Revue de Flowlity, fournisseur de logiciels de planning de supply chain
Retourner à Étude de marché
Flowlity est un acteur relativement jeune dans le domaine de la planification de supply chain, ayant été fondé en 2019 par Jean‑Baptiste Clouard et Karim Benchaaboun, dont l’expérience en S&OP dans de grandes entreprises et la formation en mathématiques appliquées ont guidé son développement. La solution SaaS hébergée sur le cloud de l’entreprise se concentre sur l’automatisation des tâches de planning de supply chain en fournissant des prévisions probabilistes, une analyse de scénarios basée sur la simulation, et des recommandations actionnables pour la gestion des stocks. Conçue pour s’intégrer parfaitement aux systèmes ERP et MRP existants, Flowlity exploite des techniques de machine learning — allant des méthodes d’ensemble jusqu’au deep learning — pour générer plusieurs scénarios de demande et des paramètres de sécurité pour les stocks, en mettant l’accent sur la transparence et l’aide à la décision plutôt que sur une automatisation complète des processus. Cette revue examine les origines commerciales de Flowlity, sa technologie sous-jacente et son modèle de déploiement, et compare de manière critique son approche à celle de Lokad — un vétéran connu pour une plateforme d’optimisation de la supply chain quantitative entièrement programmable.
Historique de l’entreprise et Financement
Flowlity a été créé à la fin de 2018/2019 par Jean‑Baptiste Clouard et Karim Benchaaboun, qui se sont appuyés sur leur expérience en planning de supply chain et leur formation académique en mathématiques appliquées 1. La startup s’est rapidement positionnée sur le marché en levant environ 6,57M$ lors d’un tour de Série A le 10 mars 2022, avec le soutien d’investisseurs institutionnels tels que Fortino Capital et 42 Capital 2. Ce soutien financier précoce a permis à Flowlity d’affiner son offre SaaS hébergée sur le cloud et de pénétrer un paysage concurrentiel peuplé à la fois d’extensions ERP traditionnelles et d’outils émergents d’aide à la décision propulsés par l’IA.
Technologie du produit et Aperçu fonctionnel
Le produit phare de Flowlity est une plateforme d’aide à la décision hébergée sur le cloud, conçue pour optimiser le planning de supply chain grâce à des prévisions avancées et à la simulation. La solution offre aux utilisateurs des « recommandations intelligentes » — incluant des limites min‑max des stocks, des alertes de pénurie et des résultats de scénarios simulés — permettant aux responsables de supply chain d’évaluer l’impact probable de facteurs tels que les retards des fournisseurs ou les pics de demande avant de passer à l’action 3. Plutôt que de remplacer la prise de décision humaine, l’outil est destiné à compléter les systèmes ERP/MRP existants, renforçant la compréhension opérationnelle grâce à son moteur de simulation automatisé et à ses capacités de prévisions probabilistes.
Aperçu des composants AI/ML
Au cœur de l’offre de Flowlity se trouve son intégration de l’IA et du machine learning. La plateforme emploie, selon les dires, des techniques d’ensemble et des algorithmes de deep learning pour générer plusieurs scénarios de prévisions basés sur les tendances historiques de MRP, les corrélations entre produits et la variabilité de la demande 4. En produisant une gamme de résultats avec des intervalles de confiance associés, Flowlity vise à aider les entreprises à atténuer l’effet bullwhip et à mieux déterminer les niveaux de sécurité des stocks. Cependant, malgré les affirmations concernant l’utilisation de méthodes avancées de “deep learning”, les divulgations techniques détaillées — telles que les spécificités des architectures de modèles ou l’ajustement des hyperparamètres — demeurent limitées, incitant à adopter une perspective prudente quant à la véritable avancée de ces méthodologies dans la pratique 56.
Modèle de déploiement et pile technologique
Flowlity est proposé en tant que solution SaaS hébergée sur le cloud, ce qui signifie que les entreprises accèdent à la plateforme via un navigateur web plutôt que par des installations sur site. Des critiques notent que le produit est conçu comme une surcouche aux systèmes ERP/MRP existants, offrant des informations supplémentaires sans perturber les processus établis 3. Le front-end est développé en utilisant des frameworks web modernes — les offres d’emploi et les profils de développeurs suggèrent l’utilisation de VueJS — tandis que le back-end, qui supporte les tâches critiques d’AI/ML, est présumé être implémenté avec des langages populaires tels que Python et des bibliothèques de machine learning associées 78. Cette architecture permet à Flowlity de traiter rapidement de grands ensembles de données et de fournir des analyses basées sur la simulation en quasi temps réel.
Analyse critique et perspective sceptique
Alors que Flowlity offre des prévisions en temps réel, de la simulation et une analyse de scénarios pour soutenir les décisions concernant les stocks, plusieurs aspects méritent d’être examinés de près. La plateforme utilise fréquemment des mots à la mode tels que “deep learning” et “ensemble learning”, pourtant la documentation technique accessible au public ne fournit pas de détails précis qui différencieraient son approche des modèles standards de prévisions probabilistes. Son cadre d’aide à la décision laisse la décision finale entre les mains des humains plutôt que d’automatiser les processus de bout en bout, ce que certains peuvent considérer à la fois comme une force — en termes de transparence — et comme une limitation pour atteindre une automatisation opérationnelle complète. Globalement, bien que l’intégration de Flowlity avec les systèmes hérités et son accent sur la simulation apportent de la valeur, la validation indépendante de ses revendications avancées en matière d’IA demeure limitée 15.
Flowlity vs Lokad
Flowlity et Lokad opèrent tous deux dans le domaine de l’optimisation de la supply chain en utilisant des techniques basées sur les données, cependant leurs approches divergent de manière significative. Lokad, fondé en 2008, a construit une plateforme d’optimisation quantitative complète, dotée d’un langage spécifique au domaine (Envision) et d’un développement interne étendu sur une pile .NET/Azure pour automatiser la prise de décision à grande échelle. En revanche, Flowlity — établi en 2019 — se positionne comme un outil d’aide à la décision qui se superpose aux systèmes ERP/MRP traditionnels en fournissant des aperçus basés sur la simulation et des prévisions probabilistes sans supplanter entièrement le jugement humain. Alors que l’offre de Lokad met l’accent sur l’automatisation complète des processus et la capacité de générer des actions prescriptives avec une intervention minimale, Flowlity privilégie l’augmentation des capacités du planificateur grâce à des “recommandations intelligentes” et des analyses de scénarios. Ces différences en termes de transparence technique, d’architecture de déploiement et de niveaux d’automatisation soulignent la philosophie distincte de chaque entreprise pour relever les défis complexes de la supply chain 91.
Conclusion
Flowlity représente une entrée innovante sur le marché de la planification de supply chain, offrant une plateforme basée sur le cloud qui associe des prévisions probabilistes à une aide à la décision fondée sur la simulation. Son accent sur une intégration parfaite avec les systèmes ERP existants et sa fourniture de recommandations actionnables en font une option attrayante pour les entreprises cherchant à améliorer leurs processus de planning sans rénover complètement leurs opérations héritées. Toutefois, bien que son utilisation de l’IA et du machine learning soit prometteuse, le manque relatif de divulgation technique détaillée signifie que les clients potentiels devraient évaluer si l’approche de Flowlity offre véritablement un saut significatif par rapport aux méthodes conventionnelles. En comparaison avec des plateformes plus matures telles que Lokad, qui offrent un cadre programmable profondément intégré pour une optimisation de bout en bout, Flowlity semble être le mieux adapté aux organisations souhaitant compléter — et non automatiser entièrement — leur processus de prise de décision en supply chain.