Retour à l’étude de marché
Ganacos est une plateforme cloud de prévision de la demande, S&OP, planification de la production et de la distribution, ordonnancement, réapprovisionnement et planification financière. Les clients adaptent des modèles de données et des formules partagés, comparent des scénarios et préparent des commandes pour leur ERP. Cet éditeur français s’adresse aux industriels, distributeurs et autres organisations qui remplacent une planification sur tableur. (1, 4)
Note globale en supply chain : 4,4/10
| Dimension | Note |
|---|---|
| Profondeur en supply chain | 4,2/10 |
| Substance décisionnelle et optimisation | 4,0/10 |
| Intégrité du produit et de l’architecture | 4,6/10 |
| Transparence technique | 4,2/10 |
| Sérieux de l’éditeur | 4,8/10 |
Ganacos organise la planification autour d’une prévision partagée, de règles métier configurables et d’arbitrages humains. Son application de réapprovisionnement calcule les besoins et le stock de sécurité ; son interface d’ordonnancement permet aux utilisateurs de départager les priorités ; son application financière chiffre les différents plans. Il manque un calcul explicite qui sélectionne les actions selon leurs conséquences économiques attendues, face à l’incertitude sur la demande, les dates de livraison et les résultats de production. Relier les services au même modèle ne fournit pas cette logique de décision.
La proposition technique la plus solide de la plateforme est sa capacité à faire évoluer ce modèle. Maintenir le logiciel en phase avec des opérations changeantes représente un coût considérable. Ganacos publie toutefois peu d’informations sur les tests, le déploiement et la restauration après modification. Les témoignages clients décrivent un travail continu avec des consultants et des administrateurs expérimentés. La souplesse du modèle s’accompagne donc d’une obligation de maintenance durable. (7, 8, 12)
Ganacos face à Lokad
Ganacos aide une organisation à construire et exploiter son processus de planification. L’approche quantitative de la supply chain de Lokad porte sur les décisions récurrentes : calculer quels achats, ordres de production et allocations présentent la plus forte valeur économique attendue, puis améliorer ce calcul à mesure que les faits opérationnels révèlent des erreurs.
Prenons un fabricant qui doit décider de commander un ingrédient commun avant une livraison fournisseur dont la date est incertaine. Cet achat concerne plusieurs produits finis, mobilise de la trésorerie et risque de se périmer avant utilisation. Ganacos peut représenter les liens entre matières, comparer les projections de capacité et de stock, et afficher les conséquences financières. Les calculs de commande documentés utilisent les besoins prévus, des paramètres de réapprovisionnement et des circuits d’approbation. Ils n’établissent pas d’évaluation probabiliste conjointe de l’arrivée de l’ingrédient, des demandes concurrentes, du gaspillage et des alternatives sacrifiées. (3, 4, 6)
La documentation de Lokad sur l’optimisation des stocks décrit une représentation probabiliste de la demande et des délais de livraison, combinée aux priorités économiques propres au client. Les Supply Chain Scientists assurent la maintenance de l’interprétation des données, de la logique numérique, de la surveillance et de l’exploitation en production. L’objectif est de rendre un meilleur calcul d’achat réutilisable sur tout l’assortiment, avec peu de réexamens récurrents. Ganacos répartit davantage le travail de modélisation et d’arbitrage entre les équipes clientes, ses consultants et les intégrateurs.
Les deux approches nécessitent de la maintenance. La comparaison utile porte sur le coût d’intégration d’une interaction nouvellement découverte, de validation des décisions qui en découlent et de leur maintien en fonctionnement. Condor pourrait alléger le travail de construction des modèles Ganacos. Il n’a pas établi que les modèles obtenus prennent de meilleures décisions économiques ou exigent moins d’interventions d’exploitation. Le coût du service Lokad et ses résultats doivent être soumis à la même évaluation ; sa perspective de conception, développée dans Introduction to Supply Chain, est une proposition à éprouver sur des décisions réelles.
Des prévisions aux commandes
Demand Planning nettoie les observations historiques, sélectionne un modèle de prévision pour chaque article et combine le résultat statistique aux contributions commerciales. Les évolutions de produits et les promotions entrent dans le processus, tandis que les utilisateurs examinent les écarts et rapprochent les vues des différents niveaux de l’organisation. La description publiée aboutit à un plan de demande consensuel. Elle ne précise ni distributions prédictives ni représentation calibrée des performances futures des fournisseurs. (2)
Cette distinction importe lorsque la prévision alimente les achats. Ganacos décrit des calculs de besoins nets, des propositions de commande respectant les quantités minimales et les multiples de conditionnement, puis une approbation avant transmission à l’ERP. La politique de stock utilise des classes ABC/XYZ et des mesures de couverture. Ces mécanismes peuvent remplacer des calculs répétés sur tableur, mais leurs paramètres déterminent le volume de stock acheté. Une classification par chiffre d’affaires et variabilité ne suffit pas à mettre en balance le coût d’une rupture avec la péremption, la marge perdue et une trésorerie limitée. (3)
Production Planning propage les besoins à travers les nomenclatures et les entrepôts, compare les charges aux capacités et fait apparaître les goulets d’étranglement. L’ordonnancement ajoute les gammes, changements de série et séquences interactives. Ce sont des relations opérationnelles concrètes. Le processus publié laisse néanmoins aux utilisateurs le choix des priorités et le réordonnancement, sans divulguer de fonction objectif ni de méthode de recherche pour l’ensemble du problème économique. (4, 5)
La finance dispose des budgets, marges, projections de trésorerie et effets des scénarios de variation de la demande ou des coûts d’entrée. Cela rend les conséquences d’un plan sélectionné plus visibles. Choisir ce plan reste une tâche distincte : connaître la marge de trois scénarios ne détermine pas laquelle des nombreuses combinaisons d’achat et de production réalisables est préférable. (6)
La précision dépend du niveau de mesure
L’entretien avec les dirigeants de décembre 2024 décrit l’IA de Ganacos comme un mécanisme de sélection de méthodes statistiques selon les hiérarchies de produits et les niveaux d’agrégation. Le livre blanc S&OP de 2026 reprend cette approche. Aucun des deux ne fournit d’évaluation reproductible de l’erreur au niveau du SKU, du site et de l’horizon de décision, après redistribution du résultat retenu aux niveaux inférieurs. (13, 17)
Sélectionner un niveau d’agrégation utile est une technique de modélisation. Présenter l’erreur plus lisse de cet agrégat comme une précision des achats serait trompeur. Une famille peut être prévue avec précision alors que ses articles sont systématiquement en surstock ou indisponibles. L’évaluation doit respecter les informations disponibles à chaque date de prévision, inclure les effets de la désagrégation et des corrections commerciales, et comparer les décisions obtenues à une référence simple.
La validation manquante comprend une fonction de perte, des périodes réservées à l’évaluation, le traitement de la demande intermittente et des résultats à la résolution où les commandes sont passées. Un modèle choisi pour son erreur de prévision peut aussi être inadapté à la décision économique : de petites erreurs sur des matières coûteuses et rares peuvent compter davantage que de grandes erreurs sur des articles bon marché.
Condor : construction des modèles, travail opérationnel et limites des autorisations
Condor joue un rôle plus conséquent que celui de répondre à des questions sur les stocks. Sa page produit décrit la création et la modification de tables, attributs, formules et correspondances d’intégration. Il peut également expliquer des modèles hérités et remonter d’une valeur affichée à sa chaîne de calcul. Ces capacités visent le travail nécessaire pour comprendre et faire évoluer le logiciel du client. (8)
La distinction entre fonctionnalités présentes et futures est explicite. La recommandation d’actions par Condor et la simulation de leurs conséquences sont encore en développement. Les exemples de planification examinent la couverture et repèrent les articles à risque. La même page propose un accès par serveur MCP à des assistants externes, dont ChatGPT et Claude. (8)
Un assistant qui reproduit une file d’exceptions à examiner laisse l’organisation dépendante de cette file. L’opportunité la plus forte consiste à transformer les explications et corrections récurrentes en calculs testés, applicables à tous les articles concernés. Modifier une formule constitue un pas dans cette direction, mais la génération réussie d’un texte n’est qu’un début : le modèle révisé doit préserver les unités, dépendances, significations financières et comportements en production. Ganacos n’a publié aucune mesure du nombre d’applications maintenues par spécialiste, de l’effort de non-régression ou du travail récurrent de planification après adoption de Condor.
La candidature à un prix en 2026 décrit un accès limité au périmètre de l’utilisateur, la traçabilité des sources et une confirmation avant modification. Ces contrôles identifient qui peut agir et rendent les changements visibles. Ils n’établissent pas qu’un changement proposé est sûr. Un utilisateur autorisé peut approuver une formule ou une correspondance d’export erronée. Pour contenir cet échec, il faut une isolation vérifiable, des destinations restreintes, des tests reproductibles et une restauration de l’état de production. (18)
Localisation des données et assistants externes
Ganacos affirme que les données de planification restent en France, ne transitent par aucun prestataire hors UE et sont séparées entre clients. L’entreprise fournit sur demande une liste de sous-traitants et promet une restitution exploitable des données. Le produit actuel est SaaS ; le déploiement sur l’infrastructure du client est réservé aux organisations de la défense. (9)
L’option d’assistant externe crée une frontière de traitement non résolue. Un assistant qui répond à des questions sur les données de planification doit recevoir suffisamment d’informations pour construire sa réponse. La description du MCP ne précise pas quels résultats sortent de Ganacos, où le modèle de langage les traite, ce qu’il conserve, ni les conditions de déploiement qui préservent la promesse de localisation. Garder la base de données en France n’établit pas que tous les calculs en aval y restent.
La question de sécurité dépasse également celle de la localisation. Les droits de construction des modèles et d’intégration peuvent donner à un assistant une influence considérable sur le comportement en production. Les informations publiques ne documentent ni modèle de menace à l’exécution, ni restrictions réseau imposées, ni exercice de restauration couvrant des actions erronées ou compromises de l’agent. L’actionnariat et une démarche de certification ISO en cours ne répondent pas à ces questions d’ingénierie. (9)
Maintenance de la configuration et coût total de possession
Ganacos reconnaît explicitement que la configuration des tables, formules, flux et règles absorbe une grande partie d’un projet de planification. Ses six applications fournissent un socle réutilisable, adapté par les clients, les équipes Ganacos ou les partenaires. La FAQ chiffre la préconfiguration à 70 % et distingue un premier périmètre opérationnel en quelques semaines d’un déploiement plus large. Ce sont des moyens raisonnables de réduire le travail d’implémentation répété. (1, 10)
Le coût continu se situe dans la partie propre au client. Un nouveau site peut modifier simultanément les règles d’allocation, les unités, l’interprétation des délais de livraison, les relations de capacité et les intégrations. Une formule lisible aide à localiser la logique concernée ; elle ne prouve pas que le nouveau résultat est cohérent. Les responsables du modèle ont besoin de cas de test représentatifs et d’un moyen de comparer les décisions avant de publier les modifications.
Les retours clients rendent cette charge tangible. Showroomprivé annonce un premier module en 20 jours et apprécie le consultant dédié aux extensions ultérieures. Un responsable mondial de la supply chain décrit le besoin d’un administrateur compétent et prévient que la souplesse peut engendrer de la complexité. Le témoignage de Terrena sur l’ordonnancement souligne le travail conjoint de spécification et les difficultés dues aux changements d’interlocuteur. Ces tâches de maintenance restent récurrentes, même lorsque l’application est agréable à utiliser. (12)
La FAQ de Ganacos indique que l’ajout de sites ou la modification de règles ne nécessite pas forcément de prestataire. C’est une capacité de construction, pas un résultat mesuré sur les effectifs. Le coût de possession inclut le temps de modélisation du client, l’assistance des consultants, les travaux de non-régression et le délai entre une découverte opérationnelle et une correction fiable. Les informations publiques examinées ne fournissent pas de comparaison complète de ces coûts avant et après déploiement. (10)
La piste d’audit et le versionnage des plans publiés aident à comprendre qui a modifié les informations. La maintenance complète d’une application exige davantage : structure et formules versionnées, promotion contrôlée, tests répétables et restauration d’un modèle et d’un jeu de données compatibles. Les descriptions publiques ne rendent pas ce cycle de vie vérifiable. L’acheteur ne peut donc pas encore estimer le coût d’une correction majeure après plusieurs années de personnalisations locales.
Composants logiciels et coût d’exploitation
Ganacos possède un cœur de calcul identifiable, plutôt qu’un catalogue public d’acquisitions de planification faiblement reliées. Les sources disponibles identifient les composants et limites suivants.
| Composant | Rôle et périmètre documentés |
|---|---|
| Chulengo et calcul multidimensionnel | Langage propriétaire actuel pour les séries temporelles et moteur de modélisation de type OLAP. (7) |
| Java, MySQL, AngularJS, JavaScript/TypeScript, JUnit | Le profil employeur non daté de Ganacos les présente comme sa pile applicative et ses outils de test. (14) |
| Java/Spring Boot, Angular, Scala, PostgreSQL, Ebean | Le témoignage d’un développeur attribue ces technologies à des travaux Ganacos réalisés d’avril à juillet 2022. (15) |
| Hébergement SaaS en France | Engagement actuel d’hébergement ; le fournisseur et la topologie détaillée des services ne sont pas identifiés publiquement. (9) |
| Authentification OpenID | La description actuelle du moteur relie l’identité d’entreprise à l’accès applicatif et aux autorisations sur le périmètre des données. (7) |
| Condor et MCP | Interface actuelle de construction de modèles et d’assistance ; le fournisseur du modèle et le déploiement de l’inférence ne sont pas précisés publiquement. (8) |
Les descriptions des bases de données concernent des périodes différentes ; la couche de persistance actuelle et une éventuelle migration restent non précisées. La mémoire de travail des modèles, les sauvegardes et l’état des calculs dupliqué entre utilisateurs ou scénarios déterminent aussi le coût d’exploitation. Ces quantités doivent être mesurées sur l’application du client.
Ganacos décrit des recalculs rapides sur des centaines de millions de valeurs. Sa présentation ne précise ni les dimensions effectivement renseignées, ni le matériel, ni la charge concurrente, ni la propagation des dépendances dans le pire cas. Un modèle réactif en réunion peut néanmoins nécessiter une mémoire coûteuse ou ralentir fortement avec l’ajout de relations. Les retours clients sur des lenteurs occasionnelles renforcent le besoin de mesurer une application réelle plutôt qu’un nombre de cellules annoncé. (7, 12)
Le langage propriétaire peut réduire la répétition des formules et donner à l’éditeur la maîtrise de l’exécution. Sa sémantique publique, ses limites de ressources et ses frontières de sécurité restent peu documentées. L’export des données laisse aussi subsister un second coût de sortie : recréer ailleurs la logique et les interfaces. L’engagement de restitution des données de Ganacos n’explique pas comment un autre moteur exécuterait un modèle Chulengo.
Historique technique : un produit de planification cohérent, une transition vers les agents non démontrée
Ganacos se présente comme une entreprise détenue par ses dirigeants, rentable et autofinancée. Sa chronologie actuelle situe sa création à Nantes en 2016, puis mentionne un moteur en mémoire, le déploiement du S&OP, d’autres applications de planification et de premiers agents IA en 2025. Il s’agit du récit rétrospectif de l’éditeur sur son développement. (11)
| Période | Éléments publics | Ce que les éléments ultérieurs établissent |
|---|---|---|
| 2016–2022 | La chronologie actuelle retrace l’extension du cœur de calcul à la demande, à l’approvisionnement, à l’ordonnancement et au plan directeur de production. (11) | Les applications actuelles conservent cette structure de planification configurable. |
| Décembre 2024 | Un entretien avec les dirigeants associe l’IA Ganacos à la sélection de modèles statistiques et de niveaux d’agrégation. Il décrit aussi une assistance continue à mesure que les besoins clients évoluent. (13) | Les documents actuels de prévision conservent la sélection automatique de modèles. Aucune comparaison publiée n’établit son rendement économique additionnel. |
| Octobre 2025 | Symrise Pet Food et Bretagne Supply Chain organisent une visite et un webinaire autour du processus S&OP déployé. (16) | L’adoption porte sur la coordination des processus et la planification ; l’événement ne fournit pas de gains mesurés issus de décisions autonomes. |
| 2026 | Le livre blanc S&OP présente des déploiements nommés plus larges, tandis que la candidature de Condor à un prix décrit la construction de modèles et l’assistance conversationnelle. (17, 18) | L’agent étend l’interface de construction. La recommandation d’actions économiques reste un développement annoncé. |
Ces éléments attestent une continuité du produit sous-jacent. L’architecture en mémoire reste un choix d’implémentation identifiable, et la description antérieure de l’IA précise une fonction étroite de prévision. La promesse non résolue porte sur la valeur de la prévision automatique par rapport à des méthodes plus simples et sur le travail nécessaire à sa maintenance.
La question la plus pertinente est de savoir si le nouveau positionnement IA change l’économie du modèle opérationnel établi. Le livre blanc de 2026 articule toujours les décisions autour de revues par catégorie, de la demande, de l’approvisionnement, de rapprochement et de direction. Son exemple Symrise décrit environ 30 usines et 100 utilisateurs partageant les informations de planification ; celui de Carrefour décrit un déploiement S&OP européen en six mois. Ce sont des déploiements opérationnels significatifs, mais leur ampleur ne mesure ni le travail supprimé ni le bénéfice additionnel après les coûts de logiciel et d’assistance. (17)
Condor doit donc être jugé sur une transition concrète : dans quelle mesure l’organisation peut-elle remplacer plus vite une règle de réapprovisionnement erronée par une règle testée, et combien de décisions ultérieures peuvent fonctionner sans examen ? Les éléments publiés n’ont pas répondu à cette question.
Responsabilité économique
La page de présentation de Ganacos fait de l’adoption le principal critère d’échec : un outil de planification rejeté renvoie les utilisateurs aux tableurs. L’adoption importe commercialement, mais un système largement utilisé peut toujours recommander de mauvais achats ou consommer davantage de travail qualifié que ses bénéfices financiers ne le justifient. Un déploiement réussi de l’interface ne suffit pas à définir une réussite économique. (11)
La FAQ cite des gains de temps de consolidation, de précision des prévisions et d’anticipation. Elle ne définit ni référence de rendement net, ni période d’évaluation, ni responsabilité pour corriger un déploiement économiquement décevant. Les témoignages disponibles étayent une coordination utile et une implémentation initiale plus rapide ; ils n’établissent pas un rendement économique général. (10, 12)
La responsabilité doit suivre la maîtrise des décisions. Ganacos maîtrise la plateforme de calcul ; les clients et intégrateurs peuvent maîtriser les formules, priorités et corrections particulières. Une évaluation crédible conserverait ces versions, leur attribuerait les commandes obtenues et fixerait qui diagnostique les échecs et maintient les corrections. Désigner publiquement un interlocuteur de projet facilite l’implémentation, mais laisse indéterminé ce partage de responsabilité économique.
Note en supply chain
Profondeur en supply chain
| Critère | Note |
|---|---|
| Cadrage économique | 4/10 |
| Aboutissement décisionnel | 4/10 |
| Précision conceptuelle en supply chain | 5/10 |
| Indépendance vis-à-vis des doctrines obsolètes | 2/10 |
| Résistance à la mise en scène des KPI | 6/10 |
Moyenne : 4,2/10.
Cadrage économique — 4/10. La visibilité financière couvre les plans opérationnels et les budgets, mais le processus d’achat documenté ne choisit pas les quantités selon un objectif monétaire en espérance. Une décision peut respecter sa politique de stock tout en détruisant de la valeur ailleurs. (3, 6)
Aboutissement décisionnel — 4/10. Les commandes peuvent atteindre l’ERP après approbation. Le résultat est exploitable, mais les arbitrages récurrents restent constitutifs du fonctionnement, et la méthode de sélection des actions économiquement préférables n’est pas précisée. (4)
Précision conceptuelle en supply chain — 5/10. Les applications traitent les flux de matières, capacités des ressources, transitions de produits et séquencements en atelier. L’incertitude de l’approvisionnement et les interactions entre usages concurrents du stock reçoivent un traitement technique bien moindre. (3, 4, 5)
Indépendance vis-à-vis des doctrines obsolètes — 2/10. Prévision consensuelle, classes de politique et revues mensuelles structurent la conception. Ces mécanismes conservent une forte charge de coordination humaine et ne résolvent pas les limites économiques du réapprovisionnement fondé sur un plan ponctuel. (17, 3)
Résistance à la mise en scène des KPI — 6/10. Le suivi des erreurs de prévision permet de contester les prédictions. L’évaluation publiée reste trop peu précisée pour relier la sélection du modèle aux décisions au niveau du SKU et à leurs conséquences économiques. (2, 13)
Substance décisionnelle et optimisation
| Critère | Note |
|---|---|
| Profondeur de la modélisation probabiliste | 2/10 |
| Substance distinctive en optimisation ou machine learning | 4/10 |
| Prise en compte des contraintes réelles | 6/10 |
| Automatisation des décisions et productivité du travail | 4/10 |
| Résilience face à la complexité opérationnelle réelle | 4/10 |
Moyenne : 4,0/10.
Profondeur de la modélisation probabiliste — 2/10. Les informations publiques ne fournissent ni distributions calibrées de la demande ni traitement conjoint de l’incertitude des livraisons. La comparaison des scénarios laisse sans réponse la probabilité et les conséquences des futurs non retenus. (2, 3)
Substance distinctive en optimisation ou machine learning — 4/10. Un langage de calcul propriétaire et la sélection automatique des modèles sont des contributions techniques identifiables. Les méthodes de prévision, fonctions objectif et résultats d’évaluation sous-jacents restent trop opaques pour porter un jugement numérique plus favorable. (7, 13)
Prise en compte des contraintes réelles — 6/10. Les relations entre matières, restrictions de taille de commande, charges des ressources et changements de série couvrent des contraintes pratiques. Les informations publiques n’expliquent pas comment le moteur résout des contraintes économiquement contradictoires sur l’ensemble du réseau. (3, 4, 5)
Automatisation des décisions et productivité du travail — 4/10. Les calculs partagés et propositions de commande suppriment du travail administratif. Des utilisateurs nommés signalent des gains de temps, mais la charge comparable, l’effort humain résiduel et les améliorations attribuables à Condor ne sont pas quantifiés. (12, 8)
Résilience face à la complexité opérationnelle réelle — 4/10. Les modèles modifiables permettent au client d’intégrer de nouvelles découvertes. Les preuves manquantes concernent la validation : comment une correction économiquement importante devient un comportement fiable en production sans accumuler davantage de travail manuel. (1, 10)
Intégrité du produit et de l’architecture
| Critère | Note |
|---|---|
| Cohérence architecturale | 6/10 |
| Clarté des frontières du système | 5/10 |
| Sérieux en matière de sécurité | 3/10 |
| Sobriété logicielle et coût de possession | 4/10 |
| Compatibilité avec des opérations programmatiques et assistées par agents | 5/10 |
Moyenne : 4,6/10.
Cohérence architecturale — 6/10. Les applications partagent un cœur identifiable de modélisation et de calcul. Les informations publiques ne vont pas jusqu’à une architecture de déploiement exposant la persistance, l’isolation du calcul et le cycle de vie du modèle. (7, 14, 15)
Clarté des frontières du système — 5/10. Les calculs de planification et l’exécution ERP sont séparés de manière intelligible. Le traitement par des assistants externes introduit une frontière non résolue dans un discours par ailleurs catégorique sur la localisation des données. (4, 8, 9)
Sérieux en matière de sécurité — 3/10. Les autorisations délimitées et l’approbation des modifications de l’agent constituent des contrôles utiles. Les documents publiés ne montrent pas comment contenir des modifications autorisées mais dangereuses, des entrées compromises de l’assistant, ni restaurer une logique de production endommagée. (7, 8, 18)
Sobriété logicielle et coût de possession — 4/10. Les socles applicatifs réutilisables réduisent la construction initiale. La logique propre au client, l’assistance spécialisée et la documentation incomplète du cycle de vie laissent des coûts récurrents substantiels difficiles à estimer. (1, 10, 12)
Compatibilité avec des opérations programmatiques et assistées par agents — 5/10. Les modèles à base de formules, les interfaces et l’édition assistée par agent offrent des possibilités utiles d’automatisation. Le déploiement reproductible des modèles, les tests automatiques et l’exécution sans surveillance des décisions économiques restent peu documentés. (7, 8)
Transparence technique
| Critère | Note |
|---|---|
| Documentation technique publique | 4/10 |
| Possibilité d’inspection sans médiation de l’éditeur | 4/10 |
| Portabilité et visibilité du verrouillage | 3/10 |
| Transparence de la méthode d’implémentation | 6/10 |
| Densité des preuves derrière les affirmations techniques | 4/10 |
Moyenne : 4,2/10.
Documentation technique publique — 4/10. Ganacos explique son processus et ses abstractions de calcul par des exemples concrets. Il ne publie pas de référence du langage, de description des méthodes numériques ou de manuel d’exploitation suffisamment détaillés. (7, 2)
Possibilité d’inspection sans médiation de l’éditeur — 4/10. Les écrans publics et exemples Condor rendent plusieurs interactions compréhensibles. Reproduire une prévision, tester une correction de modèle ou inspecter l’application des autorisations nécessite un accès au-delà des informations publiques. (8, 18)
Portabilité et visibilité du verrouillage — 3/10. Une restitution exploitable des données est promise. Le coût de transfert des formules, interfaces et sémantiques d’exécution hors du moteur propriétaire n’est pas précisé. (9)
Transparence de la méthode d’implémentation — 6/10. La distinction entre socle réutilisable et configuration client est claire, avec des témoignages nommés sur la livraison initiale et les adaptations ultérieures. Les responsabilités de test et de mise en production continus nécessitent autant de précision. (1, 12, 19)
Densité des preuves derrière les affirmations techniques — 4/10. Les descriptions actuelles des produits, l’entretien avec les dirigeants et le témoignage du développeur établissent des mécanismes concrets. Les affirmations de réactivité, de qualité des prévisions et de productivité de l’agent manquent de mesures reproductibles. (13, 15, 8)
Sérieux de l’éditeur
| Critère | Note |
|---|---|
| Sérieux technique de la communication publique | 5/10 |
| Intégrité de la feuille de route technique | 6/10 |
| Précision conceptuelle | 4/10 |
| Responsabilité économique | 3/10 |
| Défendabilité dans un monde logiciel agentique | 6/10 |
Moyenne : 4,8/10.
Sérieux technique de la communication publique — 5/10. Ganacos identifie le cœur de calcul et signale qu’une capacité importante de l’agent est inachevée. Les affirmations générales de rapidité, souveraineté et faible maintenance nécessitent des limites techniques plus précises. (7, 8, 9, 10)
Intégrité de la feuille de route technique — 6/10. L’historique disponible montre le développement suivi d’un produit de planification configurable et son utilisation continue par des clients. La transition vers les agents n’a pas encore produit de résultats économiques ou de maintenance documentés. (11, 16, 18)
Précision conceptuelle — 4/10. L’éditeur reconnaît la configuration comme une source majeure de coût. Son raisonnement directeur en supply chain repose encore largement sur la coordination et les prévisions partagées, laissant l’économie des décisions peu développée. (10, 17)
Responsabilité économique — 3/10. L’adoption et la satisfaction client ont des responsables identifiables. Les engagements publics ne définissent ni l’échec économique, ni les rendements nets, ni la responsabilité de remédier à une logique décisionnelle défaillante. (11, 12)
Défendabilité dans un monde logiciel agentique — 6/10. Un modèle numérique modifiable offre à un agent un objet réutilisable à améliorer, et Condor exploite cette possibilité. Sa défendabilité dépend du maintien d’applications cohérentes et testées à moindre coût total ; la seule planification conversationnelle n’y suffira pas. (7, 8)
La note globale est la moyenne arithmétique de ces 25 sous-notes : 4,36/10, arrondie à 4,4/10. Ce sont des jugements éditoriaux sur la technologie et le modèle opérationnel documentés.
Sources
Toutes les sources ont été consultées le 4 novembre 2026.
La suite Ganacos. Non daté. Applications préconfigurées et responsabilités de modélisation propres au client.
Demand Planning. Non daté. Sélection statistique des modèles, nettoyage de l’historique et planification collaborative de la demande.
[3] Gestion des stocks et des approvisionnements
Gestion des stocks et des approvisionnements. Non daté. Besoins nets, approbation des commandes, stock de sécurité ABC/XYZ et scénarios de stock.
MPS / DRP. Non daté. Besoins de production, propagation entre entrepôts et retour vers l’ERP.
[5] Ordonnancement de la production
Ordonnancement de la production. Non daté. Séquencement des ressources, changements de série et réordonnancement manuel.
FP&A. Non daté. Valorisation financière, reporting et comparaison de scénarios.
Le moteur Ganacos. Non daté. Chulengo, moteur multidimensionnel, interfaces et authentification.
Agent IA Condor. Non daté. Construction de modèles, accès MCP et recommandation d’actions encore en développement.
Souveraineté des données. Non daté. Localisation des données de planification, périmètre d’hébergement, séparation des clients et restitution des données.
Questions fréquentes. Non daté. Périmètre d’implémentation, évolutions continues du modèle et sources de ROI annoncées.
À propos de Ganacos. Non daté. Déclarations sur l’actionnariat, chronologie rétrospective et adoption comme critère d’échec annoncé.
[12] Témoignages et retours clients
Témoignages et retours clients. Non daté. Retours attribués de clients sur l’implémentation, l’assistance, la complexité et les performances.
[13] Entretien avec les dirigeants de Ganacos, Supply Chain Magazine n° 74
Entretien avec les dirigeants de Ganacos, Supply Chain Magazine n° 74. Publié en 2024-12. Déclarations contemporaines des dirigeants sur les méthodes de prévision et l’assistance client continue ; page 45.
[14] Profil technique employeur de Ganacos
Profil technique employeur de Ganacos. Non daté. Technologies applicatives publiées par l’employeur.
[15] Témoignage d’un développeur sur Ganacos, avril–juillet 2022
Témoignage d’un développeur sur Ganacos, avril–juillet 2022. Non daté. Témoignage technique direct, explicitement limité aux travaux d’avril à juillet 2022.
[16] Visite et webinaire S&OP Symrise Pet Food
Visite et webinaire S&OP Symrise Pet Food. Publié le 2025-10-07. Annonce par l’organisateur de l’événement client du 7 octobre 2025.
Livre blanc S&OP Ganacos. Publié en 2026. Livre blanc proposé publiquement, copyright 2026 ; méthode de prévision page 4 et déploiements nommés pages 11–18.
[18] Candidature de Condor à un prix
Candidature de Condor à un prix. Publié en 2026. Candidature de l’éditeur en 2026 décrivant le périmètre de Condor et son fonctionnement d’approbation.
[19] Publications et téléchargement public S&OP
Publications et téléchargement public S&OP. Non daté. Page publique donnant accès au livre blanc et à la démonstration de Condor.