IDC affirme que les agents IA guident 80 % des acheteurs technologiques, mettant sous pression les ventes pilotées par les fournisseurs

IDC affirme que 80 % des acheteurs de technologies B2B utilisent désormais des agents IA pour les aider dans leurs tâches d’achat ou les effectuer. Cette évolution place Google News, les sites web des fournisseurs et les équipes commerciales dans une nouvelle compétition pour une confiance médiatisée par les machines.

Cette conclusion provient de l’enquête 2025 Tech Buyer Behavior Survey d’IDC. Elle ne signifie pas que des logiciels autonomes ont pris le contrôle de la plupart des budgets d’achat des entreprises. Elle signifie que l’IA a rejoint le groupe d’achat, aidant les personnes à découvrir des fournisseurs, comparer des produits, synthétiser les éléments disponibles et préparer les décisions.

Cette distinction est importante, car les acheteurs d’entreprise n’ont plus besoin de visiter chaque site web susceptible d’éclairer un achat. Un agent peut collecter des informations, rapprocher les affirmations sur les produits et écarter des candidats avant qu’un commercial ne voie une opportunité. Le conflit immédiat n’oppose pas les humains aux machines. Il oppose la persuasion contrôlée par le fournisseur à l’évaluation contrôlée par l’acheteur.

Les recherches d’IDC montrent également que les canaux numériques restent centraux pour les achats complexes. Toutefois, des études distinctes de Gartner et Forrester indiquent que les acheteurs recherchent encore une validation humaine lorsque le risque augmente. L’IA peut accélérer la recherche, mais la confiance détermine toujours si une recommandation résiste aux achats, à l’examen de sécurité et au contrôle de la direction.

Le chiffre de 80 % marque un changement dans le contrôle de la découverte

Les agents IA deviennent une couche active entre les fournisseurs de technologies et les personnes qui les évaluent.

Le plan d’alignement acheteurs d’IDC indique que 80 % des acheteurs utilisent des agents IA pour les aider dans des tâches d’achat ou les effectuer. Le document s’appuie sur l’enquête 2025 Tech Buyer Behavior Survey d’IDC.

Le même document indique que 71 % des acheteurs technologiques B2B préfèrent les canaux numériques, y compris pour les achats complexes. IDC décrit l’acheteur privilégiant le numérique comme une réalité durable, plutôt que comme une réponse temporaire au travail à distance ou à l’accès limité aux représentants commerciaux.

Ces deux conclusions décrivent des évolutions liées. L’achat numérique a déplacé la recherche loin des interactions commerciales planifiées. Les agents IA réorganisent désormais les informations disponibles dans ces canaux numériques.

Un agent d’achat IA est un logiciel qui recherche, compare ou agit sur des exigences d’achat pour le compte d’un utilisateur. Dans un flux de travail simple, il peut synthétiser des pages produit et des avis clients. Un système plus avancé pourrait comparer des configurations, rédiger une demande d’information ou vérifier si un fournisseur satisfait à des exigences prédéfinies.

L’agent n’a pas besoin d’une autorité formelle pour influencer un achat. Un assistant généraliste peut modifier une liste restreinte en décidant quelles sources récupérer, quelles différences mettre en avant et quelles affirmations méritent du scepticisme.

La visibilité dans les réponses générées par l’IA devient ainsi commercialement importante. Un fournisseur peut être bien classé dans la recherche traditionnelle tout en disparaissant d’une comparaison générée par un agent. Sa documentation peut être difficile à récupérer, incohérente d’une page à l’autre ou non étayée par des preuves indépendantes.

Google News reste pertinent, car les informations récentes peuvent fournir des signaux sur les acquisitions, les défaillances de produits, les changements de direction, les incidents de sécurité et les litiges avec des clients. Pourtant, un agent peut extraire ces signaux sans diriger l’acheteur vers la page de résultat d’origine.

Cela crée un entonnoir de découverte différent. L’acheteur reçoit une réponse, tandis que l’agent décide quelles preuves entrent dans cette réponse. Les éditeurs et les fournisseurs peuvent apporter des informations sans recevoir de visite, d’impression ou de prospect attribuable.

L’analyse distincte d’IDC sur les achats médiatisés par l’IA ajoute une autre contrainte. Son enquête 2025 a révélé que 81 % des acheteurs accordent la priorité à une utilisation éthique de l’IA lors de la sélection de partenaires technologiques. Cette proportion atteint 88 % chez les cadres de niveau C.

Par conséquent, être mentionné n’est qu’une partie du problème. Un fournisseur doit également résister à un examen portant sur l’IA responsable, la gouvernance des données, la sécurité et la crédibilité.

Ce changement est structurel, car les agents peuvent appliquer ces filtres avant tout engagement direct. Les équipes commerciales traditionnelles découvrent souvent les objections lors d’un appel. Un processus médiatisé par l’IA peut écarter le fournisseur plus tôt, sans laisser à l’organisation commerciale l’occasion de répondre.

Le chiffre de 80 % doit néanmoins être lu avec prudence. « Aider ou effectuer » couvre une large variété de comportements, de la synthèse d’un document à l’exécution d’une tâche définie. Le document public d’IDC ne répartit pas ce chiffre selon le niveau d’autonomie, la valeur de l’achat ou la finalisation de la transaction.

Même avec cette limite, l’orientation est claire. L’IA est passée d’une fonctionnalité de fournisseur au processus de recherche de l’acheteur, modifiant la manière dont les technologies d’entreprise accèdent à une liste restreinte.

Google News devient une source de preuves pour les agents, et non seulement une destination

Google News et des canaux similaires servent de plus en plus de couches de preuves que les systèmes d’IA traitent pour le compte d’un acheteur.

La recherche traditionnelle demande aux éditeurs et aux fournisseurs de rivaliser pour obtenir un clic. La recherche assistée par l’IA leur demande de rivaliser pour être inclus dans une réponse synthétisée.

Cette différence modifie la manière de mesurer l’influence. Un acheteur peut demander à un agent d’identifier des logiciels qui répondent à cinq exigences de sécurité et s’intègrent à une plateforme cloud existante. L’agent peut lire la documentation, la couverture médiatique, les analyses d’experts et les avis avant de proposer trois candidats.

L’acheteur peut ne jamais voir les dix sources à l’origine de cette recommandation. Un article utile peut influencer le résultat sans recevoir de trafic de référence.

Google News reste important dans ce processus, car les événements récents modifient souvent le risque pour les entreprises. Une annonce produit peut étendre les capacités d’un fournisseur. Une violation, un procès, une acquisition ou une interruption de service peut modifier l’adéquation de ce même fournisseur.

Toutefois, la fraîcheur seule ne rend pas une source décisive. Les agents ont également besoin de contenus qui identifient clairement les produits, les dates, les limites et le lien entre une affirmation et les preuves qui l’étayent.

Les pages ambiguës créent des problèmes de récupération. Un fournisseur qui emploie plusieurs noms pour une même fonctionnalité peut sembler incohérent. Une page qui cache des spécifications essentielles dans des interfaces décoratives peut fournir des preuves moins exploitables qu’un simple document technique.

Le même problème affecte la couverture médiatique. Un titre peut attirer l’attention humaine tout en donnant peu de contexte à un agent. Les articles avec une attribution précise, des dates et des liens vers des sources primaires offrent des preuves plus solides pour la comparaison.

Cela ne signifie pas que les entreprises doivent produire des pages écrites uniquement pour les machines. Les acheteurs consultent encore les documents sources lorsqu’une décision comporte un risque financier, opérationnel ou professionnel. Une rédaction claire sert les deux publics.

Cela ne signifie pas non plus que la recherche traditionnelle a disparu. Les moteurs de recherche restent utiles pour la navigation, la vérification des sources et la recherche de couverture récente. Google News peut devenir plus précieux lorsqu’un acheteur souhaite vérifier ce qu’un assistant a synthétisé.

Le véritable changement concerne l’ordre des étapes. Un agent peut constituer la première liste restreinte, tandis que la recherche devient un outil de validation plus tard dans le processus. Les fournisseurs éliminés lors de la première étape peuvent ne jamais bénéficier de cette vérification ultérieure.

Les conclusions d’IDC poussent donc les équipes marketing à traiter les informations produit comme des preuves structurées. Les affirmations doivent avoir des définitions stables, une responsabilité claire, des dates à jour et une documentation de soutien. Les contradictions entre une page commerciale et un document de sécurité deviennent plus faciles à révéler pour un agent.

Les sources indépendantes gagnent également en importance. Un agent qui compare les affirmations de fournisseurs peut rechercher des analyses d’experts, une couverture crédible, des évaluations techniques et des preuves apportées par des clients. La répétition sur les propres pages d’une entreprise ne constitue pas une confirmation indépendante.

C’est là que la qualité des connaissances devient un enjeu d’achat. Les équipes doivent maintenir des faits cohérents dans la documentation produit, les pages de politiques, les centres d’aide et les annonces publiques. En interne, une base de connaissances IA consultable peut aider les employés à retrouver les preuves étayant les affirmations approuvées.

Cette discipline interne influence la confiance externe. Un commercial incapable d’expliquer l’origine d’une affirmation affaiblit la confiance de l’acheteur. Un représentant capable de retrouver l’évaluation, la politique ou la limite pertinente devient plus utile.

Pour les éditeurs, l’incitation est similaire. Un reportage original, une attribution transparente et des liens vers des documents primaires donnent à un article une valeur durable au-delà de son audience initiale. Les synthèses copiées à partir d’autres synthèses deviennent moins défendables lorsque les agents comparent les sources.

Le résultat n’est pas la fin de Google News. C’est un changement du rôle du canal. Les actualités deviennent une entrée dans un système de preuves plus large, et le clic visible ne capture qu’une partie de leur influence.

Les ventes pilotées par les fournisseurs perdent le contrôle de la première évaluation

La compétition centrale oppose la persuasion pilotée par le fournisseur à l’analyse contrôlée par l’acheteur, et non les achats automatisés au jugement humain.

Les équipes commerciales contrôlaient autrefois l’accès à des détails importants sur les produits. Les acheteurs avaient souvent besoin d’un représentant pour obtenir des configurations, des réponses techniques ou une comparaison personnalisée.

Le libre-service numérique a réduit ce contrôle. Les agents IA le réduisent encore en aidant les acheteurs à combiner des informations provenant de nombreuses sources sans suivre la séquence privilégiée par le fournisseur.

Une équipe d’achat peut demander à un assistant d’extraire les préoccupations contractuelles, de comparer les options de résidence des données ou d’identifier les informations de sécurité manquantes. Elle peut préparer des questions avant la première réunion commerciale et contester une réponse pendant cette réunion.

Cela modifie le rôle du représentant. Répéter des informations déjà disponibles en ligne apporte peu de valeur. Clarifier les incertitudes, résoudre les contradictions et assumer la responsabilité deviennent plus importants.

L’enquête de Gartner fournit des éléments en faveur de ce modèle hybride. Son étude sur la validation par les acheteurs de mai 2026 a porté sur 645 acheteurs B2B interrogés en août et septembre 2025.

Gartner a constaté que 45 % avaient utilisé l’IA générative lors d’un achat récent, principalement pour recueillir des informations sur les produits et les fournisseurs. Les acheteurs ont utilisé en moyenne sept sources d’information, montrant que l’IA n’était pas devenue leur seul canal.

L’étude a également révélé que 67 % préféraient une expérience sans représentant commercial, tandis que 70 % préféraient une expérience entièrement numérique et en libre-service. Ces préférences semblent confirmer le déclin des ventes pilotées par les fournisseurs.

Cependant, 69 % préféraient valider les informations générées par l’IA auprès d’un commercial. Ce résultat apporte le contrepoids essentiel à un récit simpliste de l’automatisation.

Les acheteurs veulent contrôler le moment où un représentant entre dans le processus. Ils ne souhaitent pas nécessairement éliminer cette personne de chaque décision importante.

Gartner a constaté que les représentants restaient particulièrement importants lorsque les acheteurs définissaient un problème métier, identifiaient un fournisseur privilégié, obtenaient un soutien interne et finalisaient un achat. Ce sont des moments où le contexte et la responsabilité comptent davantage que la vitesse de récupération de l’information.

Cela crée une pression sur plusieurs fonctions de l’entreprise.

Les équipes marketing doivent publier des contenus qui résistent à la comparaison en dehors d’un parcours de site web soigneusement conçu. Les équipes produit doivent utiliser une terminologie et des spécifications cohérentes. Les équipes commerciales doivent se préparer à valider les preuves plutôt qu’à en contrôler l’accès.

Les achats gagnent également en influence, car l’IA facilite les comparaisons systématiques. Les équipes peuvent transformer les exigences de politique en contrôles reproductibles et les appliquer à un ensemble plus large de fournisseurs.

La recherche de Forrester sur les achats professionnels indique que les professionnels des achats agissent en tant que décideurs dans 53 % des cycles d’achat B2B. Ils interviennent désormais dès le début, plutôt que d’apparaître uniquement lors de la négociation contractuelle.

Forrester indique également qu’une décision type implique 13 parties prenantes internes et neuf influenceurs externes. Les achats plus complexes mobilisent des groupes encore plus importants.

L’IA peut aider ces participants à traiter l’information, mais elle ne peut pas éliminer leurs priorités concurrentes. La sécurité peut privilégier un accès limité aux données. La finance peut mettre l’accent sur l’utilisation. Les opérations peuvent donner la priorité à l’intégration, tandis que le juridique examine l’exposition contractuelle.

Un agent peut organiser ces contraintes et identifier plus tôt les conflits. Il ne peut pas décider quelle partie prenante doit accepter un risque particulier, sauf si des personnes lui délèguent explicitement cette autorité.

Cela explique pourquoi cette transition met sous pression les fournisseurs mal alignés. Une entreprise peut disposer de réponses exactes dispersées entre présentations commerciales, tickets de support, portails de sécurité et connaissances des employés. Un acheteur assisté par IA perçoit les écarts entre ces sources comme de l’incertitude.

Les fournisseurs dont les informations sont connectées en interne disposent d’un avantage. Les employés peuvent répondre avec des preuves cohérentes, car ils retrouvent les mêmes informations approuvées. Une base de connaissances consultable peut aider les équipes techniques à retrouver les documents pertinents sans devoir reconstituer une réponse de mémoire.

Pour autant, l’organisation interne ne garantit pas la sélection externe. Une évaluation contrôlée par l’acheteur facilite la comparaison directe. Lorsque les produits paraissent similaires, la qualité des preuves, les résultats des essais et le risque d’implémentation deviennent des facteurs de différenciation plus importants.

La première évaluation échappe désormais au contrôle du fournisseur. L’opportunité pour les vendeurs subsiste, mais elle se présente plus tard et exige davantage de substance.

Les chiffres ne prouvent pas que les achats autonomes sont arrivés

Les achats assistés par IA sont largement répandus, mais l’autorité autonome sur les transactions reste un seuil bien plus élevé.

La statistique de 80 % d’IDC combine l’assistance et l’exécution de tâches. Ces catégories peuvent recouvrir des niveaux de responsabilité très différents.

Résumer une page produit présente un risque direct limité. Établir une liste restreinte peut influencer matériellement un achat. Soumettre une demande de proposition modifie un processus externe, tandis qu’approuver un paiement peut créer un engagement financier contraignant.

Traiter ces quatre actions comme équivalentes surestimerait l’autonomie actuelle. Les documents publics d’IDC établissent une implication large, et non la part des budgets d’entreprise contrôlée par des agents indépendants.

Les conclusions de Gartner renforcent cette distinction. Les acheteurs utilisent l’IA pour gagner en rapidité, mais 51 % ont déclaré être davantage susceptibles de rencontrer des informations trompeuses issues de l’IA générative. Une proportion presque équivalente, 49 %, associait les informations trompeuses aux représentants commerciaux.

Aucun des deux canaux ne gagne automatiquement la confiance. Les acheteurs les combinent, car chacun peut révéler les faiblesses de l’autre.

Forrester a constaté que plus de 60 % des acheteurs B2B utilisent une forme d’essai. Ces essais vont des environnements sandbox sur mesure aux périodes d’évaluation fondées sur l’usage.

Un essai est important, car il transforme une affirmation en comportement observable. Un assistant IA peut résumer les capacités déclarées, mais un test contrôlé montre si le produit fonctionne avec les données, les contrôles et les flux de travail de l’acheteur.

Les essais créent aussi des preuves que les agents ne peuvent pas obtenir à partir de sources publiques. Les performances dans un environnement précis, l’effort d’implémentation, la qualité du support et l’acceptation par les utilisateurs ne deviennent souvent visibles que pendant l’évaluation.

La sécurité impose une limite encore plus difficile. Un agent d’achat autonome a besoin d’accéder aux informations fournisseurs, aux politiques internes, aux systèmes d’identité et, potentiellement, aux outils financiers. Chaque connexion élargit les conséquences d’une erreur.

L’analyse de la sécurité des agents publiée par le NIST en 2026 a relevé un large consensus selon lequel les agents introduisent de nouvelles menaces. Les répondants ont également convenu que les pratiques de cybersécurité connues doivent être adaptées aux systèmes d’agents.

L’un des risques est l’injection indirecte de prompt, où des instructions malveillantes apparaissent dans un contenu externe traité par un agent. Une page ou un document compromis pourrait tenter de rediriger l’agent, de divulguer des informations sensibles ou de déclencher une action non voulue.

Cette menace est directement pertinente pour les agents d’achat. Les recherches des achats exigent la lecture de sites web, d’e-mails, de propositions et de pièces jointes provenant de parties extérieures à l’organisation de l’acheteur. Ce sont précisément les environnements dans lesquels des instructions non fiables peuvent entrer dans un flux de travail.

Une entreprise peut réduire son exposition en limitant les autorisations, en séparant la recherche de l’exécution, en exigeant une approbation pour les actions ayant des conséquences et en consignant les éléments probants qui étayent chaque recommandation. Ces contrôles rendent également possible une revue ultérieure.

La qualité des données demeure une autre contrainte. Une comparaison produite à partir de spécifications obsolètes peut sembler précise tout en menant à la mauvaise conclusion. Un agent a besoin de dates fiables, d’identités produit précises et de règles permettant de résoudre les sources incohérentes.

Les biais peuvent s’introduire par la sélection des sources. Les fournisseurs bien documentés peuvent recevoir davantage d’attention que des fournisseurs adaptés disposant de contenus publics plus limités. Les grandes entreprises peuvent dominer les preuves récupérées, car elles génèrent davantage de couverture.

Les critères de classement de l’agent peuvent introduire une distorsion supplémentaire. Une demande visant à minimiser les coûts peut négliger le risque de migration. Une exigence portant sur un grand nombre d’intégrations peut récompenser l’étendue tout en ignorant la qualité de chaque connexion.

La revue humaine ne résout pas automatiquement ces problèmes. Les personnes peuvent accepter des synthèses formulées avec assurance sans vérifier les preuves sous-jacentes, notamment lorsque le résultat confirme une préférence existante.

Cela crée un paradoxe de l’automatisation. Plus un agent produit efficacement une recommandation aboutie, plus il devient facile de négliger des données d’entrée incertaines.

Les entreprises doivent donc distinguer la participation de l’IA de son autorité. La participation comprend la recherche, l’extraction, la comparaison et la préparation des flux de travail. L’autorité comprend l’engagement de fonds, l’acceptation de conditions ou la modification de systèmes de production.

La première catégorie a clairement intégré les achats B2B courants. La seconde exige des mécanismes plus solides d’identité, d’autorisation, d’audit et de responsabilité.

La conclusion d’IDC reste importante sans prétendre que les services achats sont devenus autonomes. Le changement immédiat concerne le contrôle de l’information. Les agents influencent de plus en plus ce que les acheteurs voient et les questions qu’ils posent.

La phase suivante dépendra de la capacité des entreprises à transformer cette influence en actions fiables et gouvernées.

Trois signaux montreront si les acheteurs IA acquièrent une véritable autorité

Les chiffres d’adoption importent désormais moins que les preuves d’autorité déléguée, de résultats fiables et d’adaptation des fournisseurs.

Le premier signal est l’apparition de données transactionnelles mesurables. Les entreprises et les fournisseurs de technologies doivent révéler quelles tâches les agents accomplissent, à quelle fréquence les humains interviennent et quelles valeurs d’achat ces systèmes gèrent.

Une hausse des transactions autonomes finalisées renforcerait l’affirmation selon laquelle les agents IA sont devenus des acheteurs plutôt que des assistants de recherche. Des taux élevés de remplacement ou de correction l’affaibliraient.

Les données transactionnelles devraient également distinguer les renouvellements courants des nouveaux achats stratégiques. Renouveler un abonnement standardisé dans une limite de dépenses présente moins d’incertitude que sélectionner une infrastructure pour un déploiement majeur.

Le deuxième signal est le progrès en matière d’identité et d’autorisation des agents. Les organisations ont besoin de moyens pour établir quel agent agit, quelle autorité il porte, quelles ressources il peut consulter et comment cette autorité peut être révoquée.

Le NIST a identifié l’identité et l’autorisation comme des exigences centrales pour l’utilisation d’agents en entreprise. Des normes plus claires faciliteraient la reconnaissance des agents par les plateformes d’achats, les systèmes fournisseurs et les contrôles financiers, sans leur accorder un accès excessif.

Une mise en œuvre généralisée d’autorisations limitées et d’approbations auditables favoriserait des achats plus autonomes. Des incidents de sécurité répétés ou une responsabilité juridique incertaine maintiendraient les agents dans un rôle consultatif.

Le troisième signal est la manière dont les fournisseurs repensent leurs canaux numériques. Il faut surveiller l’apparition de données produit plus faciles à vérifier, comparer et récupérer dans la documentation, les portails de sécurité, les places de marché et les rapports récents.

Les fournisseurs devront également vérifier si les systèmes d’IA décrivent leurs produits avec exactitude. Un écart entre la documentation officielle et la réponse d’un agent peut influencer une liste restreinte avant même que l’entreprise ne sache qu’un acheteur existe.

Google News continuera de faire partie de cet environnement de preuve, en particulier lorsque des événements récents influencent le risque associé à un fournisseur. Son influence commerciale deviendra plus difficile à mesurer si les agents consomment des informations sans générer de recommandations conventionnelles.

Les fournisseurs performants ne réagiront pas en inondant chaque canal de contenus répétitifs générés par IA. Le volume peut accroître les contradictions, diluer l’attribution et rendre les preuves pertinentes plus difficiles à identifier.

Ils publieront des affirmations précises, montreront les limites, maintiendront une documentation à jour et fourniront une validation indépendante lorsque cela est approprié. Les représentants commerciaux interviendront alors aux moments de forte confiance, avec des preuves répondant à l’incertitude réelle de l’acheteur.

Pour les acheteurs d’entreprise, la question pratique n’est pas de savoir s’il faut utiliser un agent. Beaucoup le font déjà. La question est de savoir quelles tâches méritent d’être déléguées et quelles preuves doivent rester visibles pour un décideur humain.

Commencez par consigner les sources à l’origine des recommandations importantes. Exigez une approbation avant qu’un agent n’envoie des engagements, n’accepte des conditions ou ne déclenche un paiement. Testez les résultats par rapport aux exigences réelles plutôt que de juger leur fluidité.

Surveillez ensuite les trois signaux : des transactions autonomes vérifiées, une identité d’agent applicable et des preuves fournisseurs lisibles par machine. Ensemble, ils montreront si le chiffre de 80 % d’IDC représente une première habitude de recherche ou le fondement d’un nouveau système d’achat.

Les agents IA ont déjà modifié le chemin menant à une liste restreinte d’entreprise. La prochaine décision appartient aux acheteurs : conserveront-ils ces systèmes comme partenaires de recherche rapides, ou leur accorderont-ils l’autorité sur l’achat lui-même ?