L'analyse de GEP, fournisseur de logiciels de procurement et supply chain
Retourner à Étude de marché
GEP, fondée en 1999 dans le New Jersey et dirigée par le vétéran de l’industrie Dr. Subhash Makhija, s’est imposée comme un acteur majeur dans le domaine des logiciels de procurement et supply chain. L’approche intégrée de l’entreprise — associant logiciels, conseil et services managés — s’adresse aux entreprises mondiales désireuses de simplifier leurs opérations, d’optimiser leurs dépenses et de stimuler l’efficacité opérationnelle. Soutenue par sa plateforme propriétaire GEP QUANTUM, GEP défend un environnement cloud‐native, modulaire et low‐code qui s’appuie sur des acquisitions stratégiques (comme OpusCapita pour la e‐facturation et COSTDRIVERS pour l’analytique des coûts) afin de renforcer ses capacités en procurement et supply chain pilotées par l’IA. Bien que l’entreprise mette en avant une approche “AI-first” intégrant le generative AI, le natural language processing et le predictive analytics, un examen technique plus approfondi révèle que bon nombre de ces affirmations restent générales et méritent un certain scepticisme de la part des cadres supply chain aux méthodes opérationnelles rigoureuses.
Historique de l’entreprise et des acquisitions
Fondation et direction
GEP a été fondée en 1999 dans le New Jersey sous la direction du Dr. Subhash Makhija, dont l’expertise technique et opérationnelle a jeté les bases d’une mission centrée sur la satisfaction client et l’innovation durable dans le domaine du procurement et de la gestion de la supply chain 1. L’entreprise n’a cessé de chercher à créer des solutions transformatrices qui allient authenticité et performance, visant à “construire une belle entreprise” qui comprend véritablement les défis opérationnels de ses clients.
Acquisitions
Ces dernières années, GEP a élargi stratégiquement ses capacités par le biais d’acquisitions. En juillet 2024, GEP a acquis OpusCapita — un leader reconnu en e‐facturation et automatisation des comptes fournisseurs en Europe du Nord — afin d’améliorer sa plateforme phare de procurement 2. Plus tôt, en mars 2022, l’acquisition de COSTDRIVERS et Datamark a permis à GEP d’intégrer des analyses avancées de big data et le machine learning pour la prévision des coûts et l’intelligence en procurement 3.
Architecture technologique et modèle de déploiement
La plateforme GEP QUANTUM
Au cœur de l’offre de GEP se trouve la plateforme GEP QUANTUM — un environnement de développement complet, AI‐first et low‐code qui supporte des solutions telles que GEP SMART (pour le procurement), GEP NEXXE (pour la gestion de la supply chain) et GEP GREEN (pour la durabilité) 4. Conçue comme un système cloud‐native fonctionnant sur Microsoft Azure, la plateforme utilise des microservices et des composants hautement modulaires pour assurer un déploiement rapide, une scalabilité et une intégration fluide avec les principaux systèmes ERP via des API préemballées 56. Cette architecture permet même aux développeurs non professionnels d’adapter rapidement des applications tout en maintenant une solution robuste de niveau entreprise.
Modèle de déploiement et de mise en œuvre
GEP fournit ses logiciels sous forme de Software-as-a-Service (SaaS) basé sur le cloud, réduisant ainsi de manière significative les besoins en infrastructure sur site et les frais informatiques. Son approche modulaire et orientée microservices garantit que les déploiements peuvent être incrémentaux et agiles. L’intégration est en outre améliorée par des solutions de connectivité hybrides qui comblent le fossé entre les systèmes ERP hérités (tels que SAP ou Oracle) et les applications avancées de procurement et supply chain de GEP.
Composants d’IA et de Machine Learning
Approche AI-first et revendications
GEP commercialise ses solutions comme “AI-first”, intégrant le generative AI et le machine learning dans un large éventail de fonctions allant de l’approvisionnement et procurement à l’automatisation des comptes fournisseurs 7. La plateforme est conçue pour intégrer des fonctionnalités telles que le natural language processing, des interfaces conversationnelles et le predictive analytics afin de compléter les processus de prise de décision.
Cas d’utilisation détaillés en IA/ML
Dans l’analyse des achats et des dépenses, des techniques de machine learning sont appliquées pour la prévision de la demande, l’évaluation des fournisseurs et l’optimisation de stocks, dans le but d’extraire des informations exploitables à partir d’ensembles de données étendus 8. De même, dans le domaine supply chain, des algorithmes pilotés par l’IA soutiennent l’optimisation des itinéraires, la visibilité en temps réel et l’atténuation des risques — réduisant soi-disant les interventions manuelles et améliorant l’efficacité grâce à des flux de travail automatisés.
Point de vue sceptique sur les revendications d’IA
Malgré des narrations marketing audacieuses, bon nombre des affirmations de GEP en matière d’IA/ML sont présentées de manière générale. Les informations techniques divulguées dans les documents publics restent de haut niveau, et il est possible que certaines fonctionnalités — telles que le predictive analytics et la recherche en NLP — reposent sur des méthodes statistiques éprouvées ou des processus basés sur des règles, reconditionnés sous une terminologie “AI” moderne. Pour les clients potentiels, il est conseillé de solliciter des démonstrations techniques détaillées et des validations de concept afin de s’assurer que les innovations promises se traduisent par des bénéfices opérationnels tangibles.
Perspectives issues des offres d’emploi et de la culture d’entreprise
Les pages carrières et documents de recrutement de GEP mettent en avant une expertise mondiale dans les plateformes cloud, l’analyse de données et le développement low-code, reflétant une culture interne d’innovation rapide et d’agilité 9. Cet accent sur l’attraction des meilleurs talents s’aligne avec son engagement à rester compétitif dans un paysage technologique en évolution rapide, même si les détails techniques pointus sur ses opérations en arrière-plan demeurent relativement rares.
GEP vs Lokad
En comparant l’approche de GEP à celle de Lokad, des différences notables apparaissent. La plateforme de GEP est construite sur une architecture cloud-native, low-code et orientée microservices, qui met l’accent sur la modularité et le déploiement rapide — renforcée par des acquisitions stratégiques telles qu’OpusCapita et COSTDRIVERS pour étendre ses capacités en procurement et analytique. En contraste, Lokad a suivi une trajectoire de croissance organique fondée sur un système rigoureusement conçu sur mesure, axé sur l’optimisation quantitative de la supply chain. La plateforme de Lokad exploite un langage interne spécifique au domaine (Envision) développé en F# et C#, accompagné d’une stack allégée avec des dépendances externes minimales 1011. Alors que GEP promeut des capacités AI-first étendues dans le procurement et la gestion de la supply chain, Lokad est résolument orienté vers une optimisation prédictive, poussée par des méthodes mathématiques, avec une intégration approfondie de la prévision probabiliste et de l’automatisation de la prise de décision. Ces philosophies divergentes soulignent l’objectif de GEP de fournir une solution intégrée et prête pour l’entreprise via des partenariats stratégiques et des outils low-code, tandis que Lokad s’adresse à des organisations en quête d’une optimisation supply chain hautement spécialisée et numériquement rigoureuse.
Conclusion
GEP offre une solution de bout en bout, cloud-native pour le procurement et la gestion de la supply chain, caractérisée par sa plateforme GEP QUANTUM qui allie les technologies AI/ML avec le développement low-code et les microservices modulaires. Ses acquisitions stratégiques soulignent son engagement à étendre sa portée technologique et son impact en entreprise. Néanmoins, bien que les supports promotionnels de GEP présentent une vision d’innovation avancée, AI-first, les spécificités techniques demeurent souvent générales — justifiant des démonstrations techniques approfondies et des implémentations pilotes avant une adoption à grande échelle. En opposition aux acteurs de niche comme Lokad, qui privilégient l’optimisation quantitative poussée via une approche sur mesure, la méthodologie de GEP reflète un équilibre entre une intégration complète et une facilité de déploiement prête pour le marché. Pour les cadres supply chain, le choix entre ces paradigmes dépendra de la capacité de l’organisation à investir dans une innovation sur mesure et pilotée en interne, contre l’adoption d’une suite intégrée, déployable facilement et complète de solutions de procurement et de gestion de la supply chain.