite sur les marchés déployés et une expansion de 9 % de la marge sur le chiffre d’affaires contractuel. L’adoption par les équipes locales a atteint 86 % au cours de l’année, ce qui compte davantage qu’il n’y paraît : elle est intervenue après un programme interne qui avait mobilisé 6 millions de dollars et quatre années sans parvenir à atteindre une échelle suffisante.

Ces résultats ne doivent pas être généralisés à tous les programmes. Le point est plus précis et plus exigeant. L’IA commerciale doit être tenue responsable des résultats business, et non de la taille de son catalogue d’agents..

L’infrastructure est la ligne de départ

Agentic AI fera partie intégrante de la stack technologique des entreprises. Les plateformes horizontales facilitent la création et la gouvernance des agents. Les plateformes spécialisées par domaine démontrent la valeur de l’intelligence métier dans les sciences de la vie. Les deux sont importantes, et toutes deux constituent des prérequis plutôt que des finalités.

L’avantage commercial sera créé un niveau plus bas, là où l’IA comprend l’appel d’offres, le produit, le prix, les éléments de preuve, la politique d’approbation et le résultat comme un workflow connecté unique.

Les équipes commerciales n’ont pas besoin des cent prochains agents. Le nombre continuera d’augmenter, ce qui est précisément la raison pour laquelle il constitue un mauvais indicateur de performance. Ce dont les équipes ont besoin, c’est d’un système capable de maintenir la cohérence commerciale d’une offre, de l’opportunité à l’attribution, et qui sache quand agir, quand demander et quand s’arrêter.

Les gagnants ne seront pas les entreprises qui auront le plus d’agents. Ce seront celles qui auront moins d’opportunités manquées, des décisions plus rapides, des engagements plus défendables et un chiffre d’affaires de meilleure qualité.

Agentic AI peut automatiser des tâches. L’IA dédiée à l’exécution commerciale doit transformer le P&L.

Sources : Medicines for Europe, document de position sur la directive européenne relative aux marchés publics (10 février 2026) ; communiqué de presse de Gartner, « Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 » (25 juin 2025) ; communiqué de presse de Gartner, « Gartner Warns of Agent Washing Risks in Supply Chain Planning Technology Market » (20 mai 2026) ; World Commerce & Contracting, « Smarter Contracts, Better Margins » (22 septembre 2025) ; étude de cas Vamstar, « Redefining Contracting Strategy: AI Enables Pharma Cost Optimization » (consultée le 12 août 2026).