Revue d'Anaplan, fournisseur de logiciels de planification cloud-native

Par Léon Levinas-Ménard

Dernière mise à jour : septembre, 2025

Anaplan est une plateforme cloud-native multi-tenant pour la création et l’exploitation de modèles de planification multidimensionnels dans la finance, les ventes, supply chain et la force de travail. Les modèles sont exécutés en mémoire par les moteurs Hyperblock® — Classic pour les ensembles de données denses et Polaris™ pour ceux clairsemés et haute dimension — tandis que des composants optionnels ajoutent l’optimisation linéaire/mixte-entier et la prévision des séries temporelles. Les données arrivent via des APIs REST, une interface en ligne de commande Java (Anaplan Connect) et des pipelines sans code (CloudWorks/Data Orchestrator) au sein du tenant ; les modifications sont régies par l’Application Lifecycle Management (ALM) avec des contrôles de sécurité au niveau du tenant. Incorporée à la fin des années 2000 après avoir été fondée au Royaume-Uni en 2006, Anaplan est entrée en bourse en 2018 et a été privatisée par Thoma Bravo en 2022 ; des acquisitions ultérieures ont étendu l’analytics (Mintigo), les applications packagées (Vuealta apps) et la clôture/consolidation financière (Fluence). Les signaux en ingénierie pointent vers une pile de microservices (Java/Kotlin/Rust/Python, React) déployée sur Kubernetes dans un cloud public. La livraison suit “The Anaplan Way,” une approche itérative centrée sur le créateur de modèles.

Aperçu exécutif

Anaplan offre un environnement de modélisation (lists, line items, modules, formulas) exécuté par des moteurs en mémoire qui recalculent uniquement les chaînes de dépendances impactées ; Classic cible des cubes denses, tandis que Polaris est nativement clairsemé pour les modèles haute dimension¹²³. Le calcul avancé s’ajoute avec un Optimizer LP/MIP intégré (basé sur Gurobi) appelable comme une action dans les modèles (Classic uniquement), et PlanIQ pour orchestrer la prévision via Amazon Forecast et des algorithmes natifs, en réinjectant les résultats dans les modules⁴⁵⁶⁷⁸. L’intégration et l’orchestration sont assurées via des APIs REST/ALM, Anaplan Connect (CLI Java) et CloudWorks/Data Orchestrator pour les pipelines sans code⁹¹⁰¹¹. La gouvernance inclut l’ALM (tags de révision, listes de production, ALM au niveau de la page) et la sécurité d’entreprise (SSO/SAML, clients OAuth, listes d’autorisation IP, gestion des certificats)¹²¹³¹⁴. Les jalons corporatifs comprennent l’introduction en bourse de 2018 et la privatisation par Thoma Bravo en 2022 ; les fusions & acquisitions ont été sélectives (Vue Analytics 2013, Mintigo 2019, applications Vuealta 2022, Fluence 2024)¹⁵¹⁶¹⁷¹⁸¹⁹²⁰²¹²²²³²⁴²⁵²⁶.

Anaplan vs Lokad

Périmètre et cadrage. Anaplan est une plateforme de planification à usage général couvrant la finance, les ventes, supply chain et la force de travail ; elle équipe les créateurs de modèles pour assembler des applications de planification et, le cas échéant, y intégrer l’optimisation/la prévision dans le même tenant¹²⁷⁴⁸. Lokad est une plateforme spécialisée en supply chain axée sur la prévision probabiliste et l’optimisation décisionnelle délivrées via un langage spécifique au domaine (Envision) qui génère des listes d’actions classées par ROI pour le réapprovisionnement, l’allocation, la planification et la tarification²⁸²⁹³⁰.

Prévision. La PlanIQ d’Anaplan intègre Amazon Forecast et des algorithmes natifs du fournisseur ; la prévision est orchestrée en tant que service et les résultats sont renvoyés dans les modules⁷⁸. La prévision de Lokad est probabiliste par conception (distributions complètes de la demande, grilles de quantiles) et a été validée publiquement (par exemple, une forte précision au niveau des SKU lors du concours M5), alimentant directement l’optimisation en aval²⁹.

Optimisation. Anaplan expose le LP/MIP via un solveur Gurobi intégré, conditionné comme une action « Optimizer » ; d’après la documentation publique, Optimizer n’est pas disponible sur Polaris, créant ainsi un compromis pour les modèles clairsemés nécessitant également le MIP⁴⁵. Lokad utilise une optimisation tenant compte de l’incertitude (par exemple, recherche stochastique/discrète, programmation différentiable) pour optimiser des objectifs économiques sous distributions, sans restreindre les utilisateurs aux formulations classiques LP/MIP²⁹³⁰.

Architecture et transparence. Anaplan offre une couche de modélisation en low-code avec ALM, sécurité au niveau du tenant et orchestration sans code ; les détails internes (spécificités des moteurs, APIs du solveur) sont abstraits, avec des conseils communautaires sur les performances²¹¹¹². Lokad expose un DSL en « boîte blanche » (Envision) où chaque transformation et règle de décision est explicite et versionnée ; la plateforme est conçue autour d’un store événementiel et d’une VM distribuée pour l’exécution d’Envision³⁰.

Livrable. Anaplan fournit généralement une application de planification collaborative et régie (par exemple, FP&A, S&OP, planification territoriale) dont les résultats dépendent de la configuration par le client des modèles, formules et actions¹²⁷. Lokad fournit typiquement des listes de décisions prêtes à exécuter, optimisées financièrement (par exemple, bons de commande, transferts) priorisées selon le ROI attendu en situation d’incertitude²⁹³⁰.

Historique et financement de l’entreprise

Fondée en 2006 dans le Yorkshire, Royaume-Uni, par Michael Gould, Guy Haddleton et Sue Haddleton ; l’expansion aux États-Unis et la réincorporation dans le Delaware ont précédé l’IPO de 2018¹⁵. Les levées de fonds en capital-risque incluaient la Série B (11,4 M$, 2012), la Série C (33 M$, 2013), la Série D (100 M$, 2014) et la Série E (90 M$, 2016)³¹³²³³³⁴. Anaplan a été cotée au NYSE en octobre 2018 ; Thoma Bravo a annoncé une privatisation en mars 2022, ajustée à 63,75$/action, et finalisée le 22 juin 2022 (environ 10,4 B$ EV)¹⁵¹⁶¹⁷¹⁸.

Registre M&A (acquéreur)

Vue Analytics (revendeur UK/Irlande), 19 févr. 2013¹⁹²⁰.
Mintigo (analyse prédictive marketing/ventes), annoncé le 27 août 2019 ; finalisé le 3 oct. 2019 (environ 36,2 M$)²²²¹.
Division Applications Vuealta, 18 déc. 2022²³.
Fluence Technologies (clôture financière, consolidation & divulgation), accord du 26 avr. 2024 ; finalisé le 9 mai 2024²⁴²⁵²⁶.

Architecture de la plateforme et moteurs

Modélisation et exécution. Les modèles sont composés de lists (dimensions), line items (mesures/formules) et modules (tableaux). Les moteurs Hyperblock exécutent les DAG de dépendances et recalculent uniquement les blocs impactés ; des fonctions comme RANK sont mono-thread ; les recommandations de performance (Planual) visent le nombre de blocs et les synthèses¹². Classic privilégie le stockage dense ; Polaris introduit la rareté native pour faire face aux modèles haute dimension, clairsemés (GA prévu en 2023 selon la Statement of Direction)³. L’innovation future en calcul devrait se concentrer sur Polaris³.

Optimisation et prévision

Optimizer. Expose le LP/MIP via une action qui compile les variables de décision, contraintes et objectif à partir des données du modèle ; le solveur intégré est Gurobi (selon les livres blancs et la communauté du fournisseur), et Optimizer n’est pas disponible sur Polaris⁴⁵⁶. Les journaux du solveur ainsi que la gestion des écarts et des timeouts sont affichés dans les threads d’exécution et les importations⁶.

PlanIQ. Orchestre l’entraînement et l’inférence des séries temporelles en utilisant Amazon Forecast (exemple : DeepAR+, ARIMA/ETS) et des algorithmes Anaplan-native (ex : MVLR), renvoyant les prévisions dans les modules ; il supporte des exécutions ad hoc depuis les pages UX⁷⁸.

Intégration et gouvernance

APIs et pipelines. Des APIs REST/ALM, Anaplan Connect (CLI Java) et CloudWorks/Data Orchestrator assurent des pipelines scriptés et sans code (connexions, transformations, planification) au sein du tenant⁹¹⁰¹¹.

ALM et sécurité. Les tags de révision, les listes de production et l’ALM au niveau de la page facilitent le passage du dev/test à la prod ; les contrôles d’entreprise incluent le SSO/SAML, les clients OAuth 2.0, les listes d’autorisation IP et la gestion des certificats ; les briefs de sécurité documentent les contrôles et l’architecture¹²¹⁴¹³.

Signaux sur la pile technologique (rôles et artefacts)

Les offres d’emploi indiquent des services en Java/Kotlin/Rust/Python, un front-end en React, Kubernetes/Docker, AWS/GCP et une plateforme/IAM gérés via CI/CD ; les rôles liés à l’activation de l’IA mentionnent « l’opérationnalisation des modèles » et des intégrations avec des data lakes/états d’événements³⁵³⁶³⁷.

Méthodologie de livraison et échéanciers

The Anaplan Way prescrit une livraison itérative centrée sur le créateur de modèles ; l’ALM régit la promotion ; les études de cas du fournisseur évoquent des constructions de base rapides ou des réductions de temps de cycle (à considérer comme des anecdotes, non comme des SLA)³⁸¹²³⁹¹⁵.

Incohérences et zones grises (d’après la documentation publique)

Année de fondation. Certains articles tiers citent 2008 ; plusieurs sources primaires/secondaires indiquent 2006 (fondation au Royaume-Uni) avec une incorporation ultérieure aux États-Unis¹⁵.
Optimizer sur Polaris. Les documents publics précisent non supporté ; des solutions de contournement nécessitent le moteur Classic pour les étapes MIP⁴.
Amplitude de l’« IA ». Au-delà du cadre des séries temporelles de PlanIQ et du langage des offres d’emploi, aucune documentation publique détaillée et reproductible ne démontre de fonctionnalités de type IA générative dans le calcul/UX de base d’après les sources citées⁸³⁶.

Évaluation sceptique de l’état de l’art

Moteur et modélisation. Exécution des dépendances en mémoire mature avec une conception crédible de rareté dans Polaris ; l’absence de benchmarks indépendants fait que les allégations de « best-in-class » restent non prouvées publiquement¹³.
Optimisation. De qualité industrielle grâce à Gurobi ; le conditionnement sous forme d’action est pragmatique, mais le support réservé à Classic limite l’utilisation du MIP dans les modèles Polaris en haute dimension et clairsemés⁴⁵.
Prévision. Exploitation judicieuse d’Amazon Forecast ainsi que de modèles natifs du fournisseur ; une approche axée sur l’intégration plutôt que sur des percées propriétaires en deep learning⁷⁸.
Intégration et gouvernance. L’orchestration via REST/CLI/sans code et l’ALM/la sécurité sont complètes et conformes aux standards du SaaS d’entreprise⁹¹¹¹³.

Conclusion

Anaplan se caractérise surtout comme une plateforme de planification régie et programmable : moteurs de calcul en mémoire (Classic/Polaris), capacités optionnelles LP/MIP et prévision des séries temporelles, et une ALM/sécurité robuste autour d’une expérience de modélisation en low-code. Les choix techniques (Gurobi pour le MIP, intégration d’Amazon Forecast, microservices Kubernetes) sont industriels et crédibles. Les affirmations d’une « IA » plus étendue que la prévision ne sont pas étayées par une documentation publique et reproductible. Pour les acheteurs : validez les exigences de Optimizer face à la limitation de Polaris ; pilotez la précision et la latence des prévisions avec PlanIQ sur vos séries ; et testez l’orchestration des données et l’ALM par rapport à votre SDLC/conformité. Comparé à Lokad, qui se concentre sur une optimisation probabiliste et décisionnelle via un DSL en boîte blanche pour le supply chain, la force d’Anaplan réside dans l’ampleur et la gouvernance de la planification d’entreprise ; son efficacité en supply chain reflétera la spécificité et la rigueur des modèles que vous construirez par-dessus.