PME : comment vous assurer qu’un fournisseur tienne ses engagements ?

Votre prestataire IT ne répond plus depuis une semaine. Une livraison critique arrive en retard. Comment éviter ces situations ? Et si elles arrivent, que prévoient vos contrats lorsque le service n’est pas à la hauteur ?

Une solution consiste à formaliser quelques engagements essentiels dans un accord de niveau de service, ou SLA : délais de réponse, qualité attendue, disponibilité, conséquences en cas de manquement. Nous vous aidons à rédiger ces contrats avec l’aide de l’IA : un process à portée de toutes les PME pour limiter les mauvaises surprises.

Qu’est-ce qu’un SLA ?

Un Service Level Agreement (SLA, ou « accord de niveau de services ») répond par écrit à deux questions que personne ne pose au moment de signer :

• Qu’est-ce que j’achète, exactement ?
• Que se passe-t-il si je ne l’obtiens pas ?

Un SLA couvre typiquement les délais de réponse, la disponibilité, les niveaux de qualité attendus et ce que le fournisseur doit lorsqu’il ne les tient pas.

Trois situations où un SLA vaut la peine pour une PME

• L’IT, où « on regarde ça » peut vouloir dire deux heures comme deux semaines.
• Les services récurrents, où la qualité se dégrade lentement et sans bruit : nettoyage, maintenance, logistique.
• Tout fournisseur que vous ne pourriez pas remplacer en moins d’un mois.

Si vous cochez une de ces cases sans avoir de SLA, vous avez un problème opérationnel qui ne s’est simplement pas encore déclaré.

Reste l’objection que nous entendons le plus souvent : « Nous n’avons pas le temps de rédiger un SLA pour chaque fournisseur. » Elle est légitime. L’IA permet aujourd’hui d’y répondre, à condition de savoir où s’arrête son rôle. Voici comment nous avons procédé sur une mission réelle.

Le point de départ : un chocolatier sans filet

Lors d’une de nos missions de conseil, notre consultant achats échange avec le directeur des achats d’une entreprise chocolatière renommée. Le constat est net : aucun SLA robuste avec plusieurs fournisseurs clés.

Le sujet dépassait largement la conformité. Sans niveau de service écrit, il n’existait aucune base objective pour discuter d’une livraison en retard, d’un lot non conforme ou d’une qualité qui se dégrade doucement. Chaque incident se rejouait de zéro, à l’oral, au cas par cas.

Le temps de rédaction estimé en interne, allers-retours juridiques compris : plusieurs semaines. Personne ne s’y était donc jamais attelé.

Étape 1 — Une première version rédigée par l’IA

Notre consultant a utilisé un outil d’IA générative pour produire la première mouture du SLA. Il a construit un prompt structuré à partir de notre modèle, là où beaucoup se contentent d’un « écris-moi un SLA » qui ne donne jamais rien d’exploitable.

Concrètement, l’IA était instruite de :

• adopter un rôle précis : expert en contrats d’achats ;
• rédiger un SLA intégrant des KPI mesurables, en l’occurrence l’On-Time Delivery (OTD) et l’On-Quality Delivery (OQD) ;
• prévoir des clauses de pénalité en cas de non-conformité ;
• couvrir les exigences légales essentielles, les engagements environnementaux, sociaux et de gouvernance (ESG) et les procédures de résolution des litiges.

La différence entre un résultat inutilisable et un brouillon exploitable tient à quatre éléments : un rôle, un périmètre, des indicateurs nommés et des contraintes explicites. Demandez un SLA sans citer l’OTD et l’OQD, vous obtiendrez un texte qui parle de « qualité de service », donc rien d’opposable.

Étape 2 — Faire entrer les parties prenantes dans la boucle

Un SLA rédigé par les achats seuls sera un SLA que la production ne pourra pas tenir et que le juridique refusera de valider. Nous avons donc réuni la qualité, le marketing, la production et le juridique autour du brouillon.

Une série de réunions structurées, avec un mandat clair pour chaque équipe : lire le texte, signaler ce qui manque et ce qui sera impossible à tenir sur le terrain.

Exemple. Le département qualité demande une clause sur les non-qualités récurrentes. Restait à définir « récurrent », un mot que personne n’avait jamais chiffré. La réponse tombe en séance : plus de 10 % des livraisons. Un seuil pareil se discute entre gens qui connaissent la réalité des flux, et c’est lui qui transforme une intention en clause applicable.

Chaque retour a ensuite été réinjecté dans un nouveau prompt et le document réécrit en temps réel, pendant la réunion. Les participants voyaient leur contribution apparaître dans le texte avant la fin de la séance, ce qui a supprimé les trois semaines de navette par e-mail qui plombent habituellement ce type d’exercice.

Étape 3 — Les points sur lesquels nous gardons la main

L’IA a produit le texte, elle n’a rien arbitré. Quatre garde-fous que nous appliquons systématiquement :

1. La validation juridique reste humaine. L’IA produit un brouillon avancé. Un juriste doit le relire avant signature, en particulier sur les pénalités et les clauses de résiliation.
2. Les seuils chiffrés se décident en interne. 10 %, 48 heures, 99,5 % de disponibilité : ces chiffres engagent votre opérationnel. Un modèle à qui vous ne les donnez pas en inventera de plausibles.
3. Attention aux données que vous saisissez. Noms de fournisseurs, prix, volumes : vérifiez ce que votre outil fait de vos données avant d’y coller un contrat. Un compte grand public n’offre pas les mêmes garanties qu’un environnement d’entreprise.
4. Toute référence légale citée doit être vérifiée. Un modèle génératif produit des références réglementaires crédibles, et parfois fausses.

Le résultat

Un modèle de SLA complet, couvrant l’ensemble des enjeux identifiés, en quelques jours au lieu de plusieurs semaines.

Le gain de temps vient moins de la vitesse d’écriture de l’IA que de la disparition des versions intermédiaires. Plus de « je vous renvoie ça la semaine prochaine », plus de fichiers v3_final_VRAI.docx. Le brouillon existait dès le premier jour et tout le monde travaillait dessus en même temps.

L’IA a surtout servi de support à la collaboration interne, en donnant à chaque équipe un texte concret à critiquer dès la première réunion.

Ce que ça change pour vos processus achats

Associer un processus outillé par l’IA à une implication réelle des parties prenantes produit trois effets mesurables :

• Précision et conformité : les clauses essentielles ne sont plus oubliées parce que le rédacteur était pressé.
• Délais réduits : des jours plutôt que des semaines, sur un livrable habituellement repoussé indéfiniment.
• Collaboration renforcée : les expertises internes arrivent avant signature plutôt qu’après incident.

Et pour revenir à l’objection du départ : vous n’avez pas besoin d’un SLA pour chaque fournisseur. Commencez par ceux que vous ne pourriez pas remplacer en un mois. En général, ils tiennent sur une page.

Récupérez nos prompts

Si vous voulez voir exactement comment nous avons procédé, nous partageons l’ensemble de nos prompts, la version initiale comme les mises à jour issues des retours des parties prenantes, ainsi que notre modèle de structure de prompt.

De la théorie à la pratique

Un modèle de prompt vous donne un point de départ. Le déployer sur vos situations réelles et le connecter aux besoins de vos équipes demande autre chose.

Nos formations IA pour les achats couvrent cette partie : construire des prompts qui produisent des résultats exploitables, mener un cycle rédaction-revue-amélioration et intégrer les apports des équipes internes pour que le processus reflète l’expertise de votre organisation.