En 2023, Le Slip Français était au bord de la rupture. Le chiffre d’affaires avait reculé à 18,7 millions d’euros. Les résultats opérationnels restaient dans le rouge. La formule entendue dans les couloirs du siège résumait la situation, ça passe ou ça casse. Trois ans plus tard, la marque affiche un objectif de 21,1 millions d’euros de chiffre d’affaires pour 2025, un EBITDA de 2,1 millions d’euros, soit 10% de marge, et 4 millions d’euros de cash générés sur la période.

Ce redressement ne doit rien au marketing. Il doit tout à la supply chain. L’histoire mérite l’attention de tous les dirigeants qui doutent encore de la viabilité économique du Made in France. Elle démontre qu’une relocalisation rentable est une équation de volume, de standardisation et d’excellence logistique. Pas une incantation patriotique.

La fin du mirage DNVB

Pendant une décennie, Le Slip Français a incarné le succès des Digital Native Vertical Brands à la française. Marketing d’impact, fondateur charismatique en la personne de Guillaume Gibault, notoriété exceptionnelle qui atteint encore 60% en 2025 selon YouGov. Mais le modèle avait atteint son plafond de verre.

Les coûts d’acquisition client explosaient. Le slip à 40 euros était devenu le symbole d’un localisme de niche, un objet de mode ou un cadeau, jamais un équipement du quotidien. Dans un contexte de crise du pouvoir d’achat, cette structure de prix condamnait la marque à des volumes insuffisants pour saturer un outil industriel français morcelé.

L’arrivée de Léa Marie à la direction exécutive a marqué le tournant. Le diagnostic était brutal. Pour pérenniser l’emploi en France, il fallait changer de catégorie de marché. La supply chain est passée du rang de fonction support à celui de centre de profit et de levier de survie.

Le pari du prix divisé par deux

Le cœur de la transformation tient en une décision, vendre les sous-vêtements entre 20 et 25 euros au lieu de 40 euros. Ce repositionnement place la marque face à Athena ou Dim, tout en conservant une fabrication 100% locale. Le pari a fonctionné. 200 000 nouveaux clients ont été recrutés depuis 2023.

Mais baisser le prix de vente sans détruire la marge exige une baisse symétrique du prix de revient industriel. C’est ici que l’ingénierie supply chain entre en scène. Le PRI a chuté de 45% entre 2023 et 2025. Ce résultat ne vient pas d’une négociation agressive avec les fournisseurs. Il vient d’une transformation complète de la demande adressée aux usines.

Le projet Révolution, la massification comme arme

Le plan opérationnel, baptisé Révolution, a appliqué les recettes de la grande industrie au tissu artisanal français. Le principe directeur, la complexité est l’ennemie de la marge.

Trois chantiers ont porté cette rationalisation. Le catalogue a d’abord été sabré de 30%, passant de 5 000 à environ 2 500 références actives. Moins de modèles signifie moins de réglages machines et une meilleure rotation des stocks. L’offre s’est ensuite recentrée sur cinq coloris permanents, bleu, blanc, rouge, gris, noir. Pour les usines, cette standardisation chromatique élimine les ruptures de charge, ces temps morts coûteux où il faut changer les fils et les teintures. Enfin, l’entreprise est passée de micro-commandes de quelques milliers de pièces à des engagements massifs de 400 000 pièces auprès de son réseau.

Cette visibilité donnée aux partenaires industriels a généré des économies d’échelle considérables sur les achats de coton et d’élastiques. Le produit final devient accessible sans sacrifier la qualité. La leçon vaut pour tous les secteurs. On ne sauve pas une industrie avec des micro-séries. On la sauve avec des volumes engagés sur l’essentiel.

La détention d’actifs, un choix contre-courant

Contrairement à la plupart des marques de mode qui externalisent tout, Le Slip Français a fait le choix de détenir son outil industriel. Le groupe s’est structuré autour de trois unités.

L’usine Bonne Nouvelle à Aubervilliers, détenue à 100%, constitue le fer de lance. Cette unité semi-automatisée produit 25 000 pièces par semaine, soit un million de pièces par an, et couvre 60% des besoins en sous-vêtements. Située à trois heures de route de l’entrepôt central, elle offre une réactivité totale.

La Belle Paire, en Haute-Vienne, est une joint-venture détenue à 50,1% avec les ateliers Broussaud. Dédiée à la chaussette, elle produit 400 000 paires par an sur des lignes robotisées.

L’unité Fier(t), lancée en avril 2026 en Île-de-France, complète le dispositif avec une production multi-produits, t-shirts et pyjamas, pour élargir l’offre équipement.

Cette intégration verticale a un effet financier direct. Le besoin en fonds de roulement a été divisé par deux en trois ans. En produisant au plus près des besoins réels, la marque évite les deux pièges classiques du textile, le surstockage qui immobilise le cash et la rupture qui détruit la vente.

La logistique au millimètre

Avec 80% du chiffre d’affaires réalisé en e-commerce, la logistique est le dernier rempart de la marge. Erwan Baudin, directeur des opérations, a instauré une culture de la gestion au millimètre.

L’innovation la plus structurante concerne le stock unitaire. Auparavant, les packs de trois slips étaient pré-construits en usine. Ce système figeait les stocks et créait des ruptures artificielles. Un pack bleu-blanc-rouge devenait indisponible s’il manquait une seule unité blanche, alors que les slips bleus et rouges dormaient en rayon.

La marque a basculé vers des packs à la volée. Grâce à la synchronisation entre le CMS Shopify, le PIM et l’ERP Prios, le site vend n’importe quelle combinaison sous forme de bundle virtuel. La commande est ensuite décomposée en unités réelles pour les préparateurs chez le logisticien Logtex. Résultat, une disponibilité produit maximale et des niveaux de stock optimisés.

L’obsession du détail va plus loin. La mutualisation des quantités sur des codes EAN identiques lors de la préparation de commande économise 15 000 bips de picking par mois. Côté transport, le panel est passé de dix prestataires à trois transporteurs stratégiques, point relais, domicile, express. La promotion agressive du point relais, qui représente 70% des expéditions fin 2025, a réduit le coût moyen par colis de 10 à 15% tout en améliorant le taux de service.

L’IA et la RSE, les leviers silencieux

L’optimisation ne s’arrête pas à l’entrepôt. La solution d’intelligence artificielle Yuma automatise 50% des tickets du service client, suivi de colis et retours simples. Cette automatisation a quasiment supprimé le recours à l’externalisation du SAV, pour une économie d’environ 50 000 euros par an, sans dégrader la satisfaction client.

La responsabilité sociétale complète le dispositif. Certifiée B Corp, la marque déploie la plateforme Footbridge pour garantir une traçabilité totale, de la fibre au produit fini. Ce choix anticipe les exigences de la loi AGEC et prépare les futures obligations de transparence.

L’argument environnemental devient commercial. L’empreinte carbone par produit est inférieure de 50% à la moyenne du secteur. Produire en France n’est plus seulement un acte patriotique. C’est un choix rationnel qui convertit une clientèle exigeant des preuves.

Le Made in France est-il enfin scalable ?

La trajectoire 2023-2025 apporte une réponse claire. Oui, l’industrie textile française peut être rentable et passer à l’échelle, à condition d’accepter une discipline industrielle stricte. La marque invite désormais les Français à devenir actionnaires de cette transformation, preuve d’une confiance retrouvée dans le modèle.

Le cas dépasse largement le textile. Toute entreprise qui envisage une relocalisation partielle de sa production y trouvera une feuille de route, standardiser l’offre, sécuriser les capacités par la détention d’actifs, et traquer chaque euro de coût logistique.

Ce que les dirigeants devraient retenir

Premièrement, la standardisation précède la compétitivité. La baisse de 45% du prix de revient industriel ne vient pas de la négociation. Elle vient de la simplification du catalogue, de la réduction des coloris et des engagements de volume. Avant de demander des efforts à vos fournisseurs, simplifiez ce que vous leur demandez de produire.

Deuxièmement, la maîtrise de l’outil industriel protège le cash. La détention des usines a permis de diviser le BFR par deux. L’externalisation totale offre de la flexibilité apparente, mais elle prive l’entreprise du pilotage fin entre production et demande réelle.

Troisièmement, la rentabilité des produits à prix serrés se joue dans les détails invisibles. Les bundles virtuels, les 15 000 bips de picking économisés et l’automatisation du SAV pèsent plus lourd que n’importe quelle campagne publicitaire.

Et vous, votre organisation serait-elle prête à diviser ses références par deux pour gagner en compétitivité industrielle ? La détention d’actifs de production vous semble-t-elle un pari raisonnable ou un risque excessif dans votre secteur ?

Continuez la discussion sur Chain.NET, la communauté mondiale des professionnels de la supply chain, www.chain.net. Vous pouvez y poser vos questions, rejoindre des événements et débats, et accéder à des ressources exclusives réservées aux membres.

Pendant l’essentiel de son histoire, le sourcing dans la mode a été traité comme une commodité. Trouver une usine. Fabriquer un produit. L’expédier. Puis le COVID a brisé le supply chain, et les conseils d’administration ont enfin réalisé que la partie dont personne ne voulait était celle qui comptait le plus.

Ce basculement est au cœur d’une conversation sans détour avec Anne-Laure Descours, ancienne Chief Sourcing Officer de Puma et vétérane du secteur depuis 30 ans, basée à Hong Kong. Elle a quitté le conseil d’administration de Puma fin 2024 et conseille aujourd’hui des marques, siège à des conseils et soutient des startups du recyclage. Son analyse est directe. L’ancien manuel du sourcing est terminé, et les marques qui l’utilisent encore ont déjà deux ans de retard.

De la commodité au comité exécutif

Descours avance un argument structurel qui explique pourquoi le sourcing a été sous-estimé si longtemps. La mode est l’une des rares industries où les marques ne fabriquent pas. Les entreprises de l’alimentaire, de l’automobile et de la beauté produisent ce qu’elles vendent. Les marques de mode conçoivent et vendent, mais la fabrication se passe ailleurs. Cette distance a maintenu la connaissance de la production hors du conseil d’administration.

Le COVID a changé l’équation. La perturbation a montré aux dirigeants que comprendre comment un produit passe de la matière première au rayon est critique, pas administratif. Ajoutez les réglementations de durabilité qui exigent des données approfondies sur le supply chain, et le sourcing prend soudain un vrai poids stratégique.

Le périmètre du métier a changé avec lui. Quand Descours a débuté il y a 30 ans, le sourcing consistait à couper le tissu, coudre et expédier. Aujourd’hui, elle estime que cela représente 5% du travail. Les 95% restants relèvent de la conformité, de la paperasse, des données et de l’orchestration. Le sourcing n’est plus une transaction. C’est un rôle d’orchestration, qui guide subtilement acheteurs et fabricants vers là où l’entreprise doit aller.

Le partenariat l’emporte sur la chasse au prix

La ligne de partage la plus nette entre marques gagnantes et perdantes, selon Descours, tient à la façon dont elles traitent leurs fournisseurs.

Elle se souvient du modèle d’enchères populaire il y a 15 ans, où les grands acheteurs affichaient des volumes et laissaient les fournisseurs surenchérir les uns contre les autres. Elle appelle cela le pire du pire. Les acheteurs achetaient un prix, pas un produit, et se retrouvaient avec des produits bon marché et des problèmes de qualité. Sauter d’un pays et d’un fournisseur à l’autre pouvait offrir un meilleur FOB, mais le coût total du produit finissait plus élevé.

Intégrer un nouveau fournisseur coûte cher. Audits, conformité, accès aux systèmes et reporting des données ajoutent tous des coûts et des efforts. Chez Puma, la philosophie était simple. Se développer avec les fournisseurs sur des plans à cinq ans pour qu’ils connaissent la direction et puissent investir avec confiance en tier one et tier two. Cela donne aux fournisseurs de la visibilité, de la crédibilité auprès des prêteurs et une raison de s’engager. Cela donne aux marques de la transparence et moins de mauvaises surprises.

Puma concentrait 80% de son sourcing chaussures, textile et accessoires sur 22 fournisseurs clés. Le textile reposait sur seulement 10. Cette concentration s’accompagnait d’une intégration verticale. Certains partenaires, comme Crystal Group, ont racheté leurs propres fournisseurs tier two au Vietnam pour approvisionner en tissu les t-shirts Puma. Le gain était la traçabilité, la planification stratégique conjointe du fil au tissu, et un flux d’innovation venu du bas, de fournisseurs qui comprenaient la direction de la marque.

Le déficit de visibilité

Voici la statistique dérangeante. Descours estime que huit marques sur dix ont investi leur énergie au tier one et ont peu de visibilité au-delà. Seulement deux sur dix ont poussé vers le tier two et le tier three, là où se trouvent la majorité des émissions de carbone et l’essentiel des données significatives.

L’obstacle est en partie physique. Les sièges des marques sont loin de l’Asie, et le COVID a empêché les gens de se rendre dans les usines. Descours dit rester surprise du peu de temps que les dirigeants passent sur le terrain, alors que l’innovation, la connaissance et la capacité de planification naissent toutes à l’usine. Quand le sourcing ne siège pas au niveau C, la relation s’effondre en un échange transactionnel entre une équipe et un fournisseur.

Son conseil est pratique. Posez deux questions avant de courir après un nouveau pays ou une nouvelle stratégie. Est-ce que cela a du sens ? Quelle est la valeur ? Si c’était votre propre argent, le feriez-vous ? Une usine qui fait de l’assemblage sur un nouveau marché a peu d’intérêt si le tissu voyage toujours sur 5 000 kilomètres, puisque 60% du coût d’un produit est la matière et que le délai est lié au tissu.

La planification de la demande est le socle

Quand la conversation se tourne vers l’IA, Descours est précise sur son terrain le plus utile. L’IA agentique délivre une valeur massive dans la planification de la demande, et la planification de la demande est tout pour le sourcing. La précision des prévisions permet aux fournisseurs d’éviter les pics et les creux, de réduire la sous-traitance et de lisser leur capacité.

Elle cite des marques qui ont doublé leur chiffre d’affaires en quatre ans en produisant ce dont elles avaient réellement besoin au niveau de la taille et du style. Cette précision réduit aussi le gaspillage de produits fabriqués puis détruits parce que personne n’en voulait.

Elle relie cela à une approche fabric-first. Sur un délai de huit semaines, six semaines sont pour le tissu et deux pour la production. Les fournisseurs intelligents pré-produisent déjà les tissus partagés à partir des données historiques des marques, sans qu’on le leur demande. Cette intelligence, fondée sur la règle des 80/20 et exécutée sur la confiance plutôt que sur des contrats, est ce qui rend un écosystème agile.

Talent, géopolitique et la question des données

Descours conteste l’idée que le talent ne vit qu’en Europe et aux États-Unis. Le vivier à travers l’Inde, le Bangladesh, le Vietnam, la Chine et l’Indonésie est massif, surtout en analyse de données et en architecture système. Chez Puma, elle a bâti sa meilleure équipe de données durabilité à Hong Kong, pas en Allemagne, parce que les millions de points de données à collecter et vérifier sont près de la fabrication.

Sur la géopolitique, elle considère la gestion de crise comme la compétence de base du sourcing. Les tarifs douaniers persisteront, et les grands acteurs routent déjà leur production pour les contourner. Elle pointe la hausse des coûts de transport et d’assurance liée à la situation iranienne comme un problème plus immédiat que les tarifs. Son inquiétude plus profonde est numérique. À mesure que le partage de données entre pays devient une question de sécurité nationale, les marques pourraient perdre l’accès aux données fournisseurs qu’exige le reporting durabilité.

Enseignements pour les dirigeants du sourcing

Reformulez la durabilité en valeur business. Descours est franche. Abandonnez carrément le mot, car il déclenche désormais du rejet. Parlez plutôt de transformation, d’économies d’énergie renouvelable et de compétitivité. Des panneaux solaires qui réduisent de 30% le coût de l’électricité sont un argument business, pas moral.

Investissez dans la connaissance, pas dans les raccourcis. Sa principale inquiétude vis-à-vis de l’IA agentique est que les réponses faciles érodent la discipline de l’apprentissage. Entourez-vous d’experts métier, construisez une équipe multiculturelle et déplacez-vous sur le terrain. Il n’y a pas de raccourci pour savoir.

Le problème du gaspillage est la bombe à retardement du secteur. Le monde produit 150 milliards de vêtements par an, et le déchet post-consommation n’a aucune solution scalable sans subventions pour la collecte et le tri. La circularité, selon elle, relève encore plus du rêve que de la réalité.

Votre organisation achète-t-elle encore ses fournisseurs au prix, ou construit-elle les partenariats et la capacité de planification de la demande qui créent un véritable avantage stratégique ? Qu’est-ce qui empêche votre équipe d’accéder à la visibilité tier two et tier three ?

Poursuivez la discussion sur Chain.NET, la communauté mondiale du supply chain, sur www.chain.net. Posez vos questions, participez aux événements et accédez à des ressources exclusives.

Pendant des décennies, la Supply Chain s’est apprise comme on apprend un métier de flux. Chaque fonction gardait son périmètre. Le demand planner prévoyait, l’approvisionneur commandait, le responsable d’entrepôt stockait, le transporteur livrait. La compétence se mesurait à la maîtrise d’un maillon. Aujourd’hui, ce modèle a volé en éclats, et les entreprises peinent à former les profils dont elles ont besoin.

Le constat est partagé bien au-delà de la France. Selon l’enquête annuelle du MIT Center for Transportation and Logistics, la pénurie de talents figure depuis plusieurs années parmi les trois premières préoccupations des directeurs supply chain dans le monde. Gartner estime de son côté qu’une majorité d’organisations considèrent le déficit de compétences comme le principal frein à l’adoption des technologies de planification avancée. Le problème n’est donc pas le recrutement seul. C’est la capacité à rendre les nouveaux profils opérationnels sur des sujets devenus profondément interconnectés.

Le métier de flux a cédé la place au métier de liens

Prenez un demand planner. Il ne travaille plus uniquement sur des courbes de prévision. Il doit intégrer les ambitions commerciales, le calendrier promotionnel, les contraintes industrielles, les niveaux de stock, les risques de rupture et l’impact cash de ses arbitrages. Un exemple concret. Quand une enseigne lance une promotion agressive sur un produit sans prévenir la planification à temps, la prévision dérape, le fournisseur ne suit pas, et la rupture arrive en pleine campagne. Le planner se retrouve alors à arbitrer entre satisfaction client et désorganisation de l’entrepôt.

L’approvisionneur vit la même mutation. Passer une commande fournisseur ne suffit plus. Il gère des aléas internationaux, des délais variables, des tensions capacitaires et des données souvent imparfaites. La crise du fret maritime de 2021 et 2022 a servi de révélateur brutal. Des acheteurs habitués à des lead times stables ont dû, du jour au lendemain, raisonner en scénarios, en stocks tampons et en sourcing alternatif. Beaucoup ont appris ces réflexes dans l’urgence, sans y avoir été formés.

Même les profils entrepôt et transport sont désormais exposés à la donnée, aux KPI, à l’automatisation et aux attentes clients. La frontière entre métier opérationnel et métier analytique s’efface.

Pourquoi ces métiers résistent à la formation classique

Un problème Supply Chain est rarement isolé. Une rupture produit peut venir d’une mauvaise prévision, d’un fournisseur en retard, d’un paramètre ERP incorrect, d’une master data erronée ou d’un arbitrage financier sur le stock. Et parfois de tout cela en même temps.

C’est précisément ce qui rend la discipline difficile à enseigner. On peut expliquer séparément la planification, l’approvisionnement, le transport, la finance ou la data. Sur le terrain, ces sujets se mélangent en permanence. La plupart des formations transmettent des concepts solides, le stock de sécurité, le taux de service, le lead time, l’incoterm, le MRP, le WMS. Mais elles recréent rarement la complexité réelle. Elles montrent le flux théorique, pas les tensions entre départements. Elles enseignent l’outil, pas toujours la logique métier qui se cache derrière.

Or la Supply Chain moderne réclame avant tout une capacité d’arbitrage. Faut-il gonfler le stock pour protéger le service alors que le cash est sous pression ? Faut-il accepter une commande urgente qui désorganise la préparation ? Faut-il automatiser un processus encore mal maîtrisé ? Ces questions ne sont pas techniques. Elles exigent de comprendre l’entreprise dans son ensemble.

Le profil hybride, nouvelle norme

Les meilleurs profils ne sont pas ceux qui connaissent un seul domaine en profondeur. Ce sont ceux qui savent relier. Assez de finance pour mesurer l’impact du stock. Assez de commerce pour saisir la pression client. Assez d’IT pour ne pas demander l’impossible à un ERP. Assez de terrain pour savoir qu’un processus parfait sur PowerPoint devient ingérable dans un entrepôt à 15 000 commandes par jour.

Cette montée en compétence prend du temps. Un jeune diplômé assimile vite un schéma de flux ou un calcul de réapprovisionnement. Il lui faudra des années pour décoder les zones grises, les compromis, les jeux d’acteurs, les contournements terrain et les conséquences indirectes d’une décision. Le même défi se pose pour les reconversions. La Supply Chain attire parce qu’elle recrute et qu’elle touche à l’international, à la data et aux opérations. Mais y entrer demande plus qu’une formation courte. Il faut apprendre à penser en flux, en contraintes et en dépendances.

Beaucoup d’entreprises sous-estiment cet effort. Elles recrutent des juniors en espérant une autonomie rapide sur des sujets complexes. Elles demandent à des opérationnels de devenir data-driven sans leur donner le temps de maîtriser les outils. Elles confient des transformations ERP à des chefs de projet peu exposés au terrain. Le résultat est connu. Les équipes apprennent par crise. Elles découvrent l’importance de la master data quand un flux bloque, et le rôle du transport quand un retard client devient critique. Cette méthode fonctionne parfois. Elle coûte cher en stress, en erreurs et en dépendance à quelques experts internes.

Former un système, pas une somme de silos

La solution ne consiste pas à produire davantage de contenus. Il faut bâtir des parcours qui ressemblent à la réalité. Montrer ce qui se passe quand la prévision est fausse, quand l’ERP bloque, quand le stock physique ne correspond pas au stock système, quand la finance exige une réduction brutale des inventaires alors que le commerce veut accélérer. Quand tout le monde a une bonne raison, et que l’entreprise doit quand même trancher.

Les compétences comportementales deviennent centrales. Communiquer, challenger, prioriser, faire collaborer des fonctions différentes, ce n’est plus un bonus. C’est une compétence métier. La Supply Chain est devenue un espace de coordination permanent.

Attention toutefois à l’excès inverse. Transversalité ne signifie pas superficialité. Un bon profil garde une expertise de départ solide quelque part, planification, logistique, ERP ou data. C’est elle qui donne la crédibilité. Sans cette ancre, on fabrique des profils qui parlent de transformation sans savoir expliquer pourquoi un camion est bloqué, pourquoi un MRP propose une commande absurde ou pourquoi une interface a cassé un flux. La fonction a besoin de profils hybrides, pas de profils flous.

Deux enseignements à retenir

Premièrement, arrêtez de former la Supply Chain comme une collection de silos. Formez-la comme un système où les décisions circulent, où les erreurs se propagent et où les objectifs se contredisent. Le cas concret vaut mieux que le schéma idéal.

Deuxièmement, protégez l’expertise de base. La transversalité ne se construit pas sur du vide. Elle s’appuie sur une compétence technique réelle qui donne la légitimité de relier les autres.

Cette évolution rend les métiers plus exigeants. Elle les rend aussi plus passionnants. Peu de fonctions offrent une vision aussi complète de l’entreprise.

Et vous, comment formez-vous vos équipes à cette transversalité sans sacrifier l’expertise technique ? Le recrutement de profils juniors tient-il ses promesses dans votre organisation, ou apprenez-vous encore par crise ?

Continuez la discussion sur Chain.NET, la communauté mondiale des professionnels de la supply chain: www.chain.net. Vous pouvez y poser vos questions, rejoindre des événements et débats, et accéder à des ressources exclusives réservées aux membres.

Gartner s’aventure sur un nouveau marché au pire moment possible. Le géant de la recherche a recemment publié son premier Magic Quadrant dédié au conseil en stratégie, planification et opérations de chaîne d’approvisionnement. Le verdict place Accenture, Deloitte, McKinsey et PwC dans le quadrant des Leaders, EY en Challenger, BCG en unique Visionnaire, et relègue Bain, Capgemini et KPMG au rang de Niche Players.

Le rapport, rédigé par les analystes Michael Dominy et Caleb Thomson, remplace l’ancien format Market Guide par un Magic Quadrant complet. Gartner justifie ce changement en invoquant un marché avec “une différenciation concurrentielle plus claire”. Mais le timing interpelle. Ce nouveau quadrant émane d’une entreprise dont l’action s’est effondrée d’environ 64 % en douze mois, dont les actionnaires ont déposé une plainte collective pour fraude boursière, et dont la crédibilité est ouvertement remise en cause par les praticiens qui traitaient autrefois ses recherches comme parole d’évangile. L’arbitre distribue des notes pendant que le tribunal examine son propre dossier.

Une Entreprise en Chute Libre Qui Note les Autres

Les chiffres racontent une histoire brutale. L’action Gartner a clôturé à 132,69 dollars le 9 juillet 2026, loin de son plus haut sur 52 semaines de 409,76 dollars et de son sommet historique de 551,80 dollars atteint en novembre 2024. Le titre a touché un plancher de 124,25 dollars fin juin, quelques jours à peine après la publication de ce Magic Quadrant. La capitalisation boursière a fondu de plus de 40 milliards de dollars à son apogée à environ 9 milliards aujourd’hui. Le chiffre d’affaires du premier trimestre 2026 a même reculé de 1,5 % sur un an, et les analystes ne cessent d’abaisser leurs objectifs de cours, certains passant d’environ 253 dollars à moins de 200 dollars.

Pire encore, une plainte collective pour fraude boursière couvre désormais les investisseurs ayant acheté l’action Gartner entre février 2025 et février 2026. Elle allègue des communications trompeuses sur la croissance de la valeur des contrats et sur la performance du segment Consulting. Relisez bien. L’arbitre qui distribue les classements de conseil est lui-même accusé d’avoir trompé le marché sur sa propre activité de conseil. L’ironie est totale.

Anna McGovern, conseillère en supply chain et auteure d’Antifragile Supply Chains, avait diagnostiqué la cause profonde dès le début de la chute : “L’IA a banalisé la recherche correcte et les présentations PowerPoint. Les clients ne veulent plus de PDF après coup. Ils veulent des réponses dans leur flux de travail.” Rich Sains, responsable de la transformation des achats chez Qatar Airways, a résumé le basculement en une phrase : “Avant, en tant que responsable des achats IT, j’aurais interrogé un analyste Gartner. Aujourd’hui, je demande à ChatGPT ou Gemini.”

Un Arbitre Juge et Partie

Le modèle économique de Gartner crée un conflit d’intérêts structurel que l’entreprise refuse d’affronter. Le cabinet tire ses revenus d’abonnements de recherche, de services de conseil, de parrainages d’événements et de droits de reproduction, dont une part substantielle provient des entreprises mêmes qu’il évalue. Les cabinets classés Leaders achètent des licences de reproduction pour promouvoir leur positionnement. Le rapport lui-même porte la mention “Licensed for Distribution”. Le classement génère du chiffre d’affaires pour le classeur. Cherchez l’erreur.

Gartner affirme que ses recherches sont “produites de manière indépendante, sans influence d’aucune tierce partie”. Les vétérans de l’industrie n’y croient plus. David Linthicum, stratège cloud et IA reconnu et ancien directeur technique, qualifie le modèle sans détour de “pay-to-play par excellence, presque de l’extorsion légalisée”. Selon lui, “les entreprises se sentaient obligées de s’abonner juste pour suivre, tandis que les fournisseurs se sentaient quadruplement obligés de verser de l’argent dans les caisses de Gartner pour avoir le privilège d’être mentionnés”.

Un entrepreneur français, Eric Wanscoor, a chiffré le ticket d’entrée : environ 45 000 euros à l’époque pour qu’une startup entre dans les analyses de Gartner. La stratège marketing Shelly DeMotte Kramer décrit des entreprises “contraintes de payer la taxe Gartner et de jouer le jeu, prises en otage par une relation qui ne délivre aucune valeur réelle”. Une taxe, un otage, un jeu truqué. Le vocabulaire des praticiens en dit long.

Le quadrant consulting aggrave le problème. Les cabinets de conseil comptent parmi les opérateurs de relations analystes les plus sophistiqués au monde. Ils emploient des équipes entières dédiées à la gestion de leur relation avec Gartner. Quand les évalués sont aussi les maîtres de la manipulation de l’évaluateur, le classement mesure le talent en relations analystes, pas la qualité de livraison client.

Une Méthodologie Bâtie sur l’Autodéclaration

Les critères d’évaluation révèlent des fondations fragiles. Une grande partie des données provient des fournisseurs eux-mêmes. Gartner a évalué “les tendances que le fournisseur observe sur le marché”, “la façon dont le fournisseur aborde l’expérience client” et “les talents et la rétention du fournisseur”. Autrement dit, on demande aux candidats de rédiger leur propre bulletin de notes. Les cabinets de conseil ont toutes les raisons de se présenter sous leur meilleur jour.

Le rapport admet lui-même ses lacunes. Gartner note que “plusieurs fournisseurs ont retenu des indicateurs commerciaux granulaires” et que “les exemples concrets d’IA agentique en production à grande échelle restent moins courants que les feuilles de route et les pilotes”. Relisez attentivement. Les fournisseurs ont caché des données clés, et les pilotes comptent autant que les déploiements réels. Que mesure-t-on exactement ? Des promesses.

L’accent mis sur l’IA crée une logique circulaire indéfendable. Chaque profil de fournisseur célèbre l’IA agentique, les jumeaux numériques et les plateformes propriétaires. Pourtant, la propre analyse de Gartner admet que ces capacités restent largement non prouvées à grande échelle. Les cabinets sont classés sur des récits soignés plutôt que sur des résultats démontrés.

Ce schéma a un historique accablant. Linthicum a documenté de multiples prédictions ratées de Gartner, dont la fameuse prévision selon laquelle 80 % des entreprises utiliseraient le cloud pour leurs charges critiques dès 2015, un jalon qui s’est étiré jusque dans les années 2020. Gartner a lui-même averti que 85 % des projets d’IA échoueraient, et prévoit désormais que plus de 40 % des projets d’IA agentique seront annulés d’ici fin 2027. Le cabinet récompense donc les visions IA des consultants alors que sa propre recherche annonce leur échec massif. On ne peut pas mieux illustrer l’incohérence.

Des Barrières Arbitraires et des Boucles de Visibilité

Les critères d’inclusion incorporent des biais structurels. Pour être éligible, un cabinet doit afficher 5 milliards de dollars de chiffre d’affaires total, au moins 1 000 consultants dédiés à la supply chain, et au moins 60 % de ses effectifs de consultants en Amérique du Nord et en Europe. Un cabinet livrant un conseil supply chain exceptionnel principalement en Asie-Pacifique échoue par construction, quelle que soit sa qualité. Pour une discipline dont le centre de gravité s’est déplacé vers l’Asie, c’est absurde.

Un critère mérite une attention particulière : les fournisseurs doivent figurer parmi le “top 50 des fournisseurs dans les demandes de renseignements Gartner”. L’éligibilité d’un cabinet dépend en partie de la fréquence à laquelle les clients de Gartner posent des questions à son sujet. Cela crée une boucle de rétroaction qui récompense les positions établies. Les cabinets déjà visibles dans l’écosystème Gartner se qualifient, ce qui accroît leur visibilité, ce qui renforce leur éligibilité. Le système s’auto-alimente.

Les praticiens expérimentés contestent aussi l’architecture même du quadrant. Erich Gampenrieder, dirigeant supply chain avec près de trois décennies chez Accenture, Deloitte, KPMG et Genpact, soutient que la séparation traditionnelle entre stratégie, planification et opérations “devient obsolète”. La planification, selon lui, “connecte désormais la stratégie d’entreprise, l’architecture, la technologie, la transformation et les opérations en une seule capacité de gestion intégrée”. Dirk Holbach, Chief Supply Chain Officer aguerri, a acquiescé sur l’orchestration tout en ajoutant qu’il “aurait une perspective différente sur l’évaluation Gartner en termes de qui se situe où”. Quand les praticiens contestent à la fois le cadre et les placements, que reste-t-il du classement ?

Une Couverture pour Dirigeants, Pas un Outil de Décision

La fonction réelle du classement est elle-même mise en cause. Le dirigeant technologique Tim McConnaughy décrit le Magic Quadrant comme “un système d’assurance”, où les dirigeants achètent le classement pour pouvoir dire “quand la poussière retombe, j’ai suivi le Magic Quadrant, ce n’est pas ma faute”. Linthicum se souvient de clients admettant avoir pris des décisions technologiques qu’ils savaient douteuses parce que “c’est ce que Gartner recommandait”, protégeant leur carrière plutôt que leur entreprise. Thomas Audibert, fondateur français dans la tech achats, décrit le modèle comme “une boucle auto-entretenue : les fournisseurs paient Gartner, Gartner valide, les dirigeants se sentent en sécurité”.

Un classement qui sert d’abord de parapluie hiérarchique ne mesure rien de la qualité de livraison. Il vend de l’absolution, pas de l’analyse. Le consultant Miroslav Pitlanic a résumé le problème : Gartner “s’est installé confortablement dans la vente de réponses au moment où le marché a commencé à valoriser les questions”.

Les propres recommandations de Gartner sabordent discrètement son quadrant. Le rapport conseille aux acheteurs d’interviewer le personnel proposé, d’obtenir un droit de veto sur les équipes, et d’exiger que les spécialistes issus d’acquisitions composent l’essentiel des équipes projet, car “le cabinet acquis, et non le grand fournisseur mondial, détient l’expertise spécialisée”. Il concède que l’expertise “varie selon la géographie” chez Accenture, est “plus mature en Amérique du Nord” chez Deloitte, et “diffère selon les régions” chez KPMG. Si la qualité varie autant au sein de chaque cabinet, une position sur un quadrant ne dit rien à l’acheteur sur sa mission spécifique avec une équipe spécifique. Le classement note des institutions quand la livraison dépend d’individus.

Un Autre Modèle Est Possible

La leçon profonde est que l’évaluation des fournisseurs et prestataires a besoin de nouvelles fondations, où le placement ne peut pas s’acheter et où la méthodologie sert les acheteurs plutôt que les classés. C’est précisément le vide que le Global Supply Chain Council comble avec le GSCC Vendor Radar (radar.gscc.app), un outil de découverte de fournisseurs de logiciels supply chain construit sur une règle d’indépendance éditoriale stricte : aucun placement payant, jamais. Les fournisseurs ne peuvent acheter ni leur présence sur le radar ni une meilleure position. Au lieu d’axes abstraits en deux dimensions, le Vendor Radar organise les solutions autour de quatre quadrants correspondant aux missions réelles des acheteurs, et chaque fournisseur listé passe par un pipeline de vérification avant d’apparaître.

Le principe est simple. Quand l’évaluateur ne prend pas d’argent des évalués, les acheteurs peuvent enfin faire confiance à ce qu’ils lisent. Et le modèle est conçu pour s’étendre. GSCC explore l’extension de cette même approche indépendante et fondée sur la vérification à un Consulting Radar, appliquant le principe du zéro placement payant au marché même que Gartner vient de tenter de cartographier. Si les cabinets de conseil veulent de la visibilité auprès des acheteurs, ils devront la mériter par des capacités vérifiées et des retours de praticiens, pas par des budgets de relations analystes.

Points Clés à Retenir

Le premier Magic Quadrant consulting de Gartner émane d’une entreprise en crise. L’action a perdu environ 64 % de sa valeur en un an, s’échangeant autour de 133 dollars contre un plus haut annuel au-dessus de 409 dollars, tandis qu’une plainte collective pour fraude boursière allègue des communications trompeuses sur les indicateurs mêmes qui fondent sa crédibilité.

La méthodologie repose lourdement sur l’autodéclaration des fournisseurs et récompense les feuilles de route IA plutôt que les résultats prouvés. Gartner admet que des fournisseurs ont retenu des données commerciales et que les exemples d’IA agentique en production restent rares, alors même que la vision IA pèse lourd dans les classements. Vu l’historique de prédictions ratées de Gartner, les acheteurs devraient fortement décoter les placements fondés sur la vision.

Les conflits structurels demeurent entiers. Revenus de reproduction, taxe Gartner, critères d’inclusion fondés sur la visibilité et seuils de revenus arbitraires : le quadrant mesure la maîtrise des relations analystes et la position établie autant que la qualité de livraison. Les praticiens contournent de plus en plus les analystes, posant aux outils d’IA les questions qu’ils payaient autrefois Gartner pour trancher.

Les modèles indépendants fondés sur la vérification et sans placement payant, comme le GSCC Vendor Radar et un futur Consulting Radar potentiel, indiquent la direction que prend l’évaluation des prestataires. Traitez tout quadrant comme une simple liste de départ, puis appuyez-vous sur les entretiens d’équipe, les livrables témoins et les références indépendantes pour prendre la vraie décision.

Vous appuyez-vous encore sur les classements d’analystes pour sélectionner vos partenaires de conseil, ou les outils d’IA ont-ils changé votre façon de rechercher des prestataires ? Un modèle sans placement payant comme le GSCC Vendor Radar, étendu aux cabinets de conseil, gagnerait-il votre confiance plus vite ? Partagez votre point de vue dans les commentaires ci-dessous.

SAP vient de finir de reconstruire sa plateforme achats. Puis l’entreprise a publié une politique qui donne à chaque client une raison de construire son futur IA ailleurs. La nouvelle API Policy v4/2026 restreint l’accès des systèmes IA autonomes et génératifs aux données SAP, sauf si cet accès passe par des architectures endossées par SAP. Le timing est le problème. SAP a fait ce mouvement au moment précis où la technologie enterprise court vers des architectures multi-agents ouvertes, et juste au moment où SAP elle-même relançait une reconstruction de fond en comble d’Ariba avec ses propres agents Joule. Le marché l’a lu comme une blessure auto-infligée.

Le débat a pris de l’ampleur après qu’une série de posts ait cadré la politique comme un but contre son camp. Les chiffres qui ancrent l’argument sont frappants. Selon un sondage de DSAG, le groupe d’utilisateurs SAP germanophone, 77 pour cent des entreprises SAP actives en IA utilisent déjà des outils non-SAP, tandis que seulement 3 pour cent utilisent Joule en production. La politique ne restreint pas seulement l’adoption future. Elle restreint ce que la plupart des clients SAP font déjà. Le post a attiré des architectes SAP, des rivaux ERP, des dirigeants achats et des leaders d’intégration. L’accord que c’était une erreur stratégique était bruyant. La défense de la logique de SAP était plus discrète mais plus substantielle que le pile-on ne le suggérait.

L’erreur non provoquée

Le cadrage le plus tranchant est venu d’un analyste de technologie achats qui a comparé le mouvement au tennis. La plupart des matchs sont perdus non par le joueur qui frappe le moins de coups gagnants, mais par celui qui commet le plus d’erreurs non provoquées. “SAP had a perfectly reasonable ball sitting in the middle of the court, a genuine platform advantage, an entirely rebuilt Ariba, a Joule agent strategy that was actually starting to look almost interesting, and they hit it straight into the net.”

Son diagnostic de la conséquence était précis. “The real risk isn’t that big enterprises will rip out SAP tomorrow. They won’t. SAP’s ERP code block is safe for a decade or more. The risk is that procurement and finance teams will start building their AI-native workflows around SAP rather than through it, and once that architecture hardens, it doesn’t unharden.”

Cette distinction compte. La menace n’est pas un rip-and-replace dramatique. C’est la construction silencieuse d’une couche d’intelligence externe qui laisse SAP comme ce qu’il a appelé “a dumb node receiving clean data from an external intelligence layer that SAP doesn’t control and can’t throttle.”

Le marché a déjà voté

Le point de donnée le plus cité est devenu le centre rhétorique du débat. Veera Baskar K, SCM consultant, l’a dit franchement. “The 77 percent versus 3 percent gap tells you everything. Enterprises have already voted with their integrations, and SAP’s policy is effectively trying to reverse a decision the market already made.”

Son avertissement opérationnel était plus tranchant pour les équipes supply chain spécifiquement. “If your demand sensing, inventory optimisation, or carrier visibility tools are pulling SAP data through non-approved APIs, you’re now looking at a compliance exposure on top of your existing tech debt.”

Alex Saric, dirigeant enterprise SaaS chevronné, a localisé le mouvement dans l’histoire de SAP. “Yes, SAP at the same game as when they announced indirect license fees to try to block customers from using competing SaaS solutions. We see more and more customers, with their CIOs driving, moving their supplier masters outside the ERP such as to Ivalua, with data being pushed back into SAP but managed outside it. The magic, whether agentic workflows or data management, will increasingly happen outside of SAP.”

Cette observation capte l’ironie structurelle. La politique conçue pour garder la valeur à l’intérieur des murs de SAP pourrait être la chose qui pousse la valeur définitivement à l’extérieur.

La défense de SAP

Toutes les voix n’ont pas rejoint le pile-on. Le contre-argument le plus substantiel est venu de Nils Charvin, account executive chez SAP, qui a soutenu que le débat était cadré trop étroitement. “Agentic AI on ERP isn’t another integration. It’s autonomous write access to systems of record. An agent posting journal entries, releasing payments or mutating master data is a different beast from a Copilot summarizing a thread.”

Son point sur la Section 2.2.2 mérite du poids. “The policy targets exactly that, autonomous systems planning and executing sequences of API calls. Not AI access in general. At that level, governance isn’t optional. Signed agent identity. Scoped tokens. SoD enforced at the API layer. Immutable audit trails. No enterprise CFO signs off on anything less.”

Sa conclusion a recadré le test. “Vendor control is the failure mode. Enterprise-grade interop is the win condition.”

Un développeur chez SAP a posé la logique commerciale plus franchement. “Why should SAP allow competitors to build AI Agents using SAP data instead of developing and selling the agents themselves?”

Saurabh Ajay Kumbhare, SAP integration architect, a défendu la rationale de sécurité. “Feeding general use AI with your customers data is like putting your payslip or HMRC data on Facebook. Even Salesforce doesn’t allow it so let’s stop blaming SAP.”

Le sous-texte du revenu de licence

Plusieurs voix ont identifié le motif commercial que le langage de la politique n’énonce pas. Sudarshan Survepalli, fondateur SaaS, l’a nommé directement. “The problem is more to do with license costs. With one agent capable of doing work of hundreds of users, the loss of user based revenue will pinch. In the short term this may slow the bleeding but needs a rethink in terms of how software or APIs are priced.”

James Flood, client director, a tracé l’analogie avec l’histoire de l’accès indirect de SAP. “This is nothing new, it’s indirect usage. Whether it’s people or AI agents, it’s workload which would otherwise be attributed to subscription and consumption in SAP. Not so different to you sharing your Netflix password.”

Duncan Jones, investisseur logiciel, était moins indulgent. “I called out SAP as ‘Ransomware’ when they introduced their Indirect Access policy. This is even worse. SaaS providers need to find a fair way to monetize agents’ use of their software now they can’t simply count human logins. Protectionist bans and tariffs aren’t the solution.”

Ce cadrage compte. L’économie des agents casse le licensing par siège. La politique de SAP se lit pour beaucoup comme un palliatif pour protéger le revenu pendant que l’entreprise cherche comment pricer les agents, pas une vraie mesure de sécurité.

Le risque des systèmes fantômes

La critique la plus ancrée opérationnellement est venue de ceux qui ont vu la friction de gouvernance se retourner. Paulo Segala, supply chain planning leader, a averti sur l’effet de second ordre. “When official integration is too slow, shadow systems appear. And once that happens, the governance problem gets worse, not better.” Son suivi plus tranchant a nommé le vrai danger. “It is shadow decision logic. Once teams build their own paths around friction, they also create their own signals, thresholds, and escalation rules. That is when governance starts losing the execution layer it was meant to protect.”

Rob Colletti, spécialiste packaging et operations, a fait le même point depuis le terrain. “If systems gate access, teams work around them. That’s how shadow spreadsheets and bad data start, then AI just inherits the mess.”

Cette dynamique est le risque le plus profond de la politique. Une restriction censée imposer le contrôle pourrait produire exactement les workarounds non gouvernés qu’elle était conçue pour prévenir.

Les rivaux observent

La réponse concurrentielle a été immédiate. Ward Karson, COO chez Raindrop, a confirmé l’opportunité. “We also love SAP’s unforced error architecture decision. We fully support the BYOLLM architecture. If a customer wants to bring their own Claude, ChatGPT, Gemini or Grok Enterprise LLM and plug it into Raindrop, we happily offer that. We see the tennis score as Advantage: Industry.”

Amol Joshi, Head of Worldwide Sales chez Ivalua, était plus cinglant. “Maybe they think they are Apple.” Felipe R., leader d’intégration, a pointé Oracle JD Edwards comme bien placé pour capitaliser. Le talking track concurrent s’est écrit tout seul.

À retenir pour les dirigeants supply chain

Trois leçons traversent la discussion. D’abord, la politique ne déclenchera pas de migration immédiate, mais elle durcira les workflows AI-native autour de SAP plutôt qu’à travers. Une fois que cette architecture externe se fige, elle ne s’inverse pas.

Ensuite, la gouvernance est une préoccupation légitime, et l’accès autonome en écriture aux systèmes de référence exige vraiment des contrôles. La question est de savoir si SAP industrialise une interopérabilité sûre et auditable assez vite, ou si le délai d’approbation pousse les équipes vers des systèmes fantômes qui détruisent la gouvernance que la politique prétendait protéger.

Enfin, l’enjeu sous-jacent est le pricing, pas la sécurité. L’économie des agents casse le licensing par siège chez chaque vendeur SaaS. SAP a bougé en premier et maladroitement. Le vendeur qui résout la monétisation des agents sans protectionnisme gagne la décennie.

Si vos workflows IA dépendent des données SAP aujourd’hui, avez-vous cartographié lesquels se trouvent maintenant du mauvais côté de la Section 2.2.2?

Poursuivez la discussion sur Chain.NET, la communauté mondiale du supply chain, sur www.chain.net. Posez vos questions, participez aux événements et accédez à des ressources exclusives.

La plupart des équipes supply chain parlent d’Integrated Business Planning. Très peu le construisent réellement. La raison est simple. La méthodologie est solide, mais les outils sont soit trop chers, soit trop rigides. Pour les petites et moyennes entreprises, l’écart entre la théorie de la planification et son exécution reste béant depuis des décennies.

C’est cet écart qu’Alain Matar a décidé de combler. Senior IBP Leader chez TELUS, Matar a présenté un moteur IBP fonctionnel qu’il a construit avec Claude lors de la première GSCC Builder Session, un nouveau format où les praticiens montrent ce qu’ils ont construit plutôt que de parler d’IA dans l’abstrait. Le résultat n’était pas une démo commerciale. C’était un véritable outil, utilisé pour piloter une activité de distribution alimentaire et de confiserie dans huit pays du Moyen-Orient.

Le problème du téléphone arabe

Matar a passé plus de 20 ans dans le supply chain à travers quatre univers très différents. Il a commencé dans la logistique des opérations de maintien de la paix de l’ONU, où une rupture de stock n’est pas un échec de service mais une crise. De là, il est passé par le retail, la pharma, le gaz, et aujourd’hui les télécoms. Le fil conducteur était partout le même. La planification vivait ou mourait selon les personnes présentes dans la pièce, pas selon le logiciel.

Il a décrit les deux voies traditionnelles qui s’offrent aux entreprises. Vous achetez une plateforme d’entreprise et acceptez ses hypothèses sur votre activité, puis vous adaptez vos opérations à l’outil. Ou vous embauchez un développeur, vous lui expliquez votre métier, et vous le regardez construire quelque chose qui capte environ la moitié de ce que vous avez dit. Vous corrigez. Il reconstruit. Vous recommencez la boucle jusqu’à épuisement du budget. Les entreprises appellent cela de l’itération. Matar appelle cela le téléphone arabe.

Son moteur supprime entièrement la couche de traduction. Il a architecturé la solution et écrit le code lui-même sur quelques week-ends. Aucun développeur au milieu. “C’est juste moi et Claude”, a-t-il dit. Il donne ses instructions en langage clair et Claude exécute. Ce qui change tout, selon lui, c’est que la personne qui comprend le métier peut désormais construire l’outil, et que l’outil peut évoluer aussi vite que l’entreprise.

Ce que fait réellement le moteur

La version qu’il a présentée était la version 11. Elle tourne dans le navigateur et couvre l’ensemble du cycle de planification Oliver Wight Class A, soit environ 26 étapes.

Le panneau d’administration attribue des rôles aux demand planners, supply planners, inventory planners, commercial managers, contrôleurs financiers, acheteurs, responsables de magasin et dirigeants. Chaque rôle reçoit un périmètre défini par branche. Cette structure a résolu le problème central de l’entreprise. Avant, 20 planificateurs travaillaient à partir de 20 fichiers Excel, sans séparation des responsabilités ni source unique de chiffres. Quand un planificateur partait, le fichier partait avec lui.

Le moteur fonctionne par gestion des exceptions. Avec des milliers de références sur de nombreuses branches, personne ne peut suivre chaque signal de demande. Le système signale donc les anomalies. Une référence qui se vend à 10 unités par mois et qui grimpe soudain à 40 est remontée automatiquement. Comme l’a résumé Matar, les exceptions représentent 20% des problèmes mais 80% de la valeur.

Le volet demande inclut un tracker de lancement de nouveaux produits, un calendrier de cadeaux calé sur le Ramadan, l’Aïd, le Nouvel An chinois et Noël, des modèles de prévision statistique, une segmentation ABC-XYZ et par durée de conservation, et du demand sensing sur des fenêtres de 4, 13 et 26 semaines. Le volet approvisionnement gère l’intelligence sur les matières premières, connectée par API à la plateforme d’achat du client, le réapprovisionnement premier expiré premier sorti, la capacité usine par ligne et la couverture en matières premières. La réconciliation intégrée rassemble le tout avec analyse des écarts, allocation par canal et réconciliation financière. Un pack de revue mensuelle se génère automatiquement et part vers les VP chaque quatrième semaine.

Coût, sécurité et le revers de la médaille

L’économie du projet est frappante. Matar a démarré avec Claude Pro à environ 20 dollars par mois, puis est passé au forfait Max à environ 100 dollars. Il estime que la version 11 a demandé environ 80 heures, facilitées par le fait que les moteurs précédents lui offraient une base à personnaliser.

Il a appris l’hébergement cloud et la sécurité de zéro. Claude l’a guidé étape par étape pour déployer sur Google Cloud avec authentification unique et Firestore. Il a utilisé les 400 dollars de crédits gratuits de Google Cloud pour tester d’abord.

Il a été direct sur les risques. Vous devez auditer et stress tester le code. Il a passé 250 scénarios de test pour valider la logique. Son avertissement le plus tranchant portait sur le modèle lui-même. “Le problème avec Claude, c’est qu’il est trop intelligent”, a-t-il dit. Il fait des erreurs, puis vous convainc que ces erreurs sont correctes. C’est précisément pourquoi les plans de test sont essentiels.

Interrogé sur la question de savoir si cela remplace Kinaxis, SAP ou Blue Yonder, sa réponse était claire. Si vous avez un budget de plusieurs millions de dollars et 12 à 24 mois, ces plateformes sont la bonne réponse. Elles sont puissantes, matures et éprouvées. Son outil occupe un autre espace. Il s’adresse aux petites et moyennes entreprises qui ont besoin de la discipline IBP mais ne peuvent justifier la licence et l’implémentation. Fait notable, il a souligné que Kinaxis s’est déjà associé à un cabinet boutique pour viser ce même marché, signe que la tendance est réelle.

Sa prochaine cible est de remplacer PowerBI et Tableau par une couche visuelle complète. Il diversifie aussi son workflow avec Codex en secours, basculant entre les modèles quand l’un atteint une limite.

Enseignements pour les dirigeants supply chain

La discipline est l’actif, pas le tableau de bord. Matar a martelé que l’outil compte parce qu’il construit la discipline IBP, le fondement même du processus. Les graphiques et les scores de maturité sont secondaires.

Commencez petit et itérez vite. Les imports manuels, les rapports d’exception et une source unique de vérité délivrent de la valeur avant toute intégration ERP profonde. L’avantage de construire soi-même, c’est que l’itération est rapide et immédiate.

L’expertise métier est la vraie barrière à l’entrée. Vous n’avez pas besoin d’être développeur. Vous avez besoin de comprendre le supply chain et la méthodologie Oliver Wight assez bien pour savoir quand la logique est cassée. L’IA gère le code. Vous gérez le jugement.

Un planificateur normal pourrait-il construire quelque chose de ce genre ? Et si la réponse est oui, qu’est-ce que cela signifie pour les prochains contrats de logiciels d’entreprise que votre société va signer ?

Partagez votre avis en commentaire. Si vous souhaitez voir le moteur en action, vous pouvez demander une démo directement à Alain à l’adresse Mattaralain@gmail.com. Alain est également membre de Chain.NET et vous pouvez le contacter sur https://www.chain.net/u/a141ce1b.

Le replay complet de cette Builder Session est disponible pour les membres payants du GSCC sur Chain.NET à l’adresse https://www.chain.net/c/session-replays/.

Poursuivez la discussion sur Chain.NET, la communauté mondiale du supply chain, sur www.chain.net. Posez vos questions, participez à la prochaine Builder Session et accédez à des ressources exclusives.

Dans ce nouvel épisode de La Supply, Julien Lemoine et Claire Morel analysent une semaine qui marque un vrai changement d’échelle dans la supply chain.

CMA CGM rachète FedEx Supply Chain pour renforcer CEVA en Amérique du Nord. Colis Privé regarde vers Paack pour accélérer sur le dernier kilomètre en Europe. Decathlon réplique ses entrepôts robotisés avec Exotec. Chronodrive, Nomadia, Relex, Colibri, WinSped et d’autres montrent la même tendance : les petits projets pilotes ne suffisent plus.

La logique devient claire : intégrer, standardiser, automatiser, répliquer.

Mais cette quête d’efficacité se heurte aussi au mur du réel : taxe sur les petits colis contournée, foncier rare, entrepôts à étages, relocalisation des stocks, pression carbone et densification des réseaux.

Un épisode concret pour comprendre pourquoi la supply chain entre dans une nouvelle phase industrielle, où le contrôle des flux, des données, des infrastructures et du dernier kilomètre devient un avantage stratégique majeur.

#LaSupply #SupplyChain #Logistique #CMACGM #FedEx #CEVA #Automatisation #Robotique #DernierKilometre #ImmobilierLogistique

Un récent rapport Gartner a livré un chiffre qui semble raisonnable jusqu’à ce qu’on réfléchisse à ce qu’il signifie réellement. Cinquante-cinq pour cent des dirigeants supply chain s’attendent à ce que l’IA agentique réduise les embauches débutantes. La logique est intuitive. Quand un agent IA gère le traitement des signaux de demande, les déclencheurs de réapprovisionnement et le routage des exceptions de façon autonome, le travail transactionnel sur lequel les analystes juniors passaient la plupart de leur temps disparaît. Moins de transactions, moins de juniors. Le calcul a l’air propre. La conséquence ne l’est pas.

Le débat a pris de l’ampleur après un post d’un dirigeant supply chain global soutenant que la statistique manque ce que le talent junior est réellement. Pas du headcount. Le pipeline pour la capacité de jugement de niveau intermédiaire dont l’organisation aura besoin dans cinq ans. Le planificateur qui a passé trois ans à échouer sur les cycles de demande, à apprendre pourquoi le modèle avait tort, à reconstruire des prévisions de zéro, porte quelque chose qu’aucun agent IA ne réplique: intuition opérationnelle, jugement contextuel et mémoire institutionnelle de pourquoi les chiffres se comportent comme ils le font. Le post a attiré des COO, des directeurs supply chain, des recruteurs et des consultants à travers la FMCG, la pharma et les life sciences. L’accord sur le risque était fort. Le désaccord portait sur quoi faire à la place.

Manger le grain de semence

Le cadrage le plus tranchant est venu de Chin Lee Tan, global director en life sciences et pharmaceuticals. “If we use Agentic AI just to slice out entry-level headcount, we are essentially eating our own seed corn. The operational scar tissue that a junior planner gets from overriding a broken forecast or manually resolving a critical supplier failure is exactly where mid-level judgment comes from. We cannot download institutional memory.”

Sa prescription a rejeté le binaire couper ou garder. “We shall not pause entry-level hiring. Instead, we need to change the job description or role profile, shifting junior talent away from data processing and moving them into system thinking, scenario modelling, and AI oversight. They are the co-pilot managing the agent that builds it, which forces them to learn macro-level trade-offs much earlier in their careers.”

Ce recadrage compte. Le choix n’est pas de savoir s’il faut embaucher des juniors. C’est ce qu’il faut leur faire faire une fois que le travail transactionnel a disparu.

Mike Engdale, supply chain executive en pharma et environnements PE-backed, a aiguisé le point sous-jacent. “Entry-level supply chain roles have never really been about processing transactions. They’ve been about developing judgment under imperfect information. Many of the leaders running supply chain organizations today learned through forecast misses, supplier failures, inventory tradeoffs, and operating constraints, not because those activities were efficient, but because they created pattern recognition.”

Sa conclusion a capté l’enjeu. “AI should elevate early-career talent, not eliminate it. The organizations that get this right won’t just deploy better AI. They’ll build better leaders.”

Automatiser l’exécution, pas l’expérience

Taoufik Arif, leader digital and AI transformation en life sciences et FMCG, a distillé la tension en une ligne. “We can automate the execution, but hard to automate the experience. Eliminate the training ground, and we starve our future leadership.”

L’auteur original a poussé le point un niveau plus profond en réponse. “The true question becomes what experience we need to protect to train the AI of the future.” Cette inversion mérite réflexion. Si les agents IA apprennent des patterns que les planificateurs humains encodent, alors affamer le pipeline d’apprentissage humain finit par affamer l’IA du jugement qu’elle était censée hériter.

Mauricio Jamaica, director of manufacturing and supply chain operations, a nommé le mécanisme avec précision. “When you eliminate entry-level roles, you don’t just reduce headcount, you eliminate the experience layer that builds operational judgment over time. AI can process signals. It cannot replicate the three years of learning why the model was wrong. That institutional knowledge has to be developed, not hired in at the senior level.”

Le piège trimestre par trimestre

Plusieurs voix ont localisé la vraie cause non dans l’IA mais dans les incitations de management à court terme.

Alex Satinsky, supply chain manager, l’a cadré comme un problème structurel. “That’s a danger across the board in business, and unfortunately lines right up with so much of what has become a quarter to quarter approach to leading a business. The focus is too much on short term metrics and not enough on long term sustainability.”

Adam Coonin, advisor indépendant avec trois décennies en supply chain et ERP, a étendu l’avertissement à travers les fonctions. “I see not hiring at the entry level for supply chain as short-sighted. I see this as an issue in other key business areas as well, finance, marketing, IT. Organizations need a steady influx of talent to build the next generation of leaders. The companies that win will not be those that replace entry-level talent with AI, but those that use AI to accelerate learning and enable junior employees to contribute at a higher level.”

Ce point transversal compte. Le problème du pipeline de talent supply chain est une instance spécifique d’un pattern corporate plus large. L’IA fait paraître les coupes débutantes efficaces sur les métriques de cette année tout en drainant discrètement le banc de leadership dont chaque fonction aura besoin.

L’écart entre le narratif et le terrain

La contribution la plus ancrée est venue de Dirk Spijkers, managing partner en end-to-end supply chain management, qui a questionné l’urgence de la prémisse. “There is a growing gap between the AI narrative on LinkedIn and what we see in the field. While companies are piloting AI solutions, relatively few are anywhere near large-scale deployment of advanced AI capabilities across their supply chains.”

Cette observation mérite du poids. La statistique Gartner mesure l’attente, pas le déploiement. Cinquante-cinq pour cent des dirigeants s’attendent à ce que l’IA agentique réduise les embauches débutantes. Bien moins ont l’IA agentique tournant de façon autonome à l’échelle aujourd’hui. Le risque est réel, mais le calendrier pourrait être plus lent que le discours LinkedIn ne le suggère, ce qui donne aux organisations plus de marge pour repenser les rôles que la panique ne l’implique.

Karim Khatib, senior consultant, a fait émerger la vérité inconfortable sur l’ancienne expérience débutante aussi. “I’ve seen many young people joining supply chain teams only to be disappointed by the reality: they master excel formulas and macros but feel they lack planning knowledge even after years on the job.” Son point recadre la nostalgie. Le terrain d’entraînement transactionnel ne produisait pas toujours du jugement. Parfois il produisait des opérateurs de tableur qui n’ont jamais appris la planification du tout. La fluidité IA superposée à un APS bien conçu, a-t-il argumenté, pourrait permettre à une personne de développer le jugement que trois analystes enterrés dans Excel n’ont jamais atteint.

Repenser, pas supprimer

Rodrigo Lavrador, global supply chain leader, a offert la synthèse la plus équilibrée. “The learning curve will not disappear, but it may start at a different point in the value chain. If AI absorbs a significant portion of transactional work, future planners may enter the profession later, with different responsibilities and a different development path. The challenge for leaders will be ensuring that judgment, systems thinking and business understanding continue to be developed intentionally rather than assumed to emerge naturally over time.”

Ce mot, intentionnellement, est la résolution. L’ancien modèle produisait le jugement comme sous-produit du travail transactionnel. Enlevez le travail transactionnel et le jugement n’émerge plus par accident. Il doit être conçu.

À retenir pour les dirigeants supply chain

Trois leçons traversent la discussion. D’abord, les postes débutants n’ont jamais concerné les transactions. Ils étaient le mécanisme qui produisait le jugement opérationnel comme sous-produit. Les couper enlève le sous-produit, et le jugement senior ne peut pas être recruté pour remplacer un pipeline que vous avez cessé de nourrir.

Ensuite, la réponse est le redesign de rôle, pas la suppression de rôle. Déplacez le talent junior du traitement de données vers la modélisation de scénarios, la pensée systémique et la supervision de l’IA. Faites-en des co-pilotes gérant les agents, ce qui force l’apprentissage des trade-offs macro plus tôt que l’ancien modèle ne l’a jamais fait.

Enfin, le jugement doit maintenant être construit intentionnellement. L’ancien apprentissage produisait la capacité par accident. Une fois que l’IA absorbe la couche transactionnelle, les organisations doivent concevoir le développement du jugement délibérément ou regarder le banc de leadership s’amincir dans cinq ans.

Que fait votre organisation avec son pipeline early-career en ce moment, et le développement du jugement est-il conçu ou supposé?

Poursuivez la discussion sur Chain.NET, la communauté mondiale du supply chain, sur www.chain.net. Posez vos questions, participez aux événements et accédez à des ressources exclusives.

Dans ce nouvel épisode de La Supply, Julien Lemoine et Claire Morel analysent une rupture majeure : la fin des cycles logistiques prévisibles.

Avec près de 2 millions de petits colis issus de plateformes asiatiques qui arrivent chaque jour en France, les schémas traditionnels du fret, de l’entreposage et du dernier kilomètre sont bousculés en profondeur.

Peak season imprévisible, taux de fret erratiques, direct shipping, e-commerce asiatique, pression sur les transporteurs, explosion des flux aériens, IA agentique, S&OP en temps réel, entrepôts à étages, plateformes fluviales… cet épisode décrypte une supply chain qui doit apprendre à absorber l’imprévu instantanément.

Car la vraie bataille ne se joue plus seulement dans la prévision. Elle se joue dans la capacité à réagir vite, à orchestrer les flux, à sécuriser du foncier rare, et à faire travailler ensemble l’algorithme, le béton et l’intelligence collective.

Un épisode concret pour comprendre pourquoi la logistique de demain sera peut-être invisible pour le consommateur, mais infiniment plus complexe en coulisses.

#LaSupply #SupplyChain #Logistique #Ecommerce #IA #Transport #Fret #DernierKilometre #SOP #ImmobilierLogistique

Amazon a officiellement lancé Amazon Supply Chain Services, une offre logistique intégrée qui consolide les entrepôts, le réseau de transport, la robotique et les capacités d’orchestration de l’entreprise dans une seule business unit accessible aux clients externes. Le mouvement était télégraphié depuis des années. L’exécution a tout de même pris la plupart de l’industrie 3PL au dépourvu. Selon les sources citées dans l’annonce, Amazon affirme pouvoir réduire les coûts logistiques clients de 30 à 50 pour cent. Même si ces chiffres sont gonflés et que la fourchette réelle est de 10 à 25 pour cent, la disruption est réelle.

Le débat a pris de l’ampleur après un post LinkedIn d’un global supply chain strategist soutenant que les 3PL se sont protégés avec la mauvaise douve. Pendant des années, l’industrie s’est appuyée sur les coûts de changement logiciel, les frictions contractuelles et l’inertie client. Amazon ne fonctionne pas sur Manhattan Associates, Blue Yonder, Oracle ou SAP. L’entreprise a construit son propre moteur d’exécution intégré de zéro. L’argument selon lequel les clients sont verrouillés par leur TMS ou WMS s’évapore quand l’alternative est un système end-to-end qui n’a besoin d’aucun de ces outils pour fonctionner.

Le post a attiré des acheteurs logistique enterprise, des cadres 3PL, des fondateurs technologiques et des consultants supply chain. L’accord sur la menace concurrentielle d’Amazon était fort. Le désaccord sur la façon dont les 3PL devraient répondre était plus tranchant.

Le problème de cohésion

Le recadrage le plus cité est venu de Jonathan Dochod, transformational operations leader. “Most 3PLs are still stitching together WMS, TMS, LMS, and robotics vendors and calling it integration. Amazon built the stack from the floor up, data, automation, transportation, and orchestration all running on one operating rhythm. That’s the real threat. Not the brand. Not the scale. The cohesion.”

Sa conclusion est directe. “3PLs that think customer stickiness comes from software lock-in are missing the shift. Customers don’t stay because switching is painful, they stay because outcomes are predictable. If Amazon can deliver lower cost, higher reliability, and a smoother transition path, the market will move.”

Colin Ricardo, Fondateur et CEO de Digital Optima, a tracé la même ligne. “The lock-in argument was always a fragile strategy. It mistakes switching friction for loyalty and those are very different things. The 3PLs most at risk are not the ones with the oldest systems. They are the ones that built their retention model around keeping customers dependent rather than keeping customers informed.”

Richard Chen, AI builder anciennement chez TikTok et Meta, a cadré la logique plus large. “The WMS lock-in argument has always been the weakest moat in logistics. When the alternative offers worse software, switching costs matter. When it offers better software plus end-to-end visibility from factory to door, those switching costs evaporate fast.”

Le contre-argument de la spécialisation

Tout le monde n’a pas accepté le cadrage du rouleau compresseur. La contestation la plus crédible est venue d’Adrian Kumar, supply chain thought leader et formateur.

“Large 3PL operations are not plug-and-play fulfillment nodes. They are highly customized environments built around specific customer requirements, industry constraints, customer systems, and material handling solutions. Many are dedicated operations located exactly where the customer needs to be, beside a plant, near a specialized supplier base, or close to local store networks. Starting these up is a very different challenge than scaling a broad, standardized network.”

Sa question centrale mérite une réponse directe. “How broad does Amazon go? Do they chase highly specialized dedicated solutions across various sectors like a large 3PL, or do they focus more on leveraging underutilized assets and expanding proven, repeatable models? The 3PL market is vast and highly bespoke.”

Patricia Au, Senior Director of Solutions Design chez DHL Supply Chain, a soutenu le point. L’implication est que les cibles initiales les plus viables d’Amazon sont les workloads e-commerce et SMB standardisés à fort volume, pas les opérations industrielles sur mesure avec une complexité spécifique au client.

La douve des exceptions

Richard Chen a identifié le territoire opérationnel où les 3PL peuvent encore défendre de la valeur. “The 3PLs that survive will be the ones that own the exceptions. Customs holds, damage claims, carrier disputes, regulatory compliance. Amazon can move boxes at scale, but the mid-market shipper dealing with a stuck container at Long Beach still needs someone who picks up the phone.”

Cette observation atterrit fort. Le moteur d’exécution d’Amazon est optimisé pour un flux prévisible et à fort volume. Le travail qui casse la prévisibilité, exceptions réglementaires, disputes fournisseurs, récupération de service spécifique au client, exige du jugement humain et du capital relationnel. Les 3PL qui abandonnent ce terrain pour concurrencer sur le fulfillment standardisé perdront la course du fulfillment standardisé et le travail d’exception différencié simultanément.

Ranjit Mathews, Senior Director chez Sutherland, a tiré la conclusion sur le modèle opérationnel. “Amazon may not eliminate 3PLs, but it will definitely expose the difference between a 3PL that manages activity and a 3PL that orchestrates outcomes. The real moat is no longer software lock-in. It is execution discipline, visibility, exception management, automation, and the ability to connect fragmented systems, people, assets, carriers, warehouses, finance, and customer experience into one operating rhythm.”

Le problème de discipline des marques

Un second fil a soutenu que la plus grande contrainte d’Amazon pourrait être les clients eux-mêmes.

Josh S., fractional COO en health and wellness DTC operations, a posé le cas contraire. “Amazon won’t kill 3PLs, it’ll expose brands. Most brands aren’t built for the level of discipline Amazon requires. Most have loose forecasts. Last-minute pivots. Marketing driving ops in real time. That works when a 3PL is absorbing the chaos. It doesn’t work with Amazon.”

Sa conclusion est tranchante. “They’ll win on cost, but a lot of brands won’t win inside their system because it will require marketing teams to entirely change the way they operate.”

Evan Charalampous, Head of Operational Excellence chez GXO Logistics, a acquiescé et étendu le point. “That’s a valid point. It will also expose some 3PLs, the ones that don’t embrace change and manage processes like being back in the ‘90s.”

Blake Read, account executive dans une firme d’intelligence 3PL, a fait la même observation depuis le terrain. “Most brands say they want Amazon pricing but are unable to conform to Amazon requirements.” Les 3PL qui survivront pourraient être ceux qui se spécialisent à servir les marques trop opérationnellement désordonnées pour entrer dans les exigences de standardisation d’Amazon.

L’argument anti-Amazon

Tim Higham, CEO d’AscendTMS, a soulevé la préoccupation de structure de marché à long terme. “We all know how this ends. Amazon bankrupts all the mainstream 3PLs and then raises prices 30 percent once they control the market and the competition is dead. That’s what they did with their marketplace sellers. Everything was great, until it wasn’t, and now Amazon can do what they want with them because there is nowhere else to go.”

Son avertissement est direct. “Let’s be careful what we all wish for. I love buying on Amazon. But it’s killing the very small US businesses we all love and rely on.”

Kyle Smith, spécialiste trucking et brokerage, a soulevé le problème de chevauchement client. “Most of the companies that would consider this product are currently, or will likely soon be, competitors of Amazon.”

Cette observation compte pour tout enterprise shipper évaluant Amazon Supply Chain Services. Externaliser la logistique à un concurrent qui peut utiliser les données opérationnelles résultantes pour affiner sa propre stratégie retail est une décision commerciale différente que d’externaliser à un 3PL neutre.

Le virage SMB arrive d’abord

Michael Kelley, Director of Logistics Procurement chez HEINEKEN USA, a cartographié la séquence d’adoption probable. “Many 3PLs aren’t prepared for the scale and speed at which SMBs will shift to Amazon’s services, if the E2E digital plus physical network offering lives up to the billing. Once the proof of concept is validated across the SMB marketplace, enterprise shippers will follow. This doesn’t even touch on the number of enterprise FMCG shippers that leverage Amazon as a primary sell-through channel currently, which should already incentivize them to shift to the integrated ecosystem.”

Les points d’entrée SMB et FMCG comptent. Une fois qu’Amazon prouve les revendications de réduction de coûts à l’échelle sur les workloads standardisés, le fardeau de la preuve s’inverse. Les équipes achats enterprise auront besoin de justifier pourquoi elles n’utilisent pas Amazon, pas pourquoi elles l’utilisent.

À retenir pour les dirigeants supply chain

Trois leçons traversent la discussion. D’abord, le lock-in logiciel n’est pas une douve. Les clients restent pour des résultats prévisibles, pas pour la douleur du changement. Les 3PL qui ont construit leur modèle de rétention sur la dépendance plutôt que sur la transparence sont les plus exposés.

Ensuite, la gestion des exceptions est le terrain défendable. Le moteur d’exécution d’Amazon gère le flux standardisé à l’échelle. Le travail qui casse la prévisibilité, douanes, réclamations, disputes, conformité, est là où le jugement humain et le capital relationnel produisent encore de la valeur premium.

Enfin, la revendication de coût change le fardeau de la preuve. Que Amazon livre réellement 30 à 50 pour cent d’économies ou seulement 10 à 25 pour cent, les équipes achats enterprise auront de plus en plus besoin de justifier pourquoi elles ne benchmarkent pas contre Amazon Supply Chain Services. Le défaut a basculé.

Comment votre fonction supply chain évalue-t-elle Amazon Supply Chain Services face à vos contrats 3PL existants?

Poursuivez la discussion sur Chain.NET, la communauté mondiale du supply chain, sur www.chain.net. Posez vos questions, participez aux événements et accédez à des ressources exclusives.

Dans ce nouvel épisode de La Supply, Julien Lemoine et Claire Morel analysent un paradoxe de plus en plus visible dans la supply chain.

Pendant que les entreprises investissent massivement dans l’IA, les robots, les plateformes de planification et les entrepôts automatisés, le facteur humain devient plus critique que jamais.

IA agentique, décisions autonomes, visibilité temps réel, humanoïdes en entrepôt, optimisation carburant, hubs XXL, productivité multipliée par huit… la technologie avance très vite.

Mais derrière cette accélération, une autre réalité s’impose : les talents capables de piloter cette complexité deviennent rares, chers et difficiles à retenir. Dans le même temps, la décarbonation impose de nouveaux investissements lourds, du tracteur de cour électrique au fret ferroviaire hybride, en passant par les plateformes logistiques certifiées.

Un épisode concret pour comprendre pourquoi la prochaine bataille de la supply chain ne se jouera pas seulement sur les algorithmes ou les robots, mais aussi sur les compétences, le leadership et le jugement humain.

#LaSupply #SupplyChain #Logistique #IA #Robots #Automatisation #Talents #Entrepot #Transport #Decarbonation

Le cabinet de conseil le plus profitable de la planète restructure son modèle de rémunération à cause de l’intelligence artificielle. McKinsey compterait désormais 25 000 agents IA aux côtés de ses effectifs humains, un développement référencé en interne sous le nom “Project Acorn.” Les partners sont payés moins en cash et davantage en equity bloquée, liée à des résultats clients vérifiés qui ne se matérialiseront parfois que des années plus tard. Le cabinet célèbre pour facturer des centaines de milliers de dollars pour valider des décisions que les dirigeants avaient déjà prises automatise les junior analysts qui produisaient les slides. Les implications vont bien au-delà du conseil. Elles touchent directement chaque dirigeant supply chain qui a signé un engagement consulting à six chiffres.

Le débat a pris de l’ampleur après un post LinkedIn de Craig Taggart, venture partner axé sur le quantique et l’infrastructure, qui a signalé le virage structurel. Son argument central: quand l’IA compresse un projet de trois semaines en trois jours, les clients arrêtent de payer pour du temps et commencent à payer pour des résultats. Le post a attiré des CFO, des directeurs de transformation, d’anciens partners Big Four, des consultants supply chain et des dirigeants finance. L’accord sur la direction était fort. Les désaccords sur ce que cela signifie réellement pour les acheteurs étaient plus tranchants.

La vraie disruption: l’effondrement de la rareté cognitive

Le recadrage le plus cité est venu de Mark Powell, psychologue industriel et organisationnel axé sur l’IA centrée humain. “Everyone is focusing on the wrong part of the McKinsey story. The real disruption is not AI replacing junior analysts. It is the collapse of cognitive scarcity.” Pendant des décennies, a-t-il argumenté, les cabinets monétisaient l’accès à l’information, la pensée structurée, la synthèse, la présentation et le travail analytique. “AI has now commoditised large parts of that stack.”

Sa conclusion a recadré la question de valeur pour chaque acheteur de conseil. “The value of human judgement is rising dramatically. Not generic judgement. Not experience alone. High-quality cognitive judgement. The ability to think independently, challenge machine output, tolerate friction, maintain attention, make decisions under ambiguity, synthesise weak signals, avoid automation bias.” Une fois que l’exécution devient infinie et bon marché, la cognition devient l’avantage compétitif.

Pour les dirigeants supply chain, cette distinction compte. Les livrables de conseil supply chain les plus facilement commoditisés, cartes de réseau, taxonomies de dépenses, études de benchmark, prévisions de demande, sont exactement le travail que l’IA fait maintenant en heures. Ce qui reste précieux est le jugement qui décide quelles insights comptent dans un contexte opérationnel spécifique.

Ce qui était toujours sous le slide deck

La lecture culturelle la plus tranchante est venue d’Anthony C., fondateur fintech. “CEOs don’t hire McKinsey for answers. They hire McKinsey, so when the layoffs happen, the board blames the report, not the executive. The $500k deck is a liability transfer, not insight.” Son cadrage de la menace: “The threat is when clients realize they were never paying for hours to begin with.”

Tim Whitaker, senior business leader et praticien IA, a fait émerger une vérité inconfortable adjacente. “Many GSIs and consulting firms have a tell: you can guess their recommended tech stack before they’ve even shaken your hand. Just follow the money. The real disruption AI brings to consulting isn’t automation, it’s accountability. Clients can now instantly pressure-test recommendations, surface alternatives, and ask: ‘Is this the best solution, or just the most profitable one for you?’”

Ce second point atterrit fort dans le conseil supply chain spécifiquement. Les recommandations WMS, TMS, plateforme de planification et suite achats ont historiquement été façonnées par l’économie des partenariats autant que par l’adéquation. L’IA permet au client de construire sa propre shortlist indépendamment. La boîte noire se fissure.

Le pricing aux résultats sonne bien jusqu’à ce que vous lisiez la définition

Plusieurs commentateurs ont averti que le passage du temps aux résultats n’est pas aussi favorable à l’acheteur que ça en a l’air.

Anthony C. a signalé le piège. “Outcome-based pricing sounds noble until you realize that McKinsey gets to define the outcome.” Cette observation résonne à travers les programmes de transformation supply chain où les métriques de succès sont négociées tardivement, souvent après que les baselines ont bougé.

John Marshall, global payments and treasury leader, a tiré la conclusion pratique pour les acheteurs finance. “Outcomes based pricing is great, but only if companies are willing to put the time in up front to define the baseline. Otherwise consultants can always claim ‘successful outcomes’ that they have defined.” Son ajout pour les CFO et trésoriers: des outils et méthodologies à faible coût existent maintenant pour définir le baseline en interne avant qu’un engagement conseil ne commence. Cela change la négociation.

Jamal Fattouh, freelance project manager et fractional CIO récupérant des transformations ERP et IA enlisées, a posé la question inévitable. “More and more on outcome. The question though is how do you price the value of this outcome?”

Cette question est le défi central de design pour la prochaine génération de contrats de conseil supply chain.

La prime au jugement

Un fil constant dans la discussion est que l’IA commoditise l’analyse, pas le jugement. Plusieurs voix ont fait le point avec des cadrages différents.

Natalie Charpilo, ex-opératrice BCG ayant mené plus de 100 mandats, a posé le cas directement. “AI does not eliminate consulting. It reprices the parts of it that are easy to replicate. That is why fee pressure shows up first in repeatable analytical work, not in the need for judgment.”

Adrien Bono, advisor M&A et stratégie, a raconté la parabole qui capte la dynamique. “There’s an old story about a repairman who fixes a machine with a single kick. The owner refuses to pay $10 000 for ‘just a kick.’ The repairman breaks down the invoice. $1 for the kick. $9999 for knowing where to kick. That’s consulting. AI is the kick. The judgment of where, when, and why is still very much human.”

Dan Kraus, managing director chez Xcel Partners, a tiré l’implication pour l’allocation de capital sérieuse. “In major projects and disputes, nobody is paying for slide decks. They are paying for commercial instinct, governance, and the ability to make difficult calls under uncertainty. AI will absolutely make firms leaner and faster. But it also raises the bar on what humans must contribute.”

Pour les dirigeants supply chain, cela se traduit directement. Vous ne payez plus un consultant pour cartographier votre réseau. Vous le payez pour savoir quels arbitrages dans ce réseau valent d’être défendus contre la prochaine disruption.

Le risque que personne ne price

Ramesh Ramaswamy, strategic AI architect, a fait émerger le risque technique enterré dans les conversations d’efficacité. “Transitioning thousands of roles to autonomous nodes introduces massive systemic risk. Replacing human verification with probabilistic models introduces model drift and injection vectors that traditional governance cannot handle. As we restructure businesses around autonomous workflows, are we optimizing for efficiency while ignoring the catastrophic risks of automated governance?”

Paul Roman, enterprise infrastructure director axé sur la gouvernance IA, a soulevé le risque institutionnel. “AI can compress execution time dramatically while simultaneously reducing the amount of formative practice happening underneath the organization itself. The real risk is not only automation replacing labor. It’s organizations mistaking AI-assisted performance for retained institutional competence. The pyramid does not simply become smaller. It risks becoming structurally thinner underneath the appearance of higher output.”

Cette observation s’applique aux fonctions supply chain autant qu’au conseil. Les équipes qui s’appuient sur l’IA pour rédiger le commentaire S&OP, écrire les stratégies catégorielles ou construire les évaluations de risque peuvent produire un output plus net aujourd’hui et un banc plus mince demain.

De la stratégie comme présentation à la stratégie comme impact opérationnel

Le recadrage le plus utile pour les acheteurs de conseil supply chain est venu d’Agustín Sánchez Durán, advisor en stratégie commerciale santé. “AI is not killing consulting. It is killing generic consulting. For years, too much value was captured through junior leverage, information asymmetry, time-based billing and deck production. AI compresses all four. But clients will still pay for judgment, prioritization, implementation capability and accountability when decisions become expensive. The real shift is not from humans to AI. It is from ‘strategy as presentation’ to ‘strategy as operational impact.’”

Youssef Kasdarli, principal consultant axé sur le design institutionnel, a fait le même point avec des arêtes plus tranchantes. “AI is killing the parts of consulting that were easiest to mistake for value: research, synthesis, slide production and the billable-hour theatre around them. But the deeper work remains: judgement, trust, translation, political sensitivity, implementation and helping organisations act under incomplete knowledge. The real shift is from producing intelligence to building the conditions for action.”

Pour les dirigeants supply chain, la distinction est opérationnelle. Un deck d’optimisation de réseau n’est plus un livrable qui mérite des honoraires premium. Un consultant qui peut s’asseoir à côté de votre équipe pendant le ramp, naviguer la résistance politique à la fermeture d’un DC et porter les conséquences opérationnelles de la recommandation vaut plus que jamais.

Ce que les petits cabinets devraient faire

Un second fil a soutenu que l’IA pourrait aplatir le terrain pour les cabinets de conseil supply chain plus petits et boutiques.

Michael Klosevych, analyste financier et management accountant, a posé la question que beaucoup de cabinets boutiques se posent maintenant. “Could AI also remove some of the barriers to entry, allowing smaller, younger firms to enter the market and provide formidable competition using a lower-cost virtual workforce? Does AI allow junior analysts to perform at an intermediate level almost immediately, and intermediate analysts to ascend to senior roles much more rapidly?”

La réponse qui émerge de la discussion est oui, avec conditions. Les cabinets plus petits qui associent l’exécution IA au jugement d’opérateur senior peuvent crédiblement concurrencer le conseil de marque sur des mandats supply chain spécifiques. Ils ne peuvent pas concurrencer sur la couverture board, qui est exactement la couche qu’Anthony C. a identifiée comme le vrai produit de McKinsey. Cette distinction compte quand les décisions supply chain ont besoin d’isolation politique versus quand elles ont besoin de résultats opérationnels.

À retenir pour les dirigeants supply chain

Trois leçons traversent la discussion. D’abord, auditer ce que vous achetez réellement. Si votre dépense conseil paie pour des slides, de la synthèse et des études de benchmark, l’IA est déjà moins chère. Si elle paie pour du jugement, de la navigation politique et de la responsabilité opérationnelle, la prime est justifiée et en hausse.

Ensuite, posséder votre baseline avant de négocier les résultats. Le passage au pricing aux résultats ne protège que les acheteurs qui définissent eux-mêmes le succès. Les consultants qui définissent le résultat l’atteindront toujours.

Enfin, surveiller l’amincissement institutionnel. L’output IA peut masquer une capacité interne déclinante. Les équipes supply chain qui survivront cette décennie utiliseront l’IA pour amplifier le jugement d’opérateur, pas pour le remplacer.

Votre prochain engagement de conseil supply chain paie-t-il pour de la cognition que l’IA commoditise maintenant, ou pour du jugement que seuls les opérateurs peuvent livrer?

Poursuivez la discussion sur Chain.NET, la communauté mondiale du supply chain, sur www.chain.net. Posez vos questions, participez aux événements et accédez à des ressources exclusives.

Dans l’entrepôt de Rives-sur-Fure (Isère), la cadence ne faiblit pas. 600 000 commandes traitées chaque année, avec des pics à 15 000 expéditions quotidiennes lors des temps forts commerciaux. La saisonnalité écrase le secteur du jouet. Deux tiers du chiffre d’affaires se jouent sur huit semaines en fin d’année. Pour les distributeurs spécialisés, la mo…

Read more

La plupart des équipes achats traitent chaque euro qui sort de l’entreprise comme de la “dépense”. Un seul seau. Un seul playbook. Un seul jeu de tactiques. Le résultat est prévisible. Elles ne trouvent pas d’économies parce qu’elles n’ont jamais séparé où les économies se logent réellement. Direct protège la marge brute. Indirect saigne l’EBITDA quand non géré. Services dérape quand le scope est lâche. CapEx verrouille les erreurs pour des années. Quatre catégories, quatre modes de défaillance, quatre logiques de sourcing différentes.

Le débat a pris de l’ampleur après un post LinkedIn présentant un modèle de dépenses à quatre seaux. Direct (coût de production), indirect (coût de fonctionnement), services (coût d’expertise) et CapEx (coût des actifs et investissements). Le post a attiré des directeurs achats, des category managers, des leaders de transformation et des senior buyers à travers la pharma, l’industrie, l’énergie, la FMCG et les services financiers. L’accord sur le framework était fort. La contestation sur ce que le framework seul peut accomplir était plus tranchante.

La taxonomie n’est pas la gouvernance

La critique la plus citée est venue de Mario González, leader achats et supply chain dans l’automobile Tier-1. “Most teams do not mismanage spend because they lack categories. They mismanage it because visibility without category-specific authority changes nothing. Spend taxonomy explains the problem. Governance is what actually moves money.”

Shehab Hagag, leader transformation supply chain et opérations en KSA et GCC, a tiré la même ligne. “Each spend category requires not only a different sourcing strategy, but also a different governance model. The biggest gap I’ve seen is not in defining the categories, but in aligning stakeholders and decision rights accordingly, especially for indirect and services spend.”

Balaji Swaminathan, leader global sourcing travaillant avec des OEM mondiaux, a complété l’image. “The real unlock happens when this segmentation is combined with ownership and capability.”

Le schéma est constant. Catégoriser la dépense vous dit ce que vous avez. Cela ne vous dit pas qui décide, qui approuve, ni qui absorbe le coût quand la décision tourne mal. Cette seconde question est là où la plupart des organisations bloquent.

Les services sont le plus gros chantier

La catégorie qui a soulevé le plus d’inquiétude est celle des services. Plusieurs opérationnels l’ont signalée comme la plus immature, la plus mal gouvernée et la plus grosse opportunité non gérée.

Mark Coulson, Co-Fondateur de SmartBuyer et expert achats certifié CIPS, a été direct. “In my experience, Services spend is the most immature, poorly governed and undefined. A bit of a catch-all for spend that doesn’t fit in the other categories nicely, and the data quality is typically very poor. It’s a big opportunity, but you need the streetwise experience to manage it.”

Omer Sasson, spécialiste sourcing direct pour des marques D2C et Amazon à 7 et 8 chiffres, a acquiescé. “Services spend is the one that quietly gets out of control. Clear scope and outcome-based payments make a massive difference.”

Jon Milton, consultant en services procurement, a poussé la liste de bonnes pratiques plus loin. Au-delà des scopes clairs et des paiements aux jalons, il a argumenté pour “enable competition” et “ensure effective project governance.” Sa logique: “If, as McKinsey make us believe, c70% of projects fail, helping line managers to collaborate effectively with suppliers on projects post go-live is surely value-adding. Plus, it ensures variation orders and land and expand activities are controlled to protect the bottom line.”

Sean Dollar, Senior Buyer en strategic sourcing et SRM, a donné une vision shop-floor de la mauvaise gestion de la catégorie. “I have seen MRO buyers forced to act like a Swiss Army knife while juggling office supplies, CapEx projects, and even a few direct material accounts. This creates massive P&L blind spots.” Son cadrage de la valeur ajoutée des achats: “We add the most value when we act as a strategic bridge between the production line and the finance office. How do you gain that seat at the table before an irreversible decision drains your EBITDA?”

Le marketing ne devrait pas être dans l’indirect

Le recadrage le plus tranchant sur les frontières de catégories est venu de Rebecca Bellairs, Co-fondatrice de Pitch’d. “I honestly don’t think marketing spend should sit in the indirect cost bucket or be treated in the same way as other services. Consolidation often loses technical mastery, cheap impacts return, and desired outputs eg brand awareness and loyalty take time that no procurement metric can and should try to interfere with. I want to start a petition to move it out of procurement and go rogue, reporting into the CMO.”

Son appel aux achats sur les objets promotionnels est spécifique. “Just please ban all low quality promotional items. No one needs £5 branded headphones or a key chain, and they definitely aren’t wearing a gifted baseball cap.”

Le point de Bellairs touche une vraie tension. Le même playbook achats qui consolide les fournisseurs de logiciels IT détruira de la valeur appliqué aux agences créatives. Des catégories différentes exigent des gouvernances différentes. Le marketing est peut-être le cas le plus clair pour des droits de décision par catégorie.

Le problème données et classification

Plusieurs commentateurs ont argumenté que les quatre seaux ne fonctionnent que si les données sous-jacentes permettent de les séparer.

Abdulmajeed Al Sheraim, leader achats et contrats, a pointé le gap. “The biggest gap is usually visibility and classification. Many organizations don’t have clean spend data to even separate Direct, Indirect, Services, and CapEx properly, so strategies end up reactive rather than intentional. Procurement maturity starts with understanding what you’re managing before deciding how to manage it.”

Chong Wan Yun, leader learning et transformation, a fait émerger un problème encore plus basique. “Some organisations don’t even know how to differentiate between trade and non-trade. When that basic clarity is missing, everything gets lumped as ‘expenses,’ and procurement is expected to deliver savings without a clear foundation. At that point, it’s not a strategy issue. It’s a culture issue. And that’s the hardest part to change.”

Muhibuddin Soekarno, conseiller achats avec 20 ans dans l’énergie et la pétrochimie, a posé la question pratique au framework original. “What’s your practical approach to classify these spend buckets quickly assuming the Procurement org use SAP when relying only on standard procurement reports?”

Cette question, souvent posée mais rarement traitée proprement, est là où la plupart des projets de transformation des dépenses passent leurs six premiers mois.

Le pro des achats comme architecte financier

Bishowjuti Bhattacharjee, professionnel achats stratégiques et chartered MCIPS, a élargi la description du rôle. “A modern procurement professional acts as a Financial Architect of the business cycle too. Beyond simple sourcing, managing categories, they strategically manage the Cash Conversion Cycle to ensure the organisation’s ‘metabolism’ remains healthy. By aligning AP with AR and tailoring payment terms to specific spend categories based on their nature, they protect operating cash flow.”

Dr. Srinivasan CT, Head of Infrastructure and Procurement dans les services financiers, a ajouté trois raffinements opérationnels. “CapEx to be tracked till capitalisation and extend to asset management to create best value. Opex to inwarded with order to receive and tracked till consumption. Service cost structure to be fixed to variable to outcome based.”

Veronica Scorrano, spécialiste strategic sourcing et procurement leadership, a fait le lien avec le plan financier plus large. “Leading organizations go further, refining these categories to build a roadmap that clearly connects sourcing strategy to cost savings and cost avoidance impacts across the financial plan.”

Le virage stratégique

Pankaj Tuteja, Head of Operations chez Dragon Sourcing, a capté la transition plus large que cela permet. “When the procurement team clearly separates direct, indirect, services, and CapEx spending, the team gets real visibility into where money is going and what levers to pull, whether it’s protecting margins, controlling maverick spend, tightening scope, or optimizing long-term investments. In this context, procurement shifts from cost-cutting to value creation, making decisions based on insight rather than assumptions.”

Olga Catena, consultante et formatrice supply chain, a résumé la conséquence opérationnelle. “When you separate spend by category, you stop negotiating blind and start making decisions with real criteria.”

À retenir pour les dirigeants achats

Trois leçons traversent la discussion. D’abord, la taxonomie sans autorité est du théâtre. Le modèle à quatre seaux ne fonctionne que quand chaque catégorie a sa propre gouvernance, ses droits de décision et sa responsabilité.

Ensuite, les services sont la catégorie au plus fort levier à corriger. Scope faible, données faibles et gouvernance faible se combinent pour en faire la plus grosse dépense non gérée dans la plupart des organisations.

Enfin, le fondement est les données et la culture. Si finance et achats ne peuvent pas séparer trade de non-trade, aucune stratégie de sourcing ne tiendra.

Quelle des quatre catégories de dépenses est la plus mal gouvernée dans votre organisation?

Poursuivez la discussion sur Chain.NET, la communauté mondiale du supply chain, sur www.chain.net. Posez vos questions, participez aux événements et accédez à des ressources exclusives.

Surcapacité post-Covid, routes maritimes rallongées, tensions géopolitiques, carburants volatils… le modèle du “just-in-time” mondial se fissure. Et la réponse ne se joue plus seulement en mer, mais sur terre.

Au programme : la montée des méga-hubs logistiques, l’explosion des API pour connecter entrepôts, transporteurs et marketplaces, et l’arrivée de l’IA générative directement dans les mains des équipes terrain.

De Geodis à Motul, de Logs à Shippingbo, d’Everest à Sanofi, cet épisode montre comment le béton, la donnée et l’énergie deviennent les nouvelles armes de la supply chain.

Un épisode dense et concret pour comprendre pourquoi la prochaine bataille logistique ne se jouera peut-être pas seulement sur la technologie, mais sur l’accès à une énergie verte, fiable et compétitive.

L’Europe construit encore des universités de classe mondiale. Elle produit encore de grands ingénieurs. Mais dans le recrutement en IA et robotique, elle a cessé de produire les candidats les plus forts. C’est le verdict inconfortable qui circule désormais dans le leadership supply chain et technologique mondial, et le débat qu’il a suscité dépasse largement l’expérience d’une seule chasseuse de tête.

La discussion s’est ouverte sur une anecdote de recrutement venue de Shenzhen. Une jeune chasseuse de tête spécialisée en IA et robotique a confié à ses pairs que les diplômés d’ETH et EPFL ne font plus partie de ses meilleurs candidats. Elle a cité un diplômé de Cambridge qui a échoué à neuf entretiens consécutifs. Le feedback client était constant. “Too much theory, not enough real building.” L’histoire a marqué parce qu’elle confirmait un schéma que des opérationnels, des chercheurs et des dirigeants observaient déjà indépendamment. En quelques jours, le post de Fei Yu, conseillère en talents et executive search, a attiré des commentaires de Chine, d’Europe et des marchés émergents. Le consensus est inconfortable pour l’Europe. Les désaccords portent surtout sur le degré d’inconfort.

Écosystème, pas talents

La thèse centrale qui s’est dégagée est qu’il ne s’agit plus d’une compétition de talents mais d’une compétition d’écosystèmes. En IA, l’exécution devient la nouvelle intelligence. Les États-Unis mènent. La Chine rattrape vite. L’Europe est en retard sur la vitesse, le capital et l’application réelle.

Alexander Shapiro, Head of Strategy, a contesté la prémisse que l’Europe garde l’avantage académique. “What is your justification for claiming ‘Europe still has world class Universities’ especially in the area of AI research and development? I would agree for classic engineering and finance but not AI.”

Le contre-argument qui a émergé est que les universités européennes ne manquent pas de talents, mais d’un écosystème permettant à ces talents de travailler sur des projets réels. Cela demande un soutien gouvernemental, du capital et une collaboration transfrontalière à un niveau que l’Europe n’a pas mobilisé.

Seyed Yousefi, AI architect axé sur les relations ASEAN-UE, est allé plus loin. “Europe is a desert for real AI researcher. It feels like we are just waiting for something to happen. We are losing great inventions and talent because there is no real infrastructure here.”

Le gap de traduction

Le recadrage le plus fort est venu de Fadzly Moftar, stratège des frictions opérationnelles dans les ports, le shipping et l’aviation. “What you’re describing is not a talent gap, it’s a translation gap between knowledge and execution.” L’intelligence, a-t-il argumenté, se mesurait par ce que l’on savait. En IA et robotique, la métrique a basculé vers ce que l’on peut construire, déployer et itérer sous pression. “That’s why some graduates struggle, not due to lack of intelligence, but lack of exposure to real friction.” Sa prescription pour l’Europe: redessiner les écosystèmes pour que les étudiants deviennent des builders tôt, pas seulement des diplômés. “Execution is no longer the final step. It is the intelligence itself.”

Tanja Dysli, Chief Operations Officer chez TVH, a tracé la même ligne côté corporate. “Many AI use cases I have come across are not embedded to support businesses reality (both in US and EU). There is often a far too long, theoretical and complex project phase and no clear answers from the start how AI can improve a companies P&L, down to specific lines.” Sa solution est pédagogique. “If we can teach student to marry tech with everyday business reality it will be a game changer.”

Lisa Durst, spécialiste supply chain en sourcing et supplier management, a confirmé que le schéma dépasse l’IA. “This shift from theory to execution is also very visible in operations and supply chain. It’s not just about knowledge, but the ability to make decisions and deliver in real-world situations.”

La prime à la vitesse chinoise

Plusieurs commentateurs ont argumenté que le vrai différenciateur est le tempo, pas les diplômes. Sean Upton-McLaughlin, vétéran de 15 ans au sein d’organisations chinoises dont Huawei et vivo, l’a capté. “This will be no surprise to those who have worked with Chinese companies. They are very practical, focused on execution at speed, and need to see the end result (money).”

Baojun Shi, axé sur l’industrial tech et la robotique, a averti les entreprises européennes opérant en Chine d’abandonner leur posture de “mere ‘technology exporters’” et d’embrasser une localisation profonde en R&D et prise de décision. Son argument: élever la Chine du statut de marché commercial à celui de “innovation hub” et “global supply chain command center” ou perdre en pertinence dans un marché “where brand halo no longer guarantees success.”

Olga Alekseenko, program manager avec un parcours chez Nestlé et PMI, a contesté le cadrage vitesse-comme-vertu. “Maybe it’s not just about speed. In some environments, there’s more focus on getting things right before moving, which can look slower but also builds reliability.” Elle a posé une question à laquelle peu ont répondu clairement. L’IA est-elle déjà largement utilisée dans le business chinois, ou la différence tient-elle à la manière dont les équipes abordent la construction et l’exécution?

La couche capital et politique

Sheng S., spécialiste en investment research dans la santé et l’énergie, a élargi le cadre. “I think this happens in all intelligence oriented sectors like healthcare and energy not just in robotics. It’s no longer about talent, IPs, governance, capital cost, economy policies and control of supply chains, but a purposely built ecosystem that can connect and serve them.” Sa question plus dure: combien de temps avant que la Chine ou les États-Unis verrouillent leur position de top dog verticalement intégré.

Dr. Martin Lockstrom, professeur et consultant, a livré le verdict le plus brutal. “The AI and robotics race is basically already lost. As long as people in Europe are even thinking about things like 4-day working weeks, don’t bother.” Il a ajouté l’inversion proprement. “The tables have turned. You’re in China for talent, and in Europe for low cost.”

Jules Thevenon, Founder et CEO de The Forge Humanoid Robotics, a noté le flux inverse. “I’ve also seen many European companies in high-end technology leaving China because labor costs are no longer attractive. For the same cost, they prefer to build in their own countries.” Les cartes du talent et du coût ne sont plus alignées comme il y a dix ans.

Contrepoints

Tout le monde n’accepte pas la carte du hype. Miguel Martins, directeur qualité et fiabilité dans les semi-conducteurs avec un parcours chez Infineon, NVIDIA et Analog Devices, a contesté la géographie elle-même. “The best candidates are not defined by where they come from, but by what they can carry. And the people who can carry the future are far more widely distributed than today’s hype map suggests.”

Dessy Amirudin, qui travaille en data, digital et technology chez Unilever, a posé la question que peu abordaient. “Any comment for the rest of the world? Non US, Non China, Non EU. Do we still have a chance?”

À retenir pour les dirigeants

Trois leçons traversent la discussion. D’abord, la barre d’embauche en IA est passée des diplômes au travail livré. Les candidats qui peuvent construire, déployer et itérer sous pression gagnent.

Ensuite, l’écosystème bat l’individu. Le talent sans capital, sans projets réels et sans soutien politique ne se convertit pas.

Enfin, la complaisance est le coût le plus cher. Les cabinets qui ont perdu du terrain à Shenzhen l’ont perdu sur la vitesse, pas sur un meilleur talent.

Comment votre organisation redessine-t-elle recrutement et développement pour que vos collaborateurs apprennent sur la friction réelle, pas sur la théorie?

Poursuivez la discussion sur Chain.NET, la communauté mondiale du supply chain, sur www.chain.net. Posez vos questions, participez aux événements et accédez à des ressources exclusives.

Quatre plateformes de planification dominent le marché entreprise. Kinaxis, o9, SAP IBP et Blue Yonder. Les étiquettes combinées vont de 500 000 à 2 millions de dollars par an. Le temps avant première valeur s’étale entre 12 et 18 mois. Des équipes dédiées de trois à huit ETP les maintiennent en vie. Et pourtant, la plupart des équipes planning font encore tourner leur S&OP sur Excel. C’est sur ce gouffre que pivote désormais le débat IA.

Le débat a pris de l’ampleur après un post d’Alain Matar, Senior IBP Leader. Il a expliqué avoir construit un moteur de planification IBP en navigateur, à partir de zéro, avec Claude AI. Dix-neuf étapes de planification. Neuf modèles de prévision. Trente-cinq utilisateurs. Aucun fournisseur, aucun partenaire d’intégration, aucune licence à six chiffres. “Just deep domain knowledge, a clear process design, and AI as the engineering partner.” Le post a attiré des architectes de planification, des consultants entreprise, des CEO et des praticiens seniors qui se sont divisés nettement sur ce que cette construction prouve réellement.

Read more

Dans ce nouvel épisode de La Supply, Julien Lemoine et Claire Morel décryptent une semaine où la logistique se retrouve prise entre trois forces majeures : la pression géopolitique, l’accélération de l’intelligence artificielle et l’urgence de la décarbonation.

D’un côté, Joybuy et Rhenus illustrent deux stratégies opposées mais complémentaires : bâtir des infrastructures physiques puissantes ou créer des routes alternatives capables de contourner les crises.

De l’autre, l’IA passe du discours à l’exécution concrète. Chez Acer, Wakeo permet d’anticiper les retards maritimes dix jours à l’avance. Dans les entrepôts, Prologistik et Carilog montrent comment la donnée, les WMS et les jumeaux numériques peuvent transformer la productivité, à condition que les données de base soient fiables.

Mais l’épisode met aussi les pieds dans le plat : la décarbonation n’est plus un supplément d’image. C’est un mur économique. Neoliner, FM Logistic, Celio, Cisco et TMF montrent que les modèles verts ne survivront que s’ils sont intégrés à la rentabilité, aux infrastructures et aux arbitrages opérationnels.

Un épisode dense et concret sur une supply chain qui doit désormais piloter trois réalités en même temps : la résilience, la donnée et le carbone.

Chaque équipe achats fait face au même dilemme silencieux. Trop contrôler, et les parties prenantes la contournent. Pas assez contrôler, et la dépense dérape. Les deux échecs semblent différents de l’extérieur. À l’intérieur, ils viennent de la même faiblesse. Une fonction qui n’a pas trouvé son rôle.

Le débat a pris de l’ampleur après un post LinkedIn de Tom Mills sur ce qu’il appelle le Procurement Paradox. Son argument est simple. Surcharger le processus tue la livraison, bloque l’innovation et nourrit les achats parallèles. Tout valider les yeux fermés invite les ruptures de conformité, les dépassements de budget et les achats sauvages. “The answer isn’t picking a side. It’s mastering the middle,” a-t-il écrit. Le post a attiré des directeurs achats, des consultants et des opérationnels qui ont poussé l’idée sur le terrain pratique.

Du design, pas de l’intention

Le fil le plus fort du débat est que le juste milieu doit être conçu. Il n’émerge pas des bonnes intentions.

Pallav Bhatia, acheteur chez Quin Global UK et spécialiste des achats pilotés par IA, a été direct. “The ‘middle’ only works if it’s designed, not improvised.” Les seuils et les garde-fous clairs semblent simples, a-t-il noté, mais exigent une vraie conviction sur ce que les achats ne toucheront pas. “Otherwise everything drifts back into approvals.”

Hiral Mulchandani, consultante en IA et automatisation des workflows, a formulé la même idée en termes plus souples. “Mastering the middle is really about designing the right guardrails, clear enough to guide, flexible enough to move.”

Tomasz Tyras, architecte senior supply chain et S&OP, a défendu la prévisibilité comme vrai différenciateur. “If thresholds are vague, approvals pile up. If ownership is vague, stakeholders route around the function.” Les meilleures équipes, a-t-il observé, corrigent les deux en rendant l’engagement prévisible. “That is when control stops feeling like friction and starts feeling like enablement. Good procurement does not win by holding tighter. It wins by making judgment scalable.”

La couche de triage manquante

Mark Coulson, Co-Fondateur de SmartBuyer et expert achats certifié CIPS, a soulevé une lacune pratique. “It’s always puzzled me why Procurement has no sophisticated triage process built in,” a-t-il écrit. Un vrai processus d’intake détermine quand les achats doivent être impliqués, à quel degré, et quelle clarté la partie prenante obtient en retour. Il peut même former les parties prenantes dans les cas où les achats se retirent. “It’s not difficult to build.”

Strahinja Jovanovic, qui construit des supply chains en eCommerce, a résumé le principe en une phrase. “Procurement isn’t a speed bump, but it also shouldn’t be a drive-through.” Intake léger pour les achats à faible risque, strict pour les achats à haut risque et haute valeur. C’est ainsi, a-t-il dit, que l’on obtient la conformité sans achats parallèles.

Jehanzeb Alam, dirigeant achats et supply chain axé sur l’intégration ESG, a pointé les droits de décision comme mécanisme sous-jacent. “The middle works when decision rights are crystal clear. If people are not realizing where and when procurement adds value, either they will bypass it altogether or lean on it too much.”

La crédibilité est la première correction

Un second fil soutenait que la structure seule ne réhabilitera pas une fonction qui a perdu la confiance. La perception doit changer d’abord.

Matthias Svetic, conseiller en communication commerciale, l’a dit directement. “Holding the middle is a credibility problem before it’s a process problem.” Une fonction achats qui a passé des années comme bloqueur ou tampon ne peut se repositionner par un nouveau framework seul, a-t-il argumenté. Elle a besoin “one visible win that gives stakeholders a reason to update their expectations before any threshold document changes how they behave.”

Kayode Oluyemi, Head of Procurement and Supply Chain dans l’oil and gas, la construction et l’industrie, a acquiescé. “Perception is the ultimate decider. When procurement gets it right consistently and credibly, it stops being questioned and starts being trusted. And in that moment, the paradox ceases to exist.”

Olga Catena, consultante et formatrice supply chain, a identifié la cause racine. Les deux échecs viennent de “a procurement function that hasn’t yet found its role as a true business partner, not just a gatekeeper.”

Infrastructure de confiance, pas de contrôle

Hamilton Lindley, VP Procurement, Compliance and Risk, a proposé une formule à retenir. “Clear thresholds and defined boundaries are trust infrastructure.” Les fonctions achats qui gagnent une crédibilité durable, a-t-il argumenté, sont celles qui “made themselves easy to work with without making themselves easy to bypass.” Quand les parties prenantes savent exactement quand et comment engager, elles cessent de contourner la fonction et commencent à l’impliquer tôt.

Michael Shields, Vice President of Procurement chez Tropic, a poussé l’idée des parties prenantes autonomes plus loin. Cela peut vouloir dire un design de processus qui ne requiert pas l’implication directe des achats pour certains achats. Cela peut aussi vouloir dire armer les parties prenantes avec les bonnes données et insights pour prendre les bonnes décisions, ou démarrer au bon moment.

Saleh Aljneibi, senior procurement and contracts manager dans les achats publics d’Abu Dhabi, a résumé le virage en une phrase. “The best procurement teams guide decisions rather than block them.”

Le rôle de la tech et de l’IA

Daniel Barnes, spécialiste de l’IA agentique pour les achats, a soutenu que le juste milieu est aussi la base pour réussir avec l’IA. “There’s a ridiculous level of value that too many procurement teams never quite reach. This is also the foundation of enabling tech/AI to help you achieve the middle ground. But it has to be designed thoughtfully. And it doesn’t happen overnight.”

Ariel Zelada, professionnel des achats et de la planification, a offert un contrepoids. “Gut feeling, emotional intelligence, the ability to see beyond the data is still out of reach of AI.” Le juste milieu, dans sa lecture, est un espace pour le jugement humain soutenu par les outils, pas remplacé par eux.

Volodymyr Babilunga, consultant en optimisation supply chain, a capturé la tension opérationnelle. “Too much control breaks speed, too little breaks accountability. The real challenge is making both visible.”

À retenir pour les dirigeants achats

Trois leçons pratiques traversent la discussion. D’abord, les seuils et les droits de décision doivent être conçus avec conviction. Une propriété floue s’effondre en bureaucratie ou en contournement.

Ensuite, la crédibilité précède le processus. Les équipes qui se repositionnent depuis un rôle de bloqueur ou de tampon ont besoin d’une victoire visible avant qu’aucun nouveau framework ne prenne.

Enfin, le juste milieu est là où l’IA et l’automatisation paient vraiment. Sans garde-fous clairs, la tech passe à l’échelle les mauvaises décisions plus vite.

Comment votre fonction achats conçoit-elle son intake, ses seuils et ses droits de décision pour que les parties prenantes s’engagent tôt plutôt que de la contourner?

Poursuivez la discussion sur Chain.NET, la communauté mondiale du supply chain, sur www.chain.net. Posez vos questions, participez aux événements et accédez à des ressources exclusives.

L’IA agentique inonde les opérations supply chain d’une confiance qu’elle n’a pas méritée. Elle réserve des transporteurs, confirme des tarifs et expédie des marchandises avec l’assurance d’un planificateur senior. Puis elle choisit la mauvaise voie, au mauvais prix, vers le mauvais entrepôt, et envoie la confirmation avant que quiconque ne lève les yeux de son écran. Le secteur paie six chiffres par an pour ce privilège.

Le débat a pris de l’ampleur après un post LinkedIn de Heather Sye, VP Go to Market et titulaire d’un MBA spécialisée dans l’IA pour le supply chain. Elle a écrit que la plupart des IA agentiques se comportent aujourd’hui comme des stagiaires d’été. Sa formulation a marqué par sa précision: “Confident about everything. Correct about 60% of the time (..maybe..).” Le problème, a-t-elle noté, c’est que le stagiaire finit par apprendre. L’agent, non. Son post a attiré une vague d’opérationnels, de technologues et de dirigeants qui ont prolongé l’argument.

Le vrai coût d’une précision à 60%

Tripp Parker, spécialiste de la transformation et de la détection de dérives opérationnelles, a souligné que la boucle de rétroaction est le point faible. “In supply chain, where a single wrong entry can cost thousands in detention or diverted freight, 60% accuracy is actually a liability, not a feature,” a-t-il écrit. Son verdict: le secteur est dans une ère d’augmentation, pas de remplacement.

Juan Orendain, fondateur de DCat Technologies et développeur de CatDT, a résumé l’absurdité commerciale en une phrase. “The ultimate Value Gap is paying six figures for an intern that never finishes onboarding.” Il appelle de ses vœux un système logiquement intégré. Pour l’instant, a-t-il admis, “one can only dream.”

Rob Colletti, spécialiste de l’emballage qui a réduit les coûts de fret et de dommages de plus de 2 millions de dollars, a synthétisé la réalité opérationnelle. “Almost right doesn’t fail. It just creates work everywhere.”

Où la confiance se brise en premier

Les commentaires les plus révélateurs viennent d’opérationnels qui ont vu ces systèmes échouer au ralenti. Dror Ofir, qui supervise la validation en production de masse au Vietnam, a décrit un cas où le système poussait des réservations apparemment parfaites. “Until the warehouse started flagging missed slots, and nothing matched the actual flow. From there, it spirals fast.” Les équipes ont commencé à contourner le plan. Les fournisseurs ont été entraînés dans les corrections. Les calendriers ont dérivé. “By the time leadership sees it, the numbers still look fine. But the operation is already off the rails.”

Ce schéma, a ajouté Ofir, se manifeste par de petites corrections manuelles qui s’accumulent sur le terrain. “Once that starts, the plan is technically still ‘working’, but operations have already moved on.”

Abhishek Tyagi, spécialiste de l’orchestration des supply chains autonomes, a donné un exemple concret en transport. “The agent confidently picks a carrier without understanding lane economics or why the ‘cheapest’ rate actually costs more in claims downstream.” Son diagnostic tient en deux mots. “The gap is context.”

La couche de confiance manquante

Saif Islam, qui aide les entreprises à transformer leurs initiatives IA en systèmes de production, a argumenté que le secteur résout le mauvais problème. “The ‘Confident Intern’ phase of Agentic AI is exactly where the ROI for many companies currently goes to die.” La solution n’est pas un meilleur modèle. C’est une “dedicated Trust Layer.” Islam la décrit comme un superviseur IA qui valide les sorties contre des contraintes réelles avant l’envoi des confirmations. Sans cela, a-t-il prévenu, “these six-figure agents will stay in the ‘intern’ phase indefinitely.”

Ofir a rétorqué avec une réalité pratique. “The trust layer is exactly where things break. What usually happens is that teams don’t wait for it. They build manual checks around the system. Then you end up paying for AI, and still running it like an intern with supervision.”

Ce que font les gagnants différemment

Rob Simpson, Directeur des Transportation Management Systems, a souligné que l’approche universelle est vouée à l’échec. “One Agent won’t work for every company, just like one carrier’s model doesn’t work for every company.” Sa prescription: les agents devraient démarrer à moins de 50% de confiance et progresser avec les retours utilisateurs, sans jamais dépasser 98%. “It would go from Intern to seasoned vet but controlled. Every new input is a learning moment for the ‘Agent.’”

Trey Turbett, qui corrige les décisions de planification coûteuses dans l’industrie, a pointé Walmart comme référence. “The companies getting real value out of this are treating it the way Walmart has approached it, technology supporting the people making the decisions, not replacing them.” Son avertissement est tranchant. “If the logic behind the decision is not clear, you just end up scaling the same mistakes faster.”

Sye a ajouté que l’autre avantage de Walmart est culturel. “What they also do well is gaining comfort with project failures. A failure isn’t a reason to abandon a project, rather you keep developing.”

Kaushika Purushothaman, product owner supply chain avec dix ans d’expérience industrielle, voit dans la refonte des workflows le vrai levier. “The winners will be the companies that redesign workflows so agents handle low-risk execution, while humans focus on network strategy and exception management.”

Là où l’IA est réellement fiable

Tous les commentaires ne sont pas sceptiques. Dan R., technical PM expérimenté en opérations et automatisation, a pointé une catégorie où l’IA agentique livre déjà des résultats. “Where AI is awesome and reliable is taking indeterministic inputs, like spec sheets, compliance docs, GHG data, etc. And turning those inputs into a conformant data package.” Il teste cette approche avec les schémas du United Nations Transparency Protocol. “It will unlock simplified traceability and data exchange.”

Joseph Nogle, senior data analytics leader axé sur la gouvernance IA, a résumé le principe. “Prioritizing the supervision of decision-making over blind automation is a profound act of operational integrity.”

À retenir pour les dirigeants supply chain

Trois leçons traversent le débat. D’abord, une précision de 60% n’est pas de l’augmentation, c’est un coût caché. Chaque décision “presque juste” crée du retravail en aval, et ce retravail n’apparaît pas à temps dans le tableau de bord.

Ensuite, le contexte bat la capacité. Le meilleur agent, sans connaissance des économies de voies, de l’historique des réclamations ou des nuances fournisseurs, réservera le mauvais transporteur avec une confiance totale. La refonte des workflows qui isole l’exécution à faible risque pour les agents et garde les exceptions avec les humains est la voie pragmatique.

Enfin, la couche de confiance n’est pas optionnelle. Les entreprises qui la sautent financent à la fois les licences IA et la supervision manuelle.

Comment votre organisation conçoit-elle la supervision de l’IA agentique avant qu’elle ne propage les mauvaises décisions plus vite que vous ne pouvez les détecter?

Poursuivez la discussion sur Chain.NET, la communauté mondiale du supply chain, sur www.chain.net. Posez vos questions, participez aux événements et accédez à des ressources exclusives.