Revue de Lanner, fournisseur de logiciels Supply Chain

Par Léon Levinas-Ménard

Dernière mise à jour: novembre, 2025

Lanner Group Ltd (désormais intégré au portefeuille Twinn de Royal HaskoningDHV) est un éditeur britannique de logiciels de simulation, dont le produit principal, WITNESS, est un environnement de simulation à événements discrets (DES) et de « simulation prédictive » de longue date, utilisé pour construire des digital twins d’usines, d’entrepôts, d’opérations de service et de processus métier. La pile technologique de Lanner repose sur la simulation centrée sur le modèle plutôt que sur la prévision centrée sur les données à grande échelle : les utilisateurs construisent des modèles de processus, les paramètrent avec des schémas d’arrivées, des temps de cycle et des règles de ressources, puis effectuent de nombreuses réplications stochastiques pour évaluer les performances selon différents scénarios. Au fil du temps, Lanner a étendu WITNESS avec des modules Experimenter/Optimizer, de l’animation 2D/3D et des API vers du code externe (C++, .NET, Python), et créé le moteur de simulation L-Sim pour intégrer le DES dans des outils BPM/BPSim tels qu’ARIS et Sparx Enterprise Architect. Depuis son acquisition en 2019, le logiciel de Lanner est commercialisé sous la marque Twinn dans le cadre d’une suite plus large de « digital twin et simulation prédictive », avec la supply chain & logistics positionnée comme l’un des plusieurs secteurs verticaux aux côtés de la fabrication, de la santé et de l’énergie. En pratique, les solutions de Lanner sont typiquement déployées pour des analyses de type projet basées sur des scénarios (conception ou reconfiguration de lignes, DCs et systèmes de service), et non comme des optimiseurs toujours actifs et à haute fréquence pour les décisions quotidiennes de réapprovisionnement ou de tarification. D’un point de vue technique, WITNESS et L-Sim sont des moteurs de simulation matures et bien documentés, avec une utilisation académique approfondie et un déploiement stable centré sur le bureau ; cependant, leurs revendications en matière d’« IA » et d’optimisation reflètent principalement le DES classique, la modélisation des entrées, l’expérimentation et la recherche sur les paramètres de scénario plutôt que le machine learning de pointe ou l’optimisation décisionnelle probabiliste intégrée.

Aperçu de Lanner

Lanner Group est un spécialiste des logiciels de simulation à événements discrets et de simulation prédictive, basé au Royaume-Uni, avec WITNESS comme produit phare et L-Sim comme moteur de simulation en Java intégré dans des outils BPM et BPSim tiers.¹² L’entreprise trouve ses origines dans le groupe de recherche opérationnelle de British Leyland à la fin des années 1970, via AT&T Istel, où ont été développés de premiers outils de simulation interactive visuelle (SEE WHY) qui évolueront plus tard pour devenir WITNESS.¹³ WITNESS est positionné comme une plateforme DES à usage général pour modéliser la fabrication, la logistique, la santé et les systèmes de service, avec une animation 2D/3D et un module Experimenter utilisé pour balayer les combinaisons de paramètres et rechercher des conceptions de système améliorées.⁴⁵⁶ En 2019, Lanner a été acquis par Royal HaskoningDHV ; le logiciel est désormais commercialisé dans le cadre de la suite de simulation prédictive et de digital twin « Twinn », aux côtés d’autres offres d’analytique et de digital twin.⁷⁸⁹¹⁰ Les documents publics de Twinn mettent l’accent sur des digital twins qui connectent des actifs physiques, des processus et des ressources en un seul modèle de simulation afin de soumettre à l’épreuve les conceptions et les politiques avant leur mise en œuvre, avec des pages verticales pour la supply chain & logistics et l’alimentation & boissons mettant en avant des cas d’usage tels que l’analyse du débit d’entrepôt, la planification de la production et le test de stratégies de stocks.⁷¹¹¹² WITNESS reste principalement un environnement de simulation centré sur le modèle et le bureau ; des données historiques et opérationnelles sont utilisées, mais typiquement en tant que paramètres et distributions dans des modèles définis par l’utilisateur plutôt qu’en tant que moteur central de pipelines d’optimisation entièrement automatisés.

Lanner vs Lokad

Bien que Lanner (Twinn) et Lokad se positionnent tous deux dans le vaste domaine de « l’optimisation de la supply chain et des opérations », leurs approches, architectures et cas d’usage typiques sont fondamentalement différents.

Simulation centrée sur le modèle vs. optimisation centrée sur les données. WITNESS de Lanner est un environnement de simulation à événements discrets : l’artefact principal est un modèle de processus explicite construit par des analystes, avec des entités, des ressources, des files d’attente, une logique de routage et des distributions statistiques pour les arrivées et les temps de traitement.⁴¹³¹⁴ Les utilisateurs effectuent de nombreuses réplications et balayages de scénarios (via Experimenter/Optimizer) pour observer des indicateurs de performance tels que l’utilisation, le débit, les temps d’attente et les taux de service sous différents agencements, niveaux de personnel ou règles d’exploitation.⁴⁶¹⁵ En revanche, Lokad est une plateforme cloud-native et centrée sur les données qui ingère de grandes tables de transactions historiques, de positions de stocks et de données de base, puis génère des prévisions probabilistes de la demande et des décisions optimisées de réapprovisionnement/production/tarification via un langage spécifique au domaine (Envision) et des algorithmes d’optimisation stochastique. Lokad modélise l’incertitude principalement à travers des distributions prévisionnelles de la demande et des délais, et non par la construction de flux de processus explicites au niveau des événements.

Études what-if de style projet vs. pipelines de décision quotidiens. WITNESS est généralement utilisé dans des contextes de projet : concevoir une nouvelle usine, reconfigurer un entrepôt, valider des plans de capacité S&OP ou soumettre à l’épreuve une modification proposée des règles d’exploitation. Des études de cas de Twinn montrent des modèles WITNESS utilisés pour évaluer des configurations de lignes pour Mars Chocolate North America, tester de nouveaux agencements et logiques de contrôle pour les centres de distribution Carrefour autour de Paris, et concevoir un éco-entrepôt pour la marque italienne de cosmétiques L’Erbolario.¹⁶¹⁷¹⁸¹⁹ Ces études s’exécutent hors ligne, souvent avec des spécialistes dédiés à la simulation, et les résultats sont présentés sous forme de conceptions ou de politiques recommandées. Les déploiements de Lokad, par conception, s’exécutent sous forme de pipelines par lots récurrents (typiquement quotidiens) : ils recalculent les prévisions et les sorties d’optimisation à partir de données opérationnelles à jour et génèrent des listes de décisions prioritaires (commandes d’achat, transferts de stocks, mouvements de tarification) qui peuvent être intégrées dans des systèmes ERP/WMS. Là où Lanner aide à décider comment un système doit être structuré et exploité, Lokad vise à décider quoi acheter, déplacer et tarifer aujourd’hui compte tenu de cette structure.

Granularité de la gestion de l’incertitude. Dans WITNESS, l’incertitude est généralement représentée par la modélisation d’entrée classique du DES : des distributions de probabilité ajustées pour les arrivées, les temps de service, les pannes et d’autres éléments stochastiques, alimentant des simulations de Monte Carlo du processus.¹⁴²⁰ L’accent est mis sur des indicateurs de performance au niveau du système (débit, files d’attente, utilisation). L’accent de Lokad est mis sur des distributions de probabilité de la demande et de l’offre à une granularité SKU × lieu × temps, avec des leviers économiques (coût de détention, pénalités de rupture de stock, obsolescence) utilisés pour calculer le résultat financier attendu de chaque décision. L’optimisation de Lanner est largement orientée vers la conception du système et le réglage des paramètres (par exemple, les tailles de tampon, les niveaux de personnel) via Experimenter, tandis que l’optimisation de Lokad est orientée vers les niveaux de stocks quotidiens et les allocations sous incertitude.

Technologie et rôles des utilisateurs. WITNESS est un environnement de simulation sous Windows doté de la modélisation par glisser-déposer, d’un scripting interne et de la capacité à appeler des bibliothèques de code externes telles que C++, C#, VB.NET ou Python lorsque nécessaire.⁴⁷ Il s’adresse aux ingénieurs industriels, aux analystes de processus et aux spécialistes de la simulation à l’aise avec la modélisation des flux et de la logique. Lokad est accessible via une application web ; son DSL Envision est utilisé par des « supply chain scientists » pour exprimer des transformations de données, des modèles de prévision et la logique d’optimisation, tandis que les planificateurs interagissent principalement via des tableaux de bord et des listes de décisions. Tous deux requièrent des compétences spécialisées, mais les compétences pour WITNESS se penchent vers la modélisation DES, tandis que celles pour Lokad tendent vers l’ingénierie des données et l’optimisation quantitative.

Portée dans la Supply Chain. Le marketing de Twinn pour la supply chain & logistics met l’accent sur la conception opérationnelle et l’amélioration des entrepôts, usines et flux logistiques — planification des capacités, analyse des goulots d’étranglement, planification de la main-d’œuvre, flux de véhicules, etc.¹¹ Des études de cas illustrent des modèles WITNESS d’opérations de DC, de hubs de transport et de lignes de production, mais ne décrivent pas comme fonctionnalités centrales une prévision intégrée de la demande de bout en bout, une optimisation multi-échelons des stocks ou un réapprovisionnement à grande échelle au niveau des SKU.¹⁶¹⁷¹⁸²⁰ Le périmètre déclaré de Lokad concerne spécifiquement l’optimisation des décisions end-to-end de la supply chain (prévision de la demande, réapprovisionnement, planification de la production, allocation, tarification) sur de très larges assortiments, en se concentrant sur des prévisions probabilistes et un classement des décisions par valeur économique attendue. WITNESS peut certainement être utilisé dans des projets de supply chain (par exemple, pour concevoir un DC ou tester un plan S&OP), mais il n’est pas, en l’état, un remplacement plug-and-play pour un système de planification de la supply chain ou d’optimisation de stocks à la manière de Lokad.

En bref, Lanner/Twinn et Lokad sont complémentaires plutôt que substituables : WITNESS est avant tout perçu comme un environnement généraliste de simulation DES/digital twin pour concevoir et tester la robustesse des processus, tandis que Lokad est une plateforme d’optimisation axée sur les données, conçue pour des décisions supply chain récurrentes et granulaires.

Historique et propriété de l’entreprise

Les racines de Lanner Group se situent dans l’industrie automobile des West Midlands. L’historique de l’entreprise remonte à BL Systems (le département informatique de British Leyland), puis ISTEL, ensuite AT&T Istel ; entre 1978 et 1980, ce groupe a développé SEE WHY, cité comme l’un des premiers outils de simulation interactive visuelle disponibles dans le commerce.¹⁶¹³ Suite à un rachat par les dirigeants d’AT&T Istel, Lanner Group Ltd a été fondé en 1996 (créé en 1995 sous des noms antérieurs tels que PINCO 741 et SEEWHY Solutions), avec un siège à Henley-in-Arden puis à Birmingham.¹²¹⁰ WITNESS a évolué à partir de la lignée SEE WHY, avec une version pour IBM PC lancée en 1986 et plusieurs révisions depuis.¹²⁸

Lancer les produits de Lanner s’est étendu au-delà de WITNESS vers des packages de niche tels que PRISM (policing) et PX-Sim (healthcare), ainsi que vers L-Sim, un moteur de simulation en Java destiné à intégrer le DES dans des outils BPM.¹²⁵¹³ De 1996 à 2010, la société de capital-investissement 3i fut un investisseur majeur ; en 2010, NVM Private Equity a investi £3m, remplaçant 3i tandis que ce dernier conservait une participation minoritaire.¹² En janvier 2019, Lanner Group Ltd a été acquis par Royal HaskoningDHV, une entreprise internationale d’ingénierie et de conseil.⁹¹⁰ Les bases de données de fusions et acquisitions décrivent Lanner à ce moment comme un spécialiste de la simulation prédictive, dont la technologie connecte des actifs physiques, des processus et des ressources en un modèle digital unique pour des opérations et des supply chains résilientes.³⁹ Après l’acquisition, les produits de Lanner ont été intégrés dans la marque digital twin Twinn de Royal HaskoningDHV, Lanner Group Ltd demeurant une entité juridique basée au Royaume-Uni (Companies House la répertorie comme active, avec des codes SIC dans le développement de logiciels d’entreprise et les services informatiques).⁷¹⁰

Des bases de données commerciales (D&B, Tracxn, Mergr) montrent que Lanner est une entreprise de logiciels de petite à moyenne taille — des dizaines plutôt que des centaines d’employés — avec une longue expérience et un réseau de distribution mondial, mais pas un acteur SaaS hyperscale.²⁴¹⁹ Globalement, Lanner est mieux caractérisé comme un éditeur de simulation de niche et mature, désormais intégré dans un plus grand cabinet d’ingénierie-conseil.

Portefeuille de produits et modèle de déploiement

Plateforme de simulation prédictive et digital twin WITNESS

WITNESS est l’environnement de simulation à événements discrets principal de Lanner. Les descriptions du produit mettent en avant sa capacité à construire des modèles animés en 2D/3D d’usines, d’entrepôts, de systèmes de transport et de processus de service, avec des éléments intégrés tels que machines, tampons, convoyeurs, véhicules, main-d’œuvre et itinéraires.⁴¹³¹⁴ L’outil prend en charge:

Vues d’ensemble de simulation à événements discrets, continue et hybride, avec des mécanismes d’avancement temporel, d’échantillonnage aléatoire et de collecte de statistiques typiques des moteurs DES.¹³¹⁴
Création de modèles graphiques via des éléments en glisser-déposer combinés avec le code WITNESS pour la logique, le routage et les règles de contrôle.⁴¹⁴
Modélisation des entrées et statistiques, incluant des générateurs de nombres aléatoires, l’ajustement de distributions et l’importation de données à partir de bases de données ou de tableurs.¹⁴
Analyse des résultats avec des graphiques, le suivi des coûts, la gestion de scénarios et des outils de documentation.¹⁴

Le module Experimenter (et anciennement Optimizer) permet aux utilisateurs de définir des ensembles de scénarios — des combinaisons de valeurs de paramètres telles que les tailles de tampon, les niveaux de personnel ou les règles de planification — et d’exécuter des réplications parallèles pour comparer les indicateurs de performance.⁶¹⁵²¹ La littérature tierce montre que WITNESS est utilisé avec la conception d’expériences (DOE), les méthodes de Taguchi et des approches méta-heuristiques telles que les algorithmes génétiques : certaines études lient des moteurs d’algorithmes génétiques externes aux modèles WITNESS pour optimiser les processus de fabrication ou l’équilibrage des chaînes de montage.⁷⁸²²²¹ Cela confirme que WITNESS fournit des mécanismes pour l’expérimentation et l’optimisation, mais via des configurations classiques de simulation plus recherche plutôt qu’une programmation mathématique native à grande échelle.

Les versions récentes de WITNESS commercialisées sous le nom WITNESS Horizon mettent en avant une interface modernisée, un Experimenter amélioré, le support des exécutions parallèles et la connectivité aux bibliothèques de code externes (C++, C#, VB.NET, Python), offrant aux utilisateurs une flexibilité pour intégrer une logique personnalisée ou s’interfacer avec d’autres systèmes.⁴⁶¹⁵ Les notes de version et les actualités du produit mettent l’accent sur la facilité d’utilisation et des améliorations de performance incrémentales ; il n’existe aucune preuve d’un virage radical vers un SaaS multi-locataire cloud-native ou des pipelines de machine learning intégrés dans WITNESS lui-même.⁶¹⁵

L-Sim : moteur de simulation intégré pour BPM/BPSim

L-Sim est un moteur de simulation en Java dérivé de la technologie WITNESS, conçu pour intégrer la simulation de processus dans des outils conformes à BPM et BPSim.¹⁵²³ L’article de la Winter Simulation Conference 2006 sur L-SIM le décrit comme un moteur DES conçu spécifiquement pour les modèles BPMN, se concentrant sur l’exécution des modèles de processus définis dans les spécifications BPMN et BPSim, avec des fonctionnalités telles que :

Lecture des modèles BPMN/BPSim et leur cartographie vers la sémantique de simulation.
Gestion des événements, des files d’attente et des ressources conformément aux paramètres BPSim.
Production d’indicateurs de performance tels que l’utilisation, les temps de cycle et l’identification des goulots d’étranglement.⁵

Les intégrations commerciales incluent :

ARIS Business Simulator d’IDS Scheer, où L-Sim agit comme le moteur de simulation pour les modèles BPMN dans ARIS.⁵¹³¹¹
Enterprise Architect MDG BPSim Execution Engine de Sparx Systems, qui utilise L-Sim en arrière-plan pour exécuter des scénarios BPSim.²³²²
D’autres outils BPM qui tirent parti de L-Sim via le standard BPSim pour la simulation de processus.⁷⁸²²

Cette architecture renforce le positionnement de Lanner en tant que fournisseur de moteur : WITNESS est l’environnement de modélisation ; L-Sim est le moteur intégré que les outils BPM tiers peuvent utiliser pour simuler des processus de manière standardisée.

Modèles de déploiement

Les informations publiques suggèrent que WITNESS est principalement déployé en tant qu’application Windows de bureau ou client-serveur, avec une licence et une installation locale, éventuellement complétées par des fermes côté serveur pour exécuter de grandes campagnes Experimenter.⁴⁶¹⁵¹⁴ Le marketing de Twinn met l’accent sur le cloud et les narratifs de digital twin au niveau du portefeuille, mais ne fournit pas de preuve détaillée et indépendante que WITNESS fonctionne comme une plateforme SaaS multi-locataire à part entière similaire aux outils analytiques web-natifs modernes. Le modèle de déploiement prévalent reste :

Les spécialistes de la simulation construisent et exécutent des modèles localement ou sur des serveurs internes.
Les données sont importées à partir d’exportations ERP/MES/WMS ou de bases de données.
Les résultats sont consommés via des rapports, tableaux de bord et présentations plutôt que par une automatisation transactionnelle directe.

Cela est cohérent avec l’écosystème DES plus large, où des outils comme WITNESS, AnyLogic et d’autres sont généralement utilisés dans des projets d’ingénierie plutôt que comme systèmes opérationnels 24/7.

Utilisation de Lanner dans la supply chain et la logistique

Problèmes typiques de supply chain abordés

La page produit supply chain & logistique de Twinn positionne WITNESS comme un outil pour aborder :

Conception d’entrepôts et de centres de distribution, incluant les systèmes de convoyeurs, les stratégies de préparation et les investissements en automatisation.
Planification de la production et des stocks dans les usines, en se concentrant sur la capacité, le dimensionnement des réserves tampons, et les décisions de planification.
Flux de transport et logistique, tels que les opérations de cross-docking et l’allocation de transporteurs/ressources.¹¹¹²

La littérature académique et professionnelle confirme l’utilisation de WITNESS dans :

Modélisation d’entrepôt, où des chercheurs construisent des modèles WITNESS de stockage, de préparation et de réapprovisionnement pour évaluer les agencements et les politiques de contrôle.¹⁷²⁴
Enregistrement dans les aéroports, files d’attente aux stations-service, et autres logistiques de services, pour évaluer l’allocation des ressources et la dynamique des files d’attente.¹³¹²
Équilibrage des lignes de production et optimisation de l’agencement dans l’automobile et d’autres industries.²²¹⁵

Ces cas d’utilisation sont des applications classiques de DES : WITNESS modélise le processus ; les paramètres (taux d’arrivée, temps de service, niveaux de personnel) sont variés ; les indicateurs de performance sont observés.

Preuves issues d’études de cas nommées

Lanner/Twinn fournit plusieurs études de cas clients nommées pertinentes pour la supply chain et les opérations :

Mars Chocolate North America (MCNA) – WITNESS a été utilisé comme moteur central dans un outil d’analyse S&OP pour évaluer la capacité de production, le dimensionnement des réserves tampons et les décisions d’investissement. Les documents de Twinn et des articles tiers décrivent comment WITNESS aide Mars à maximiser la capacité, réduire le risque et soutenir les décisions de planification à l’échelle du réseau.¹⁶⁹ L’accent est mis sur l’analyse de scénarios S&OP stratégiques et tactiques, et non sur l’optimisation quotidienne du réapprovisionnement.
Carrefour – Un « outil d’analyse et d’opérations » basé sur WITNESS a été développé pour les centres de distribution français de Carrefour, intégrant une interface Excel avec un modèle WITNESS pour tester des scénarios opérationnels tels que les vitesses de convoyeur, l’affectation du personnel et les règles d’organisation du travail.¹⁷¹⁹ Ceci est un exemple concret de l’application de WITNESS aux opérations d’entrepôt dans un grand distributeur.
L’Erbolario – La société de cosmétiques italienne a utilisé WITNESS pour concevoir et valider un « éco-entrepôt », évaluant des agencements alternatifs, des investissements en automatisation et des règles d’exploitation afin de réduire l’impact environnemental tout en maintenant les taux de service.¹⁸
Safran (aérospatial) – Les documents de cas Twinn mettent en évidence l’utilisation de WITNESS dans la fabrication aérospatiale et les contextes MRO, par exemple pour évaluer les flux d’atelier et l’allocation des ressources, contribuant à des processus de production et de maintenance plus robustes.²⁰

Ces études de cas confirment que Lanner compte des clients nommés vérifiables dans le secteur du commerce de détail, FMCG et aérospatial, et que WITNESS est utilisé pour des projets de conception opérationnelle significatifs et à enjeux élevés. Cependant, elles montrent également que le rôle de l’outil est de simuler et comparer des scénarios, et non de générer automatiquement des décisions de réapprovisionnement opérationnel ou de fonctionner comme un optimiseur intégré à l’ERP/WMS.

D’un point de vue spécifique à la supply chain, WITNESS est bien adapté pour :

Concevoir de nouvelles installations ou réorganiser celles existantes.
Tester des scénarios S&OP et de planification de capacité.
Explorer des questions de type « et si » concernant le débit, les réserves tampons et les taux de service.

Il n’est pas, d’après les preuves publiques, commercialisé ou déployé en tant que :

Un moteur de prévision de la demande à la granularité SKU × emplacement.
Un optimiseur multi-niveaux de stocks.
Une suite de planification de supply chain de bout en bout avec une intégration transactionnelle intégrée.

Pile technologique, paradigme de modélisation et extensibilité

Noyau de simulation par événements discrets

Techniquement, WITNESS implémente les composants standards d’un moteur DES moderne : horloges de simulation, listes d’événements, échantillonnage aléatoire, accumulation de statistiques, et animation.¹³¹⁴¹⁶ Le manuel “Process Simulation Using WITNESS” fournit une description complète des visions internes de WITNESS (entités, ressources, files d’attente, activités) et des constructions de modélisation (machines, buffers, convoyeurs, véhicules, main-d’œuvre, etc.).¹⁴ Caractéristiques clés :

Piloté par les événements : Le moteur avance l’horloge de simulation jusqu’au prochain événement (arrivée, achèvement, panne, etc.), en mettant à jour l’état du système et les statistiques.
Caractère aléatoire via RNG et distributions ajustées : Les outils de modélisation d’entrée ajustent les données empiriques aux distributions théoriques (normale, exponentielle, de Weibull, etc.) et les intègrent dans la simulation.¹⁴
Capacités hybrides discret/continu permettant de combiner des modèles de flux et DES pour certains processus (par exemple, réservoirs de fluides et convoyeurs).¹³¹⁴

Cette architecture est mature et standard dans le domaine DES ; le principal élément différenciateur de WITNESS est sa longue expérience industrielle et son vaste ensemble de composants de modélisation, et non un algorithme de simulation fondamentalement nouveau.

Fonctionnalités d’expérimentation et d’optimisation

Les outils Experimenter et d’optimisation associés de WITNESS offrent un environnement pour :

Définir des variables de conception (par exemple, le nombre d’opérateurs, les capacités des buffers, les rythmes de travail).
Spécifier des indicateurs de performance (par exemple, le débit, le WIP, les temps d’attente, le coût opérationnel).
Exécuter des balayages de scénarios et DOE (plans factoriels complets ou fractionnaires, méthodes de Taguchi, etc.).
Utiliser les heuristiques intégrées et le classement pour identifier des configurations performantes.⁶¹⁵²¹

Des études tierces montrent comment WITNESS est couplé à des algorithmes génétiques ou méta-heuristiques pour optimiser les processus de fabrication et l’agencement des lignes d’assemblage, la simulation jouant le rôle de fonction d’évaluation pour les solutions candidates.⁷⁸²² Il s’agit d’un schéma puissant, mais également standard en optimisation basée sur la simulation : le principal défi technique est généralement le temps de calcul et la stratégie de recherche, plutôt que des algorithmes d’IA novateurs.

D’un point de vue de l’IA à la pointe de la technologie, ces capacités sont robustes mais classiques :

Il n’existe aucune preuve publique d’intégration du deep learning, de la programmation différentiable basée sur le gradient, ou d’un apprentissage de bout en bout des politiques à l’intérieur de WITNESS.
L’optimisation semble être pilotée par des balayages de scénarios, le DOE, et des heuristiques externes ou internes, et non par une programmation mathématique à grande échelle ou l’apprentissage par renforcement.

Cela ne diminue pas la valeur pratique de WITNESS pour les problèmes de conception, mais cela signifie que lorsque Lanner/Twinn utilise des termes tels que “predictive simulation” et “digital twin”, le moteur sous-jacent reste une pile DES/DOE, et non un contrôle moderne piloté par ML.

Moteur intégré et support des normes (L-Sim, BPMN/BPSim)

L-Sim démontre un aspect différent de la pile technologique de Lanner : des moteurs embarquables basés sur des normes. L’article WSC 2006 et les documents du fournisseur décrivent L-Sim comme :

Un moteur de simulation basé sur Java pour les modèles BPMN annotés avec des paramètres BPSim.
Intégré dans l’ARIS Business Simulator d’IDS Scheer et le BPSim Execution Engine de Sparx Enterprise Architect.⁵²³¹³²²
Axé sur la correspondance des constructions BPMN (activités, passerelles, événements) avec la sémantique DES et la fourniture des indicateurs de performance pour l’amélioration des processus métiers.

Cela indique une profondeur d’ingénierie solide et un accent sur l’interopérabilité avec les normes BPM—encore une fois, techniquement crédible mais pas de l’IA/ML de pointe en soi.

Réclamations en matière d’IA, de machine learning et d’optimisation

Le marketing de haut niveau de Twinn utilise des termes contemporains tels que “predictive simulation”, “digital twin” et “data-driven decision making”, avec quelques références à l’IA au sein du portefeuille plus large de Royal HaskoningDHV.⁷⁸¹⁸ Cependant, lorsque nous examinons les preuves au niveau produit pour WITNESS et L-Sim, le tableau est plus conservateur :

Les pages produits mettent l’accent sur la simulation par événements discrets, l’expérimentation et l’intégration avec des bibliothèques de code externes (C++, C#, VB.NET, Python), mais ne détaillent pas de modèles de machine learning intégrés ou de workflows d’IA de bout en bout à l’intérieur de WITNESS.⁴⁷¹⁵
Les publications académiques et les manuels décrivent WITNESS comme un outil DES avec une modélisation d’entrée robuste et une analyse de sortie, et non comme une plateforme ML.¹³¹⁴¹⁶
L’optimisation est positionnée autour d’Experimenter, du DOE et de la recherche basée sur des scénarios ; lorsque des algorithmes génétiques sont utilisés, ce sont généralement des outils externes couplés à WITNESS en tant que simulateur.⁷⁸²²²¹

En d’autres termes :

“Predictive” se réfère en grande partie à la nature prédictive de la simulation—qui avance dans le temps selon des hypothèses stochastiques—plutôt qu’à la modélisation prédictive au sens du ML.
Les références à “AI” dans le contexte de WITNESS sont rares et principalement de niveau marketing ; nous ne trouvons pas de documentation technique détaillée sur le deep learning natif, l’apprentissage par renforcement ou des algorithmes d’optimisation à grande échelle intégrés dans le produit de base.

Au vu des preuves disponibles, il est juste de caractériser la technologie de Lanner comme l’état de la pratique pour la simulation par événements discrets et les digital twins, avec de solides bases académiques et une robustesse industrielle, mais pas à la pointe de la technologie en matière de machine learning ou d’optimisation de décisions pilotée par l’IA. Les organisations cherchant des prévisions de demande fortement basées sur le ML ou un réapprovisionnement algorithmique devraient considérer WITNESS comme un outil complémentaire de conception et d’analyse, et non comme un substitut aux plateformes spécialisées en ML/optimisation.

Maturité commerciale et base de clients

Lanner est en activité dans sa forme actuelle depuis le milieu des années 1990 et a constitué une base de clients importante dans de nombreux secteurs. Les documents publics et les bases de données indiquent :

Distribution mondiale avec des filiales ou une présence aux États-Unis, en Chine, en France et en Allemagne, ainsi que des distributeurs dans de nombreux pays.¹²
Utilisation dans l’automobile, l’aérospatiale, les biens de consommation, la logistique, la santé et d’autres secteurs.¹²⁷
Clients nommés tels que Mars Chocolate North America, Carrefour, L’Erbolario, Safran et divers fabricants et organisations de services.¹⁶¹⁷¹⁸²⁰

Dans le cadre de Royal HaskoningDHV, le logiciel de Lanner est désormais souvent livré dans le cadre de missions de conseil, en tirant parti des équipes d’ingénierie et de conseil de la société mère.¹⁸⁹¹⁰ Les plateformes d’intelligence commerciale classent Lanner comme un fournisseur de niche acquis et mature avec de nombreux concurrents dans le domaine de la simulation et du digital twin.³²³¹⁹ Ce n’est pas une startup en phase de démarrage : sa technologie est bien établie, largement enseignée dans les universités, et intégrée dans des outils tiers. Par ailleurs, elle n’a pas l’ampleur ou la portée d’un méga-fournisseur ERP ou APS.

Du point de vue d’un acheteur, Lanner/Twinn doit être évalué comme :

Un fournisseur de simulation spécialisé et techniquement solide avec des décennies d’expérience.
Principalement adapté aux organisations qui valorisent l’analyse basée sur des modèles (ingénierie industrielle, amélioration des processus, initiatives de digital twin).
Moins adapté comme solution autonome pour les entreprises dont le principal besoin est la planification et l’optimisation de la supply chain à grande échelle et en continu.

Conclusion

Lanner (désormais Twinn au sein de Royal HaskoningDHV) offre une suite mature et techniquement crédible d’outils de simulation par événements discrets et de digital twin—principalement WITNESS et L-Sim—utilisés pour concevoir, analyser et améliorer des systèmes opérationnels complexes. Les atouts principaux de cette offre sont clairs et bien documentés :

Une plateforme DES de longue date (WITNESS) avec des constructions de modélisation riches, une analyse des entrées/sorties, des fonctionnalités Experimenter/Optimizer, et une utilisation académique et industrielle étendue.⁴¹³¹⁴²¹¹⁶
Un moteur embarquable (L-Sim) intégré dans des outils BPM/BPSim tels qu’ARIS et Sparx Enterprise Architect, démontrant une forte interopérabilité avec les normes de modélisation des processus.⁵²³²²
Des applications démontrées dans des contextes de supply chain de haut niveau—Mars, Carrefour, L’Erbolario, Safran—où les modèles de simulation ont soutenu des décisions majeures de conception et de politique.¹⁶¹⁷¹⁸²⁰¹⁹

Parallèlement, une lecture rigoureuse et sceptique des preuves met en lumière des limitations et clarifications importantes :

La technologie de Lanner est une simulation centrée sur le modèle, et non une optimisation probabiliste centrée sur les données. Elle excelle dans l’analyse de scénarios et la conception, et non dans la prise de décision automatisée et récurrente à la granularité SKU × jour.
Les étiquettes “predictive” et “digital twin” sont justifiées dans le sens DES, mais ne doivent pas être confondues avec la prévision ou le contrôle moderne piloté par ML ; les revendications en matière d’IA au niveau de WITNESS sont rares et ne sont pas soutenues par une documentation technique détaillée des algorithmes ML natifs.
Les capacités d’optimisation sont fortes dans le sens classique DES/DOE—Experimenter, recherche heuristique, méta-heuristiques externes—mais ne constituent pas des moteurs d’optimisation stochastique intégrés à la pointe de la technologie pour des décisions de supply chain à grande échelle.

Commercialement, Lanner est un fournisseur spécialisé, mature et stable intégré au sein d’une grande entreprise d’ingénierie. Pour les organisations prévoyant d’utiliser WITNESS ou L-Sim dans des contextes de supply chain, une approche réaliste est :

Utiliser WITNESS pour concevoir et mettre à l’épreuve des entrepôts, usines, plans S&OP, et processus logistiques, en explorant comment les changements structurels affectent la performance dans l’incertitude.
Le combiner avec des outils de prévision et d’optimisation basés sur les données distincts si l’objectif est d’automatiser les décisions quotidiennes de réapprovisionnement ou de tarification.

Comparé à des plateformes comme Lokad, Lanner se situe dans une niche technique différente : hautement performant pour digital twin et conception de processus par simulation, mais ce n’est pas un remplacement direct pour l’optimisation décisionnelle supply chain, probabiliste et pilotée par ML. Les acheteurs devraient résister aux termes à la mode du marketing et évaluer Lanner sur ce que sa technologie démontre faire de mieux : une simulation d’événements discrets robuste et une expérimentation de scénarios pour des opérations complexes.