Revue de Colibri, éditeur de logiciels de planification S&OP

Dernière mise à jour : avril 2026

Go back to Market Research

Colibri (supply chain score 5.1/10) est un véritable éditeur de planification supply chain pour le mid-market, avec une suite cloud cohérente de demand planning, supply planning et S&OP, mais son messaging actuel autour de l’IA va plus loin que les preuves techniques publiques. L’entreprise dispose d’une empreinte produit crédible, d’une base clients significative et d’une architecture SaaS conventionnelle sur Microsoft Azure. Elle met désormais aussi en avant des modules IA tels que Super Best Fit, Data Sensing et des assistants de type agent. Les preuves publiques soutiennent l’idée que Colibri est une suite de planification de style APS modernisée, avec prévision enrichie par le ML et automatisation. Elles ne soutiennent pas clairement une affirmation plus forte selon laquelle Colibri opérerait à la frontière de l’optimisation probabiliste supply chain ou d’une automatisation de décision mathématiquement distinctive.

Vue d’ensemble de Colibri

Supply chain score

• Profondeur supply chain : 5.6/10
• Substance décisionnelle et d’optimisation : 4.6/10
• Intégrité produit et architecture : 5.8/10
• Transparence technique : 4.8/10
• Sérieux de l’éditeur : 4.8/10
• Score global : 5.1/10 (provisoire, moyenne simple)

Colibri ressemble à une suite pragmatique et packagée de planification pour des entreprises qui veulent s’éloigner d’Excel et des tableurs legacy sans s’engager dans une transformation lourde. Ses points forts sont la vitesse d’implémentation, une suite modulaire cohérente et une base installée correcte dans le mid-market français et européen. Ses limites sont celles habituelles de cette catégorie : algorithmes opaques, revendications IA larges et peu de preuves publiques d’une science profonde de l’optimisation.

Colibri vs Lokad

Colibri et Lokad traitent tous deux de planification supply chain, mais ils résolvent des niveaux différents du problème.

Colibri est une suite applicative. Il package le demand planning, le supply planning et le S&OP dans une surface produit relativement fixe, conçue pour des planificateurs et des équipes supply chain qui veulent des workflows collaboratifs, de la prévision statistique, de la gestion d’exceptions et des simulations de scénarios avec un déploiement rapide.

Lokad est une plateforme de décision supply chain. Il s’agit moins de donner aux utilisateurs une application standard de planification que d’exprimer une logique supply chain sur mesure dans un environnement programmable afin de générer des décisions optimisées sous incertitude.

En pratique, Colibri est plus proche d’un APS moderne, marketé avec de l’IA, pour le mid-market. Lokad est plus proche d’une plateforme d’ingénierie quantitative pour l’optimisation supply chain. Cette différence compte parce que Colibri doit être jugé sur sa qualité de produit packagé de planification, et non sur sa capacité à égaler la profondeur technique d’un moteur spécialisé d’optimisation.

Historique corporate, actionnariat, financement et M&A

Colibri ressemble encore à un spécialiste soutenu par VISEO plutôt qu’à une société logicielle indépendante de grande échelle.

Le dossier public actuel continue de soutenir une histoire en deux temps. Le concept produit a émergé chez VISEO autour de 2014, et l’entité légale séparée a été créée fin 2017. Colibri se présente toujours comme une filiale de VISEO, et son empreinte de marché est cohérente avec cette origine : focalisée, consciente des services et commercialement modeste plutôt qu’orientée hypercroissance financée par le venture. (1, 2, 3, 4, 5, 6)

Le tableau financier est petit mais réel. Les anciennes données Pappers montraient un chiffre d’affaires inférieur au million dans les premières années de montée en puissance, tandis que la presse professionnelle plus récente indique un chiffre d’affaires de quelques millions d’euros, environ 35 employés et autour de 100 à 110 clients. La couverture de Voxlog en 2025 suggère que l’entreprise a approché les 4 millions d’euros de chiffre d’affaires en 2025. Cela suffit pour traiter Colibri comme établi, tout en le maintenant fermement dans la catégorie des petits éditeurs. (4, 6, 7, 8)

Aucune trajectoire M&A significative n’est apparue dans ce refresh. L’histoire reste celle d’un éditeur de planification relativement compact se développant au sein d’un écosystème plus large de services technologiques.

Périmètre produit : ce que l’éditeur vend réellement

Le périmètre est simple et cohérent.

Colibri organise toujours sa suite autour de trois modules : Vision pour le demand planning, Flow pour le supply planning et Pilote pour le S&OP. Les pages produit montrent clairement qu’il ne s’agit pas d’une plateforme tentaculaire. C’est une suite modulaire de planification visant des entreprises ayant besoin de prévisions de demande, de planification du replenishment et de la distribution, ainsi que de gestion de scénarios au niveau exécutif. (9, 10, 11, 12, 13)

L’entreprise continue aussi à packager E-Colibri Vision comme une offre d’entrée plus légère et préconfigurée, ce qui en dit long sur le marché visé. Il ne s’agit pas d’un logiciel destiné uniquement à d’immenses entreprises globales. Il est conçu pour être abordable et déployable pour des entreprises de taille intermédiaire, et même pour des étudiants ou des usages pédagogiques. (14, 15)

Le delta actuel par rapport aux anciennes revues est la couche IA. Colibri met désormais fortement en avant Super Best Fit, Data Sensing, des fonctionnalités automatisées de safety stock et de plans contraints, ainsi que des assistants IA. Ceux-ci sont présentés comme des modules qui enrichissent la suite plutôt que comme une nouvelle architecture fondatrice. Ce positionnement est plausible, mais il signifie aussi que le produit cœur reste reconnaissablement de type APS même sous le branding IA plus récent. (7, 16, 17, 18, 19)

Transparence technique

La transparence technique est modérée au mieux.

Colibri est plus explicite que certains pairs sur son hébergement, sa sécurité et son architecture générale. Il documente l’hébergement Azure, l’isolation des bases de données par client, une authentification de type OAuth2, la disponibilité de la 2FA, des tests annuels de sécurité qualifiés PASSI ainsi que l’existence d’intégrations REST et d’une interface Excel. Cela suffit pour traiter le logiciel comme un vrai produit SaaS plutôt qu’une boîte noire sans modèle opératoire divulgué. (20, 21, 22, 23)

La transparence chute nettement dès que la conversation se tourne vers la prévision et l’optimisation. Les matériaux publics décrivent une sélection de modèles « best-fit », du machine learning, du deep learning, la prise en compte de variables externes et des assistants IA, mais ils n’exposent ni les familles de modèles, ni les métriques d’erreur, ni la stratégie d’évaluation, ni les formulations d’optimisation, ni la mécanique réelle derrière ces revendications. La transparence est donc acceptable pour les opérations SaaS et faible pour la science supply chain.

Intégrité produit et architecture

L’architecture paraît conventionnelle, cohérente et adaptée au marché visé.

Colibri semble être une suite standard de planning cloud sur Azure avec une pile centrée Microsoft, une interface web, une connectivité Excel et des bases de données spécifiques à chaque client. Les anciennes et actuelles pages d’emploi soutiennent aussi une pile classique d’application web construite autour de .NET, de frameworks JavaScript, de SQL Server et d’Azure DevOps. Ce n’est pas une technologie exotique, mais elle est tout à fait appropriée pour cette catégorie. (3, 20, 21, 24, 25)

Le produit lui-même est aussi architecturalement cohérent. Le demand planning, le supply planning et le S&OP se renforcent naturellement les uns les autres, et les fonctionnalités IA sont positionnées comme des surcouches au-dessus de cette suite plutôt que comme des acquisitions déconnectées. Cela dit, l’architecture ne ressemble pas à un nouveau paradigme computationnel. Elle ressemble à une suite de planification mid-market bien exécutée, enrichie de fonctions d’analytique et d’automatisation.

Profondeur supply chain

La profondeur supply chain est significative, bien que principalement à l’intérieur du paradigme classique de la planification.

Colibri traite clairement de vrais problèmes de planification : prévision des ventes, replenishment, planification de la distribution, alertes de stock, règles de planification groupées, segmentation fournisseurs et entrepôts, ainsi que des scénarios S&OP reliant capacités, cash-flow et rentabilité. C’est suffisant pour compter comme un vrai logiciel supply chain plutôt que comme de l’analytique générique reconditionnée pour des planificateurs. (10, 11, 12, 13, 16, 18)

La limite est que cette profondeur reste centrée sur la vision du monde APS. Le produit cherche à rendre la planification traditionnelle plus rapide, plus collaborative et plus consciente des données ; il ne cherche pas de manière évidente à repenser les décisions supply chain depuis la base à travers une nouvelle doctrine quantitative. Cela soutient quand même un score positif, simplement pas un score élevé.

Substance décisionnelle et d’optimisation

C’est ici que les preuves publiques restent les moins convaincantes.

Il existe des preuves claires de génération de prévisions, de sélection de modèles best-fit, d’analyse de variables exogènes, d’automatisation du safety stock et de support à la planification contrainte. C’est davantage que du théâtre IA superficiel. Colibri réalise manifestement un vrai travail computationnel pour les planificateurs. (7, 16, 17, 18, 19)

La question plus difficile est le caractère distinctif de ce travail. Les matériaux publics n’établissent pas clairement de prévision probabiliste, d’optimisation stochastique explicite, ni d’un moteur d’optimisation profondément différencié. Les pages de supply planning se lisent davantage comme du DRP piloté par exceptions et du replenishment paramétré que comme une optimisation numérique avancée. Le score de substance doit donc rester sous le milieu de l’échelle pour un ensemble de pairs focalisé sur des technologies de décision plus exigeantes.

Sérieux de l’éditeur

Colibri est suffisamment sérieux pour être crédible, mais reste clairement un pari sur un petit éditeur.

Le cas positif est simple. L’entreprise existe depuis assez longtemps pour montrer de la persistance, elle a un vrai groupe parent, un recrutement actif, plusieurs clients nommés et des références répétées dans la presse professionnelle qui confirment des déploiements et pas seulement des aspirations commerciales. Ce n’est pas un faux éditeur IA. (1, 3, 4, 8, 26, 27, 28, 29, 30)

Le point de prudence est tout aussi clair. L’entreprise est petite, la base installée reste modeste et le messaging IA est plus fort que les preuves techniques. Les acheteurs doivent voir Colibri comme un éditeur focalisé de planification pour le mid-market avec une exécution sensée, et non comme une plateforme très capitalisée définissant sa catégorie.

Supply chain score

Le score ci-dessous est provisoire et utilise une moyenne simple sur les cinq dimensions.

Profondeur supply chain : 5.6/10

Sous-scores :

• Cadrage économique : Colibri relie fréquemment le processus de planification aux stocks, au taux de service, au cash-flow et aux décisions de capacité, qui sont des leviers économiquement significatifs. Le cadrage est plus fort que celui d’un simple produit de dashboard car la suite est censée piloter des plans opérationnels, pas seulement en rendre compte. Le score reste en dessous d’un niveau élevé parce que la logique économique demeure enchâssée dans une vision conventionnelle de la planification plutôt que dans une doctrine décisionnelle plus profonde. 6/10
• État final de la décision : le logiciel est conçu pour générer des prévisions, des propositions de replenishment et des comparaisons de scénarios qui alimentent de vraies décisions de planification. C’est une force tangible. Le score est modéré parce que l’état final reste surtout une production de plans médiée par les planificateurs, et non une exécution de décision fortement automatisée. 6/10
• Netteté conceptuelle sur la supply chain : Colibri est relativement clair sur sa nature : demand planning, supply planning et S&OP pour le mid-market. Cette netteté conceptuelle est solide, même si elle reste proche des frontières APS classiques. 7/10
• Distance vis-à-vis des vieux piliers doctrinaux : le produit reste ancré dans la tradition S&OP et suite de planification, même s’il ajoute du ML et de l’automatisation par-dessus. Il améliore cette tradition sans vraiment s’en émanciper, ce qui maintient ce score autour du milieu de l’échelle. 4/10
• Robustesse face au théâtre des KPI : la plateforme semble conçue pour rendre la planification plus collaborative et mieux alignée sur les opérations, ce qui aide. En revanche, le dossier public dit peu de choses sur la manière dont elle résiste aux jeux locaux autour des KPI ou au théâtre de la planification dans les organisations. 5/10

Score de la dimension : Moyenne arithmétique des cinq sous-scores ci-dessus = 5.6/10.

Colibri est réellement pertinent pour la planification supply chain. Sa profondeur vient de la couverture pratique des workflows de planification, et non d’une doctrine supply chain radicalement nouvelle. (9, 10, 11, 12, 13)

Substance décisionnelle et d’optimisation : 4.6/10

Sous-scores :

• Profondeur de la modélisation probabiliste : les preuves publiques soutiennent des prévisions best-fit, l’usage de variables exogènes et des prévisions enrichies par machine learning. Elles ne soutiennent pas clairement une approche de planification centrée sur la probabilité ni une logique décisionnelle explicitement fondée sur des distributions. Cela maintient le score sous le milieu de l’échelle. 4/10
• Caractère distinctif de l’optimisation ou du ML : Super Best Fit et Data Sensing suggèrent un vrai travail de modélisation, et la feuille de route est plus consistante qu’une simple couche IA décorative. Cependant, l’absence de détail algorithmique rend impossible de juger la pile ML comme particulièrement distinctive. 4/10
• Gestion des contraintes du monde réel : Flow et Pilote traitent clairement des pénuries, des contraintes fournisseurs, des règles de stock et des impacts de scénarios sur l’approvisionnement et la capacité. Cela justifie un score intermédiaire. La limite est que les descriptions publiques se lisent encore surtout comme de la planification par règles et de la gestion d’exceptions. 6/10
• Production de décision versus aide à la décision : Colibri produit bien des plans, des paramètres et des choix de scénarios, pas seulement des rapports. Cela justifie un score correct. L’ensemble reste davantage un outil d’aide à la décision et de coordination de la planification qu’un moteur de décision. 5/10
• Résilience face à la complexité opérationnelle réelle : les références clients montrent que le logiciel est utilisé en production et pas seulement en pilote. Néanmoins, les preuves publiques ne sont pas assez fortes pour soutenir un score plus élevé sur la gestion d’une forte complexité opérationnelle à grande échelle. 4/10

Score de la dimension : Moyenne arithmétique des cinq sous-scores ci-dessus = 4.6/10.

Colibri va au-delà d’une analytique cosmétique, mais ses matériaux publics ne prouvent pas l’existence d’un cœur d’optimisation fortement différencié. (7, 16, 17, 18, 19)

Intégrité produit et architecture : 5.8/10

Sous-scores :

• Cohérence architecturale : Vision, Flow et Pilote s’assemblent naturellement, et le modèle SaaS hébergé sur Azure est cohérent avec le positionnement de l’entreprise. L’architecture ressemble à une suite unifiée plutôt qu’à un empilement d’acquisitions. 7/10
• Clarté des frontières système : les matériaux publics rendent assez clair ce qui relève de chaque module, ce qui relève des extensions IA et à quoi ressemble le modèle de déploiement. C’est supérieur à la moyenne pour un petit éditeur de planification. 6/10
• Sérieux sécurité : l’hébergement Azure, l’isolation des données, OAuth2, la 2FA, HTTPS et les tests de sécurité externes sont autant de signaux positifs significatifs. Le score reste modéré parce que le détail des opérations cloud demeure limité. 6/10
• Parcimonie logicielle versus lourdeur de workflow : l’attrait de Colibri tient précisément à sa capacité à empaqueter les processus de planification dans une suite relativement accessible. Cela aide la parcimonie. En même temps, toute la catégorie dépend encore de configurations, de workflows, d’overrides et de coordination humaine, ce qui limite le score. 5/10
• Compatibilité avec des opérations programmatiques et assistées par agents : Colibri expose des intégrations REST et affiche certaines ambitions autour d’assistants IA, mais le produit reste dans l’ensemble une suite de planification classique pilotée par interface utilisateur plutôt qu’une plateforme native pour l’automatisation. La compatibilité est acceptable, pas forte. 5/10

Score de la dimension : Moyenne arithmétique des cinq sous-scores ci-dessus = 5.8/10.

L’architecture paraît appropriée, pragmatique et commercialement sensée. Elle ne paraît pas particulièrement innovante au-delà de cela. (20, 21, 22, 24, 25)

Transparence technique : 4.8/10

Sous-scores :

• Documentation technique publique : Colibri fournit des informations publiques utiles sur la sécurité, l’hébergement et le comportement des modules. C’est suffisant pour établir la réalité du produit, mais pas assez pour l’inspecter en profondeur. 5/10
• Inspectabilité sans médiation de l’éditeur : un tiers peut déduire la structure de la suite, l’architecture et le modèle opératoire à partir du site et de la couverture presse. Les internes algorithmiques restent largement opaques. 4/10
• Visibilité sur la portabilité et le verrouillage : comme Colibri fonctionne comme une suite SaaS avec bases dédiées par client et intégrations REST, certaines frontières système sont lisibles. En revanche, le dossier public dit peu de choses sur l’extraction, la portabilité ou la migration, ce qui maintient le score à un niveau modéré. 5/10
• Transparence de la méthode d’implémentation : les études de cas et les pages produit décrivent assez bien la posture d’implémentation, notamment l’accent mis sur le déploiement rapide. Elles disent beaucoup moins sur la mécanique interne de la planification. 5/10
• Transparence de la conception de sécurité : Colibri documente publiquement l’hébergement Azure, l’isolation des bases par client, une authentification de type OAuth2, la 2FA et des tests de sécurité récurrents qualifiés PASSI. C’est nettement mieux qu’un langage SaaS générique de type « faites-nous confiance » et cela donne aux acheteurs techniques une vision concrète de la posture opératoire. Le dossier public est toutefois plus solide sur les contrôles et l’hébergement que sur les frontières secure-by-design ou le confinement des défaillances, d’où un score modéré. 5/10

Score de la dimension : Moyenne arithmétique des cinq sous-scores ci-dessus = 4.8/10.

Colibri est suffisamment transparent pour être évalué comme un produit packagé sérieux. Il ne l’est pas assez pour soutenir un haut niveau de confiance dans la science derrière ses revendications IA. (20, 21, 22, 23)

Sérieux de l’éditeur : 4.8/10

Sous-scores :

• Sérieux technique de la communication publique : Colibri communique autour de vrais objets de planification et de vrais déploiements, et non autour d’abstractions vides. Cela mérite un score correct. 6/10
• Résistance à l’opportunisme buzzword : l’entreprise met désormais fortement en avant l’IA, le machine learning, le deep learning et les assistants. Une partie de cela reflète probablement un vrai travail produit, mais les preuves publiques restent trop minces pour scorer haut cette dimension. 4/10
• Netteté conceptuelle : l’entreprise est assez nette sur son marché cible et ses cas d’usage. Elle sait qu’elle vend une suite cloud de planification accessible à des équipes supply chain du mid-market. 7/10
• Conscience des incitations et des modes de défaillance : les matériaux publics sont optimistes et orientés implémentation, mais disent peu de choses sur les cas où le logiciel échoue, où les modèles se dégradent ou quels usages s’adaptent mal à la solution. C’est une faiblesse. 2/10
• Défendabilité dans un monde de logiciels agentiques : Colibri a une certaine défendabilité via sa base installée, l’appui de son groupe parent et une offre packagée pour le mid-market. Le score reste modéré parce que le moat IA n’est pas clairement démontré et que l’entreprise demeure petite. 5/10

Score de la dimension : Moyenne arithmétique des cinq sous-scores ci-dessus = 4.8/10.

Colibri est un vrai éditeur avec une offre sensée. Son dossier public ne justifie pas encore une confiance inhabituellement forte dans sa défendabilité technique. (1, 4, 7, 8, 26)

Score global : 5.1/10

En utilisant une moyenne simple sur les cinq dimensions, Colibri aboutit à 5.1/10. Ce score reflète une suite de planification mid-market pratique, crédible et raisonnablement mature, mais avec des preuves publiques limitées d’une technologie décisionnelle de pointe.

Conclusion

Les preuves publiques soutiennent l’idée que Colibri est un éditeur crédible de planification cloud, avec une vraie base installée, une suite cohérente et un focus pragmatique sur le demand planning, le supply planning et le S&OP pour des entreprises qui veulent sortir plus vite d’une planification pilotée par tableurs. L’entreprise est clairement plus qu’un concept, et la relation avec VISEO ainsi que les références clients soutiennent l’idée d’une vraie substance opérationnelle.

Les preuves publiques ne soutiennent pas une lecture plus ambitieuse selon laquelle Colibri serait une plateforme de décision probabiliste ou d’optimisation de frontière. Son architecture est conventionnelle, ses revendications IA ne sont que légèrement étayées, et le produit reste enraciné dans le paradigme APS modernisé. La classification la plus juste reste donc ciblée : Colibri est un éditeur de logiciels de planification S&OP avec des fonctions de planification enrichies par le ML, mais pas un moteur d’optimisation supply chain profondément différencié.