Dernière mise à jour : 4 novembre 2026
Retour aux études de marché
Colibri fournit des logiciels cloud de planification de la demande, de réapprovisionnement et de planification des ventes et des opérations. Ses modules VISION, FLOW et PILOTE couvrent les prévisions, les plans d’achat et de distribution, les scénarios de capacité et les projections financières. L’entreprise appartient au groupe VISEO. (1, 18)
Note globale : 3.8/10
| Dimension | Note |
|---|---|
| Profondeur de compréhension de la supply chain | 3.8/10 |
| Substance des décisions et de l’optimisation | 3.6/10 |
| Intégrité du produit et de l’architecture | 4.4/10 |
| Transparence technique | 3.8/10 |
| Sérieux de l’éditeur | 3.4/10 |
Colibri documente un processus classique de réapprovisionnement qui laisse une charge de travail importante aux planificateurs. Les utilisateurs configurent les groupes de produits et les règles logistiques ; des calculs programmés génèrent des plans et des alertes ; les planificateurs révisent et approuvent les suggestions avant d’exporter les commandes vers un ERP. Le logiciel automatise les calculs au sein de ce processus, tandis que les personnes maintiennent ses politiques et décident comment résoudre les exceptions. (2)
Les promesses d’IA dépassent largement les mécanismes de décision démontrés. Super Best Fit promet les meilleures prévisions possibles, Data Sensing ajoute des variables externes, et les assistants apprennent ou exécutent les actions des utilisateurs. Les éléments publics n’établissent ni modèle conjoint des incertitudes de demande et d’approvisionnement, ni objectif économique régissant les décisions opérationnelles, ni volume total de travail supprimé par ces nouvelles fonctions. (4, 1)
Les questions les plus importantes concernent les politiques qui commandent les achats, le coût récurrent de leur maintien en bon état et la responsabilité lorsque les décisions produites font perdre de l’argent. Les cas clients établissent des processus déployés et certaines améliorations des prévisions. Ils n’établissent pas la proposition plus ambitieuse de décisions de supply chain optimisées économiquement et fonctionnant avec peu d’intervention humaine.
Colibri face à Lokad
Colibri organise le travail de planification des équipes commerciales, des acheteurs et des responsables supply chain autour de prévisions communes, de paramètres de politiques, d’alertes et de scénarios. Cela peut remplacer des tableurs fragiles et faciliter les échanges d’informations. Cela conserve aussi un rôle récurrent aux personnes qui interprètent la prévision et approuvent le plan qui en résulte.
L’approche de supply chain quantitative de Lokad évalue les décisions opérationnelles selon leurs conséquences financières attendues. Les achats, allocations, productions et autres actions sont examinés face à une demande incertaine, aux retards de réapprovisionnement et aux coûts économiques des ruptures, des excédents de stock et des ressources limitées. L’objectif est d’exécuter la logique de décision de façon répétée et de l’améliorer lorsque l’expérience révèle un facteur manquant. Introduction à la supply chain développe cette perspective.
Par exemple, classer un produit comme important ne détermine pas le capital à lui consacrer. Une pièce détachée à faible volume peut justifier davantage de protection qu’un accessoire à forte rotation si sa rupture interrompt une activité coûteuse. Une politique fondée sur une classification des ventes doit être complétée par les coûts et les incertitudes pertinents avant de pouvoir effectuer cet arbitrage.
Le périmètre du service compte également. Colibri documente la mise en œuvre et l’assistance continue, tandis que les planificateurs restent responsables de plusieurs paramètres de politiques. L’optimisation des stocks gérée par Lokad confie à un Supply Chain Scientist la préparation des données, l’économie des décisions, le suivi et la maintenance en production. Les deux approches entraînent des coûts de maintenance ; la comparaison utile porte sur le coût total et le résultat financier de l’exploitation et de la révision de leur logique de décision.
Le mécanisme de réapprovisionnement et ses limites économiques
Les prévisions deviennent des politiques configurables et des validations de planificateurs
La description en cinq étapes de la planification des approvisionnements de Colibri identifie le chemin normal vers l’exécution. Les groupes de planification combinent produits et sites. Un planificateur définit les stocks de sécurité, points de commande, règles de calcul, horizons et calendriers. Des calculs quotidiens ou hebdomadaires produisent des suggestions et des alertes. Le planificateur modifie ensuite les plans, contacte les fournisseurs, crée ou valide les suggestions d’achat et exporte les commandes approuvées vers l’ERP. (2)
C’est un modèle opérationnel concret. Sa faiblesse économique réside dans le nombre de décisions déplacées vers la configuration. Un niveau de stock de sécurité détermine les ruptures tolérées ; un horizon de planification détermine les coûts futurs visibles ; un regroupement détermine où des produits distincts reçoivent un traitement similaire. Si ces choix ne sont pas calculés à partir de leurs conséquences financières, des réglages apparemment raisonnables peuvent systématiquement favoriser les mauvais stocks.
Colibri documente aussi la planification des fournisseurs et des conteneurs, le recours à plusieurs fournisseurs et les calculs de capacité. (17) Ce sont des contraintes pertinentes. Les documents publics n’identifient pas comment le système évalue un achat combiné lorsque interagissent un seuil de conteneur, la substitution, des arrivées incertaines et des usages concurrents du capital.
L’automatisation du stock de sécurité conserve le problème des politiques
L’article sur le stock de sécurité décrit une catégorisation ABC, des ratios décroissants appliqués entre références et des stocks dynamiques reflétant les cycles de vie et la variabilité des produits. IZIPIZI utilise VISION et FLOW pour ses prévisions et ses projections de stock. (3)
Le mécanisme exposé ajuste la politique de stock. Il n’établit pas comment une unité de stock supplémentaire est valorisée face à d’autres usages de l’argent. Deux articles peuvent avoir une variabilité des ventes similaire et des pertes de rupture, possibilités de substitution ou risques d’obsolescence très différents. Lisser une classification en ratios plus fins améliore la continuité de la politique ; cela n’apporte pas l’économie manquante.
L’incertitude de l’approvisionnement est tout aussi déterminante. Une prévision des ventes associée à un délai fixe peut sous-estimer l’exposition précisément lorsqu’un fournisseur devient peu fiable. Les explications produit examinées ne montrent pas de modèle probabiliste conjoint de la demande, du délai de livraison et des autres incertitudes pertinentes alimentant un calcul monétaire des décisions.
Super Best Fit et Data Sensing
Le communiqué de mars 2025 décrit Super Best Fit comme sélectionnant des algorithmes statistiques, de machine learning ou de deep learning. Il promet les meilleurs modèles et prévisions sans effort de l’utilisateur. Data Sensing intègre des variables telles que la météo, les promotions, les prix et les ruptures des concurrents par analyse des corrélations. (4)
La sélection automatique des modèles peut supprimer le travail de sélection. Sa qualité dépend des méthodes candidates, des données d’entraînement, des fenêtres d’évaluation, de la fonction de perte et des informations disponibles au moment de produire la prévision. Aucun de ces détails n’accompagne la garantie du meilleur résultat possible.
L’étiquette sensing n’ajoute aucune substance technique distincte. La rupture d’un concurrent peut influencer la demande, mais son observation doit parvenir avant la décision d’achat et rester utile sur l’horizon de réapprovisionnement. Une corrélation sur des données révisées ou reçues tardivement ne peut établir ce bénéfice. La comparaison pertinente utilise la même date limite d’information et le même rythme de rafraîchissement, puis mesure les conséquences financières des commandes obtenues.
Promesses historiques et réalisations
| Période | Éléments publics | Suite observée |
|---|---|---|
| Début du développement en 2013 | Une ancienne page de recrutement indique que le développement a commencé sur Azure au sein de VISEO. | Le produit s’est développé comme application cloud de prévision et de réapprovisionnement. (10) |
| 2019 | Vitacuire décrivait un processus de prévision collaborative déployé. | Les commerciaux, responsables de comptes et responsable de planification conservaient des rôles distincts de préparation et de validation. (8) |
| 2021–2022 | Colibri documentait les politiques de stock de sécurité et annonçait une amélioration des prévisions chez Vitacuire. | Les éléments portaient sur la configuration des politiques et les prévisions ; aucun résultat économique net n’accompagnait l’amélioration publiée. (3, 9) |
| Mars 2025 | Super Best Fit, l’analyse de variables externes et l’automatisation étaient annoncés comme disponibles ; les assistants devaient suivre. | Le site actuel commercialise l’assistance conversationnelle, le pilotage de l’application et l’apprentissage des actions des utilisateurs. (4, 1) |
| Décembre 2025–2026 | Colibri a renforcé son organisation régionale de déploiement et d’assistance et annoncé une croissance commerciale. | Cela établit la continuité de l’activité produit et service, tandis que le gain supplémentaire des fonctions d’IA sur le travail décisionnel reste non mesuré. (14, 15) |
L’historique montre la continuité du travail sous-jacent : améliorer les prévisions, configurer les politiques de planification, coordonner les utilisateurs et valider les plans. Le positionnement plus récent des assistants ne démontre pas que ce modèle opérationnel a changé. Apprendre les actions répétées d’un utilisateur peut reproduire un processus sans établir que ces actions améliorent les résultats économiques.
Les propres commentaires techniques de Colibri en 2026 créent une incohérence plus nette. Son article de février prévient que le ML avancé requiert une analyse et une configuration spécialisées, peut surajuster les données et ne profite pas également à toutes les entreprises. (5) Ces réserves sont raisonnables, mais elles laissent sans fondement la promesse antérieure de la meilleure prévision possible sans effort. L’éditeur doit préciser quel travail le sélecteur supprime et quel travail d’expert demeure.
L’article de février, repris dans une version de mars, décrit aussi un concours de prévision de 2020 dans lequel 17 méthodes de ML auraient fait moins bien qu’une référence naïve, avant une percée un an plus tard. (5, 6) L’article M5 des organisateurs situe le concours en mars–juin 2020 et indique que les 50 meilleures méthodes utilisaient le ML. (7) La chronologie de Colibri déforme l’histoire du benchmark invoqué pour expliquer sa technologie. Les résultats des benchmarks méritent une attribution précise, surtout lorsqu’ils étayent le récit des progrès récents d’un produit.
Productivité, maintenance de la configuration et coût de possession
Le client doit maintenir une application de planification
Groupes de planification, règles logistiques, seuils d’alerte, calendriers et paramètres fournisseurs sont de la logique métier exécutable. Quelqu’un doit les réviser lorsque changent les profils de demande, les options d’achat, les substitutions de produits ou les coûts de service. Une interface configurable donne accès à ces paramètres ; elle n’établit pas la pertinence économique du changement.
Colibri propose des prototypes fondés sur les données du client et une configuration itérative. (19) Son annonce de services de décembre 2025 décrit un accompagnement dans le conseil, le paramétrage, le lancement et les évolutions ultérieures, avec des spécialistes régionaux du produit et du déploiement. (14) Ces engagements répondent à un besoin identifiable : conserver l’utilité de l’application après son premier déploiement.
La dépense récurrente comprend à la fois ce travail spécialisé et les revues opérationnelles des planificateurs. Ils résolvent des problèmes différents. L’un modifie la logique de décision ; l’autre intervient de façon répétée dans ses résultats. Si une exception récurrente demande toujours le même jugement, un gain durable de productivité exige que ce jugement devienne une logique fiable et testée.
Les documents publics n’expliquent pas comment les clients versionnent les changements de politiques, les rejouent sur les décisions historiques, comparent les résultats financiers ou annulent une configuration erronée. Ces omissions compliquent l’évaluation du coût d’une évolution sûre de l’application.
Les cas clients ne mesurent qu’une partie du bénéfice
Le témoignage de Vitacuire de 2019 décrit des prévisions alimentant les besoins de production et d’achat, avec plusieurs rôles humains de validation. (8) Un suivi d’avril 2022 indique une fiabilité des prévisions passant de 50–60% à plus de 70% en deux ans, présentée comme une amélioration de 20%. Il ne définit ni formule d’erreur, ni agrégation, ni origine de la prévision, ni si l’amélioration est relative ou mesurée en points de pourcentage. (9)
Ces chiffres n’établissent pas l’évolution des stocks, des pertes ou de la marge. Des prévisions de fabrication saisonnière ne peuvent pas non plus être comparées directement à des prévisions quotidiennes par article dans le commerce de détail. L’évaluation exige les décisions, leur horizon et leurs conséquences financières.
D’autres témoignages sur la page d’accueil actuelle décrivent une revue mensuelle des prévisions chez GGB et une aide au changement des dates de substitution chez Puressentiel. (1) Ils attestent un déploiement utile et des adaptations ultérieures. Ils identifient aussi un travail continu de revue et de maintenance. Aucune mesure publiée du travail avant et après ne sépare ces charges de la contribution des assistants plus récents.
Colibri annonce 3.9 millions d’euros de chiffre d’affaires et 19 nouveaux clients pour 2025. (15) Cela établit une activité commerciale. Cela ne mesure pas les retours des clients et ne comble pas l’absence de preuves de productivité.
Composants logiciels et sécurité
Une pile applicative Microsoft dont certains détails importants ne sont pas divulgués
| Composant | Éléments propres au produit | Conséquence opérationnelle |
|---|---|---|
| Microsoft Azure | Colibri désigne Azure comme plateforme d’hébergement et partenaire technique de longue date. | Calcul, stockage, sauvegarde et exploitation du service restent des coûts récurrents. (11) |
| C#/.NET et SQL Server | Une ancienne offre de développement de la suite Colibri demande ces compétences. | Elle identifie une filiation de développement applicatif et de bases de données Microsoft. (10) |
| jQuery, AngularJS et VSTS | La même page de recrutement non datée cite ces outils web et de développement. | Ce sont des exigences historiques de l’équipe produit ; leur remplacement et leur support actuels ne sont pas publiés. (10) |
| Extension Salesforce | La page partenaires de Colibri décrit une extension intégrée pour les utilisateurs commerciaux. | Les données commerciales franchissent une frontière applicative supplémentaire dont les délais et les correspondances doivent être maintenus. (11) |
| Intégration ERP | Le processus d’approvisionnement exporte les commandes approuvées ; les témoignages décrivent le transfert des prévisions vers la planification ERP. | Quantités, identifiants, états d’approbation et nouvelles tentatives doivent rester corrects lors du transfert. (2, 8) |
La pile logicielle documentée est relativement compacte. Le coût le plus visible réside dans les politiques de planification configurées, la sémantique des intégrations, l’assistance spécialisée et les revues répétées.
Les détails de mise en œuvre comptent néanmoins. Les documents publics n’exposent pas la gestion transactionnelle des exports de commandes échoués, le rejeu de bout en bout ni les frontières entre calcul des prévisions et stockage opérationnel. Ce sont des lacunes importantes lorsqu’un système de planification est censé alimenter les achats de manière fiable.
Les affirmations de sécurité s’arrêtent avant le confinement des défaillances
La description de sécurité publiée par Colibri énumère HTTPS, l’authentification OAuth2, l’authentification à deux facteurs optionnelle, l’isolation des données clients, des tests externes et un retour des données à un état antérieur dans une fenêtre de 30 jours. (12)
Cette fenêtre est pertinente, mais la description n’établit pas quel état est récupérable, qui peut modifier les sauvegardes, comment la restauration est testée ni comment une configuration corrompue est détectée avant de produire de mauvaises commandes. De même, citer l’isolation ne révèle pas la frontière de privilèges qui empêche un compte ou service compromis d’accéder aux données d’autres clients.
Le test d’ingénierie porte sur ce qui reste protégé après la défaillance d’un compte, d’une dépendance ou d’un administrateur. Les documents publics de sécurité donnent trop peu de détails sur les privilèges effectivement imposés, la protection de l’état de récupération et la gestion des correctifs pour étayer une appréciation favorable. Les références d’hébergement et d’audit ne répondent pas à ces questions.
Responsabilité économique : la promesse de prévision et l’obligation de service divergent
Les conditions de service publiées en anglais excluent les garanties de précision ou de fiabilité des résultats et d’adéquation à des attentes particulières. Elles s’engagent à corriger les défauts majeurs empêchant l’utilisation lorsqu’ils sont exclusivement imputables à Colibri, plafonnent la responsabilité directe aux redevances des douze mois précédents et excluent certaines pertes, dont les bénéfices et le chiffre d’affaires. Le texte précise que la version française prévaut. (13)
Ces conditions publiques encadrent la responsabilité autour de l’accès et des défauts logiciels. Elles ne transforment pas la promesse de performance des prévisions en obligation économique définie. Une application fonctionnelle peut toujours produire des achats qui immobilisent du capital ou provoquent des ruptures.
Cet écart devrait être comblé avant d’attribuer un mauvais résultat à la compétence du client. La mise en œuvre doit préciser les prérequis en données et en personnel, définir l’évaluation de la politique et attribuer la responsabilité du diagnostic des erreurs de prévision, de politiques, des interventions manuelles et des défauts d’exécution. Les cas clients examinés ne définissent ni référence de retour net, ni seuil d’échec, ni engagement de correction.
Note supply chain
La note globale est la moyenne à poids égaux des 25 critères ci-dessous.
Profondeur de compréhension de la supply chain
| Critère | Note |
|---|---|
| Cadrage économique | 4/10 |
| Aboutissement des décisions | 5/10 |
| Clarté conceptuelle sur la supply chain | 4/10 |
| Indépendance vis-à-vis des doctrines centrales dépassées | 2/10 |
| Résistance au théâtre des KPI | 4/10 |
Moyenne : 3.8/10
Cadrage économique — 4/10. Stocks, trésorerie, service et capacité sont des préoccupations métier visibles. Les règles de planification documentées n’exposent pas d’objectif monétaire sélectionnant des actions concurrentes dans l’incertitude. (17)
Aboutissement des décisions — 5/10. Le processus de réapprovisionnement aboutit à l’export de commandes approuvées vers un ERP. Cela établit une sortie opérationnelle, tout en maintenant la validation du planificateur et en laissant ouverte la qualité financière de la politique configurée. (2)
Clarté conceptuelle sur la supply chain — 4/10. Les cycles de vie, conteneurs, fournisseurs et la distribution sont abordés. L’explication publique ne montre pas comment leurs interactions changent la décision préférable lorsque les réalisations de la demande et des livraisons varient. (17)
Indépendance vis-à-vis des doctrines centrales dépassées — 2/10. Prévision commune, classifications de planification, revues d’exceptions et coordination S&OP restent au cœur de la conception. Le livre blanc promeut explicitement un futur unique et partagé pour aligner l’organisation. (16) Cela laisse l’incertitude et la sélection des décisions hors du principal concept organisateur.
Résistance au théâtre des KPI — 4/10. Les chiffres avant et après de Vitacuire apportent du contexte, mais aucune métrique reproductible ni lien économique. La promesse des meilleures prévisions possibles est nettement plus forte que les éléments qui la soutiennent. (9, 4)
Substance des décisions et de l’optimisation
| Critère | Note |
|---|---|
| Profondeur de la modélisation probabiliste | 2/10 |
| Substance distinctive de l’optimisation ou du ML | 3/10 |
| Prise en compte des contraintes réelles | 5/10 |
| Automatisation des décisions et productivité du travail | 4/10 |
| Résilience face à la complexité opérationnelle réelle | 4/10 |
Moyenne : 3.6/10
Profondeur de la modélisation probabiliste — 2/10. Les explications disponibles concernent la sélection des prévisions, la variabilité et les règles de stock. Aucun modèle probabiliste conjoint documenté ne relie l’incertitude de la demande et de l’approvisionnement à l’évaluation financière des décisions. (3, 4)
Substance distinctive de l’optimisation ou du ML — 3/10. La sélection des modèles et l’analyse de variables externes identifient des tâches de calcul. Les descriptions publiques n’exposent pas les modèles candidats, la procédure de validation, l’objectif décisionnel ou le mécanisme d’optimisation nécessaires pour établir les affirmations les plus fortes. (4, 5)
Prise en compte des contraintes réelles — 5/10. Les fonctions fournisseurs, conteneurs, calendriers et capacité traitent des restrictions concrètes de planification. Leur interaction dans un calcul économique commun reste incertaine, notamment lorsque le futur contredit leurs entrées déterministes. (17)
Automatisation des décisions et productivité du travail — 4/10. Les calculs programmés de réapprovisionnement éliminent du travail arithmétique et produisent des suggestions de commandes. Les résultats publiés n’établissent ni l’économie totale de travail après exceptions, maintenance et assistance, ni un gain supplémentaire attribuable aux assistants. (2, 1)
Résilience face à la complexité opérationnelle réelle — 4/10. Les retours clients et services de mise en œuvre soutiennent l’évolution de l’application. Les éléments publics ne montrent pas de méthode systématique pour transformer les échecs opérationnels coûteux en améliorations testées des objectifs, des contraintes et des actions disponibles. (19, 14)
Intégrité du produit et de l’architecture
| Critère | Note |
|---|---|
| Cohérence architecturale | 5/10 |
| Clarté des frontières du système | 5/10 |
| Sérieux en matière de sécurité | 3/10 |
| Parcimonie logicielle et coût de possession | 5/10 |
| Compatibilité avec les opérations programmatiques et assistées par agents | 4/10 |
Moyenne : 4.4/10
Cohérence architecturale — 5/10. Les trois modules couvrent des étapes liées d’un processus de planification et partagent une offre cloud déclarée. Les documents publics ne révèlent pas assez de détails d’exécution interne pour évaluer la cohérence entre prévision, réapprovisionnement et scénarios stratégiques. (1, 11)
Clarté des frontières du système — 5/10. Hébergement cloud, accès CRM et exports ERP ont des rôles identifiables. Les garanties transactionnelles, la réconciliation après défaillance partielle et la responsabilité des erreurs d’intégration restent insuffisamment précisées. (11, 2)
Sérieux en matière de sécurité — 3/10. La description de sécurité cite des contrôles et un horizon de récupération sans expliquer leurs frontières imposées ni leur comportement testé en cas de défaillance. Le confinement des dommages reste donc difficile à évaluer. (12)
Parcimonie logicielle et coût de possession — 5/10. Les éléments propres au produit suggèrent une filiation applicative relativement compacte. La maintenance récurrente des politiques, les intégrations et l’assistance spécialisée sont des coûts visibles ; aucun cas client ne mesure leur total face aux bénéfices. (10, 14)
Compatibilité avec les opérations programmatiques et assistées par agents — 4/10. Les calculs programmés et les échanges ERP soutiennent l’automatisation. Les interfaces d’exécution et de configuration publiquement inspectables sont trop limitées pour établir une maintenance fiable de l’application par des agents ou des décisions économiques sans supervision. (2)
Transparence technique
| Critère | Note |
|---|---|
| Documentation technique publique | 4/10 |
| Inspection sans médiation de l’éditeur | 3/10 |
| Portabilité et visibilité de la dépendance à l’éditeur | 4/10 |
| Transparence de la méthode de mise en œuvre | 5/10 |
| Densité des preuves derrière les affirmations techniques | 3/10 |
Moyenne : 3.8/10
Documentation technique publique — 4/10. La séquence opérationnelle et certains mécanismes de politiques sont documentés. Les définitions d’algorithmes, modèles d’incertitude, architecture d’exécution et méthodes de promotion sûre des configurations restent peu détaillés. (2, 3)
Inspection sans médiation de l’éditeur — 3/10. Les articles produit exposent les actions des utilisateurs, tandis que l’évaluation numérique détaillée dépend encore d’un échange avec l’éditeur. L’affirmation d’éviter une boîte noire n’est pas accompagnée d’un exemple reproductible de prévision ou de décision. (5, 4)
Portabilité et visibilité de la dépendance à l’éditeur — 4/10. Les exports de commandes offrent une voie de sortie. Les conditions publiées décrivent une période limitée d’extraction des données après certaines résiliations, aux frais du client. (13) La portabilité des politiques configurées et du comportement applicatif reste inexpliquée.
Transparence de la méthode de mise en œuvre — 5/10. Prototypage, paramètres des planificateurs et responsabilités d’assistance régionale sont décrits. Les tests de non-régression continus et la charge de maintenance sont insuffisamment documentés pour évaluer le coût du cycle de vie. (19, 14)
Densité des preuves derrière les affirmations techniques — 3/10. Les cas clients étayent l’utilisation de l’application et certains changements de processus. Ils ne valident ni les meilleures prévisions possibles, ni l’optimisation conjointe, ni la contribution économique des fonctions d’IA actuelles. (8, 9, 4)
Sérieux de l’éditeur
| Critère | Note |
|---|---|
| Sérieux technique de la communication publique | 3/10 |
| Intégrité de la feuille de route technologique | 4/10 |
| Clarté conceptuelle | 4/10 |
| Responsabilité économique | 3/10 |
| Solidité concurrentielle dans un monde de logiciels agentiques | 3/10 |
Moyenne : 3.4/10
Sérieux technique de la communication publique — 3/10. La garantie de prévision dépasse son soutien technique et la chronologie des benchmarks de l’éditeur est incorrecte. Sa discussion plus prudente des limites du ML n’a pas réconcilié ces affirmations. (4, 5, 6, 7)
Intégrité de la feuille de route technologique — 4/10. Les processus de planification déployés et les livraisons continues établissent une réalisation effective. Le passage de l’automatisation des politiques aux assistants manque de preuves mesurées d’une réduction correspondante du travail décisionnel ou d’une amélioration des résultats économiques. (8, 4, 15)
Clarté conceptuelle — 4/10. Colibri reconnaît les besoins de configuration et les limites des prévisions avancées. L’éditeur traite encore l’amélioration des prévisions, l’automatisation des actions utilisateurs et les résultats optimisés de supply chain comme plus étroitement liés que ne le justifient les mécanismes démontrés. (5, 2)
Responsabilité économique — 3/10. Les obligations publiées portent sur l’accès au logiciel et les défauts graves tout en excluant la précision des résultats. La proposition publique ne définit ni échec économique ni responsabilité bornée pour corriger la logique de décision qui l’a provoqué. (13)
Solidité concurrentielle dans un monde de logiciels agentiques — 3/10. Remplacer les tableurs et aider les planificateurs à examiner les alertes traite un travail administratif ancien. Les éléments actuels n’établissent pas le changement de productivité plus large vers l’amélioration et l’exécution d’une logique de décision à travers le réseau avec un minimum de revues récurrentes. (1, 2)
Sources
Sources consultées le 4 novembre 2026.
[1] Présentation du produit Colibri
Présentation du produit Colibri. Page actuelle. Modules produit, promesses actuelles sur les assistants et descriptions clients des revues et adaptations.
[2] Planification des approvisionnements : cinq étapes opérationnelles
Planification des approvisionnements : cinq étapes opérationnelles. Page de 2026. Configuration par le planificateur, calculs programmés, alertes, approbation et export des commandes vers l’ERP.
[3] Politique de stock de sécurité et IZIPIZI
Politique de stock de sécurité et IZIPIZI. 22 novembre 2021 ; texte actuel. Politique publiée de stock de sécurité et déploiement IZIPIZI.
[4] Super Best Fit, Data Sensing et assistants
Super Best Fit, Data Sensing et assistants. 27 mars 2025. Communiqué original de l’éditeur ; distinction entre modules disponibles et assistants à venir.
[5] Machine learning : valeur ou marketing ?
Machine learning : valeur ou marketing ?. 2 février 2026. Besoins de configuration spécialisée, limites du ML et chronologie des benchmarks.
[6] Machine learning : article révisé
Machine learning : article révisé. 16 mars 2026. Article ultérieur reprenant la chronologie des benchmarks.
[7] Résultats du concours M5 de précision
Résultats du concours M5 de précision. Revue de 2022 ; concours de 2020. Article de recherche des organisateurs identifiant le concours de 2020 et les méthodes de tête.
[8] Déploiement chez Vitacuire
Déploiement chez Vitacuire. 3 octobre 2019. Processus initialement déployé et responsabilités humaines de validation.
[9] Résultats de Vitacuire après deux ans
Résultats de Vitacuire après deux ans. 4 avril 2022. Suivi après deux ans avec chiffres de fiabilité des prévisions.
[10] Développeur d’applications web .NET
Développeur d’applications web .NET. Ancien recrutement non daté. Offre historique de développement produit ; versions actuellement déployées non précisées.
Partenaires techniques. Page actuelle. Hébergement Azure et extension Salesforce.
[12] Sécurité de l’application
Sécurité de l’application. Sans date. Résumé publié des contrôles et horizon de récupération.
[13] Conditions de service publiées
Conditions de service publiées. Conditions anglaises non datées. Conditions de service en anglais, exclusions sur les résultats, portée de la responsabilité et extraction des données.
[14] Organisation régionale des services
Organisation régionale des services. 11 décembre 2025. Organisation de la mise en œuvre, du paramétrage et du service continu.
[15] Résultats commerciaux de 2025
Résultats commerciaux de 2025. 20 janvier 2026. Chiffre d’affaires et activité nouveaux clients déclarés par l’éditeur.
[16] Pourquoi faire de la planification des ventes et des opérations ?
Pourquoi faire de la planification des ventes et des opérations ?. Livre blanc datant d’environ 2022. Doctrine de planification organisationnelle et cadrage par une prévision partagée.
[17] Fonctions du produit de planification cloud
Fonctions du produit de planification cloud. Article datant d’environ 2023. Planification des fournisseurs et conteneurs, stocks de sécurité, capacité et scénarios financiers.
[18] Mention de l’actionnariat de l’entreprise
Mention de l’actionnariat de l’entreprise. 25 avril 2024. Appartenance à VISEO.
[19] Configurer les processus supply chain
Configurer les processus supply chain. Article datant d’environ 2021. Prototypes avec les données du client et configuration itérative.