Retour aux Études de marché
3SC, également connue sous le nom de SS Supply Chain Solutions, fournit des logiciels de planification et de logistique ainsi que des services de gestion opérationnelle de la supply chain. Sa plateforme SCAI couvre la planification intégrée de l’entreprise, la simulation des risques, la gestion des données d’entreprise et la comptabilité carbone. iTMS gère la planification du transport, l’exécution des expéditions, le suivi, les contrats et les règlements. Son service d’intégration logistique coordonne les prestataires logistiques des clients et leurs opérations quotidiennes. (1, 2, 3, 7)
Note globale en supply chain : 3,3/10
| Dimension | Note |
|---|---|
| Profondeur en supply chain | 3,8/10 |
| Substance décisionnelle et optimisation | 3,4/10 |
| Intégrité du produit et de l’architecture | 3,2/10 |
| Transparence technique | 2,6/10 |
| Sérieux du fournisseur | 3,6/10 |
Le modèle opérationnel de 3SC associe des applications de planification configurables, des flux transactionnels et des services d’exécution assurés par des personnes. Ses descriptions de produits identifient des sorties utiles : déclenchement de commandes d’achat, plans d’expédition, sélection des véhicules et validation des factures de transport. Les éléments publics sont bien plus minces sur la logique numérique qui choisit les actions économiquement préférables dans l’incertitude. Comparaisons de scénarios, indicateurs de risque et prévisions sont présentés sans modèle probabiliste commun ni objectif monétaire inspectable.
Les éléments de déploiement les plus détaillés concernent le processus de planification de la demande d’un fabricant anonyme de produits d’hygiène buccale. Le cas fait état de cycles de planification plus rapides et d’une réduction du travail de planification après l’intégration des données et le remplacement des actualisations trimestrielles par une revue mensuelle des exceptions. Cela étaye une amélioration du processus, mais ne démontre pas des achats, une production ou des allocations autonomes. En parallèle, les offres d’emploi opérationnelles actuelles de 3SC décrivent la poursuite de tâches de saisie de transactions, de coordination et de reporting. La productivité de l’ensemble formé par le logiciel et les services reste non mesurée. (8, 16)
Le discours technologique est passé de la promotion de la blockchain et du lancement d’une vaste plateforme d’IA en 2022 à un assistant génératif, des jumeaux numériques et une orchestration agentique. Ces couches ne se sont pas accompagnées d’évaluations publiques aussi détaillées de la qualité des décisions. L’annonce de direction d’octobre 2026 décrit explicitement la poursuite de l’évolution vers une suite agentique. Les acheteurs devraient confronter le processus opérationnel actuellement documenté à cette ambition future. (11, 12, 13, 15)
3SC face à Lokad
3SC associe logiciel et coordination opérationnelle externalisée. L’entreprise peut gérer les partenaires logistiques, la documentation, les exceptions et l’exécution quotidienne, tandis que les clients conservent la stratégie et les décisions commerciales. Le modèle décrit par Lokad est centré sur un calcul économique récurrent : quels achats, allocations, ordres de production ou autres actions offrent le meilleur rendement attendu ? Sa documentation sur l’optimisation des stocks décrit un traitement probabiliste de la demande, des délais d’approvisionnement et d’autres incertitudes, avec une logique propre au client entretenue par des Supply Chain Scientists. (7)
Prenons un composant importé qui risque d’arriver en retard. 3SC propose une visibilité sur les risques fournisseurs, une planification des matières premières, des scénarios alternatifs et une coordination logistique. La décision économique exige de valoriser une expédition accélérée au regard des dates d’arrivée possibles, des possibilités de production, de la demande en aval et de la trésorerie immobilisée ailleurs. Une alerte de risque ou un cycle d’approbation plus rapide ne fournit pas cette valorisation. Les descriptions de SCAI examinées n’exposent pas comment ces incertitudes et coûts d’opportunité interviennent dans le choix de la quantité ou du transport. (5, 17)
La conception de Lokad inscrit ces arbitrages dans une logique de décision exécutable. La perspective plus large présentée dans Introduction to Supply Chain et Holimization insiste sur l’amélioration de cette logique lorsque les faits opérationnels révèlent une hypothèse erronée. Le résultat recherché est un meilleur calcul récurrent, avec moins de décisions à corriger au cas par cas.
Les deux modèles impliquent un travail spécialisé. Pour 3SC, la comparaison doit inclure les opérations prises en charge, l’implémentation et la coordination avec le client ; pour Lokad, elle doit inclure les scientists et les ingénieurs qui entretiennent le logiciel de décision. Externaliser une activité peut réduire les besoins en personnel du client sans supprimer son coût. La mesure pertinente est la qualité des décisions exécutées et l’ensemble du travail nécessaire pour les produire et les améliorer.
Ce que les applications calculent et exécutent
Demand AI décrit des prévisions statistiques, opérationnelles et consensuelles, des tableaux de bord financiers, une planification de portefeuille et des discussions de scénarios. Les améliorations annoncées vont jusqu’à 22 % de précision prévisionnelle supplémentaire et 40 % de productivité en plus pour les planificateurs. Ce sont des fourchettes commerciales sans définition de l’évaluation ni mesures au niveau des clients permettant de les interpréter. (4)
Raw Material AI va plus loin dans l’exécution : il compare les stocks aux programmes de production et fournit des déclencheurs de plans de production et de commandes d’achat de matières premières. Il segmente également les matières selon leur coût, leur demande et leur délai d’approvisionnement, et prend en charge les stocks tampons et la coordination des fournisseurs. Cela établit une fonctionnalité de planification des matières. La distribution des dates de réception, la demande incertaine de composants partagés et l’objectif qui rend un choix d’approvisionnement préférable à un autre ne sont pas précisés. (5)
iTMS traite une autre couche de décisions. Il sélectionne les combinaisons de véhicules et les prix pour consolider les chargements, gère les expéditions entre prestataires logistiques et valide les coûts de transport au moyen de flux de facturation et de règlement. Dispatch AI décrit la disponibilité des véhicules, la capacité, la destination, la météo et le trafic comme entrées des programmes et des itinéraires. Ce sont des contraintes pertinentes et des sorties opérationnelles. (3, 6)
La méthode d’optimisation reste non divulguée. Choisir un itinéraire court ou rapide n’est qu’une composante de l’économie du transport : un véhicule moins cher peut retarder le chargement, une expédition consolidée peut bloquer une commande précieuse et une économie sur un trajet peut provoquer une rupture de stock en aval. Les descriptions publiques ne montrent ni calcul commun de ces effets ni validation à partir des résultats exécutés. Un traitement automatique peut appliquer fidèlement une mauvaise politique aussi facilement qu’une bonne.
L’article de 3SC sur l’agroalimentaire de janvier 2026 établit une distinction conceptuelle utile : les prévisions sont des entrées, et la précision seule ne mesure pas la réussite économique. Il identifie les retards de décision et les arbitrages non explicités entre service, coût, gaspillage et besoin en fonds de roulement. La recommandation qui en découle met toutefois davantage l’accent sur une concertation et une action plus rapides que sur le calcul économique qui sélectionne l’action. (9)
La latence de décision importe lorsque l’attente détruit une opportunité. Elle ne remplace pas la qualité de la décision. Accélérer une politique de réapprovisionnement ou d’expédition non rentable amplifie ses pertes. Il manque des éléments sur la manière dont SCAI représente les conséquences concurrentes, choisit une action et améliore cette formulation lorsque les résultats opérationnels la contredisent.
Jumeaux numériques et incertitude
Risk AI annonce une surveillance du réseau, un diagnostic, une simulation de scénarios et une résolution automatisée des problèmes courants. Ses principaux bénéfices affichés vont jusqu’à une réduction de 80 % des risques de supply chain et une baisse de 12 % du coût de service. La page ne définit ni la mesure du risque, ni la référence initiale, ni la période d’observation, ni la politique de décision derrière ces chiffres. (17)
L’article de juin 2025 sur les jumeaux numériques décrit des modèles continuellement actualisés qui soutiennent des décisions prédictives et prescriptives. Un jumeau ainsi utilisé est une prévision de grande dimension : il prédit les interactions de la demande, des stocks, des capacités, des fournisseurs et du transport après une perturbation ou une intervention. Des données en temps réel sur le présent ne démontrent pas la précision de ces prévisions conditionnelles. (14)
Les tests pertinents portent sur les quantités et horizons prévus, les dates de livraison incertaines, les dépendances entre perturbations et les conséquences économiques des erreurs. Un scénario où un fournisseur a quatre jours de retard peut illustrer une éventualité, mais choisir une action exige les probabilités des retards possibles et leurs interactions avec la demande. Le matériel examiné sur Risk AI ne fournit ni résultats de calibration ni validation sur des données réservées de ces prédictions utiles à la décision.
Cette lacune touche aussi la résolution automatique des risques. Si une alerte déclenche une action prédéfinie, la politique nécessite une validation économique. Si une simulation choisit entre plusieurs actions, ses hypothèses et ses erreurs prédictives doivent être validées. La description du produit n’explique pas quel mécanisme détermine le résultat annoncé.
Éléments de déploiement et productivité
Le cas d’hygiène buccale couvre plus de 4 000 SKU, huit canaux, quatre usines et plus de quinze sources de données d’entreprise. 3SC rapporte une implémentation de vingt-quatre semaines, une précision prévisionnelle d’environ 75 %, une amélioration de huit à onze points, des cycles de planification réduits de près de quatre-vingt-dix à trente jours et environ 40 % de charge de planification en moins. Le processus résultant utilise une revue mensuelle des exceptions et des tableaux de bord partagés. (8)
Ces résultats étayent une amélioration significative par rapport à une planification trimestrielle fragmentée. Le pourcentage de précision n’est accompagné ni d’une formule, ni d’un horizon de prévision, ni d’une granularité exacte d’évaluation ; le cas décrit à la fois des prévisions au niveau SKU et des agrégations selon les hiérarchies de l’entreprise. Il ne peut donc établir une performance à la granularité opérationnelle article/emplacement/temps. Il ne fournit pas non plus de rendement mesuré des stocks ou de bénéfice net des coûts d’implémentation et d’exploitation.
Le dénominateur du travail compte autant que le pourcentage. Raccourcir la durée écoulée d’un cycle de planification et réduire le travail sont deux résultats différents. Le cas ne précise pas si la comparaison de charge porte sur un cycle, un mois ou un portefeuille fixe de décisions. Cela empêche une évaluation complète du gain de productivité.
L’offre 4PL de 3SC explicite le modèle opérationnel qui subsiste : ses équipes gèrent l’exécution, la coordination des partenaires, la documentation, les exceptions et les rapports de performance. Les offres d’emploi d’octobre 2026 mentionnent les transactions quotidiennes dans le TMS, les demandes de mise à disposition de véhicules, les rapports Excel et la coordination production/distribution. Ces responsabilités décrivent un travail qui continue d’être fourni sous forme de service. (7, 16)
Davantage d’expéditions, de sites et d’exceptions peuvent exiger davantage d’opérateurs, même si les clients ne les emploient plus directement. 3SC affirme que son modèle se développe sans croissance proportionnelle des effectifs, mais ne publie aucune série comparable sur la charge, les effectifs, la qualité du service et le coût total. Mesurer uniquement l’effort du client omet le travail transféré au prestataire. (7)
Historique technologique : des grandes promesses à la feuille de route agentique
3SC a été fondée en 2012, et l’investisseur GEF décrit une activité associant analytique, efficacité logistique et décarbonation. Cette origine correspond au mélange actuel d’applications et d’exécution prise en charge. Les sources publiques examinées ici deviennent plus précises sur la technologie à partir de 2022. (1, 20)
En février 2022, 3SC présentait la blockchain comme une technologie indispensable à la compétitivité et lui attribuait une meilleure visibilité, de meilleures prévisions et une meilleure gestion de la demande. L’article défendait la technologie ; il n’annonçait pas un produit ou un déploiement blockchain identifié. Son intérêt réside dans l’étendue des bénéfices attribués à un composant à la mode sans expliquer le mécanisme ni rapporter de résultat. (12)
La présentation de SCAI en novembre 2022 associait IBP, gestion des risques, comptabilité carbone et gestion des données d’entreprise. Elle mettait en avant le demand sensing, l’optimisation de réseau et la gamification collaborative, avant de conclure sur une promesse de transformation pratiquement illimitée. Le communiqué identifiait des modules, mais apportait peu d’éléments sur leur nouveauté numérique ou l’amélioration annoncée des décisions. (11)
La présentation de Risk AI en juin 2024 ajoutait GAURI, un assistant génératif pour les questions, les analyses et les recommandations, aux côtés d’un centre de commandement, d’un jumeau numérique et d’un environnement de simulation. L’article sur les jumeaux de juin 2025 insistait sur les données continues et l’adaptation prédictive. La progression visible va d’une suite de planification vers une couche d’assistance et de simulation ; la validation publique des décisions résultantes n’a pas progressé avec le même degré de détail. (13, 14)
L’article sur l’IA agentique de mars 2026 fait de l’IBP le socle nécessaire et décrit des agents qui transposent ses intentions convenues en décisions opérationnelles entre les cycles de planification. L’article de novembre 2026 sur les cas d’usage inclut les achats, les transferts de stocks et la replanification dans un périmètre d’autorité défini. Ces articles décrivent des flux envisagés, les actions importantes étant remontées à des personnes, plutôt que les résultats économiques sans supervision d’un déploiement nommé. (10, 19)
Les éléments organisationnels actuels renforcent cette distinction. Une offre de poste en gestion de produit publiée en septembre recherche une personne pour construire la gamme agentique, tandis que l’annonce du directeur général d’octobre décrit la poursuite de l’expansion du portefeuille et l’évolution vers une suite agentique. Il s’agit d’une direction de développement, pas d’une preuve que tout le modèle opérationnel a déjà changé. (15, 16)
Le problème historique est l’insuffisance du bilan des réalisations au fil des promesses technologiques. Promotion de la blockchain, planification par IA, assistance générative, jumeaux numériques et agents s’accompagnent chacun d’un discours de résultats très larges. Les éléments publics ne suivent pas les anciennes promesses à travers des versions identifiées, des charges comparables, des résultats économiques et l’abandon des processus remplacés.
Composants logiciels et coût de maintenance
Les descriptions de postes actuelles publiées par l’employeur précisent des responsabilités de développement applicatif et d’intégration, en complément de la documentation produit.
| Composant ou responsabilité | Éléments et périmètre |
|---|---|
| Python, Django, PostgreSQL | Les responsabilités de développement backend de septembre 2026 les identifient pour le travail applicatif. |
| Java et Spring Boot | Les descriptions actuelles des postes d’ingénierie couvrent les services applicatifs et une évolution vers les microservices. |
| Services de modèles en Python et API | Le poste de prévision/data science couvre le développement de modèles et l’intégration applicative ; des connaissances élémentaires des conteneurs sont requises. |
| Données de référence et transactions d’entreprise | SCAI EDM gère les entités, relations, commandes d’achat, ordres de production, transferts et stocks. |
| Environnement d’intégration du client | L’implémentation d’hygiène buccale intègre plus de quinze sources d’entreprise. |
La question du coût porte sur le travail qui relie ces couches. Prévisions, transactions et mises à jour d’exécution doivent s’accorder sur l’identité des produits, les unités, la temporalité et la signification de la disponibilité. Plusieurs services introduisent des responsabilités de déploiement, de gestion des pannes et de surveillance. Les éléments publics ne quantifient pas leur consommation d’infrastructure et ne montrent pas comment les modèles et l’état transactionnel sont reconstitués ensemble après une panne.
Les offres d’emploi décrivent aussi des activités ordinaires de génie logiciel : tests, documentation des API, refactoring, déploiement et validation des modèles. La mise en œuvre en production et l’efficacité de ces contrôles restent non publiées. (16)
La configuration client ajoute une autre facture. La description d’EDM inclut les hiérarchies d’entités, les relations, les règles d’accès, les recommandations de qualité des données et la revue administrative. L’exécution agentique ajoute des politiques, des limites d’autorité, des règles d’escalade et des actions entre systèmes. Ce sont des règles métier exécutables, à entretenir lorsque les fournisseurs, produits, priorités ou interfaces changent. (10, 18)
Le matériel public n’expose pas de processus de bout en bout pour versionner cette logique, rejouer les décisions passées, tester les changements et revenir sur une version préjudiciable. Sans cela, une gestion plus rapide des exceptions peut accumuler davantage de règles locales au lieu d’améliorer la formulation sous-jacente. Le coût total de possession inclut les ingénieurs, planificateurs, administrateurs et équipes de service qui maintiennent la cohérence de ces règles.
Sécurité et périmètres d’exécution
3SC met largement en avant des badges ISO et SOC. Ces certifications n’apportent aucune preuve directe que l’architecture applicative empêche les fuites de données, limite une intégration compromise ou permet de récupérer après des écritures dommageables. (1)
L’article agentique de novembre reconnaît que les agents ont besoin de données exactes et d’une autorité définie, et qu’un agent logistique sans restrictions de coût peut choisir une action chère pour un faible bénéfice. Cela identifie un danger opérationnel. L’article n’explique pas comment l’autorisation est imposée en dehors de l’agent, quels identifiants sont accessibles, comment les données des clients sont isolées, ni comment les actions sont auditées et annulées. (19)
EDM mentionne le contrôle d’accès aux entités, mais les descriptions publiques s’arrêtent avant un modèle de menace, des limites de privilèges imposées, une conception de la récupération ou une validation. La limite en matière de sécurité tient à l’absence d’une architecture de confinement inspectable pour les intégrations et actions autonomes annoncées. (16, 18)
Responsabilité des résultats économiques
La proposition 4PL confie à 3SC l’exécution quotidienne et la gouvernance des partenaires, tandis que la direction du client conserve la stratégie, les relations et les décisions commerciales. Les actions, retards et décisions d’escalade du service peuvent donc être mesurés au regard de ces responsabilités. (7)
La responsabilité économique reste moins définie. Les pages produit annoncent des améliorations de précision prévisionnelle, de stocks, de visibilité, de risque et de productivité, mais n’identifient pas ce qui constitue un échec de la proposition économique. Le cas d’hygiène buccale rapporte des résultats de processus et de prévision sans compte complet des coûts ni rendement vérifiable indépendamment. (4, 8, 17)
Une évaluation adéquate consignerait la politique de référence, le périmètre du travail externalisé, les actions recommandées et exécutées, tous les coûts récurrents et la personne responsable de corriger une formulation peu performante. Une planification plus rapide et une meilleure coordination peuvent contribuer au résultat. Ce sont des améliorations intermédiaires, et la contribution économique nette du fournisseur reste à démontrer.
Évaluation détaillée
Chaque dimension est la moyenne de cinq critères. La note globale est la moyenne des vingt-cinq sous-notes, arrondie à une décimale.
Profondeur en supply chain
| Critère | Note |
|---|---|
| Cadrage économique | 4/10 |
| Décisions exécutables en sortie | 5/10 |
| Rigueur conceptuelle en supply chain | 5/10 |
| Affranchissement des doctrines centrales obsolètes | 2/10 |
| Résistance au théâtre des KPI | 3/10 |
Moyenne : 3,8/10
Cadrage économique — 4/10. 3SC identifie des arbitrages entre coût, gaspillage, service et besoin en fonds de roulement. Leur traduction dans un objectif qui valorise les actions concurrentes reste non spécifiée. (5, 9)
Décisions exécutables en sortie — 5/10. Les déclencheurs d’achat, la sélection de véhicules, les programmes d’expédition et les flux de règlement aboutissent à des actions opérationnelles. Leur qualité économique et la répartition entre calcul automatique et sélection humaine sont moins visibles. (3, 5, 6)
Rigueur conceptuelle en supply chain — 5/10. Le fournisseur reconnaît les limites de la précision prévisionnelle et l’importance de l’exécution. Il accorde moins d’attention à la valorisation probabiliste des actions qu’à la réduction des délais de coordination. (9, 19)
Affranchissement des doctrines centrales obsolètes — 2/10. Prévisions consensuelles, alignement IBP récurrent et revue des exceptions restent des fondements. Les agents sont présentés comme un moyen de préserver cette logique de planification entre les cycles, sans démontrer que la doctrine sous-jacente produit des décisions économiquement supérieures. (4, 10)
Résistance au théâtre des KPI — 3/10. Le cas d’hygiène buccale fournit des changements de processus explicites et des durées avant/après. La granularité de la précision, les dénominateurs de charge, les mesures de risque et les rendements économiques nets restent insuffisamment définis dans les principales affirmations. (8, 17)
Substance décisionnelle et optimisation
| Critère | Note |
|---|---|
| Profondeur de la modélisation probabiliste | 3/10 |
| Substance distinctive en optimisation ou machine learning | 3/10 |
| Prise en compte des contraintes réelles | 5/10 |
| Automatisation des décisions et productivité du travail | 3/10 |
| Résilience face à la complexité opérationnelle réelle | 3/10 |
Moyenne : 3,4/10
Profondeur de la modélisation probabiliste — 3/10. La simulation des risques et les conditions incertaines sont reconnues. Le matériel public ne spécifie pas une incertitude conjointe calibrée de la demande et des réceptions, et ne montre pas comment les probabilités entrent dans les choix d’approvisionnement et d’expédition. (5, 14, 17)
Substance distinctive en optimisation ou machine learning — 3/10. Les applications de planification et de transport identifient des sorties pertinentes, et le cas documente une implémentation concrète de prévision. Familles de modèles, méthodes d’optimisation, formulations des objectifs et benchmarks de décisions comparables restent non divulgués. (3, 6, 8)
Prise en compte des contraintes réelles — 5/10. Capacité et disponibilité des véhicules, destinations, programmes de production, stocks et délais fournisseurs figurent dans les descriptions opérationnelles. Leur traitement couplé et le comportement du moteur lorsque les contraintes s’opposent ne sont pas expliqués. (5, 6)
Automatisation des décisions et productivité du travail — 3/10. Les déclencheurs automatisés et un processus de planification plus court étayent un certain gain de productivité. Le travail cumulé des clients, des opérations prises en charge et de l’ingénierie n’est pas mesuré, et les exemples agentiques manquent de résultats de charge en déploiement. (5, 7, 8, 19)
Résilience face à la complexité opérationnelle réelle — 3/10. Les outils de scénarios et les équipes de service offrent des mécanismes de réponse. Il manque un processus inspectable pour corriger la formulation économique, rejouer les actions affectées et déployer l’amélioration en sécurité. (7, 17, 18)
Intégrité du produit et de l’architecture
| Critère | Note |
|---|---|
| Cohérence architecturale | 4/10 |
| Clarté des frontières du système | 4/10 |
| Sérieux de l’approche de sécurité | 2/10 |
| Sobriété logicielle et coût de possession | 3/10 |
| Compatibilité avec les opérations programmatiques et assistées par agents | 3/10 |
Moyenne : 3,2/10
Cohérence architecturale — 4/10. SCAI, EDM et iTMS ont des rôles fonctionnels identifiables. Leur représentation commune des données, leur couplage numérique, leur comportement en cas de panne et leur architecture de déploiement ne sont pas spécifiés publiquement. (2, 3, 18)
Clarté des frontières du système — 4/10. Le service 4PL définit les responsabilités opérationnelles et celles conservées par le client. Les interfaces produit, les limites d’autorisation et le passage des recommandations de planification à l’exécution automatique restent moins explicites. (7, 19)
Sérieux de l’approche de sécurité — 2/10. Certifications, contrôles d’accès aux entités et discours de gouvernance n’établissent ni isolation imposée ni capacité de récupération. Les agents intersystèmes annoncés ne disposent pas de spécifications publiques sur les identifiants, privilèges, mécanismes de confinement et retours arrière. (1, 18, 19)
Sobriété logicielle et coût de possession — 3/10. Intégration, travail applicatif distribué, administration des données et opérations prises en charge créent des coûts permanents. Le matériel publié ne fournit ni modèle complet de consommation ni effort de maintenance par portefeuille de décisions. (7, 16, 18)
Compatibilité avec les opérations programmatiques et assistées par agents — 3/10. Les postes d’ingénierie et les descriptions agentiques identifient des API et des opérations pilotées par outils. Il manque des contrats d’API publics, des contrôles d’exécution sans supervision et une gestion programmatique de la logique numérique. (16, 19)
Transparence technique
| Critère | Note |
|---|---|
| Documentation technique publique | 2/10 |
| Inspectabilité sans médiation du fournisseur | 2/10 |
| Visibilité de la portabilité et de la dépendance au fournisseur | 3/10 |
| Transparence de la méthode d’implémentation | 3/10 |
| Densité des preuves derrière les affirmations techniques | 3/10 |
Moyenne : 2,6/10
Documentation technique publique — 2/10. Les pages produit expliquent les modules et les bénéfices envisagés. Le matériel examiné ne donnait pas accès à des spécifications numériques publiques, des références d’API opérationnelles ou des manuels d’architecture et de sécurité. (2, 3, 17)
Inspectabilité sans médiation du fournisseur — 2/10. Un prospect peut examiner des flux et un cas de planification, mais ne peut pas reproduire le calcul de prévision ou d’optimisation à partir des éléments publics. (4, 8)
Visibilité de la portabilité et de la dépendance au fournisseur — 3/10. EDM consolide explicitement les entités et transactions du client, tandis que les services gérés coordonnent les partenaires existants. La sémantique des exports et la portabilité de la logique de décision configurée restent non publiées. (7, 18)
Transparence de la méthode d’implémentation — 3/10. L’implémentation d’hygiène buccale indique sa durée, l’intégration des données et le processus de planification obtenu. Les contrôles de mise en production, le versionnement de la configuration, la couverture de tests et la répartition durable du travail d’ingénierie restent flous. (8, 16)
Densité des preuves derrière les affirmations techniques — 3/10. Les descriptions de postes et le cas de déploiement apportent une substance opérationnelle. Ils ne fournissent pas une validation à la hauteur des affirmations plus larges sur les jumeaux numériques, la résolution automatique des risques et les capacités agentiques. (14, 16, 17, 19)
Sérieux du fournisseur
| Critère | Note |
|---|---|
| Sérieux technique de la communication publique | 3/10 |
| Intégrité de la feuille de route technologique | 3/10 |
| Rigueur conceptuelle | 4/10 |
| Responsabilité économique | 4/10 |
| Solidité concurrentielle dans un monde de logiciels agentiques | 4/10 |
Moyenne : 3,6/10
Sérieux technique de la communication publique — 3/10. Des flux logistiques concrets coexistent avec des bénéfices technologiques généralisés et des pourcentages de résultats non définis. Le discours du jumeau prédictif omet la validation nécessaire à sa promesse centrale. (3, 12, 14, 17)
Intégrité de la feuille de route technologique — 3/10. La chronologie identifie de véritables annonces de plateforme et d’assistant, avec un développement agentique encore explicitement en cours en 2026. Il manque un bilan public cohérent montrant les anciennes promesses se transformer en résultats économiques mesurés. (11, 13, 15)
Rigueur conceptuelle — 4/10. 3SC distingue correctement précision prévisionnelle et réussite économique. Son remède privilégié, une exécution coordonnée plus rapide dans les limites de l’IBP, traite insuffisamment la qualité de la logique économique de décision. (9, 10)
Responsabilité économique — 4/10. La proposition de services gérés attribue des responsabilités d’exécution identifiables. Les affirmations publiques ne vont pas jusqu’aux coûts complets, à un seuil d’échec économique, à l’attribution des pertes et à la responsabilité de corriger une logique de décision défaillante. (7, 8)
Solidité concurrentielle dans un monde de logiciels agentiques — 4/10. L’expérience d’exécution et les intégrations clients sont des atouts utiles. Le travail récurrent de coordination doit devenir nettement plus productif pour soutenir un avantage agentique, et les éléments publics ne mesurent pas encore cette transition. (7, 15, 16)
Sources
À propos de 3SC. Consulté le 4 novembre 2026. [2] Plateforme SCAI
Plateforme SCAI. Consulté le 4 novembre 2026. [3] Système intelligent de gestion du transport
Système intelligent de gestion du transport. Consulté le 4 novembre 2026. [4] Demand AI
Demand AI. Consulté le 4 novembre 2026. [5] Raw Material AI
Raw Material AI. Consulté le 4 novembre 2026. [6] Dispatch AI
Dispatch AI. Consulté le 4 novembre 2026. [7] Services logistiques gérés 4PL
Services logistiques gérés 4PL. Consulté le 4 novembre 2026. [8] Cas de planification mondiale de la demande en hygiène buccale
Cas de planification mondiale de la demande en hygiène buccale. Consulté le 4 novembre 2026. [9] Pourquoi la croissance de l’agroalimentaire exige de meilleures décisions
Pourquoi la croissance de l’agroalimentaire exige de meilleures décisions. 2026-01-20 ; consulté le 4 novembre 2026. [10] Ce que l’IA agentique apporte après l’IBP
Ce que l’IA agentique apporte après l’IBP. 2026-03-03 ; consulté le 4 novembre 2026. [11] Présentation de la plateforme SCAI
Présentation de la plateforme SCAI. 2022-11-17 ; consulté le 4 novembre 2026. [12] Réaliser la transparence de bout en bout dans la supply chain
Réaliser la transparence de bout en bout dans la supply chain. 2022-02-02 ; consulté le 4 novembre 2026. [13] Session du symposium Gartner : Risk AI et GAURI
Session du symposium Gartner : Risk AI et GAURI. 2024-06-10 ; consulté le 4 novembre 2026. [14] Jumeaux numériques et modèles statiques de supply chain
Jumeaux numériques et modèles statiques de supply chain. 2025-06-10 ; consulté le 4 novembre 2026. [15] Nomination d’Ashish Sikka au poste de directeur général
Nomination d’Ashish Sikka au poste de directeur général. 2026-10-21 ; consulté le 4 novembre 2026. [16] Offres d’emploi et descriptions de postes publiées par 3SC
Offres d’emploi et descriptions de postes publiées par 3SC. 2026 ; consulté le 4 novembre 2026. [17] Gestion des risques et jumeau numérique
Gestion des risques et jumeau numérique. Consulté le 4 novembre 2026. [18] Gestion des données d’entreprise avec SCAI
Gestion des données d’entreprise avec SCAI. 2022-12-12 ; consulté le 4 novembre 2026. [19] Cas d’usage de l’IA agentique dans les opérations supply chain des entreprises
Cas d’usage de l’IA agentique dans les opérations supply chain des entreprises. 2026-11-04 ; consulté le 4 novembre 2026. [20] GEF Capital : 3SC, entreprise du portefeuille
GEF Capital : 3SC, entreprise du portefeuille. Consulté le 4 novembre 2026.