Aller au contenu
Implementa.
AutomatisationPlaybook··8 min

Automatiser les prix avec l'IA : avant le prix dynamique, le prix à jour

Automatiser les prix avec l'IA ne commence presque jamais par le prix dynamique. Dans la plupart des entreprises, la marge ne fuit pas parce qu'on rate le prix optimal de l'heure : elle fuit parce que le fournisseur a augmenté en mars et que le tarif a suivi en juin. Ce que la machine peut décider, ce qu'une personne doit valider, les deux limites juridiques qu'on n'automatise pas et par où commencer.

Senior AI Operations Implementer

AI Operations Pod

Le mail arrive un mardi : le fournisseur principal met à jour sa liste de prix, PDF en pièce jointe, « applicable au 1er ». 1 800 références. Quelqu'un aux achats le transfère à la compta, la compta le garde pour après la clôture, et le tarif de vente est mis à jour six semaines plus tard. Pendant six semaines, on a vendu avec un coût neuf et un prix ancien. Personne n'a pris une mauvaise décision de prix. Personne n'en a pris du tout.

La thèse en une ligne : automatiser les prix avec l'IA, ce n'est pas facturer le prix parfait à chaque heure, c'est arrêter de facturer le mauvais prix pendant des semaines. Le prix dynamique est la dernière couche, pas la première. Avant, il y en a deux plus ennuyeuses et plus rentables : un tarif qui reflète le coût le jour même où il change, et chaque mouvement de prix enfermé dans un couloir validé par une personne identifiée.

Automatiser les prix avec l'IA : ce que ça veut dire vraiment (et ce que ça ne veut pas dire)

« Pricing par IA » désigne quatre choses très différentes, avec des risques et des retours qui ne se ressemblent pas. Mieux vaut les séparer avant de demander le moindre devis :

  • Répercuter les coûts. Quand le coût d'achat change, le prix de vente est recalculé avec votre règle de marge et proposé pour validation. C'est la couche qui récupère le plus d'argent dans la distribution et le commerce, et la moins pratiquée.
  • Des règles avec un couloir. Le prix s'ajuste au stock, à la péremption, à la rotation ou au prix public des concurrents, toujours entre un plancher et un plafond fixés par quelqu'un qui a un nom.
  • Le prix dynamique selon la demande. Le prix suit la demande en temps réel. C'est pertinent avec beaucoup de transactions, beaucoup de données et des produits comparables : billets, hôtels, certains sites e-commerce. Dans un catalogue B2B avec des clients récurrents, rarement.
  • Le prix personnalisé. Un prix différent selon le profil de l'acheteur. C'est la couche la plus lourde juridiquement et en réputation, et en B2C elle ne rapporte presque jamais ce qu'elle coûte.

Regardez où se trouve vraiment l'IA. Dans la première couche, le dur n'est pas de calculer la marge — c'est une formule —, c'est de lire le tarif du fournisseur : des PDF au format changeant, des références qui ne correspondent pas aux vôtres, des unités de vente différentes. Là, un modèle de langage apporte quelque chose, parce qu'il transforme un document en désordre en tableau que l'ERP comprend. Dans la troisième couche, ce qui travaille n'est généralement pas un LLM : ce sont de bons vieux modèles statistiques d'élasticité. Si on vous vend un chatbot qui fixe les prix, méfiez-vous.

Pourquoi le prix que personne ne met à jour coûte plus cher que le prix qui n'est pas optimal

Le prix est le levier qui pèse le plus sur le résultat, et ce n'est pas notre opinion. Dans « The power of pricing » (McKinsey Quarterly, 2003), Marn, Roegner et Zawada ont calculé que, sur le compte de résultat moyen d'une entreprise du S&P 1500, une hausse de prix de 1 % à volume constant augmente le résultat opérationnel de 8 %. C'est une moyenne illustrative d'entreprises cotées américaines, pas une prévision pour votre activité, mais le mécanisme vaut partout : presque chaque point de prix tombe directement dans le résultat, parce que le coût est déjà payé.

La même arithmétique joue dans l'autre sens. Si votre coût monte et pas votre prix, chaque commande de ces semaines part avec une marge rognée, et cette marge ne revient pas. La première question n'est donc pas « quel est le prix optimal ? », mais « combien de jours s'écoulent entre un changement de coût et un changement de prix ? ». Si la réponse se compte en semaines, votre projet est là.

Ce que la machine peut décider et ce qu'une personne doit valider

Ce n'est pas la technologie qui trace la frontière, c'est celui qui répond de la marge. Voici le partage qu'on applique par défaut :

DécisionLa machineUne personne
Lire le tarif fournisseur et rapprocher les référencesOui, avec revue de celles qui ne collent pasTraite les exceptions
Recalculer le prix avec la règle de margeOui, et proposeValide le lot
Bouger le prix dans le couloirOui, avec trace de chaque changementRevoit la tendance de la semaine
Fixer plancher, plafond et règle de margeNonOui, par famille de produits
Prix d'un client aux conditions négociéesNonOui, toujours

La logique est celle de toute automatisation avec un humain dans la boucle : la machine fait le volume, la personne fixe les règles et valide ce qui en sort. Ce qu'on ne délègue jamais, c'est la politique : quelle marge on veut par famille et jusqu'où on accepte de descendre pour garder un client.

Le couloir : plancher, plafond et vitesse

Un algorithme de prix sans limites, c'est un risque que personne n'a décidé de prendre. Trois paramètres le rendent gouvernable, et les trois s'écrivent avant de lancer quoi que ce soit :

  1. Plancher. Le prix en dessous duquel on ne vend pas, en général coût plus une marge minimale. Si le modèle propose moins, rien n'est publié : une alerte part.
  2. Plafond. Le prix au-dessus duquel le client récurrent part ou s'agace. Il protège la relation, pas le tableur.
  3. Vitesse. De combien un prix peut bouger en un jour ou une semaine. Un prix qui change trois fois dans la matinée déclenche des appels clients, même si chaque changement se défend.

Les deux limites juridiques qu'on n'automatise pas

La première relève du droit de la concurrence, et le cas de référence est américain. Le 24 novembre 2025, le ministère de la Justice des États-Unis a annoncé un accord proposé avec RealPage, dont le logiciel aidait à fixer des loyers : il lui interdit notamment d'utiliser des données non publiques de concurrents pour fixer les prix en temps réel et limite l'entraînement de ses modèles à des données historiques d'au moins douze mois. L'accord attend encore l'aval du tribunal, et c'est du droit américain, mais la leçon voyage : si votre outil de prix se nourrit de données non publiques de vos concurrents, le problème n'est pas technique. Prix publics des concurrents et données propres, oui ; un pot commun de données sensibles avec d'autres vendeurs, non.

La seconde relève du droit de la consommation et concerne ceux qui vendent à des particuliers dans l'Union européenne. La directive (UE) 2019/2161 impose d'informer le consommateur lorsque le prix affiché est personnalisé par une décision automatisée fondée sur son profil ; chaque État membre l'a transposée dans son droit national. Le prix dynamique qui varie selon la demande ou l'heure n'est pas un prix personnalisé, et c'est cette distinction qu'il faut savoir expliquer si on vous la demande. Ceci est une information générale, pas un conseil juridique : vérifiez votre cas avec votre conseil.

Quand NE PAS automatiser le prix

Parfois, le bon projet consiste à ne pas le faire, et la liste ressemble beaucoup à celle de quand ne pas automatiser un processus avec l'IA :

  • Peu de références et des coûts qui bougent peu. Si vous mettez à jour quarante prix deux fois par an, un tableur bien fait gagne.
  • Un prix négocié par compte. En B2B avec des tarifs contractuels, le prix est une décision commerciale, pas un calcul. On y automatise le document, pas le chiffre, comme on l'explique dans automatiser les propositions sans perdre de marge.
  • Un coût peu fiable. Si le coût dans l'ERP oublie le transport, les remises arrière ou la démarque, l'algorithme optimise un faux chiffre, juste plus vite.
  • Personne ne porte la marge. Sans une personne qui signe planchers et plafonds, toute automatisation finit en dispute entre le commercial et la direction financière.

Par où commencer : quatre semaines, une famille de produits

  1. Semaine 1 : mesurez le retard. Pour les derniers changements de tarif de vos trois principaux fournisseurs, comptez les jours entre l'avis et votre nouveau prix. Ce chiffre est votre business case, et c'est la façon de choisir quel processus automatiser en premier avec des données plutôt qu'à l'instinct.
  2. Semaine 2 : écrivez la politique. Règle de marge, plancher, plafond et vitesse pour une seule famille. Signée par celui qui répond de la marge.
  3. Semaine 3 : connectez. Le tarif fournisseur entre, devient un tableau, est rapproché de vos références et génère une proposition de prix dans l'ERP ou la boutique. C'est une question d'intégrer l'IA à vos systèmes, qu'il s'agisse d'Odoo ou de Shopify.
  4. Semaine 4 : validez par lot et mesurez. Une personne valide la proposition hebdomadaire. On mesure les jours de retard avant et après, et combien de propositions ont été corrigées à la main.

Si le retard passe de semaines à jours et que les corrections manuelles baissent avec le temps, on étend à la famille suivante. Sinon, le problème était dans la donnée de coût, et vous l'avez découvert sur une famille et pas sur tout le catalogue. Monter ce circuit de bout en bout, du mail du fournisseur au tarif publié, c'est exactement le type de travail qu'on fait en automatisation des opérations.

La phrase pour la prochaine réunion : « Avant de parler de prix dynamique, combien de jours met-on à monter un prix quand notre coût monte ? »

On le laisse tourner ?

Si ça t'a parlé, conversation de 30 minutes sans engagement. On te dit ce qui colle, ce qui ne colle pas et le prix approximatif.

Voir les cas
Automatiser les prix avec l'IA : avant le prix dynamique, le prix à jour · Implementa