Automatiser le traitement des devis fournisseurs reçus par email avec l'IA

Chaque semaine, votre service achats reçoit des devis par email. Des PDF de formats différents, chacun avec sa propre mise en page, sa propre façon de présenter les prix unitaires, les remises, les délais. Et à chaque fois, quelqu'un doit ouvrir ces fichiers un par un, recopier les chiffres dans un tableau Excel, et construire la comparaison à la main.

Ce n'est pas du travail à valeur ajoutée. C'est de la saisie. Et c'est évitable.

Avec un workflow d'automatisation IA, il est aujourd'hui possible de transformer ce processus : le devis arrive par email, l'IA extrait automatiquement les données clés (prix unitaires, conditions, délais, remises), et un tableau comparatif est généré sans intervention humaine. L'acheteur intervient uniquement pour valider et négocier, ce qui est le cœur de son métier.

Dans cet article, nous détaillons la mécanique concrète de ce workflow, ses limites réelles, et les conditions pour que ça fonctionne en production dans une PME ou ETI.

Le problème quotidien du service achats

Prenons un cas concret. Vous consultez trois fournisseurs pour un approvisionnement. Chacun vous renvoie son devis dans les jours suivants, par email, en PDF. Fournisseur A utilise un tableau Excel exporté en PDF, avec des prix HT en colonne et des remises en pied de page. Fournisseur B envoie un document Word mis en forme, avec les conditions de paiement disséminées dans le texte. Fournisseur C expédie un PDF généré depuis son ERP, avec une mise en page en quatre colonnes que personne n'a choisie.

Pour comparer ces trois devis, un acheteur doit :

• Ouvrir chaque PDF et naviguer dans la mise en page
• Identifier les prix unitaires ligne par ligne
• Recalculer les remises pour les ramener à une base comparable
• Vérifier les conditions (minimum de commande, délai, franco de port)
• Tout saisir dans un tableau de synthèse

Sur trois fournisseurs et cinq références, c'est facilement 45 minutes de travail pur. Multipliez par le volume hebdomadaire d'un service achats actif, et vous comprenez pourquoi ce poste est souvent le premier identifié lors d'un audit d'automatisation des processus.

Ce que l'IA peut faire à votre place

Un LLM (modèle de langage) moderne lit un document PDF comme un humain le ferait : il comprend la structure, identifie les champs pertinents, et peut restituer les données dans un format structuré. Ce qui prend 15 minutes à un acheteur prend 8 secondes à un modèle comme GPT-4o ou Claude.

Concrètement, pour chaque devis reçu, l'IA extrait :

• Les prix unitaires pour chaque référence demandée
• Les remises (pourcentage, montant, conditions de déclenchement)
• Les délais de livraison annoncés
• Les conditions de paiement (30 jours net, escompte, acompte)
• Les minimums de commande et les frais de port éventuels
• La durée de validité du devis

Ces données sont ensuite injectées dans un tableau comparatif, structuré, prêt à l'analyse. L'acheteur reçoit une synthèse, pas une pile de PDF.

Pour comprendre comment ce type d'extraction a été mis en place pour un service achats industriel, consultez notre cas client Raynier, qui détaille les gains mesurés sur l'extraction de prix fournisseurs.

Le workflow étape par étape

Voici la mécanique concrète d'un workflow de traitement automatisé des devis fournisseurs.

Étape 1 : détection de l'email entrant

Le point d'entrée, c'est la boîte mail. Un outil d'automatisation (n8n, Make, Power Automate) surveille une adresse email dédiée — par exemple devis@votreentreprise.fr — ou filtre les emails de votre boîte principale selon des critères définis (objet contenant "devis", expéditeur dans votre panel fournisseurs, pièce jointe de type PDF).

Dès qu'un email correspondant arrive, le workflow se déclenche. La pièce jointe PDF est extraite et transmise à l'étape suivante.

Étape 2 : extraction des données par le LLM

Le PDF est envoyé au modèle de langage avec un prompt d'extraction structuré. Ce prompt est calibré sur votre panel fournisseurs réel, avec les champs que vous cherchez à récupérer.

Un prompt d'extraction bien construit ressemble à ceci (simplifié) :

Le modèle renvoie un JSON structuré, identique pour tous les fournisseurs, quelle que soit la mise en page d'origine. C'est ce qui rend la comparaison possible.

Étape 3 : alimentation du tableau comparatif

Le JSON extrait est injecté dans un tableau de synthèse : Google Sheets, Notion, Airtable, ou directement dans votre outil achats si une API est disponible. Le tableau est organisé par référence produit, avec une colonne par fournisseur.

Le résultat : l'acheteur ouvre son tableau et retrouve tous les devis consolidés, sans avoir manipulé un seul fichier PDF. Il peut trier, filtrer, calculer des écarts de prix en quelques clics.

Étape 4 : notification et validation humaine

Le workflow envoie une notification à l'acheteur (email, Slack, Teams) avec un lien direct vers le tableau mis à jour. Il lui signale également si des champs ont été marqués "non renseignés" par le modèle — ce sont les points qui méritent une vérification directe avec le fournisseur.

Cette étape de notification n'est pas optionnelle. C'est la boucle de contrôle humain qui garantit la fiabilité du processus.

Les limites réelles de l'IA sur les devis fournisseurs

Il serait inexact de présenter ce workflow comme infaillible. Voici les situations qui dégradent la précision et ce qu'on fait pour les gérer.

Les PDF scannés et les images

Un PDF natif (généré depuis un logiciel) est lu avec une précision de 90 à 97 %. Un PDF scanné (une feuille papier photographiée puis envoyée) passe d'abord par un OCR avant d'atteindre le LLM. La précision tombe à 80-90 % selon la qualité du scan. Pour les fournisseurs qui travaillent encore avec des documents papier, la solution est d'intégrer un OCR de qualité (Google Document AI, Azure Form Recognizer) avant l'étape LLM.

Les structures inhabituelles

Certains fournisseurs utilisent des mises en page complexes : tableaux à colonnes fusionnées, prix en cascade, remises exprimées en texte narratif ("nous vous accordons une réduction de 5 % pour toute commande supérieure à 500 unités"). Ces cas nécessitent des prompts plus sophistiqués, voire une règle de traitement dédiée. Sur un panel fournisseur réel, ces cas représentent généralement 5 à 15 % des documents.

Les champs implicites ou contextuels

Le prix unitaire est facile à extraire. Le coût total réel d'un approvisionnement l'est moins. Un devis peut afficher un prix attractif mais avec des frais de port non inclus, un minimum de commande élevé ou une durée de garantie plus courte. L'IA extrait ce qu'elle voit ; elle ne fait pas la synthèse qualitative qu'un acheteur expérimenté ferait. C'est intentionnel : ce jugement reste humain.

Ce que ça change concrètement pour votre équipe achats

Au-delà du gain de temps brut — réel et mesurable — ce workflow modifie la nature du travail de l'équipe achats. Les 45 minutes passées à saisir des chiffres deviennent 5 minutes de validation et d'analyse. L'acheteur passe plus de temps sur la négociation, la qualification des fournisseurs alternatifs, l'analyse des tendances de prix.

Sur les PME où nous avons déployé ce type de workflow, les gains observés sont :

• 3 à 5 heures par semaine récupérées sur la saisie et la consolidation des devis
• Délai de réponse réduit aux fournisseurs : le tableau comparatif est disponible dans l'heure qui suit la réception du dernier devis, contre une journée ou plus en traitement manuel
• Moins d'erreurs de saisie : les fautes de frappe dans les prix ou les inversions de lignes sont éliminées
• Traçabilité automatique : chaque devis reçu est horodaté, archivé et associé à la consultation correspondante, sans effort supplémentaire

Pour un exemple concret sur un cas similaire — traitement automatisé de documents et suivi fournisseurs — vous pouvez consulter notre cas client Copro Assistance, qui montre comment l'automatisation des emails entrants réduit la charge de traitement documentaire.

Quelle architecture technique pour ce workflow

Plusieurs combinaisons d'outils permettent de mettre en place ce workflow. Le choix dépend de vos contraintes de confidentialité, de vos outils existants et de votre appétit pour l'hébergement technique.

Stack légère pour démarrer

Pour une PME qui veut un premier résultat rapidement sans infrastructure lourde :

• Orchestration : n8n (cloud ou auto-hébergé) ou Make
• LLM : API OpenAI (GPT-4o) ou Anthropic (Claude) — facturation à l'usage
• Sortie : Google Sheets partagé avec l'équipe achats
• Notification : email ou Slack

Coût mensuel estimé : 30 à 80 euros selon le volume de devis traités (essentiellement les coûts API LLM).

Stack souveraine pour les données sensibles

Si vos devis contiennent des informations tarifaires confidentielles (marges, tarifs négociés, conditions exclusives), une architecture souveraine est préférable :

• Orchestration : n8n auto-hébergé sur un serveur en France
• LLM : Mistral hébergé sur infrastructure OVHcloud, ou modèle open source déployé sur site
• Sortie : base de données interne ou ERP via API

Ce sujet de souveraineté et d'hébergement est également central dans notre guide de l'automatisation pour PME à Toulouse, qui couvre les options d'infrastructure disponibles localement.

Par où commencer concrètement

Le piège classique est de vouloir tout automatiser d'un coup. Notre recommandation est différente : commencez par un fournisseur, un format de devis, cinq champs à extraire. Mesurez la précision sur 20 devis réels. Ajustez le prompt. Puis élargissez progressivement au reste du panel.

Les étapes concrètes pour lancer ce chantier :

• Semaine 1 : collecter 10 à 15 devis réels représentatifs de votre panel fournisseurs. Identifier les champs que vous extrayez aujourd'hui manuellement.
• Semaine 2 : construire et calibrer le prompt d'extraction sur ces exemples. Définir les règles de gestion des cas ambigus.
• Semaine 3 : déployer le workflow en mode "shadow" (il tourne en parallèle du processus manuel, vous comparez les résultats).
• Semaine 4-6 : validation, ajustements, formation de l'équipe, mise en production complète.

Ce type de déploiement fait partie de nos services d'automatisation de processus métier. Nous prenons en charge l'architecture technique, le calibrage des prompts sur vos documents réels, et la formation de votre équipe sur les bonnes pratiques de vérification.

Pour aller plus loin

• Cas client Raynier : extraction automatique des prix fournisseurs en milieu industriel
• Cas client Copro Assistance : traitement automatisé des emails entrants et alimentation CRM
• Nos services d'automatisation de processus métier
• Guide de l'automatisation pour PME à Toulouse : méthode et outils
• Agence automatisation Toulouse : notre hub local pour les workflows achats. Raynier Plomberie a réduit drastiquement le temps de traitement de ses devis fournisseurs et appels d'offres entrants.