Revue de ketteQ, éditeur de planification adaptative de la supply chain

Last updated: April, 2026

Retour à Études de marché

ketteQ (supply chain score 4.0/10) est un véritable éditeur de planification de la supply chain, avec un produit cloud cohérent, de vraies références clients et une architecture distinctive centrée sur Salesforce. Les éléments publics étayent un périmètre produit significatif couvrant la demande, le stock, l’approvisionnement, les pièces de rechange et une planification adjacente à l’exécution, ainsi qu’un effort réel pour moderniser les anciens workflows APS via un moteur PolymatiQ partagé. Les preuves publiques ne soutiennent pas l’interprétation la plus ambitieuse sous-entendue par des expressions comme world’s most adaptive, agentic AI engine ou continuously learning decisions at scale. Le produit paraît sensiblement plus sérieux qu’un simple théâtre IA, mais le dossier public reste trop opaque sur les internals du solver, la sémantique probabiliste et les modes de défaillance opérationnels pour justifier une confiance technique plus forte.

Vue d’ensemble de ketteQ

Supply chain score

• Supply chain depth: 4.2/10
• Decision and optimization substance: 4.2/10
• Product and architecture integrity: 4.2/10
• Technical transparency: 3.2/10
• Vendor seriousness: 4.0/10
• Overall score: 4.0/10 (provisional, simple average)

ketteQ doit avant tout être compris comme une suite de planification packagée moderne, avec une forte affinité Salesforce, et non comme un moteur quantitatif de décision documenté de manière transparente. Ses forces publiques sont la cohérence architecturale, un périmètre de planification crédible et une proposition commerciale pratique pour les entreprises déjà investies dans Salesforce. Sa faiblesse publique est que le cœur technique du produit, PolymatiQ, est encore présenté surtout via des slogans sur les expériences multi-pass, l’adaptativité et l’agentic AI, plutôt qu’au travers de détails mathématiques ou d’ingénierie inspectables.

ketteQ vs Lokad

ketteQ et Lokad se recouvrent sur la planification de la demande, des stocks et de l’approvisionnement, mais abordent le sujet avec des philosophies logicielles presque opposées.

ketteQ vend une suite applicative packagée avec des modules préconstruits, des workflows centrés sur Salesforce et un récit unifié autour d’un solver destiné à se superposer aux paysages de planification existants ou à les remplacer progressivement. La proposition de valeur visible repose sur un déploiement plus rapide, une UX d’entreprise familière, une collaboration proche du CRM et un pont pratique entre planification et opérations commerciales. C’est une proposition sérieuse, mais elle reste centrée sur l’application et médiée par l’éditeur.

Lokad est beaucoup plus étroit en périmètre et beaucoup plus tranché dans sa posture technique. La plateforme expose un environnement programmable où la prévision et la logique de décision sont censées être exprimées explicitement plutôt que cachées derrière une marque propriétaire de solver. Le compromis pratique est clair : ketteQ promet un mode opératoire plus packagé, tandis que Lokad demande davantage de travail de modélisation mais offre une transparence bien plus forte sur la logique décisionnelle sous-jacente.

Sur l’incertitude et l’optimisation, le contraste est tout aussi net. ketteQ revendique à répétition une planification probabiliste, adaptative et multi-pass, mais son matériel public n’explique pas comment l’incertitude est représentée, comment les arbitrages sont codés, ni comment le solver choisit entre des décisions concurrentes. Lokad, à l’inverse, est beaucoup plus explicite publiquement sur sa posture probabiliste et programmatique. Cela ne prouve pas que ketteQ soit faible ; cela signifie qu’à partir des seules preuves publiques, ketteQ ressemble davantage à une suite APS moderne avec un solver boîte noire qu’à un système d’intelligence transparent.

Historique corporate, actionnariat, financement et trajectoire M&A

ketteQ n’est pas un incumbent et doit être lu comme une scale-up. Les registres corporate et de financement publics renvoient à une société fondée en 2018, aujourd’hui dirigée par Mike Landry, avec une famille de produits construite autour d’une UX native Salesforce et de services de calcul hébergés sur AWS. La société se présente comme le résultat des enseignements tirés de nombreuses implémentations antérieures de supply chain et d’une équipe fondatrice et dirigeante expérimentée, plutôt que comme un spinout de recherche ou un laboratoire centré solver. (4, 18, 21, 26, 27)

L’histoire du financement est simple. Les bases de données venture publiques et l’annonce 2025 de la société indiquent environ 30,9 M$ de financement divulgué sur plusieurs tours précoces, culminant avec une série B de 20 M$ menée par Vocap Partners en août 2025, avec la participation de l’investisseur existant Circadian Ventures. Cela place ketteQ au-delà du stade seed fragile, mais encore loin de la profondeur de capital ou de l’inertie de base installée des grands incumbents APS. (19, 22, 23, 24, 27, 28)

Aucune trajectoire d’acquisition significative n’a été trouvée. C’est plutôt positif pour la cohérence produit : la plateforme actuelle semble avoir grandi comme une seule famille de produits plutôt que comme un collage de modules achetés. Ce même fait limite toutefois ce qu’on peut inférer de la profondeur réelle à partir des promesses de largeur, car chaque module adjacent dépend encore de la crédibilité d’une organisation produit relativement jeune.

Périmètre produit : ce que le fournisseur vend réellement

Le périmètre visible est suffisamment large pour classer ketteQ comme un véritable éditeur de suite de planification, et non comme un simple outil de forecasting. La surface produit actuelle couvre la planification de la demande, des stocks, de l’approvisionnement, l’integrated business planning, la planification des pièces de rechange, la control tower, la planification de fulfillment et d’allocation, ainsi que des surcouches CRM ou Manufacturing Cloud liées à Salesforce. Le récit produit porte donc sur une couche multi-modules de planification et d’exécution, pas seulement sur un widget statistique de forecasting. (1, 2, 6, 7, 8, 9, 10, 11, 12, 13, 14)

Les preuves les plus solides se situent dans le cœur planification. Les pages inventory, service parts et supply planning exposent des concepts réels tels que le MEIO, la génération d’ASL, le tuning des politiques de commande, la planification supply consciente des BOM, la prévision de base installée, les rotable pools, le trigger-point ordering et une planification supply tenant compte des capacités. C’est sensiblement meilleur qu’un simple langage marketing générique et cela suggère fortement un produit manipulant de vrais objets supply chain. (7, 8, 9)

Les preuves plus faibles se situent dans le cadrage plus expansif autour de l’IA et des agents. La homepage et les pages plateforme présentent désormais ketteQ comme des agents intelligents de planification et de CRM propulsés par PolymatiQ, capables d’augmenter les environnements existants ou de les remplacer. C’est peut-être juste en tant que stratégie de packaging commercial, mais le dossier public ne montre pas encore que chaque module annoncé repose sur une substance computationnelle également profonde et distinctive. (1, 2, 3, 20)

Transparence technique

La transparence technique est le point le plus faible de ketteQ. L’entreprise publie suffisamment de matière pour comprendre la famille de produits, le positionnement cloud et l’architecture Salesforce plus AWS. Un acheteur technique peut inférer que Salesforce porte une grande partie du workflow, du partage des données, de la sécurité et de l’expérience utilisateur, tandis qu’AWS héberge les workloads analytiques plus lourds et les services de solver. C’est utile et meilleur qu’une simple brochure. (2, 4, 13, 15, 16)

Le problème commence là où débutent les promesses les plus fortes. Les pages publiques mentionnent à répétition des expériences multi-pass, une planification probabiliste, du tuning adaptatif et l’agentic AI, mais sans expliquer les fonctions objectif, les méthodes d’optimisation, la sémantique des distributions, les classes de modèles ou les limites opérationnelles du solver. Aucune documentation publique d’API, aucun SDK, aucun engineering handbook ni manuel technique de niveau développeur n’a été trouvé pendant cette actualisation. (1, 3, 6, 15, 17, 21)

Cette opacité compte parce que le récit de différenciation de ketteQ est lui-même technique. Un fournisseur de planification conventionnel peut peut-être s’en sortir avec un langage générique sur la collaboration et la visibilité. Un éditeur qui vend un solver adaptatif patent-pending et un moteur de planification agentique s’expose à une exigence de preuve plus élevée, et le matériel public n’atteint pas encore ce niveau.

Intégrité produit et architecture

Sur le plan architectural, ketteQ paraît plus cohérent que beaucoup de pairs. Le dossier public renvoie de façon constante à une famille de produits unique bâtie autour d’une UX, de workflows et d’un partage de données natifs Salesforce d’un côté, avec des services analytiques et de solver hébergés sur AWS de l’autre. La même marque PolymatiQ apparaît sur les pages de planification et d’exécution, et la société présente de manière répétée son déploiement soit comme une augmentation de suites incumbentes, soit comme une pile de planification de bout en bout. C’est un récit produit plus propre qu’une suite assemblée à partir de multiples acquisitions. (1, 2, 4, 13, 14, 15)

Le principal risque architectural tient davantage à une complexité cachée qu’à une fragmentation évidente. ketteQ affirme désormais faire le pont entre planification et CRM, embarquer des agents dans Salesforce et livrer une augmentation de la planification au-dessus de SAP, Oracle, Kinaxis, Blue Yonder, o9, Anaplan, Logility ou de systèmes maison. C’est commercialement attractif, mais cela suggère aussi un problème d’intégration et d’orchestration assez exigeant que le matériel public ne décrit qu’à haut niveau. (1, 2, 13, 16)

Les preuves de sécurité sont mitigées mais non inexistantes. ketteQ met fortement en avant Salesforce et AWS comme fondations de l’échelle et de la sécurité, et sa FAQ ainsi que ses pages Salesforce s’appuient clairement sur une confiance héritée de plateformes d’entreprise. Cela reste en partie une rhétorique de box-ticking, mais elle s’adosse à de vraies plateformes sous-jacentes plutôt qu’à des assurances purement abstraites. (13, 14, 15)

Profondeur supply chain

ketteQ est matériellement à l’intérieur de la catégorie supply-chain-planning. Le produit traite le forecasting de la demande, le réapprovisionnement, l’équilibrage capacité-approvisionnement, les pièces de rechange, le stock terrain, la planification consciente des BOM, l’allocation et le pilotage de control tower. Ce n’est clairement pas un simple logiciel BI habillé d’une marque supply chain. (6, 7, 8, 9, 10, 11, 12)

La profondeur doctrinale reste toutefois inégale. Du côté positif, ketteQ parle ouvertement de volatilité, de contraintes fournisseurs, de lead times, de rotable pools, de localisations terrain, de stocks multi-échelons et d’analyse de scénarios. Du côté négatif, le cadrage visible s’appuie encore fortement sur les taux de service, la forecast accuracy, l’adaptativité et la réactivité, plutôt que sur une théorie nettement économique de la qualité des décisions. (6, 7, 8, 9)

Cela place ketteQ dans une position médiane respectable. L’éditeur résout clairement de vrais problèmes de planification et il est plus substantiel que des fournisseurs CRM généralistes qui ne font qu’effleurer la supply chain. Il n’est pas encore publiquement étayé comme un fournisseur doté d’une doctrine particulièrement tranchée et assumée de la supply chain comme économie appliquée.

Substance décisionnelle et d’optimisation

C’est la dimension la plus positive de la revue, mais aussi celle où l’opacité publique pèse le plus. ketteQ vise clairement quelque chose de plus que du reporting et du workflow. Les pages produit décrivent à répétition la génération de scénarios, le tuning des politiques de stock, l’optimisation multi-article et multi-échelon, la logique available-to-promise, l’équilibrage approvisionnement-capacité et l’aide à la décision pour les pièces de rechange. C’est suffisant pour conclure qu’un véritable moteur de planification existe derrière l’UI. (3, 6, 7, 8, 9, 12)

La pièce manquante est la divulgation méthodologique. Les éléments publics ne révèlent pas si PolymatiQ repose sur de la programmation mathématique, de la simulation-optimisation, des heuristiques, du reinforcement learning ou un hybride. La page demand planning fait référence à une best-fit forecasting API enfichable et mentionne Python, Meta et AWS, ce qui suggère de l’extensibilité et une vraie ingénierie, mais pas assez pour établir une profondeur scientifique distinctive. (6, 21)

Le jugement doit donc rester équilibré. ketteQ paraît plus sérieux qu’une fausse couche IA collée sur des écrans MRP. En revanche, le produit n’est pas assez transparent pour susciter une forte confiance dans le caractère distinctif de ses promesses d’optimisation et de probabilisme.

Sérieux du fournisseur

ketteQ ressemble à une société logicielle commerciale sérieuse, mais dont le langage public dépasse de plus en plus les preuves publiques. Le dossier positif est réel : il existe un produit cohérent, de vraies références clients, une trajectoire venture crédible et un positionnement réfléchi autour d’un déploiement natif Salesforce plutôt qu’un discours générique adressé à tout le monde. (4, 5, 18, 19, 20, 22, 25)

Le dossier négatif est la pile actuelle de messaging. Les expressions world’s most adaptive, agentic AI engine, AI that acts, intelligent planning agents et continuously improves decisions sont des affirmations très fortes. Elles ne sont pas absurdes, mais le dossier public ne les étaye pas avec un niveau équivalent de précision technique, d’arbitrages explicites ou de discussion des modes de défaillance. (1, 3, 17, 20)

Cela produit un score de sérieux intermédiaire plutôt qu’un mauvais score. ketteQ n’est pas du hype vide, mais sa communication publique reste plus gonflée commercialement que disciplinée techniquement.

Supply chain score

Le score ci-dessous reste provisoire et utilise une moyenne simple des cinq dimensions.

Supply chain depth: 4.2/10

Sub-scores:

• Economic framing: ketteQ parle effectivement de working capital, d’arbitrages de service, d’alignement budgétaire et de risque stock sur ses pages de planification. C’est mieux qu’un simple théâtre KPI. La doctrine visible s’appuie toutefois beaucoup plus sur les taux de service, l’adaptativité et la réactivité que sur une théorie des décisions résolument fondée sur l’économie, ce qui maintient le score au milieu. 4/10
• Decision end-state: le produit vise clairement à recommander, et dans certains cas automatiser, des décisions supply plutôt qu’à seulement produire des dashboards. Cela mérite un vrai crédit. La posture publique reste cependant centrée sur les planners, la gestion de scénarios et la revue collaborative plutôt que sur des décisions sans supervision comme état normal, ce qui empêche le score de monter davantage. 5/10
• Conceptual sharpness on supply chain: ketteQ a une thèse cohérente autour de la planification adaptative en environnement volatil et du lien entre planification, CRM et workflows Salesforce. C’est plus distinctif qu’un langage APS générique. La thèse reste commercialement large plutôt que techniquement tranchée, ce qui en fait une force modérée et non une doctrine à forte conviction. 5/10
• Freedom from obsolete doctrinal centerpieces: le produit va clairement au-delà d’un MRP statique et d’une simple administration statique du safety stock, en particulier sur les pièces de rechange et la planification de scénarios. C’est un vrai point positif. Les taux de service, la forecast accuracy et des constructions de planification conventionnelles restent néanmoins très visibles dans les pages publiques, ce qui limite le score. 3/10
• Robustness against KPI theater: le messaging public n’est pas dominé par des badges analystes de vanité ni par des clichés de transformation pure, et certains objets opérationnels réels sont visibles. Malgré cela, le récit produit repose encore fortement sur des promesses de résultats peu étayées publiquement, et la doctrine publique ne montre pas un fort scepticisme envers le metric gaming. Cela justifie un score modéré plutôt qu’élevé. 4/10

Dimension score: Arithmetic average of the five sub-scores above = 4.2/10.

ketteQ travaille manifestement sur de vrais problèmes supply chain. Le plafond vient d’une doctrine sérieuse sur le plan opérationnel mais encore assez mainstream sur le plan conceptuel. (6, 7, 8, 9, 10)

Decision and optimization substance: 4.2/10

Sub-scores:

• Probabilistic modeling depth: ketteQ utilise de façon répétée un langage probabiliste et le relie à l’analyse de scénarios multi-pass, au tuning adaptatif et à la demand planning. Cela suggère davantage qu’une simple rhétorique Monte Carlo cosmétique. Le dossier public n’explique toujours pas la sémantique probabiliste effective ni la façon dont l’incertitude est propagée vers les décisions, donc le score reste modéré. 4/10
• Distinctive optimization or ML substance: PolymatiQ semble être une vraie couche solver plutôt qu’une simple étiquette IA décorative, et les pages produit exposent assez d’objets de planification contraints pour étayer cette lecture. L’absence de méthodologie publique, de benchmarks et de détails sur les modèles empêche un score plus élevé. 4/10
• Real-world constraint handling: les pages service parts et supply planning évoquent BOM, rotable pools, ASL, price breaks fournisseurs, lead times, réparations, retours, contraintes de capacité et différents lieux de stockage. C’est un signe fort d’un périmètre de planification ancré dans le réel. Le score reste plafonné parce que les preuves publiques ne montrent pas la formulation exacte de l’optimisation ni la manière dont ces contraintes interagissent computationnellement. 5/10
• Decision production versus decision support: ketteQ vise clairement à produire des commandes, des allocations et des sorties de planification plutôt qu’à seulement afficher des graphiques et des alertes. C’est un vrai point positif. Le produit ressemble néanmoins surtout à une suite avancée d’aide à la décision avec des fonctions d’automatisation, plutôt qu’à un système prouvant publiquement une production autonome de décisions à grande échelle. 4/10
• Resilience under real operational complexity: les pages publiques montrent une conscience de la complexité, qu’il s’agisse de stock terrain, de pièces de rechange, de contraintes fournisseurs ou de conditions d’approvisionnement changeantes. C’est mieux qu’un langage d’optimisation jouet. L’entreprise ne discute toutefois pas ses modes de dégradation, ses défaillances ou ses limites avec assez de précision pour justifier un score plus élevé. 4/10

Dimension score: Arithmetic average of the five sub-scores above = 4.2/10.

ketteQ possède probablement une vraie substance d’optimisation. La revue ne peut pas le noter plus haut parce que le dossier public laisse trop de cette substance cachée derrière une seule marque de solver. (3, 6, 7, 8, 9, 21)

Product and architecture integrity: 4.2/10

Sub-scores:

• Architectural coherence: le récit public est remarquablement cohérent autour d’une seule architecture Salesforce plus AWS et d’un moteur de planification PolymatiQ partagé. Cela donne au produit un centre de gravité cohérent. Le score s’arrête avant le haut de l’échelle parce que les frontières internes exactes et les patterns d’orchestration ne sont pas documentés publiquement avec suffisamment de précision. 5/10
• Dependency discipline: s’appuyer fortement sur Salesforce pour l’UX et la gouvernance, puis sur AWS pour le calcul, peut produire une pile produit nette si les limites sont bien tenues. Le discours actuel semble globalement discipliné sur ce point. Le score reste moyen parce que cette discipline est affirmée plus qu’inspectable publiquement. 4/10
• Product surface coherence: les modules visibles vont de la demand planning à l’allocation, à la control tower et au service parts planning, tout en restant rattachés à la même histoire plateforme. C’est un signe positif de cohérence de surface. Le score ne monte pas plus haut parce que le dossier public n’expose pas assez le noyau commun derrière tous ces modules. 4/10
• Portability and lock-in visibility: le produit affirme ouvertement pouvoir augmenter des piles de planification incumbentes et s’appuyer sur Salesforce et AWS de manière structurée. Cela rend certaines hypothèses d’exploitation lisibles. En revanche, le matériel public dit peu de choses sur les frontières de migration, la sémantique des données ou la difficulté pratique de quitter la plateforme, d’où un score seulement modéré. 4/10
• Implementation-method transparency: ketteQ promet à répétition des déploiements rapides et une augmentation pratique des systèmes existants, ce qui donne au moins à l’acheteur une idée du rollout visé. Le dossier public n’expose toujours pas les playbooks d’implémentation, les schémas de gouvernance ou la mécanique détaillée de delivery d’une manière qui soutiendrait un score plus élevé. 4/10

Dimension score: Arithmetic average of the five sub-scores above = 4.2/10.

L’architecture de ketteQ paraît plus propre que celle de nombreux anciens fournisseurs APS. La limite ne vient pas d’une incohérence évidente, mais d’une inspectabilité limitée des frontières et des mécanismes opératoires. (2, 4, 13, 15, 16, 21)

Technical transparency: 3.2/10

Sub-scores:

• Architecture disclosure: la société donne une image raisonnablement claire de l’articulation générale entre Salesforce et AWS. C’est une vraie base de compréhension. Le niveau de détail reste toutefois trop élevé pour permettre une inspection sérieuse du comportement interne du produit. 4/10
• Methodological disclosure: c’est le point faible majeur. Les promesses sur le probabilisme, l’adaptativité et l’agentic AI ne sont pas accompagnées d’une description publique des méthodes, modèles ou algorithmes. Cela justifie un score faible. 2/10
• Developer-facing material: aucune API publique détaillée, aucun SDK, aucun manuel d’ingénierie ni documentation de niveau développeur n’a été trouvé lors de cette actualisation. Cela limite fortement la capacité d’un lecteur externe à juger la profondeur technique réelle. 2/10
• Operational transparency: le dossier public expose peu les modes de défaillance, les limites, les dégradations ou les arbitrages d’exploitation du moteur. Une partie de l’opacité est normale pour un produit commercial, mais ici elle est élevée par rapport à la force des promesses formulées. 3/10
• Evidence density behind technical claims: c’est l’autre zone faible. Plus l’affirmation devient ambitieuse, notamment autour de l’agentic AI, de l’apprentissage adaptatif ou de la distinctivité du solver, plus la preuve publique devient mince. Cet écart impose un score clairement bas sur ce sous-critère. 5/10

Dimension score: Arithmetic average of the five sub-scores above = 3.2/10.

ketteQ est suffisamment transparent pour être pris au sérieux comme un produit réel. Il n’est pas assez transparent pour valider avec confiance ses affirmations techniques les plus ambitieuses. (1, 2, 3, 13, 15, 21)

Vendor seriousness: 4.0/10

Sub-scores:

• Technical seriousness of public communication: la communication de ketteQ s’adosse à une vraie famille de produits, à de vrais clients et à de vraies affirmations de déploiement. C’est nettement meilleur que la rhétorique startup vide. Le score reste modéré parce que la communication publique préfère encore les slogans forts à l’exposition technique précise dès qu’il est question du solver. 4/10
• Resistance to buzzword opportunism: le messaging public actuel s’appuie fortement sur l’agentic AI, les intelligent agents et l’adaptive planning comme différenciateurs attrape-tout. Une partie de ce branding peut correspondre à un vrai travail produit. Malgré cela, l’empressement à adopter le vocabulaire IA du moment sans divulgation technique équivalente justifie ici un score inférieur à la moyenne. 3/10
• Conceptual sharpness: ketteQ a effectivement un point de vue visible autour d’une planification centrée Salesforce et de l’augmentation des paysages existants plutôt que du rip-and-replace immédiat. C’est plus distinctif qu’un messaging générique de suite. La philosophie produit n’est toutefois pas particulièrement tranchée dès qu’on passe de l’architecture à la théorie de la décision, ce qui maintient le score à un niveau modéré. 4/10
• Incentive and failure-mode awareness: les pages produit montrent une conscience de la volatilité opérationnelle, des contraintes fournisseurs et du risque d’exécution. C’est utile. Le dossier public dit cependant très peu de choses sur la manière dont ketteQ lui-même peut échouer, sur les cas où ses recommandations automatisées devraient être distraites, ou sur les arbitrages qu’il rejette consciemment, d’où un score modéré. 4/10
• Defensibility in an agentic-software world: ketteQ a une certaine défensibilité réelle parce qu’il s’appuie sur une vraie logique de planification, de vraies intégrations et une architecture cohérente, plutôt que sur du pur théâtre de workflow. Une part significative de la proposition de valeur visible dépend néanmoins d’un logiciel d’entreprise packagé et de couches UX tournées IA qui pourraient devenir moins coûteuses à répliquer, donc le score est positif sans être élevé. 5/10

Dimension score: Arithmetic average of the five sub-scores above = 4.0/10.

ketteQ ressemble à une scale-up sérieuse avec un produit réel. Le score reste modéré parce que la discipline publique de l’entreprise sur ses affirmations techniques reste en retrait par rapport à l’ambition de son branding. (1, 4, 18, 19, 22, 25)

Overall score: 4.0/10

En utilisant une moyenne simple des cinq dimensions, ketteQ atterrit à 4.0/10. Ce résultat reflète un fournisseur de planification crédible et cohérent, dont la substance publique est réelle, mais dont les affirmations techniques les plus fortes restent insuffisamment documentées.

Conclusion

ketteQ n’est pas un faux. La société dispose d’une architecture cohérente, d’un vrai périmètre de planification, de clients nommés et d’un récit produit plus moderne que celui de nombreux incumbents APS hérités. Elle mérite aussi du crédit pour avoir construit sa pile autour d’une posture Salesforce plus AWS cohérente, au lieu de prétendre être une plateforme universelle détachée des contraintes concrètes des entreprises.

Le problème n’est pas que le produit semble trivial. Le problème est que le dossier public ne permet pas à un lecteur technique externe d’inspecter avec assez de précision le solver, la couche probabiliste ni les limites opérationnelles de l’histoire d’automatisation. En conséquence, l’évaluation publique la plus juste est celle d’une suite de planification packagée prometteuse et commercialement sérieuse, dont le moteur central peut être substantiel, mais reste trop opaque pour être noté comme un système d’intelligence clairement distinctif.

Pour des acheteurs déjà engagés sur Salesforce et recherchant une couche de planification moderne avec une trajectoire de déploiement pragmatique, ketteQ est un candidat crédible. Pour des acheteurs qui ont besoin d’une forte transparence sur la logique décisionnelle, la sémantique probabiliste et les mécanismes d’optimisation, les preuves publiques pointent encore vers des plateformes plus explicites comme Lokad.