L'analyse d’INFORM Software, éditeur de logiciels d’optimization de la supply chain

Par Léon Levinas-Ménard

Dernière mise à jour : novembre 2025

INFORM Software (Inform Institut für Operations Research und Management GmbH) est un éditeur allemand à capitaux privés fondé en 1969 à Aix-la-Chapelle qui s’est transformé en un spécialiste de la recherche opérationnelle de taille moyenne comptant environ mille employés et des filiales mondiales. Dès ses débuts, l’entreprise s’est concentrée sur l’intégration de l’optimisation mathématique dans les décisions opérationnelles, initialement dans la planification de la production et la logistique, pour ensuite s’étendre aux opérations au sol en aviation, à la logistique des véhicules finis, à l’analyse des risques et fraudes, à la gestion de la main-d’œuvre, au relevé des stocks et à la gestion de la supply chain. Son portefeuille est organisé autour de plusieurs produits ciblés par domaine — ADDONE pour la planification des stocks et de la supply chain, FELIOS pour la planification et la programmation de la production, GROUNDSTAR pour les opérations aéroportuaires et de manutention, et RISKSHIELD pour l’évaluation du risque et de la fraude — plutôt que sur une seule plateforme horizontale. Dans la supply chain, la suite ADDONE est commercialisée comme « decision-intelligent optimization software » qui crée une base de données commune, génère des prévisions de demande assistées par IA, propose des quantités de commande automatisées et met en avant des exceptions pour les planificateurs dans la prévision de la demande, la gestion des stocks, la gestion des pièces de rechange et le S&OP. INFORM revendique plus de 1 000 clients à travers le monde dans les secteurs de la fabrication, du commerce de détail, de la logistique, de la finance et d’autres, et met en avant des études de cas telles que ARaymond et Hagebau Connect qui attribuent des réductions de stocks et des gains d’efficacité de processus à ADD*ONE. Techniquement, l’entreprise combine des algorithmes de recherche opérationnelle avec le machine learning – décrit comme « decision intelligence » – mis en œuvre sur une pile technologique moderne Java/Kotlin, Spring, SQL et microservices qui peut être déployée sur des architectures web et intégrée à des ERP tels que Microsoft Dynamics. Parallèlement, de nombreux détails techniques restent masqués derrière un langage marketing, ainsi évaluer dans quelle mesure INFORM est réellement à la pointe dans la prévision probabiliste, l’IA et l’optimization à grande échelle exige une lecture attentive entre les lignes de sa documentation, de ses offres d’emploi et de rapports clients indépendants.

Présentation d’INFORM Software

D’un point de vue supply chain, INFORM se comprend mieux comme une maison de recherche opérationnelle bien établie qui a transformé un ensemble d’applications de support à la décision verticales en produits, plutôt que comme une plateforme de planification à usage général. L’entité juridique – Inform Institut für Operations Research und Management GmbH – a été fondée en 1969 à Aix-la-Chapelle par Hans-Jürgen Zimmermann, et est restée privée avec son siège et son centre de développement principal à Aix-la-Chapelle.¹² Les chiffres publics pour 2023 indiquent environ 968 employés et un chiffre d’affaires autour de 129 millions d’euros, positionnant INFORM comme un éditeur de taille considérable mais toujours orienté vers le milieu de marché plutôt que comme un fournisseur de méga-suites globales.¹ L’entreprise met en avant son héritage en recherche opérationnelle et se décrit comme utilisant « advanced mathematics for complex decisions », plaçant l’OR au cœur de la plupart de ses systèmes et combinant explicitement les algorithmes d’OR avec les techniques de machine learning afin d’améliorer la qualité des décisions dans la logistique, la fabrication, le risque et la supply chain.²³

La gamme de produits d’INFORM couvre plusieurs domaines distincts. Le profil éditeur de Apps Run The World et la propre liste marketing d’INFORM mentionnent au moins huit logiciels nommés : ADDONE pour la gestion de la demande, des stocks et de la supply chain, FELIOS pour la planification et la programmation de la production, GROUNDSTAR pour les opérations au sol en aviation, INVENT XPERT pour le relevé des stocks dans SAP EWM, RISKSHIELD pour la prévention de la fraude et le suivi des risques, SYNCROSUPPLY et SYNCROTESS pour la programmation des cours et des transports, et WORKFORCEPLUS / YMSlite pour la gestion de la main-d’œuvre et des cours.⁴⁵³ Dans ces domaines, le thème unificateur est l’optimisation algorithmique de processus contraints et à forte complexité. Pour la supply chain, la suite ADDONE est le point focal : les pages de gestion de la supply chain d’INFORM présentent explicitement ADD*ONE comme « decision-intelligent optimization software » pour la prévision de la demande, la gestion des stocks, la planification des pièces de rechange et le S&OP, promettant de meilleurs taux de service à des stocks réduits en automatisant les tâches de planification routinières et en mettant en lumière les exceptions critiques.⁶⁷⁵

INFORM se positionne également dans le cadre de récits plus larges sur l’ESG et la gouvernance d’entreprise, étant enregistré en tant que participant du Pacte mondial des Nations Unies et mettant en avant des initiatives de durabilité dans ses communications d’entreprise.⁸ Cela est principalement pertinent comme contexte : cela indique qu’INFORM opère à un niveau de maturité où les rapports de durabilité formels et les programmes de conformité mondiaux ont de l’importance, plutôt que comme une petite entreprise de logiciels informelle. Des annuaires industriels tels que It’s in Germany décrivent également INFORM comme un éditeur d’optimisation basé sur l’IA avec plus de 1 000 employés servant des clients internationaux dans la logistique, l’automobile, l’aviation et la finance, renforçant l’idée qu’INFORM est un éditeur européen établi de taille moyenne aux opérations diversifiées plutôt qu’une startup en phase de démarrage.⁹

Histoire de l’entreprise, propriété et taille

L’article de Wikipédia allemand et la page “Our history” d’INFORM convergent vers une chronologie cohérente. INFORM a débuté en 1969 comme une spin-off académique en recherche opérationnelle, développant des logiciels pour soutenir des problèmes décisionnels complexes dans la fabrication et la logistique.¹² Au cours des décennies suivantes, elle a ajouté des gammes de produits verticales – notamment pour les opérations au sol en aviation (GROUNDSTAR), la planification de la production (FELIOS) et la logistique des terminaux à conteneurs – et s’est étendue géographiquement avec des filiales en Amérique du Nord, en Amérique du Sud, en Asie et en Australie.²⁴ À partir du milieu des années 2020, INFORM déclare compter plus de 1 000 clients actifs dans plus de 40 pays, avec une main-d’œuvre approchant les 1 000 personnes.²¹⁰⁴

Il n’existe aucune preuve publique qu’INFORM ait été acquis ou qu’elle ait elle-même acquis d’autres entreprises de logiciels. Les registres d’entreprise et les articles de presse spécialisés n’indiquent aucune activité de fusions-acquisitions associée à l’entité d’INFORM basée à Aix-la-Chapelle ; il faut veiller à ne pas la confondre avec des entreprises sans lien partageant le mot “Inform” dans leur nom (par exemple, une entreprise d’analytique en assurance aux États-Unis qui a été acquise par Klear.ai, ce qui constitue une entreprise différente). En d’autres termes, INFORM semble avoir grandi de manière organique en tant qu’entreprise privée, influencée par ses fondateurs et axée sur des produits basés sur la recherche opérationnelle, plutôt que par une consolidation soutenue par des fonds de capital-risque ou des regroupements par acquisitions.¹⁴

Portefeuille de produits avec focus sur la supply chain

La suite ADDONE est commercialisée comme la gamme de produits dédiée d’INFORM à l’optimisation de la supply chain et des stocks. La page de gestion de la supply chain d’INFORM décrit ADDONE comme “software for supply chain management” qui soutient la prévision de la demande, la gestion des stocks, la gestion des pièces de rechange et le S&OP, avec la promesse de “réduire les stocks, augmenter les taux de service et améliorer la qualité de la planification” grâce à un logiciel assisté par IA.⁶ La sous-page dédiée à la prévision de la demande précise qu’ADD*ONE agit comme un “sales forecasting software” combinant “field-tested optimization algorithms and artificial intelligence” pour générer des prévisions fiables et aider les planificateurs commerciaux à aligner les prévisions avec les objectifs de vente, les plans de campagne et les objectifs stratégiques.⁷

Du côté du S&OP, la page dédiée au S&OP basée sur ADD*ONE met l’accent sur la création d’une base d’information commune entre les départements, la génération automatique de prévisions et d’“indicateurs de demande auto-adaptatifs”, ainsi que sur la fourniture de tableaux de bord et d’un support à la décision pour équilibrer l’offre, la demande et la capacité sur des horizons de 24 mois.⁵ La même page énumère les principaux avantages, à savoir l’amélioration de la qualité de la planification inter-départements, la mise en réseau des connaissances départementales, l’optimisation des niveaux de stocks et de l’utilisation de la capacité en fonction de la demande, et la facilitation du “management by exception” en signalant de manière proactive les éléments critiques nécessitant l’intervention d’un planificateur.⁵

Les études de cas apportent une dimension plus concrète à ces affirmations. Un témoignage de succès avec ARaymond, un fournisseur mondial de solutions de fixation et d’assemblage, déclare qu’ADD*ONE constitue “la base de données essentielle pour notre processus S&OP désormais établi, le tout depuis un seul système”, permettant ainsi de simplifier et de renforcer la robustesse du processus S&OP grâce à une meilleure transparence sur l’ensemble du plan.¹¹ Un autre rapport indépendant de Retail Optimiser décrit comment Hagebau Connect, l’unité e-commerce du groupe allemand de matériaux de construction Hagebau, a mis en place la solution web Add-One pour le réapprovisionnement e-commerce, automatisant ainsi les processus clés d’approvisionnement et – conjointement avec d’autres mesures – réduisant les stocks de 30% au cours des six premiers mois.¹² Selon cet article, la solution s’intègre à Microsoft Business Central via une interface, utilise des procédures de prévision basées sur l’IA pour générer des propositions de commande automatisées et présente aux planificateurs des workflows personnalisés et des aides visuelles telles que des graphiques de couverture des stocks et des indicateurs de performance des fournisseurs.¹²

Ces études de cas renforcent l’idée qu’ADD*ONE n’est pas simplement une couche de reporting ou d’alerte, mais bien un moteur d’optimisation qui génère des propositions de réapprovisionnement concrètes et des plans S&OP que les clients peuvent exécuter. Toutefois, le matériel public reste largement descriptif et ne dévoile pas les hypothèses de modélisation détaillées (par exemple, si la demande et les délais de livraison sont modélisés en tant que distributions de probabilités complètes ou via des paramètres de stock de sécurité plus simples), si bien que l’évaluation de la profondeur technique doit s’appuyer sur des preuves indirectes telles que les pages OR et IA et les offres d’emploi techniques.

INFORM Software vs Lokad

Bien qu’INFORM et Lokad s’adressent tous deux aux problèmes décisionnels de la supply chain et fassent appel à l’IA et aux analyses avancées, ils incarnent des philosophies architecturales et commerciales très différentes. INFORM propose un catalogue de produits standards spécifiques à chaque domaine – ADD*ONE pour les stocks et la supply chain, FELIOS pour la planification de la production, GROUNDSTAR pour les opérations aéroportuaires, RISKSHIELD pour la fraude, entre autres – chacun avec sa propre interface, ses workflows et sa logique d’optimisation intégrée.⁵⁴³ Lokad, en revanche, présente une unique plateforme programmable centrée sur son langage spécifique au domaine Envision, où toute la logique de prévision, d’optimisation et de reporting est implémentée en code et adaptée à chaque client. La solution livrée par Lokad est typiquement une application d’optimisation prédictive sur mesure construite sur cette plateforme pour la supply chain d’un client, tandis qu’INFORM vise à vendre des applications configurables mais en grande partie pré-packagées pour des domaines problématiques spécifiques.

Du côté des prévisions, les pages de supply chain d’INFORM mentionnent à plusieurs reprises le “AI-supported software”, les “intelligent forecasting procedures” et les “self-adapting demand indicators” qui génèrent des prévisions fiables et alimentent des propositions de réapprovisionnement automatisées.⁶⁷⁵¹² Les descriptions sont cohérentes avec une prévision de séries temporelles statistique ou améliorée par machine learning, mais elles restent silencieuses quant au fait que le système produise des distributions complètes de la demande ou un ensemble limité de prévisions ponctuelles et de paramètres de stock de sécurité. Lokad, en revanche, place explicitement la prévision probabiliste et les distributions en quantiles comme colonne vertébrale technique de son optimisation; ses performances lors du concours M5 et sa documentation publique montrent que ses sorties de prévision sont traitées comme des entrées stochastiques complètes dans des modèles décisionnels aval. Cela ne signifie pas qu’INFORM manque de modélisation stochastique – sa page de recherche opérationnelle note que l’OR est combiné avec des prédictions de machine learning pour explorer de vastes espaces décisionnels – mais d’après les sources publiques, il n’est pas possible de confirmer que la modélisation de la demande d’ADD*ONE soit entièrement distributionnelle plutôt que d’utiliser des tampons de style stock de sécurité plus traditionnels.³

Dans le domaine de l’optimisation, INFORM met en avant la recherche opérationnelle et la programmation mathématique. Sa page OR décrit l’utilisation de la modélisation mathématique, de l’optimisation et des algorithmes de recherche pour explorer d’immenses espaces décisionnels et converger rapidement vers des “optimal solutions”, et indique explicitement que de nombreux systèmes d’INFORM (y compris dans la logistique, la fabrication et la gestion de la main-d’œuvre) reposent fondamentalement sur des algorithmes de recherche et d’optimisation issus de l’OR.³ ADD*ONE est présenté comme un “decision-intelligent optimization software” capable d’automatiser des décisions de réapprovisionnement routinières, d’allouer des ressources limitées entre les produits et dans le temps, et de mettre en évidence des exceptions nécessitant une attention humaine.⁶⁵ Lokad, quant à lui, utilise des heuristiques d’optimisation stochastique sur mesure telles que Stochastic Discrete Descent et introduit la differentiable programming pour apprendre conjointement les paramètres de prévision et de décision; il évite délibérément les solveurs d’optimisation standard en faveur de procédures de recherche spécifiques au domaine intégrées dans son DSL. Techniquement, les deux éditeurs œuvrent dans le domaine de l’optimisation, mais INFORM s’appuie sur une terminologie d’OR classique et des moteurs d’optimisation packagés dans des limites de produits fixes, tandis que Lokad expose l’optimisation comme du code dans un environnement unifié.

Sur le plan architectural et technologique, les offres d’emploi d’INFORM et les descriptions de tiers montrent une pile d’entreprise relativement conventionnelle : développement back-end en Java ou Kotlin avec Spring et SQL, utilisation de Git, Maven et Jira, et déploiement via des technologies cloud modernes telles que Docker, Kubernetes, microservices, domain-driven design et systèmes de messagerie, AWS étant cité comme environnement exemplaire.¹³ Cela suggère une architecture basée sur des microservices soutenue par des bases de données relationnelles et des interfaces web pour chaque gamme de produits. Lokad, en revanche, est construit sur une architecture custom event-sourced avec un stockage adressable par le contenu et une VM distribuée pour l’exécution des scripts Envision, implémentée en F# et C# sur Microsoft Azure. Du point de vue du client, l’avantage d’INFORM est la familiarité – ses solutions ressemblent et se comportent comme des applications d’entreprise contemporaines avec des interfaces intégrées et des interfaces standard vers des ERP tels que Microsoft Dynamics et SAP – tandis que l’avantage de Lokad réside dans sa programmabilité et la capacité à modéliser des contraintes très idiosyncratiques au prix d’une nécessité de scripting et d’une collaboration plus étroite.

Commercialement, INFORM est un fournisseur de taille moyenne de longue date avec plus de cinq décennies d’histoire et un large portefeuille dans divers secteurs ; son offre supply chain est l’une des nombreuses lignes d’affaires importantes.¹⁴ Lokad est un fournisseur bien plus jeune et spécialisé dont l’ensemble de l’activité se concentre sur l’optimisation quantitative de la supply chain. La diversité d’INFORM – aviation, logistique, risque & fraude, workforce – apporte une diversification et une expertise OR inter-domaines, mais cela signifie également que la supply chain n’est pas le seul axe stratégique de l’entreprise. La spécialisation de Lokad en supply chain se traduit par une plateforme plus spécialisée mais moins « prête à l’emploi » pour d’autres domaines. Pour un acheteur, le compromis se situe entre les applications productisées et spécifiques à un domaine d’INFORM, intégrant OR/AI dans chacune, et le moteur programmable unique de Lokad qui exige plus de configuration mais qui peut, en principe, exprimer des modèles probabilistes et économiques plus sophistiqués, adaptés à chaque entreprise.

Technology and architecture

Tech stack and deployment

INFORM ne publie pas de plan d’architecture formel pour ADDONE, mais ses documents de carrière et ses présentations partenaires offrent une image raisonnable. Une annonce pour un poste de Software Developer à Aix-la-Chapelle précise que les développeurs « étendent nos solutions logicielles dans le domaine des terminaux à conteneurs avec Java ou Kotlin », travaillent sur la « transformation cloud de notre produit » et doivent posséder « une très bonne connaissance de Java ou Kotlin, Spring et SQL » ainsi qu’une expérience avec Git, Maven et Jira.¹³ La même annonce mentionne que l’expérience avec CI/CD, Docker, Kubernetes, microservices, le design piloté par le domaine, les systèmes de messagerie et les plateformes cloud telles qu’AWS est un atout, et cite Angular pour le front-end.¹³ Bien que cette annonce fasse référence à des logiciels logistiques pour terminaux à conteneurs, les schémas de recrutement d’INFORM suggèrent fortement que les mêmes technologies de base sont utilisées dans plusieurs lignes de produits, y compris ADDONE.

Les annuaires de fournisseurs tiers décrivent de manière similaire les produits d’INFORM comme des solutions basées sur le web ou compatibles cloud. L’article de Retail Optimiser sur Hagebau Connect qualifie explicitement ADD-ONE de « solution basée sur le web » déployée via des interfaces de navigateur et intégrée par une interface à Microsoft Business Central, avec des workflows présentant aux utilisateurs des informations pertinentes dans une interface utilisateur basée sur le navigateur.¹² Le profil fournisseur d’Apps Run The World note qu’INFORM est un fournisseur de logiciels d’IA et d’intelligence décisionnelle livrant ses produits à plus de 1 000 clients dans le monde, avec un mélange de déploiements cloud et sur site selon le produit et la préférence du client.⁴ En Allemagne, INFORM est également caractérisé comme offrant des solutions logicielles basées sur l’IA pouvant s’intégrer dans des environnements informatiques existants, renforçant ainsi l’idée d’une architecture standard web/app serveur/base de données.⁹

À partir de ces éléments, une architecture plausible pour ADD*ONE est :

Une application web multi-niveaux, avec des frontaux SPA en Angular ou similaires et des services back-end basés sur Java/Kotlin Spring.¹³¹²
Des bases de données relationnelles (SQL) stockant des données transactionnelles et de référence extraites des ERP/WMS/autres systèmes.
Des microservices et un système de messagerie pour l’évolutivité et l’intégration, avec une containerisation optionnelle (Docker, Kubernetes) et un déploiement cloud (AWS ou clouds privés).¹³
Des moteurs d’optimisation intégrés et des modules de prévision implémentés en tant que composants de service au sein de la suite ADD*ONE plutôt qu’en tant que pipelines distincts orchestrés extérieurement.⁶⁷³

Il s’agit d’une pile d’entreprise moderne mais conventionnelle : l’intérêt technique réside moins dans l’infrastructure que dans les algorithmes d’optimisation et de prévision intégrés aux services.

Data integration and roll-out

INFORM présente ADDONE comme une solution superposée qui s’intègre aux ERP existants et aux systèmes opérationnels via des interfaces standard. Dans le cas de Hagebau Connect, l’article de Retail Optimiser indique que le logiciel est connecté à Microsoft Business Central (anciennement Navision / Dynamics NAV) par le biais d’une interface qui transfère toutes les données pertinentes dans ADD-ONE, après quoi six planificateurs et deux responsables de processus contrôlent environ 3 500 SKU actifs en utilisant la solution.¹² Selon cette source, l’objectif était de passer d’une planification manuelle des quantités basée sur Excel et de commandes manuelles dans l’ERP à des propositions de réapprovisionnement automatisées générées quotidiennement par ADDONE, avec des workflows et des visualisations qui structurent le travail quotidien des planificateurs.¹²

Les pages supply chain d’INFORM soulignent également qu’ADDONE crée une « base de données commune » entre les départements comme socle pour une planification collaborative, et qu’il peut intégrer des décisions stratégiques avec des plans opérationnels sur une durée allant jusqu’à 24 mois.⁵ Bien que les mécanismes exacts d’intégration (basés sur des fichiers, API, files de messages) ne soient pas divulgués publiquement, les exemples suggèrent un processus par lots classique, nocturne ou périodique : les données de l’ERP et de vente sont extraites dans ADDONE, des calculs sont effectués, et des propositions de réapprovisionnement ainsi que des tableaux de bord sont générés pour examen par les planificateurs.

Il n’existe pas de description publique détaillée de la méthodologie de mise en œuvre, mais le cas ARaymond laisse entendre une approche projet comprenant des phases d’intégration des données, de configuration et d’adaptation itérative. ADD*ONE y était décrit comme fournissant une base de données unifiée et simplifiant le processus S&OP une fois établi, impliquant un effort conséquent de mise en place et de gestion du changement avant que les bénéfices ne se matérialisent.¹¹ Par rapport à une plateforme programmable comme celle de Lokad, le déploiement d’INFORM repose davantage sur la configuration d’une application existante et moins sur l’écriture de code spécifique au domaine, mais dans les deux cas, le succès dépend de la qualité de l’intégration des données ainsi que du réglage des modèles et des paramètres.

AI, machine learning and optimization claims

Operations research core

La page « Operations Research – Mathematical Optimization » d’INFORM offre un rare aperçu des fondements conceptuels de ses moteurs d’optimisation.³ Elle définit l’OR comme l’utilisation de méthodes analytiques sophistiquées et d’algorithmes mathématiques pour prendre de meilleures décisions dans des situations complexes, décrivant comment la modélisation mathématique et l’optimisation peuvent représenter l’ensemble de l’espace décisionnel d’un problème avec ses objectifs et ses contraintes, et comment les algorithmes de l’OR explorent cet espace pour trouver les meilleures décisions en un temps réduit.³ La page indique explicitement que bon nombre des systèmes logiciels d’INFORM reposent fondamentalement sur des algorithmes de recherche et d’optimisation en OR, en particulier dans la logistique, la fabrication et la génération d’horaires pour le personnel, et que l’OR est combinée avec des prédictions basées sur l’apprentissage automatique pour optimiser les processus métier.³

Bien qu’aucun algorithme spécifique ne soit mentionné (par exemple, programmation en nombres entiers mixtes, programmation par contraintes, heuristiques), le langage employé est conforme à la pratique classique de l’OR : formuler un modèle mathématique et utiliser soit des algorithmes exacts soit heuristiques pour l’explorer. Étant donné la diversité des domaines d’INFORM (terminaux à conteneurs, chaînes de montage, répartition des ressources aéroportuaires, etc.), il est raisonnable d’en déduire qu’un mélange de méthodes exactes et heuristiques est utilisé, mais cela reste une supposition – l’entreprise ne publie ni livres blancs techniques ni code open source de solveur permettant un audit plus approfondi. La présence d’une page axée sur l’OR, ainsi que la longue histoire d’INFORM en OR, soutiennent l’affirmation selon laquelle l’optimisation relève de bien plus qu’un simple slogan marketing.

AI and machine learning

INFORM utilise le terme « decision-intelligent » et fait à plusieurs reprises référence à l’intelligence artificielle dans son marketing. La page sur la gestion de la supply chain décrit ADDONE comme un « logiciel supporté par l’IA » qui exploite l’IA pour optimiser les niveaux de stocks, la performance des livraisons et l’utilisation de la capacité, et la page de prévision de la demande évoque des « algorithmes d’optimisation éprouvés sur le terrain et de l’intelligence artificielle » pour la prévision.⁶⁷ La page S&OP note qu’ADDONE « utilise des méthodes d’intelligence artificielle pour optimiser vos processus » et fournit automatiquement des prévisions fiables ainsi que des « indicateurs de demande auto-adaptatifs ».⁵

Des articles de blog liés à la page S&OP, tels que « Optimisation de stocks avec un logiciel supporté par l’IA : Comment concilier capacité de livraison et réduction des coûts » et « Logiciel de gestion de la supply chain : Pourquoi est-il essentiel pour des supply chains performantes », mettent en avant les capacités de l’IA dans l’optimisation de stocks et la résilience de la supply chain.⁵ Cependant, ces articles de blog (d’après ce que l’on peut voir dans les extraits et les titres) restent à un niveau conceptuel et explicatif sur le plan commercial ; ils ne dévoilent ni l’architecture des modèles, ni les approches d’ingénierie des caractéristiques, ni les procédures d’entraînement.

Le cas Hagebau Connect de Retail Optimiser est plus concret : il qualifie la solution d’« basée sur l’IA » et explique que des « procédures de prévision intelligentes » analysent le comportement de la demande pour chaque article et créent des propositions de commande automatisées, qui sont ensuite présentées dans un workflow avec des visualisations telles que des graphiques de couverture et des indicateurs de qualité des fournisseurs.¹² Encore une fois, les modèles d’IA réels ne sont pas spécifiés. Il est plausible qu’INFORM utilise une combinaison de modèles classiques de séries temporelles et de méthodes d’apprentissage automatique (par exemple, gradient-boosted trees, neural networks) au sein d’ADD*ONE, mais cela ne peut être confirmé à partir du matériel public.

D’un point de vue sceptique, les affirmations concernant l’IA sont crédibles dans la mesure où INFORM utilise clairement des modèles basés sur les données pour la prévision et la détection d’événements, et engage des développeurs ayant une expérience dans les « projets logiciels d’IA » en plus.¹³ Toutefois, le manque de divulgation technique empêche de vérifier si l’IA atteint réellement le niveau de la prévision probabiliste à la pointe de l’état de l’art et de l’apprentissage par décision (comme dans la littérature académique moderne) ou s’il s’agit principalement d’une combinaison de modèles statistiques solides mais conventionnels, enveloppés dans un discours marketing sur l’IA. Il n’existe aucune preuve qu’INFORM participe à des compétitions de prévision ou à des conférences sur l’IA, ni qu’elle expose les détails internes des modèles au-delà de tableaux de bord standards.

Optimization and automation in ADD*ONE supply chain

Dans la supply chain, la question clé est de savoir jusqu’où ADDONE va au-delà de la logique de point de commande de base. Les pages d’INFORM décrivent ADDONE comme générant des prévisions fiables, calculant des niveaux de stocks optimaux et fournissant automatiquement des propositions de réapprovisionnement optimisées pour la disponibilité et le coût, le système prenant en charge les « tâches de routine fastidieuses » et alertant de manière proactive les planificateurs sur les articles critiques.⁶⁵ Le matériel S&OP souligne que les plans sont « exploitables, inter-départementaux » et que le logiciel peut allouer de manière optimale des ressources limitées et ajuster les plans d’affaires de façon tactique et stratégique sur un horizon de 24 mois.⁵

L’article sur Hagebau Connect fournit des preuves d’une véritable automatisation : avant ADDONE, les planificateurs de Hagebau Connect s’appuyaient sur des analyses manuelles sous Excel et déclenchaient manuellement les commandes dans l’ERP ; après la mise en œuvre, les processus d’approvisionnement centralisés ont été automatisés, la fréquence de planification étant passée d’une ou deux fois par semaine à quotidienne, et (parmi d’autres mesures) le niveau de stocks a diminué de 30%.¹² L’article note également l’utilisation de calendriers basés sur des règles, de graphes d’accessibilité et d’indicateurs de performance des fournisseurs au sein de l’interface ADDONE pour soutenir la prise de décision.¹²

Cela suggère que l’optimisation d’ADDONE atteint au moins le niveau de la génération dynamique de propositions de commande qui prend en compte les prévisions de demande, les niveaux de stocks, les commandes ouvertes et éventuellement les contraintes fournisseurs, et qu’elle supporte une planification fondée sur la gestion des exceptions. Cependant, comme INFORM ne publie pas les formules sous-jacentes ni les fonctions objectifs, nous ne pouvons déterminer si l’optimisation repose sur des calculs simples de point de commande agrémentés de quelques heuristiques, ou sur une optimisation stochastique complète des coûts attendus compte tenu de l’incertitude de la demande et des délais de livraison. La page sur la recherche opérationnelle laisse entendre cette dernière option pour certains domaines, mais aucun lien explicite n’est fait avec la logique de stocks d’ADDONE.³

Dans l’ensemble, les affirmations d’optimisation d’INFORM sont crédibles et cohérentes avec la pratique éprouvée de l’OR dans les systèmes APS : elles représentent probablement des modèles d’optimisation solides, industriels et intégrés dans des logiciels standards, mais il n’existe pas suffisamment de preuves pour affirmer qu’ils dépassent l’état de l’art en optimisation probabiliste de stocks.

Client base and commercial maturity

Named clients and case evidence

INFORM fournit une section de références ainsi que de multiples études de cas sur son site, bien que beaucoup soient derrière des formulaires ou résumées en courts extraits. L’histoire S&OP d’ARaymond, par exemple, décrit comment ADD*ONE soutient ARaymond (une entreprise mondiale de technologies de fixation active dans l’automobile et l’aviation) en fournissant une base de données unique pour le processus S&OP, en simplifiant les workflows et en favorisant une planification interfonctionnelle plus efficace ; le chef d’équipe cité déclare que le processus est désormais « basé sur une fondation valide et donc plus efficace ». ¹¹ Le secteur ici – fabrication industrielle pour l’automobile et l’aviation – est en adéquation avec l’orientation d’INFORM sur des structures de stocks complexes, sur commande et à longue traîne.

Le cas Hagebau Connect évoqué ci-dessus est particulièrement instructif car il provient d’une publication professionnelle indépendante. Retail Optimiser rapporte qu’en utilisant ADD-ONE, Hagebau Connect a automatisé le réapprovisionnement du e-commerce, intégré Microsoft Business Central et, après six mois, réduit les niveaux de stocks de 30% tout en permettant une planification quotidienne grâce à l’élimination des étapes manuelles.¹² L’article fournit des chiffres concrets (3 500 SKU, six planificateurs et deux responsables de processus) et décrit comment le système présente aux planificateurs des informations priorisées, renforçant ainsi sa valeur probante.

Le profil d’Apps Run The World répertorie INFORM comme desservant plus de 1 000 clients dans des secteurs tels que l’automobile, l’aviation, la logistique, la fabrication et les services financiers, et met en avant des produits tels que ADD*ONE, FELIOS, GROUNDSTAR et RISKSHIELD comme offres clés utilisées par ces clients.⁴ Bien que ces annuaires reposent en partie sur des données fournies par les fournisseurs, ils corroborrent les affirmations d’INFORM concernant son envergure et son adoption intersectorielle.

Dans l’ensemble, comparé à de nombreuses startups d’IA en phase de démarrage dans le domaine de la planification, INFORM bénéficie d’une base de clients substantielle et vérifiable avec une expérience de déploiement s’étalant sur plusieurs décennies dans divers domaines. Pour la supply chain spécifiquement, le matériel de cas public est plus limité mais inclut néanmoins des clients industriels nommés et reconnus avec des bénéfices documentés.

Market positioning in supply chain

INFORM’s supply chain positioning is narrower than that of global planning suites like SAP IBP or Blue Yonder, but broader than niche players focused solely on demand forecasting or single-echelon inventory optimization. The ADD*ONE suite covers demand planning, inventory management, spare parts management and S&OP; in addition, the FELIOS and stocktaking products can be relevant to production planning and inventory audits in SAP environments.⁶⁵⁴ This places INFORM squarely in the “optimization-centric APS” category: it provides focused, optimization-heavy applications that integrate with ERP backbones rather than full end-to-end transactional systems.

Des articles industriels, tels que ceux du Retail Optimiser, mentionnent fréquemment INFORM aux côtés d’autres fournisseurs européens de supply chain IT dans le contexte de l’épicerie, du bricolage et de la logistique de gros, indiquant qu’il rivalise comme l’une des options pour des détaillants et fabricants de taille moyenne à grande cherchant à automatiser le réapprovisionnement et la planification.¹² Des annuaires en Allemagne et similaires mettent en avant son positionnement axé sur l’intelligence décisionnelle basée sur l’IA, sans pour autant le classer parmi les acteurs mondiaux de premier plan ; INFORM apparaît plutôt comme un concurrent régional/européen solide avec des forces particulières en Allemagne et sur les marchés adjacents.⁴⁹

Commercialement, INFORM est clairement une entreprise mûre : cinq décennies d’existence, un chiffre d’affaires proche de 130 M€, plus de 1 000 employés, une couverture industrielle étendue et une participation aux cadres de gouvernance mondiaux.¹²⁸ Sur la courbe de technologie supply chain, cela la place dans la catégorie des “fournisseurs établis” : il ne s’agit pas d’une suite héritée de l’ère des mainframes, mais non plus d’une start-up expérimentale en IA. La principale incertitude ne porte pas sur la viabilité commerciale, mais sur la manière dont sa suite ADD*ONE a évolué pour incorporer les dernières techniques probabilistes et d’IA par rapport à l’itération sur les modèles APS traditionnels basés sur la recherche opérationnelle.

Évaluation critique de l’état de l’art

En synthèse, le profil technique d’INFORM dans la supply chain se présente ainsi:

Forces
- De profondes racines en recherche opérationnelle avec un accent explicite sur l’optimisation mathématique à travers les produits, et pas seulement dans le marketing.²³
- Une pile technologique d’entreprise moderne (Java/Kotlin, Spring, SQL, microservices, Docker/Kubernetes, cloud computing) qui devrait être maintenable et évolutive pour des charges de planification typiques.¹³
- Une suite productisée (ADD*ONE) qui couvre plusieurs fonctions clés de la planification de supply chain – planification de la demande, optimisation de stocks, gestion des pièces de rechange et S&OP – de manière intégrée.⁶⁷⁵
- Des preuves d’automatisation et d’impact concrets, comme le cas Hagebau Connect avec une réduction des stocks de 30 % et un réapprovisionnement quotidien dans le le e-commerce, ainsi que la simplification du processus S&OP d’ARaymond.¹¹¹²
- Une base de clients importante et diversifiée, couvrant plusieurs industries, témoignant de la robustesse et de la viabilité à long terme.⁴⁹
Ambiguïtés / limitations
- Transparence limitée sur les modèles de prévision. Le matériel public ne précise pas si ADD*ONE modélise des distributions de probabilité complètes pour la demande et les délais, ou s’il se contente de prévisions ponctuelles accompagnées de stocks de sécurité. Des expressions telles que “prévisions fiables” et “indicateurs de demande auto-adaptatifs” sont orientées marketing mais techniquement vagues.⁷⁵¹²
- Manque de publications techniques. Contrairement à certains fournisseurs qui publient lors de compétitions de prévision ou dans des revues académiques, INFORM ne semble pas fournir de livres blancs techniques ni de résultats de benchmarks permettant une comparaison rigoureuse des performances de prévision ou d’optimisation.
- Optimisation en boîte noire du point de vue de l’utilisateur. Bien que la recherche opérationnelle soit centrale en coulisses, la logique d’optimisation est encapsulée dans le produit plutôt qu’exposée sous forme de code configurable. Les utilisateurs peuvent ajuster les paramètres et les politiques, mais il n’existe aucune preuve qu’ils puissent remodeler fondamentalement le modèle d’optimisation comme ils pourraient le faire sur une plateforme programmable.
- Architecture conventionnelle. La pile Java/Spring/SQL/microservices est robuste et conforme aux normes de l’industrie, mais pas particulièrement innovante en soi ; l’innovation réside (si tant est qu’il y en ait) dans les algorithmes et les modèles de recherche opérationnelle, qui ne sont pas divulgués.¹³
- Un focus trop large diluant la R&D supply chain. La capacité de production et de R&D d’INFORM est répartie entre l’aviation, la logistique, la fraude, la gestion des ressources humaines et d’autres domaines ainsi que la supply chain ; l’optimisation de la supply chain est une ligne importante, mais pas la seule frontière technologique de l’entreprise.

Par rapport à l’état de l’art en analytique supply chain – caractérisé par la prévision probabiliste, l’optimisation stochastique basée sur la méthode Monte Carlo et, dans certaines recherches, la programmation différentiable qui optimise conjointement prévisions et décisions – le positionnement public d’INFORM suggère qu’il suit au moins le rythme conceptuellement (IA, OR, intelligence décisionnelle), mais ne fournit pas suffisamment d’éléments techniques pour conclure qu’il est à la pointe. Il est plus exact de considérer INFORM comme un fournisseur mature basé sur la recherche opérationnelle qui a intégré le machine learning moderne lorsque cela était utile, enveloppé dans un discours d’intelligence décisionnelle, et industrialisé avec succès cela sous forme de produit. Ce n’est pas une critique de l’efficacité : de nombreuses supply chains verraient des gains substantiels simplement en adoptant le niveau d’automatisation et de recherche opérationnelle qu’INFORM fournit de manière démontrable, comme l’illustrent des cas tels que Hagebau Connect.¹² Le scepticisme s’applique aux affirmations marketing autour de l’IA et des “solutions optimales” – sans détails algorithmiques ni benchmarks indépendants, ces affirmations doivent être interprétées comme une “optimisation industrielle solide” plutôt que comme une recherche en IA de pointe déployée à grande échelle. En bref, INFORM devrait être considéré comme un fournisseur de planification de marché intermédiaire fortement axé sur la recherche opérationnelle, avec des applications robustes et éprouvées sur le terrain, plutôt que comme une organisation de recherche en IA avant-gardiste. Pour les entreprises disposant d’infrastructures ERP conventionnelles et souhaitant automatiser le réapprovisionnement et le S&OP en utilisant des meilleures pratiques établies en OR et en prévision des séries temporelles, ADD*ONE semble capable de fournir une réelle valeur, tant que les attentes concernant “IA” et “intelligence décisionnelle” sont ancrées dans la réalité de moteurs d’optimisation bien conçus mais en grande partie opaques, plutôt que dans des visions de supply chain entièrement autonomes, auto-apprenantes et de bout en bout.

Conclusion

INFORM Software est un fournisseur techniquement crédible et commercialement mature dont la compétence principale réside dans l’intégration de la recherche opérationnelle dans des applications spécifiques à des domaines tels que la logistique, la production, le risque et la supply chain. Dans l’arène de la supply chain, sa suite ADD*ONE propose un ensemble intégré pour la planification de la demande, la gestion des stocks, la planification des pièces de rechange et le S&OP qui peut, de manière démontrable, automatiser le réapprovisionnement, soutenir la planification basée sur les exceptions et offrir des bénéfices significatifs en termes de stocks et de processus pour des clients tels qu’ARaymond et Hagebau Connect.¹¹¹² La pile technologique sous-jacente – Java/Kotlin, Spring, SQL, microservices, Docker/Kubernetes – est moderne et conforme aux normes de l’industrie, et l’héritage de cinq décennies en OR ainsi que sa base de clients mondiale lui confèrent une expérience pratique substantielle.¹²⁴¹³

Parallèlement, la documentation publique et les supports marketing d’INFORM révèlent relativement peu d’informations sur les algorithmes précis de prévision et d’optimisation qui alimentent ADD*ONE, en dehors de références de haut niveau à l’OR et à l’IA. Cette opacité est typique de nombreux fournisseurs commerciaux d’APS, mais elle limite la capacité des observateurs externes à évaluer si les modèles d’INTRO mettent en œuvre une optimisation entièrement probabiliste, économiquement fondée, ou des approches plus traditionnelles basées sur les stocks de sécurité et des heuristiques formulées dans un langage contemporain. Comparé à une plateforme programmable comme celle de Lokad, INFORM offre moins de transparence et de flexibilité, mais propose des applications plus productisées et prêtes à l’emploi – un compromis qui peut être attrayant pour les organisations recherchant un logiciel packagé avec des paramètres configurables plutôt que des pipelines d’optimisation codés sur mesure.

En résumé, INFORM doit être considéré comme un fournisseur de planification de marché intermédiaire fortement axé sur la recherche opérationnelle, avec des applications robustes et éprouvées sur le terrain, plutôt que comme une organisation de recherche en IA avant-gardiste. Pour les entreprises disposant d’infrastructures ERP conventionnelles et souhaitant automatiser le réapprovisionnement et le S&OP en utilisant des meilleures pratiques établies en OR et en prévision des séries temporelles, ADD*ONE semble capable de fournir une réelle valeur, à condition que les attentes concernant “IA” et “intelligence décisionnelle” soient ancrées dans la réalité de moteurs d’optimisation bien conçus mais en grande partie opaques, plutôt que dans des visions de supply chain entièrement autonomes, auto-apprenantes et de bout en bout.