Retour à l’étude de marché
INFORM développe des logiciels de planification opérationnelle pour l’industrie, la distribution, la logistique, l’aviation et les services financiers. Sa suite ADD*ONE combine planification de la demande, réapprovisionnement des stocks et planification de production en série. Elle se connecte aux ERP pour calculer prévisions, recommandations d’achat et plans de production. Les clients peuvent déployer ADD*ONE sur site, via l’offre SaaS d’INFORM ou dans leur propre cloud. 1
Note globale en supply chain : 5,0/10
| Dimension | Note |
|---|---|
| Profondeur en supply chain | 5,8/10 |
| Substance décisionnelle et optimisation | 5,2/10 |
| Intégrité du produit et de l’architecture | 5,2/10 |
| Transparence technique | 4,0/10 |
| Sérieux de l’éditeur | 4,6/10 |
INFORM a une substance opérationnelle : son logiciel prend des décisions de réapprovisionnement, coordonne des contraintes de production, et des clients décrivent une baisse des stocks et du travail administratif. Sa faiblesse est la distance entre ces capacités identifiables et les affirmations d’optimisation globale pilotée par l’IA. Les documents publics n’exposent ni les objectifs numériques ni une modélisation suffisante de l’incertitude pour établir que les décisions maximisent les rendements économiques de toute la supply chain.
Le modèle opérationnel reste un assemblage de prévisions, paramètres de planification, cas standard automatisés et traitement humain des exceptions. Il peut supprimer beaucoup de travail. Ses limites apparaissent lorsqu’une exception exige de modifier ce que le logiciel comprend des coûts, de l’approvisionnement ou des actions disponibles. La documentation publique explique bien plus volontiers comment les planificateurs utilisent le système que comment ils peuvent corriger et tester sa logique décisionnelle.
L’attribution par INFORM des échecs de l’IA aux organisations plutôt qu’à la technologie rend cette limite particulièrement lourde de conséquences. Intégrer les faits opérationnels, représenter des données imparfaites et rendre les échecs diagnostiquables relèvent des obligations d’ingénierie du produit. Les traiter principalement comme des problèmes d’organisation affaiblit la responsabilité concernant les rendements promis. 19
INFORM face à Lokad
La comparaison porte sur la production et l’amélioration des décisions opérationnelles. INFORM regroupe des applications sectorielles autour de processus de planification établis. ADD*ONE fournit des calculs de commande et de production dans un système que les planificateurs configurent, supervisent et complètent. Le recoupement avec Lokad concerne les décisions d’achat, de stock et de production.
L’approche de Lokad en optimisation des stocks part des conséquences financières des actions possibles face à des futurs incertains. Le service produit des achats, allocations ou décisions de production priorisés à partir de l’incertitude sur la demande, l’approvisionnement et les délais de livraison. Les Supply Chain Scientists maintiennent la logique décisionnelle exécutable et la préparation des données. La perspective générale de conception figure dans Introduction to Supply Chain : améliorer continuellement les décisions économiques plutôt que faire s’accorder l’organisation sur une prévision.
Cette distinction importe lorsqu’un plan supposé optimal échoue. Un fournisseur en retard, un lot défectueux ou une quantité minimale coûteuse peut révéler que le modèle a omis une conséquence ou mal interprété les données. La réponse productive consiste à réviser la logique exécutable et à tester la correction sur les décisions concernées. L’holimisation décrit ce travail continu sur le problème lui-même.
Les preuves publiques d’INFORM sont plus solides sur les fonctionnalités opérationnelles établies et les résultats de clients nommés que sur des modèles économiques inspectables et révisables. La comparaison doit inclure le coût des spécialistes des deux éditeurs, des examens clients et des changements ultérieurs de modèles, ainsi que l’amélioration financière qu’ils produisent.
Ce qu’ADD*ONE décide réellement
Achats et production ont des sorties opérationnelles
Inventory Optimizer identifie un article, une quantité, un moment et un fournisseur pour le réapprovisionnement. Son périmètre publié comprend commandes minimales, délais de livraison, objectifs de stock et transferts entre entrepôts. Ce sont des actions conséquentes dont l’exécution peut être automatisée. 2
La planification de production en série élargit l’espace de décision : tailles de lots entre étapes, regroupements de réglages, disponibilité des matières, capacité des machines, séries minimales et contraintes de taille de lot. INFORM décrit aussi une sous-traitance fondée sur les coûts et des alternatives entre fabriquer et acheter. L’implémentation comprend un concept de faisabilité propre au client. 3
Ces mécanismes établissent davantage qu’un tableau de bord de la demande. Ils exposent aussi la question centrale : quels coûts et incertitudes déterminent le choix ? Combiner contraintes de capacité et de matières est utile, mais ne révèle pas comment ventes perdues, approvisionnement retardé, péremption, fonds de roulement et usages alternatifs de ressources rares entrent dans le même calcul.
L’explication d’INFORM sur la recherche opérationnelle décrit des modèles mathématiques d’objectifs et de contraintes, suivis d’une recherche de bonnes décisions ou de décisions optimales. Elle ne fournit aucune formulation d’ADD*ONE, identification du solveur ou comparaison reproductible. 5 Ni l’optimalité mathématique ni l’héritage de recherche de l’entreprise n’établissent donc l’adéquation économique de son modèle de supply chain.
Des intervalles de demande n’établissent pas une incertitude conjointe
Demand AI Forecasting Service propose des prévisions de demande et des intervalles de risque, évalués par un test rétrospectif proposé sur six mois à partir de trois ans de ventes. Sa page publique ne précise ni origines des prévisions, ni séparation de l’ajustement, ni calibration, ni comparaison à la date réelle de commande. 4
L’absence du versant approvisionnement compte. Une distribution de demande ne suffit pas lorsque les dates de réapprovisionnement, quantités disponibles ou rendements de production sont eux aussi incertains. Un plan peut paraître bon marché parce que ses hypothèses garantissent l’arrivée des matières à temps. Saisir un délai ou tester un autre scénario ne démontre ni une distribution apprise de l’approvisionnement futur, ni sa dépendance à la demande, ni son intégration au choix des décisions.
Le même problème se pose entre produits et étapes. Des stocks de sécurité et un système commun de planification n’établissent pas un traitement conjoint de la substitution, des fournisseurs partagés, de la concurrence pour les capacités et des ruptures corrélées. INFORM ne publie pas la représentation ni la calibration nécessaires pour évaluer cette affirmation.
Sa page de production en série promet également de respecter les délais malgré une capacité restreinte et d’éviter les retards de livraison. 3 Aucun optimiseur ne peut le garantir lorsque l’insuffisance d’approvisionnement ou de capacité rend les engagements incompatibles. La tâche économiquement pertinente consiste alors à choisir quels engagements sacrifier et à quel coût attendu. Une promesse de faisabilité masque cet arbitrage.
Le consensus prévisionnel reste au cœur du dispositif
ADD*ONE Demand Planning permet des vues par article, client, région et groupe de produits, ainsi qu’un accord de toute l’entreprise sur la demande. L’offre S&OP relie les services et utilise des scénarios pour rapprocher les plans. 24 25
L’agrégation peut aider à examiner une activité, mais une prévision régionale lisse ne valide pas les quantités requises pour un article sur un site donné. La prévision pertinente doit être évaluée à la résolution et à l’horizon de la décision. Un processus de consensus n’apporte de valeur que si son information supplémentaire améliore assez les décisions en aval pour payer le travail de coordination.
Les pourcentages publiés par INFORM nécessitent la même rigueur. Le « jusqu’à 90 % » de la page demande concerne la réduction du travail de planification ; les 97,5 % de la page stock concernent la disponibilité des produits d’un client. Aucun n’est un résultat de précision prévisionnelle. 24 26 La faiblesse plus substantielle est que la méthode et l’évaluation restent trop peu précisées pour relier une meilleure prédiction à des rendements financiers additionnels.
Résultats clients, productivité et maintenance de la configuration
Quatre cas éclairent différentes parties de la proposition.
| Client | Résultat publié et périmètre | Interprétation économique |
|---|---|---|
| hagebau connect | Le stock a baissé de 30 % en six mois, avec ADD*ONE et d’autres mesures de réduction des stocks. Le déploiement se connecte à Microsoft Business Central et remplace des étapes manuelles d’approvisionnement. 7 | Amélioration de stock attribuée à un client nommé ; les causes sont partagées et la trésorerie libérée n’est pas un bénéfice récurrent. |
| A. Raymond GmbH & Co KG | Sur 25 000 articles et 13 000 ressources, le cas annonce environ 10 % de baisse de la valeur moyenne du stock, 10 % de temps de réglage en moins et plus de 60 % de réduction du délai de planification manuelle. 8 | Le résultat sur les réglages touche un facteur de coût productif. Réduire le temps de planification n’identifie pas l’économie totale de personnel. |
| medi | ADD*ONE est utilisé depuis 2016. Le cas annonce des économies de stock de plusieurs millions, l’automatisation des commandes courantes et un poste à temps plein qu’il n’a plus fallu pourvoir. 9 | Le poste non pourvu est un résultat précis sur le travail. L’affirmation sur les stocks reste sans calcul de rendement net. |
| Schäferbarthold | Un article peut mobiliser jusqu’à 30 fournisseurs possibles. ADD*ONE aide à choisir fournisseurs et commandes ; la capacité à livrer aurait augmenté de plus de 10 %. 10 | Le choix du fournisseur est sensiblement plus riche qu’un réapprovisionnement à source unique. La référence de la métrique et le coût de l’amélioration restent non précisés. |
A. Raymond annonce aussi que la prévisibilité des appels de livraison a presque doublé, sans définir la mesure. 8 Cela ne peut se traduire en erreur de prévision ni en gain monétaire précis. Les cas contiennent néanmoins des changements opérationnels reconnaissables. Leur limite est l’absence de rapprochement entre gains, abonnements, implémentation, travail client et assistance continue.
Le récit de medi expose une maintenance absente des taux d’automatisation mis en avant. Les équipes créent de nouvelles sélections à mesure que les besoins évoluent. INFORM et medi ont développé ensemble un portail fournisseurs, utilisé depuis l’été 2023, qui renvoie les confirmations fournisseurs vers ADD*ONE. 9 C’est un suivi effectivement livré et une ingénierie applicative continue. Cela signifie aussi que le coût d’une automatisation utile inclut les personnes qui adaptent le processus.
L’article d’INFORM sur l’automatisation de juillet 2026 explicite cette dépendance : délais de réapprovisionnement, taux de service, taux de coûts de stockage, prix d’achat, seuils d’exception, priorités et règles d’escalade doivent être maintenus. Il traite automatiquement les cas standard et dirige les écarts non résolus vers les planificateurs. 6
Cette configuration fait partie du logiciel de décision. La dégradation d’un fournisseur peut exiger de revoir l’interprétation des délais, les alternatives d’achat et le coût de l’attente. Augmenter un tampon ou ajouter une alerte peut préserver l’ancien modèle tout en le rendant plus coûteux. Les documents publics n’expliquent ni versionnage, rejeu historique, tests de non-régression ni retour arrière pour ces règles interactives.
La question de productivité après 2022 est donc plus exigeante que de savoir si les planificateurs traitent une liste plus vite. Une erreur corrigée devient-elle une logique réutilisable qui réduit la file future, ou l’organisation continue-t-elle d’employer des personnes pour la reconnaître et la résoudre ? L’automatisation existante chez medi fournit une référence crédible. Une nouvelle fonction IA doit éliminer du travail supplémentaire à performance économique comparable.
Le service de prévision distinct laisse explicitement les décisions et corrections aux personnes et conserve leur processus existant. 4 Son apport potentiel est plus étroit : une meilleure entrée et moins de maintenance prévisionnelle. Revendiquer des décisions autonomes de supply chain nécessite une autre démonstration.
Historique technique : continuité opérationnelle et expansion des affirmations IA
INFORM a débuté en 1969 avec la recherche opérationnelle, puis construit des produits distincts pour la production, la logistique, l’aviation, la gestion du personnel et des risques. 11 L’histoire pertinente est celle des capacités effectivement livrées dans ces produits.
| Date | Affirmation ou livraison publique | Ce que les éléments établissent |
|---|---|---|
| 2017 | Un forum clients de l’aviation discutait du machine learning pour prévoir les retards et d’autres tâches aéroportuaires. 27 | Des cas d’usage identifiés et des échanges clients ; aucun résultat quantifié d’un modèle déployé dans le récit. |
| Décembre 2018 | Un article logistique promouvait l’optimisation cloud des tournées par IA et promettait 100 % de livraisons ponctuelles. 12 | Le mécanisme décrit était une planification de transport sous contraintes. La promesse absolue de service dépassait ce que permettent des opérations incertaines. |
| Juin 2019 | Un article de machine learning expliquait les apprentissages supervisé et non supervisé, dont le regroupement de données d’outils de fabrication. 13 | Des tâches techniques étroites étaient identifiables. Leur portée n’établissait pas d’intelligence générale d’entreprise. |
| Rétrospective de 2024 | INFORM datait la première installation de SYNCROTESS de 1984 et sa version SaaS de 2014 ; les concepts algorithmiques centraux seraient toujours utilisés. 14 | Un logiciel opérationnel durable et un changement de déploiement livré, avec des ajouts ML ultérieurs affirmés plutôt que mesurés. |
| Septembre 2025 | Un article sur les réseaux neuronaux décrivait la prévision des produits frais à partir du calendrier, de l’origine, du prix et des promotions. 16 | Une tâche prédictive plausible ; architecture et performances comparées mesurées restaient non divulguées. |
| Mars–mai 2026 | Le terminal Europa de PSA Anvers commençait à déployer Integrated Terminal Scheduler pour les chariots cavaliers et grues de stockage automatisées. L’intégration des grues de quai était prévue plus tard en 2026. 18 | Un déploiement réel par étapes, distinguant l’intégration restante du travail achevé. |
| Aperçu actuel | Un webinaire aviation présente un serveur MCP pour l’API FSI de GS WorkforcePlus. 17 | Un aperçu d’interface, sans changement démontré du moteur de planification. |
Les éléments montrent une continuité d’ingénierie et des déploiements identifiables. Ils montrent aussi l’étiquette IA appliquée à des mécanismes très différents : tournées, regroupement, prévision et interfaces. Leur utilité respective ne valide pas une affirmation commune d’intelligence.
Un webinaire exploratoire sur la gestion de conteneurs interroge les bénéfices de la blockchain et ne promet aucune livraison de produit. 15 La préoccupation historique plus solide est l’écart entre des bénéfices largement revendiqués et des méthodes peu divulguées.
L’aperçu MCP justifie le scepticisme quant à la nouveauté. Envelopper une API existante peut simplifier l’intégration, mais n’améliore ni la qualité des horaires ni n’élimine la maintenance de la logique de planification. Son périmètre est GS WorkforcePlus ; les capacités d’ADD*ONE doivent être évaluées indépendamment. 17 Aucun gain de productivité additionnel mesuré n’accompagne cet aperçu.
La trajectoire actuelle des clients teste mieux l’engagement que l’étendue du vocabulaire IA. Le travail VMI spécifique à medi et le déploiement progressif du terminal montrent une ingénierie continue. Leur économie et les coûts des révisions ultérieures restent beaucoup moins visibles que les fonctionnalités livrées.
Nomenclature logicielle et frontières du système
| Composant ou frontière | Rôle attribuable | Évaluation |
|---|---|---|
| Connecteurs ERP ; déploiement sur site, SaaS et cloud client | Options publiées d’intégration et d’hébergement d’ADD*ONE. 1 | Plusieurs modèles d’exploitation transfèrent différentes responsabilités de mise à niveau, infrastructure et incidents au client. |
| AWS dans l’UE ; interface HTTPS et client Python maintenu | Demand AI Forecasting Service, exploité par INFORM. 4 | Un service de prévision distinct, avec une frontière de transfert des données définie. |
| Java/Kotlin et applications web | Une offre d’emploi non datée d’INFORM Portugal identifie des projets clients, dont la business intelligence. 21 | Attribuable à cette équipe de développement, sans identification du moteur ADD*ONE. |
| Spring/Spring Boot, JPA/SQL, Angular, Maven, JUnit, Git | Compétences mentionnées dans la même offre, plusieurs comme alternatives. 21 | Preuve de son environnement d’ingénierie, pas nomenclature de déploiement de chaque produit INFORM. |
| Base de données centrale, optimiseur et environnement d’exécution de planification d’ADD*ONE | Non identifiés dans la documentation produit examinée. | Besoins en ressources, charge des correctifs et dépendances architecturales ne peuvent être évalués indépendamment. |
Le service de prévision reçoit des instantanés de données par connexion sortante. Son client Python n’implique pas l’exécution de code de praticiens à l’intérieur du service. 4
Pour ADD*ONE, l’inconnue économiquement importante est ce qui doit être exploité ensemble pour une décision complète : synchronisation des référentiels, actualisation des prévisions, optimisation, traitement des exceptions, retour des commandes et éventuel portail fournisseurs. Des erreurs peuvent naître à chaque frontière sémantique même si la connexion réseau fonctionne. Les acheteurs ont besoin d’un responsable clair pour rapprocher confirmations fournisseurs, stock disponible et commandes déjà libérées.
INFORM tarifie sa solution de stock selon les fonctions, le nombre d’articles, les utilisateurs simultanés et les besoins d’intégration. 2 Ces facteurs ne révèlent qu’une partie du coût de possession. La dépense sur la durée inclut aussi l’adaptation des règles client, la maintenance des connecteurs lors des évolutions ERP, les tests de mise à niveau et la révision des composants spécifiques. Sans ce calcul, les affirmations d’automatisation n’établissent pas une montée en charge peu coûteuse.
La sécurité exige une ingénierie inspectable
INFORM publie une politique de divulgation coordonnée des vulnérabilités : accusé de réception généralement en cinq jours ouvrés, premier retour dans les dix jours ouvrés suivant l’accusé et nouvelles informations lorsqu’elles sont vérifiées. L’entreprise accepte normalement les signalements sans accord de confidentialité distinct. 22
Un avis du 22 octobre 2026 indique que l’entreprise a évalué de récentes vulnérabilités PHP, appliqué les mises à jour nécessaires et sécurisé les actifs exposés au public concernés, sans action requise des clients. Il n’identifie ni versions affectées ni corrections exactes. 23 C’est une preuve de communication publique sur un incident ; l’absence de versions limite la vérification indépendante.
Les documents ADD*ONE insistent sur la certification et les évaluations. 1 Elles ne révèlent ni permissions minimales des connecteurs, ni frontières entre clients, ni restauration après corruption, ni confinement d’une erreur d’administrateur. Selon les principes de sécurité de Lokad, ces mécanismes déterminent l’exposition.
Demand AI exclut les prestataires IA externes du traitement des données clients. 4 Cela définit une frontière de traitement. Les détails d’isolation, d’accès privilégié et de restauration restent non divulgués. Les preuves publiques ne justifient pas de remplacer ces propriétés de conception par une certification.
Qui porte la responsabilité lorsque le modèle échoue ?
L’article d’INFORM du 30 juillet 2026 sur l’échec des projets IA commence par écarter les modèles faibles comme explication. Son exemple est un planificateur refusant une recommandation parce qu’un stock a été reconnu défectueux, sans que le système reflète encore ce fait. L’article demande des responsabilités claires, une intégration au travail et une connaissance humaine du contexte ; il reconnaît aussi qu’exiger une approbation pour chaque action crée un goulet d’étranglement. 19
Cet exemple sape la séparation proposée. La qualité du stock et la fraîcheur des données affectent le problème de décision. Un système incapable de les représenter, de détecter la mise à jour manquante ou de permettre une correction réutilisable présente une limite d’ingénierie. Le client peut maîtriser l’inspection qualité, mais l’éditeur maîtrise une grande partie de la transformation des observations en recommandations.
Attribuer les décisions réussies à l’IA et les décisions ratées à la préparation de l’organisation crée une proposition asymétrique. Le remède est un accord opérationnel délimité : quels faits le client doit fournir, comment le système détecte les échecs, qui les diagnostique, quelles corrections effectue l’éditeur et comment les rendements sont mesurés après tous les coûts.
L’article d’INFORM sur l’automatisation de juillet affirme de même qu’elle n’est plus un défi technique et présente la confiance des salariés comme principal obstacle. 6 Le traitement des commandes courantes peut être techniquement mûr ; automatiser les exceptions coûteuses sans retransférer régulièrement leur interprétation à des personnes est une affirmation bien plus exigeante.
Son article d’août sur l’autonomie distingue l’automatisation courante des décisions nécessitant un contrôle humain. 20 Cette gouvernance peut être judicieuse. Elle ne détermine ni le travail que le moteur pourrait supprimer ni s’il modélise assez bien les conséquences pour agir sans réparations récurrentes.
La garantie de satisfaction annoncée pour ADD*ONE est un exercice avant-vente utilisant les données du prospect. 1 Il peut révéler des problèmes avant l’achat. Sa description publique ne définit ni objectif financier après déploiement, ni frontière de coût total, ni responsabilité de correction lorsque les gains attendus ne se matérialisent pas.
Note en supply chain
Profondeur en supply chain
| Critère | Note |
|---|---|
| Cadrage économique | 6/10 |
| Aboutissement décisionnel | 8/10 |
| Précision conceptuelle en supply chain | 6/10 |
| Indépendance vis-à-vis des doctrines obsolètes | 4/10 |
| Résistance à la mise en scène des KPI | 5/10 |
Moyenne : 5,8/10.
Cadrage économique — 6/10. Achats et production incluent des coûts et des usages concurrents des ressources. L’objectif financier non divulgué empêche d’évaluer si les décisions combinées chiffrent de façon cohérente rupture, excès, retard et capital. 2 3
Aboutissement décisionnel — 8/10. ADD*ONE atteint des choix exécutables de réapprovisionnement et de production, avec des preuves opérationnelles clients. L’optimalité financière de ces actions reste non établie. 2 9
Précision conceptuelle en supply chain — 6/10. Alternatives fournisseurs et production multiétape sont des dépendances importantes. Leur traitement comme système économique conjointement incertain reste non démontré. 3 10
Indépendance vis-à-vis des doctrines obsolètes — 4/10. Alignement des prévisions, objectifs de service et supervision des exceptions restent les principes organisateurs. Les documents n’établissent pas que leurs paramètres résultent d’une optimisation financière plutôt que d’indicateurs de substitution imposés de l’extérieur. 6 25
Résistance à la mise en scène des KPI — 5/10. Les résultats opérationnels nommés donnent de la substance aux affirmations. Les mesures de prévisibilité non définies et les améliorations en pourcentage non chiffrées en coûts empêchent de convertir les chiffres en performance économique nette. 7 8
Substance décisionnelle et optimisation
| Critère | Note |
|---|---|
| Profondeur de la modélisation probabiliste | 3/10 |
| Substance distinctive en optimisation ou machine learning | 5/10 |
| Prise en compte des contraintes réelles | 7/10 |
| Automatisation des décisions et productivité du travail | 7/10 |
| Résilience face à la complexité opérationnelle réelle | 4/10 |
Moyenne : 5,2/10.
Profondeur de la modélisation probabiliste — 3/10. Les décisions ajustées au risque exigent des probabilités calibrées pour la demande et l’approvisionnement. L’absence de modèle conjoint empêche d’évaluer les quantités et dates retenues. 4
Substance distinctive en optimisation ou machine learning — 5/10. INFORM décrit des tâches reconnaissables de prédiction et d’optimisation. Le récit publié n’expose pas assez de formulations, charges reproductibles ou comparaisons contrôlées pour déterminer l’apport numérique distinctif. 5 16
Prise en compte des contraintes réelles — 7/10. La production comprend des contraintes interactives de ressources et de lots, avec une application client substantielle. Les détails publics ne suffisent pas à évaluer les interactions importantes omises ou simplifiées. 3 8
Automatisation des décisions et productivité du travail — 7/10. Le poste non pourvu chez medi est un résultat concret de productivité. Le travail restant sur exceptions, configuration et extensions spécifiques empêche d’en déduire un modèle opérationnel sans supervision. 9
Résilience face à la complexité opérationnelle réelle — 4/10. Les cas montrent une collaboration fournisseurs et des adaptations. Ils n’expliquent pas comment un échec du modèle devient une modification versionnée et rejouable des objectifs, du sens des données ou des actions disponibles. La flexibilité opérationnelle reste dépendante d’experts. 9 19
Intégrité du produit et de l’architecture
| Critère | Note |
|---|---|
| Cohérence architecturale | 6/10 |
| Clarté des frontières du système | 7/10 |
| Sérieux en matière de sécurité | 4/10 |
| Sobriété logicielle et coût de possession | 4/10 |
| Compatibilité avec des opérations programmatiques et assistées par agents | 5/10 |
Moyenne : 5,2/10.
Cohérence architecturale — 6/10. ADD*ONE présente des fonctions de planification reliées et un travail d’intégration livré. L’architecture numérique et de stockage sous-jacente reste trop opaque pour inspecter la cohérence ou les duplications entre modules. 1 9
Clarté des frontières du système — 7/10. Les connexions ERP et choix de déploiement d’ADD*ONE ont des rôles identifiables. La responsabilité du rapprochement des données clients et extensions spécifiques est moins précisément documentée. 1
Sérieux en matière de sécurité — 4/10. La politique publiée de signalement et l’avis d’incident n’établissent ni confinement, ni moindre privilège, ni restauration indépendante. Ces contrôles déployés restent largement non documentés. 22 23
Sobriété logicielle et coût de possession — 4/10. Les cas clients établissent un travail continu de configuration et d’extension. Aucun modèle de coût d’exploitation par composant ni coût de maintenance des décisions n’est publié. 2 9
Compatibilité avec des opérations programmatiques et assistées par agents — 5/10. L’intégration opérationnelle permet des actions automatisées. L’aperçu MCP distinct ne fournit aucun progrès mesuré des décisions numériques ou de l’ingénierie de leur cycle de vie. 2 17
Transparence technique
| Critère | Note |
|---|---|
| Documentation technique publique | 4/10 |
| Possibilité d’inspection sans médiation de l’éditeur | 3/10 |
| Portabilité et visibilité du verrouillage | 4/10 |
| Transparence de la méthode d’implémentation | 5/10 |
| Densité des preuves derrière les affirmations techniques | 4/10 |
Moyenne : 4,0/10.
Documentation technique publique — 4/10. Les pages fonctionnelles décrivent les entrées et sorties opérationnelles. Définitions mathématiques, topologie de déploiement et exemples exécutables restent largement absents. 2 3 5
Possibilité d’inspection sans médiation de l’éditeur — 3/10. L’évaluation dépend fortement de démonstrations et d’exercices sur données clients. Un acheteur ne peut reproduire indépendamment le calcul de décision à partir des documents publics. 1
Portabilité et visibilité du verrouillage — 4/10. La souplesse d’hébergement et les connexions externes réduisent certaines contraintes d’infrastructure. La portabilité de la logique configurée, des exécutions historiques et des extensions spécifiques reste non documentée. 1 9
Transparence de la méthode d’implémentation — 5/10. Les cas clients révèlent intégration, changements organisationnels et collaboration avec l’éditeur. La documentation publique n’explique pas la méthode complète de validation et de contrôle des changements pour maintenir le comportement numérique. 7 9
Densité des preuves derrière les affirmations techniques — 4/10. Les cas nommés établissent un usage en production. Les expériences comparatives de décision et méthodes numériques divulguées ne correspondent pas à l’ampleur des revendications d’optimisation. 5 8
Sérieux de l’éditeur
| Critère | Note |
|---|---|
| Sérieux technique de la communication publique | 4/10 |
| Intégrité de la feuille de route technique | 6/10 |
| Précision conceptuelle | 5/10 |
| Responsabilité économique | 3/10 |
| Défendabilité dans un monde logiciel agentique | 5/10 |
Moyenne : 4,6/10.
Sérieux technique de la communication publique — 4/10. Des explications opérationnelles reconnaissables côtoient des promesses absolues de livraison et de vastes affirmations IA. Ces promesses masquent l’infaisabilité et la nécessité de choisir parmi des échecs coûteux. 3 12
Intégrité de la feuille de route technique — 6/10. Produits durables, portail fournisseurs livré et déploiement progressif d’un terminal apportent une continuité au-delà des annonces. L’apport des étiquettes IA successives est moins clairement mesuré. 9 14 18
Précision conceptuelle — 5/10. INFORM comprend des contraintes opérationnelles importantes et distingue décisions courantes et décisions conséquentes. Son explication organisationnelle des échecs du modèle sépare trop commodément la responsabilité technique du contexte opérationnel. 19 20
Responsabilité économique — 3/10. Les résultats publics ne comprennent ni rapprochement avec le coût total de possession net ni accord défini sur l’échec et sa correction. La tendance explicite à attribuer les insuffisances de l’IA aux organisations rend cette frontière manquante particulièrement importante. 1 19
Défendabilité dans un monde logiciel agentique — 5/10. Les intégrations opérationnelles et moteurs de décision établis conservent de la valeur. La défendabilité nécessite une révision des modèles et une élimination des exceptions plus productives ; l’accès par assistant et les processus familiers de planification ne démontrent pas ce progrès. 9 17
Sources
Toutes les sources ont été consultées le 4 novembre 2026. Les pages non datées décrivent l’offre disponible à cette date.
[1] Suite de solutions ADD*ONE
Source INFORM, non datée. Périmètre produit, options d’hébergement, intégration et évaluation avant-vente.
[2] ADD*ONE Inventory Optimizer
Source INFORM, non datée. Décisions d’achat, entrées opérationnelles et facteurs tarifaires.
[3] Planification simultanée de la production
Source INFORM, non datée. Contraintes de production, affirmations de plans réalisables et alternatives fondées sur les coûts.
[4] Demand AI Forecasting Service
Source INFORM, non datée. Protocole de prévision, frontière des décisions humaines, API, hébergement et usage des données.
Source INFORM, non datée. Présentation par l’éditeur de son approche d’optimisation mathématique.
[6] Comment l’automatisation libère du temps et renforce la gestion des stocks
Source INFORM, publiée le 2026-07-20. Prérequis de l’automatisation, paramètres maintenus et exceptions non résolues.
[7] Cas client hagebau connect
Source INFORM, non datée. Résultat de stock à attribution partagée et intégration ERP.
Source INFORM, non datée. Périmètre de production et résultats opérationnels définis séparément.
[9] medi : cas client d’optimisation des stocks
Source INFORM, non datée. Déploiement ancien, résultat sur le travail, configuration récurrente et portail fournisseurs.
[10] Cas client Schäferbarthold
Source INFORM, non datée. Choix des fournisseurs et affirmation sur la capacité à livrer.
Source INFORM, non datée. Origines et développement de familles de produits distinctes.
[12] Le Père Noël vous donne des conseils pour une usine intelligente
Source INFORM, publiée le 2018-12-11. Promotion précoce de tournées par IA et promesse absolue de ponctualité.
[13] Machine learning : au-delà de l’engouement
Source INFORM, publiée le 2019-06-17. Présentation contemporaine de tâches étroites de machine learning.
Source INFORM, publiée le 2024-11-27. Dates historiques de déploiement et continuité des concepts algorithmiques.
[15] Blockchain : la meilleure amie de la gestion de conteneurs ?
Source INFORM, non datée. Webinaire exploratoire aux bénéfices explicitement interrogés.
[16] Qu’est-ce qu’un réseau neuronal ?
Source INFORM, publiée le 2025-09-11. Exemple de prédiction des produits frais et limites de l’explication.
[17] Aviation WorkforcePlus Product Exchange
Source INFORM, non datée. Aperçu de l’interface MCP d’un produit d’aviation distinct.
[18] Déploiement au terminal Europa de PSA Anvers
Source INFORM, publiée le 2026-05-27. Phases initiales achevées et intégration ultérieure des grues prévue.
[19] Pourquoi les projets IA échouent à cause des organisations, pas de la technologie
Source INFORM, publiée le 2026-07-30. Attribution organisationnelle des échecs et exemple de stock défectueux.
[20] Les agents IA en pratique : quelle autonomie est pertinente ?
Source INFORM, publiée le 2026-08-20. Distinction de l’éditeur entre automatisation courante et supervision humaine.
[21] Offre d’emploi Software Developer Java/Kotlin
Source INFORM, non datée. Document employeur identifiant une équipe au Portugal et son environnement de développement.
[22] Politique de divulgation coordonnée des vulnérabilités
Source INFORM, non datée. Signalement, délais de réponse et conditions de divulgation.
[23] Informations de sécurité sur les vulnérabilités PHP actuelles
Source INFORM, publiée le 2026-10-22. Évaluation et déclaration de correction de l’éditeur.
[24] Logiciel de planification de la demande
Source INFORM, non datée. Hiérarchies prévisionnelles, processus de planification et affirmations de réduction du travail.
Source INFORM, non datée. Planification transversale et processus de scénarios.
[26] Logiciel de gestion des stocks
Source INFORM, non datée. Approche des stocks et métriques de disponibilité clients.
[27] Le succès de l’Airline Forum 2017 !
Source INFORM, publiée le 2017-11-08. Premiers échanges sur les applications de prédiction aéroportuaire.