Retour aux Études de marché
PlanetTogether est un logiciel de planification et d’ordonnancement avancés destiné aux industriels. Il importe les commandes, les matières, les gammes et la disponibilité des ressources, génère des plannings de production, permet aux planificateurs de comparer des alternatives et publie les informations d’ordonnancement dans les systèmes de gestion environnants. CAI Software a acquis l’entreprise en juin 2026 et continue de proposer le produit sous le nom CAI PlanetTogether. (1, 7)
Note globale de supply chain : 4,9/10
| Dimension | Note |
|---|---|
| Profondeur en supply chain | 4,6/10 |
| Substance des décisions et de l’optimisation | 4,8/10 |
| Intégrité du produit et de l’architecture | 5,2/10 |
| Transparence technique | 5,8/10 |
| Sérieux de l’éditeur | 4,2/10 |
PlanetTogether possède un modèle industriel concret et une méthode d’ordonnancement plus inspectable que ne le laisse entendre son discours sur l’IA. Le moteur documenté sélectionne le travail disponible selon des règles pondérées affectées aux ressources. Sa FAQ actuelle mentionne explicitement l’optimisation heuristique. Cela peut produire des plannings utilisables tout en respectant des contraintes d’usine détaillées. La question non résolue est de savoir si les règles expriment les bons choix économiques lorsque les arrivées de matières, les durées de traitement et la demande future sont incertaines. (2, 3)
Le modèle d’exploitation côté client reste exigeant en travail à plusieurs endroits importants. Les planificateurs définissent les priorités, ajustent les plannings et entretiennent la représentation de l’usine. Interfaces, extensions et règles métier créent un travail d’ingénierie continu, dont des pans importants ont historiquement été vendus en prestations séparées. La promesse de CoPilot de réduire jusqu’à 95% le temps d’ordonnancement manuel ne démontre pas une réduction comparable du travail total nécessaire pour exploiter et améliorer le système. (6, 14, 26)
L’acquisition récente ajoute un portefeuille plus large de logiciels industriels. PlanetTogether reconnaît lui-même que l’intégration approfondie avec Parsable reste inachevée et que le passage intégral au navigateur n’est pas décidé. Les clients doivent encore budgéter un déploiement propre au produit et son intégration future. (8)
PlanetTogether face à Lokad
PlanetTogether organise la production en un planning : travaux, opérations, machines, main-d’œuvre, matières et dates. Lokad organise les décisions de supply chain autour de leurs conséquences économiques attendues en présence d’incertitude. Son service d’optimisation des stocks vise à relier achats, production et allocation aux objectifs financiers, en traitant probabilistiquement la demande, les délais et les autres inconnues importantes.
Considérons deux travaux en concurrence pour une machine. Un planning peut privilégier l’échéance la plus proche, le réglage le plus court, la marge la plus élevée ou une combinaison pondérée. Une bonne décision économique dépend aussi de l’arrivée des composants nécessaires, des stocks excédentaires éventuellement créés par une réalisation anticipée, des commandes aval bloquées et des alternatives futures qui consomment la même capacité. Une séquence valide ne constitue qu’une partie de ce calcul.
PlanetTogether fournit des mécanismes substantiels pour exprimer les contraintes d’usine et réviser les plannings. Le service de Lokad comprend des Supply Chain Scientists qui construisent et maintiennent la préparation des données et la logique de décision propre au client. La distinction porte autant sur l’objectif que sur la personne qui l’entretient. Les acheteurs devraient comparer le coût continu de production d’actions économiquement justifiées, y compris le travail nécessaire lorsque le modèle initial devient inadéquat.
Comment l’ordonnanceur prend une décision
Faisabilité et priorité sont deux questions différentes
La présentation technique historique de PlanetTogether décrit un processus d’ordonnancement événement par événement. Une ressource devient disponible ; les opérations sont admissibles si leurs matières, étapes préalables et capacités permettent leur exécution ; une règle pondérée sélectionne l’opération suivante. La simulation avance ensuite au prochain instant pertinent. La FAQ actuelle confirme que les règles peuvent varier selon la ligne de production. (3, 2)
Il s’agit d’une heuristique reconnaissable de sélection du prochain travail. Elle peut encoder bien davantage de détails industriels qu’un tableur trié par échéance. Elle conditionne aussi la promesse d’optimisation à la règle : le moteur choisit ce que favorisent les facteurs configurés. Un choix local faisable peut encore consommer une capacité rare qui aurait créé davantage de valeur ailleurs dans le réseau.
Le modèle a un véritable contenu opérationnel. Ses structures de ressources et de matières prennent en charge différentes capacités, des relations de précédence, des informations de gammes alternatives et des quantités associées à des étapes précises de production. (5) Ces détails comptent. Un planning qui néglige un outil ou une matière intermédiaire nécessaire est inutilisable, quels que soient ses indicateurs de performance.
La question plus difficile est la façon dont le logiciel arbitre entre des alternatives valides. Respecter une date, charger une machine et réduire les réglages ne sont pas des avantages interchangeables. Leur importance économique varie avec la demande, les stocks déjà disponibles et les occasions perdues.
Normaliser les poids ne définit pas un objectif économique
Un tutoriel de PlanetTogether donne un exemple particulièrement révélateur. Une règle de regroupement des matières a un poids de 1 000, tandis qu’un autre facteur a un poids de 706 multiplié par les heures de réglage. Deux heures produisent donc un score de 1 412. Normaliser le facteur de réglage sur une plage de quatre heures ramène sa contribution à 353 et change la préférence dominante. (4)
L’exemple montre pourquoi un curseur graphique ne constitue pas à lui seul une politique métier. Le choix de la plage peut modifier le résultat sans changer un seul fait physique ou besoin client. La normalisation corrige l’échelle d’une comparaison arithmétique ; elle n’établit pas la valeur d’un réglage évité par rapport au retard d’une commande.
Des mesures financières peuvent figurer parmi les objectifs d’ordonnancement. La brochure du produit annonce une optimisation des KPI et des métriques prédictives, tandis que la FAQ cite la rentabilité parmi les cibles possibles. (19, 2) Les documents examinés n’exposent pas de calcul monétaire commun intégrant ruptures de stock, péremption, fonds de roulement, heures supplémentaires, risque de perturbation et coût d’opportunité des ressources partagées.
C’est le problème discuté dans l’essai de Lokad sur l’holimisation : résoudre efficacement le problème formulé ne démontre pas que sa formulation représente l’activité. Augmenter le nombre de facteurs ou essayer davantage de combinaisons ne peut réparer un objectif qui récompense le mauvais résultat.
Replanifier n’est pas planifier probabilistiquement
La documentation d’intégration représente la disponibilité d’une commande d’achat par une date de réception prévue. Son interface capable-to-promise simule un travail supplémentaire, estime les dates de début et de fin, identifie les contraintes et peut réserver temporairement capacité et matières. (5) Ce sont des fonctions opérationnelles utiles, mais leurs résultats héritent des hypothèses de disponibilité future.
Une date fournisseur est incertaine même si l’ERP contient un horodatage précis. Les durées de production, les rebuts, la maintenance et la demande aval sont également incertains. Leurs interactions comptent : un planning sans capacité disponible peut être efficace si chaque entrée arrive comme prévu et coûteux si un composant est en retard.
Les scénarios hypothétiques peuvent révéler des défaillances précises. Ils ne fournissent pas de probabilités et ne déterminent pas la capacité et les stocks à engager avant de connaître l’avenir. Les documents publics n’établissent pas de projections probabilistes conjointes des arrivées de matières et de la demande, ni d’objectif économique attendu intégrant ces projections à l’ordonnancement.
Un jumeau numérique d’usine fait lui aussi des prévisions lorsqu’il projette les futures dates d’achèvement et les stocks. Sa qualité devrait être testée face aux résultats à un horizon de prévision déclaré, avec les informations disponibles au moment de l’engagement. Le respect du planning mesuré après des replanifications répétées peut masquer le manque de fiabilité de la promesse initiale. Ni le nombre de scénarios ni le détail visuel du diagramme de Gantt ne résolvent ce problème.
CoPilot, automatisation et travail humain restant
CoPilot est une fonction ancienne. Le bulletin de l’entreprise d’octobre 2014 annonçait la création automatique de plannings selon des KPI choisis. Un support de formation dont les métadonnées PDF datent de 2015 comprend déjà les paramètres de CoPilot et distingue les scénarios expérimentaux du planning actif. (9, 16)
La page actuelle de CoPilot décrit du machine learning, du traitement proche de la source des données et une amélioration automatique au fil du temps. Elle n’identifie ni cible d’apprentissage, ni processus d’entraînement, ni évaluation montrant que le comportement appris améliore l’ordonnanceur configuré. (6) L’automatisation ancienne est concrète ; la nouvelle promesse d’apprentissage est insuffisamment expliquée.
Il existe des moyens utiles d’automatiser le produit sans manipuler son interface. La documentation d’intégration expose des appels pour copier un scénario, importer des données, exécuter l’optimisation et publier les résultats. (5) Cela permet un calcul récurrent et un processus de test avant publication. Il reste à l’appelant de décider si le planning obtenu est économiquement meilleur et peut être publié sans danger.
La séquence opérationnelle de la page d’accueil actuelle comprend encore le paramétrage des facteurs d’optimisation et des ajustements manuels avant publication. (26) Ces activités ne disparaissent pas simplement parce que la génération du planning est rapide. La mesure pertinente de productivité inclut la fréquence d’intervention des planificateurs, la durée des investigations et l’ingénierie nécessaire pour empêcher la réapparition du même problème.
Les agents logiciels relèvent encore les attentes. Ils peuvent aider à inspecter les correspondances de données, examiner les anomalies, proposer des changements de règles et produire des tests. Le résultat utile est un processus de décision entretenu avec de moins en moins de travail répétitif. Ajouter une interface conversationnelle à la séquence existante d’ajustements manuels laisserait intacte la charge de travail centrale.
Promesses historiques et orientation technologique
| Période | Position publique | Ce que les éléments établissent |
|---|---|---|
| Documentation historique d’ordonnancement | Règles pondérées propres aux ressources et modèle détaillé de contraintes | Un moteur heuristique intelligible, pas une étiquette d’optimisation inexpliquée |
| Octobre 2014 | Co-Pilot crée automatiquement des plannings selon des KPI choisis | L’automatisation précède la vague actuelle de marketing sur l’IA |
| Documents clients de 2015–2016 | Remplacement de l’ordonnancement manuel et amortissement rapide | Cas industriels nommés ; divulgation limitée des calculs financiers complets |
| Articles de février 2024 et mai 2025 | Ordonnancement par IA, puis large promotion de la blockchain, des jumeaux numériques et du machine learning | Élargissement du vocabulaire promotionnel sans démonstrations correspondantes pour chaque technologie |
| Juin–août 2026 | Rachat par CAI, investissements futurs dans l’IA et le cloud, et proposition plus large de logiciels d’usine | Produit toujours autonome ; intégration approfondie avec Parsable et migration vers le navigateur encore en développement |
Sources : (3, 9, 21, 20, 10, 11, 7, 8).
La continuité du produit est plus solide que la précision du marketing. Les abstractions d’ordonnancement décrites dans les documents anciens restent reconnaissables dans les explications actuelles.
Les articles technologiques ultérieurs sont moins solides. Celui de 2024 sur l’IA associe PlanetTogether à de meilleures prévisions et à l’allocation en temps réel, sans évaluation de l’apprentissage au niveau du produit. Celui de 2025 sur la fabrication chimique recommande la blockchain pour la traçabilité aux côtés de la proposition d’intégration de l’éditeur. Il ne cite aucun composant blockchain PlanetTogether livré ni aucun résultat client. Ce sont des exemples de promotion technique peu rigoureuse autour d’un ordonnanceur établi. (10, 11)
Un compte rendu de webinaire de juillet 2026 avance un autre argument : l’IA avancée dépend de processus disciplinés et de données fiables, et les agents d’ordonnancement autonomes restent à venir. Il situe à plusieurs reprises l’origine des résultats décevants de l’IA dans les fondations opérationnelles du client. (12) Cette explication est unilatérale. L’éditeur doit choisir un problème traitable, identifier les limites des données avant de vendre le projet et rendre son modèle utile malgré les imperfections réelles des clients.
L’annonce du rachat de juin par CAI promet la poursuite des investissements dans l’IA, l’analytique et le développement cloud. Le compte rendu d’août précise qu’une intégration approfondie avec Parsable est en cours de cadrage et n’arrivera pas dans les trois à six mois suivants. Il confirme aussi que l’ordonnancement utilise encore un client local, tandis que l’application navigateur assure initialement l’analytique et s’étend vers des fonctions plus légères. (7, 8) Ces limites précises sont plus instructives que le récit général d’une plateforme combinée.
Nomenclature des composants logiciels
| Périmètre du produit et date des éléments | Composants documentés | Conséquence pour l’exploitation |
|---|---|---|
| Guide historique de déploiement APS ; métadonnées PDF de juin 2011 | Services et clients Windows/.NET, communications WCF/.NET Remoting, publication SQL Server | L’architecture établie impliquait des composants installés, plusieurs services et des versions coordonnées. |
| Documentation d’intégration actuelle | Tables et requêtes SQL Server, appels de services web et correspondances de données externes | L’intégration comprend une logique exécutable de transformation et de publication qui doit résister aux évolutions des systèmes sources. |
| Développement d’applications web ; offre d’emploi non datée de l’employeur republiée sur un site d’emploi | Blazor/.NET, composants DevExpress, Bryntum Gantt et développement C# | La livraison par navigateur est un chantier d’ingénierie actif avec une pile d’interface distincte. |
| Brochure partenaire actuelle | Traitement en mémoire, intégration Azure Data Factory et analytique Power BI | L’intégration et le reporting ajoutent des dépendances au-delà du moteur d’ordonnancement. |
| Explication du produit d’août 2026 | Client local d’ordonnancement ; serveur hébergé localement ou dans le cloud ; analytique dans le navigateur | L’hébergement cloud ne supprime pas le déploiement du client et n’achève pas la transition web. |
C’est une architecture concentrée autour de Microsoft, avec plusieurs générations de livraison. Son principal risque de coût est l’entretien de ces générations et de leurs extensions propres aux clients pendant l’élargissement vers le portefeuille CAI.
Le guide historique de déploiement distingue également les usines partageant une instance d’ordonnancement de celles utilisant des instances séparées, dont les plannings sont indépendants sauf liaison par des flux de données externes. (17) Cette distinction compte économiquement. Diviser un système peut faciliter sa gestion opérationnelle tout en faisant perdre la coordination directe des matières ou capacités partagées. Une installation multisite exige de préciser quelles décisions sont réellement optimisées ensemble.
Maintenance de la configuration et coût total
Le guide de mise en œuvre de PlanetTogether indique que les intégrations prédéfinies nécessitent encore une adaptation à l’usage de l’ERP propre à chaque entreprise. Les équipes opérationnelles et les planificateurs fournissent les temps de réglage, de nettoyage et les préférences de séquencement ; le déploiement comprend modélisation, formation et affinage ultérieur. (13) Le premier planning est donc le début d’une application à entretenir.
Le support de formation explicite un compromis récurrent : la modélisation des réglages est souvent rudimentaire au départ, en attendant que les données ERP permettent un traitement plus sophistiqué. (16) Ce choix peut être raisonnable pour démarrer, mais il crée un arriéré d’améliorations du modèle. Si elles n’arrivent jamais, un planning supposé précis continue d’optimiser une approximation de l’usine.
Le guide de services d’octobre 2020 distingue le support ordinaire des intégrations personnalisées, compléments, conseils détaillés et formations. Il identifie l’architecture de solution et la définition du modèle comme des prestations facturables, souvent assurées par des partenaires. Il décrit aussi des modifications du modèle de données pouvant nécessiter une interruption et des actualisations de bases à la charge du client. (14) Ces conditions historiques identifient des catégories réelles de travail continu qu’une proposition commerciale actuelle doit chiffrer.
Le même guide fournit des pratiques substantielles de cycle de vie : versions installées à côté de l’instance existante, vérifications des connexions et environnement de prévisualisation pour validation métier. (14) Cela réduit certains risques de changement. Cela mobilise aussi du personnel et exige des tests représentatifs. Un modèle comportant de nombreuses dérogations locales coûte cher à valider, car son comportement attendu est dispersé entre règles, intégrations et habitudes des planificateurs.
Le coût total comprend donc licence, hébergement, déploiement du client, modifications ERP, entretien du modèle, extensions spécifiques, tests de non-régression, interventions des planificateurs et prestations des partenaires. La rapidité de génération d’un planning renseigne peu sur ce total.
Sécurité et personnalisation exécutable
La FAQ actuelle indique que le produit utilise le chiffrement et des contrôles fondés sur les rôles. Elle n’expose pas les limites de privilèges du code personnalisé ni l’isolation entre extensions et données d’ordonnancement en production. (2) La question de sécurité est architecturale : quels processus peuvent lire les données client, modifier le modèle actif, publier dans l’ERP ou établir des connexions externes ?
Le guide de support mentionne les compléments personnalisés et le développement d’extensions. (14) Ces extensions nécessitent une frontière de confiance définie, des dépendances contrôlées et un mode de déploiement permettant la récupération. Une extension défectueuse ou compromise peut compromettre un système de permissions utilisateur bien configuré si elle s’exécute avec des privilèges plus larges.
La documentation historique de déploiement distingue les instances de test et de production, tandis que les supports de formation distinguent les scénarios hypothétiques du planning actif. (17, 16) Ce sont des séparations opérationnelles utiles. Elles n’établissent pas de bac à sable pour du code arbitraire et ne garantissent pas qu’une intégration personnalisée ne puisse écrire dans la mauvaise base externe.
À mesure que la génération de code devient plus facile, la responsabilité de l’éditeur augmente. Expliquer publiquement les permissions d’exécution, l’isolation, la revue des changements et la récupération rendrait la proposition d’extensibilité plus crédible.
Résultats clients et responsabilité économique
Les documents Knapheide identifient une transition réelle d’un tableau magnétique d’ordonnancement, dans une activité d’équipement de camions, vers une planification logicielle. Une page de résultats associée rapporte un processus d’ordonnancement de 15 minutes et un amortissement en six mois. (22, 23) Le mécanisme d’économie de travail est plausible et concret. Les pages publiées ne fournissent ni coût complet de mise en œuvre, ni maintenance continue, ni nombre de personnes préparant les données d’entrée.
Le cas Standard Process décrit une intégration avec Microsoft Dynamics GP, le travail des ingénieurs de PlanetTogether pour établir les correspondances de données et le témoignage d’un ordonnanceur nommé faisant état de moins de travaux urgents et d’une meilleure coordination. (20) Cela étaye l’adoption et la réduction des frictions opérationnelles. Cela n’établit pas un rendement financier général pour toutes les usines.
Le cas de production de café rapporte un temps d’ordonnancement divisé par deux. (24) Ce type de preuve est plus instructif que de qualifier chaque planning d’autonome : il identifie le travail restant. Les gains supplémentaires doivent être évalués par rapport à ce travail et au coût d’amélioration du modèle.
Une asymétrie plus nette apparaît en comparant les promesses économiques au contrat standard publié. L’article Mott affirme largement que le logiciel divise par deux les coûts de stocks et de main-d’œuvre et s’amortit généralement en six mois. (21) Le contrat de licence par défaut, applicable en l’absence d’un autre accord contraignant, considère le logiciel accepté dès réception et offre une garantie de 90 jours de conformité substantielle à la documentation. Les prestations professionnelles sont garanties comme exécutées avec compétence ; les retards imputables au client peuvent entraîner des frais supplémentaires. (15)
Ces dispositions n’établissent pas d’obligation de livrer l’amélioration économique annoncée. Le client peut recevoir un logiciel conforme et des prestations exécutées avec compétence alors que le projet reste économiquement médiocre. Les critères d’acceptation devraient donc relier le modèle à des décisions opérationnelles représentatives et à des coûts mesurés, la responsabilité de corriger une mauvaise formulation étant fixée avant la mise en œuvre. Sinon, la promesse financière et l’obligation achetée restent deux choses différentes.
Note de supply chain
Profondeur en supply chain
| Critère | Note |
|---|---|
| Cadrage économique | 5/10 |
| Aboutissement des décisions | 6/10 |
| Précision conceptuelle en supply chain | 5/10 |
| Indépendance vis-à-vis des doctrines centrales obsolètes | 4/10 |
| Résistance au théâtre des KPI | 3/10 |
Moyenne : 4,6/10.
Cadrage économique — 5/10. Rentabilité et coûts d’exploitation figurent parmi les objectifs, et le logiciel agit sur des choix de ressources coûteux. Les facteurs pondérés n’établissent pas de comparaison économique cohérente entre approvisionnement incertain, conséquences pour les clients et alternatives futures. (2, 4)
Aboutissement des décisions — 6/10. Le système génère des plannings publiables dans les systèmes opérationnels. C’est un résultat concret. Configuration des règles, résolution des exceptions et acceptation des arbitrages restent des responsabilités humaines importantes. (5, 26)
Précision conceptuelle en supply chain — 5/10. PlanetTogether représente finement les contraintes industrielles. Son argumentation est moins complète lorsqu’il passe d’une production faisable à une production économiquement souhaitable, surtout lorsque les conséquences sur les stocks et la demande dépassent l’usine ordonnancée. (3, 5)
Indépendance vis-à-vis des doctrines centrales obsolètes — 4/10. Le raisonnement à capacité finie corrige des hypothèses de charge irréalistes, mais le débit des goulets, l’utilisation, les priorités d’échéance et les réponses par tampons restent prépondérants. Optimiser ces indicateurs indirects peut maintenir une usine localement efficace produisant le mauvais mix. (2, 3)
Résistance au théâtre des KPI — 3/10. Les promesses financières et de productivité sont plus fortes que les protocoles de mesure publiés. Un ordonnanceur peut améliorer un KPI choisi en déplaçant les coûts ailleurs. Les éléments publics ne fournissent pas de test suffisamment large de l’amélioration économique nette. (6, 21)
Substance des décisions et de l’optimisation
| Critère | Note |
|---|---|
| Profondeur de la modélisation probabiliste | 2/10 |
| Substance distinctive de l’optimisation ou du ML | 5/10 |
| Traitement des contraintes réelles | 7/10 |
| Automatisation des décisions et productivité du travail | 5/10 |
| Résilience face à la complexité opérationnelle réelle | 5/10 |
Moyenne : 4,8/10.
Profondeur de la modélisation probabiliste — 2/10. Le processus documenté utilise des réceptions datées, des durées et des hypothèses de scénarios. Aucun modèle probabiliste conjoint de la demande, du calendrier d’approvisionnement et des résultats de production n’est exposé. Recalculer après une perturbation laisse sans traitement le risque de l’engagement initial. (5)
Substance distinctive de l’optimisation ou du ML — 5/10. La méthode d’ordonnancement est intelligible et permet un séquencement utile sous contraintes. L’apprentissage annoncé pour CoPilot manque d’explication technique correspondante ou d’évaluation comparative, et les heuristiques pondérées n’établissent pas à elles seules une optimisation économique. (3, 6)
Traitement des contraintes réelles — 7/10. Ressources, capacités, dépendances de matières et séquences de production sont développées avec beaucoup de détail. Ces fonctions répondent à de véritables obstacles industriels et disposent de preuves de déploiements nommés. Leur précision dépend encore de modèles clients entretenus. (5, 20)
Automatisation des décisions et productivité du travail — 5/10. L’ordonnancement automatique et les appels externes peuvent supprimer calculs répétitifs et étapes de publication. La charge d’intervention et de configuration restante n’est pas mesurée intégralement. Une optimisation rapide n’est qu’une partie du travail de planification. (5, 24, 26)
Résilience face à la complexité opérationnelle réelle — 5/10. Copies de scénarios, règles configurables et environnements de prévisualisation permettent des changements de modèle. Les documents publics ne suivent pas une hypothèse économique défaillante jusqu’à sa reformulation, sa réexécution sur des opérations représentatives et une correction durable validée. Des replanifications manuelles répétées peuvent laisser intacte l’erreur sous-jacente. (5, 14)
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 | 3/10 |
| Parcimonie logicielle et coût de possession | 4/10 |
| Compatibilité avec les opérations programmatiques et assistées par agents | 6/10 |
Moyenne : 5,2/10.
Cohérence architecturale — 6/10. Le produit possède un cœur d’ordonnancement cohérent, avec les structures correspondantes de ressources, stocks et travaux. L’évolution du poste client vers le web et la nouvelle intégration au portefeuille introduisent des frontières supplémentaires, mais l’explication actuelle de l’éditeur les identifie clairement. (3, 8)
Clarté des frontières du système — 7/10. Les responsabilités d’importation, de calcul et de publication sont documentées, et l’éditeur distingue l’APS des applications de gestion environnantes. Le responsable précis de la maintenance des transformations et politiques propres au client dépend encore de la mise en œuvre. (5, 13)
Sérieux en matière de sécurité — 3/10. Les affirmations générales de contrôle d’accès et les environnements de test opérationnel laissent sans réponse d’importantes questions d’exécution. Les documents publics n’expliquent pas le confinement des extensions personnalisées ni la différence entre leurs privilèges et ceux des utilisateurs ordinaires. (2, 14, 17)
Parcimonie logicielle et coût de possession — 4/10. La famille technologique est relativement concentrée, mais clients installés, instances serveur, interfaces et extensions créent du travail continu. L’adaptation du modèle et les prestations partenaires peuvent dominer les coûts après le déploiement initial. (8, 14)
Compatibilité avec les opérations programmatiques et assistées par agents — 6/10. Les opérations externes sur les scénarios et l’ordonnancement offrent une frontière d’automatisation exploitable. L’amélioration autonome sûre nécessite encore une logique inspectable, des tests adaptés et des critères économiques d’acceptation que le produit ne fournit pas sous forme d’un processus complet documenté. (5)
Transparence technique
| Critère | Note |
|---|---|
| Documentation technique publique | 7/10 |
| Inspectabilité sans médiation de l’éditeur | 6/10 |
| Portabilité et visibilité du verrouillage | 5/10 |
| Transparence de la méthode de mise en œuvre | 6/10 |
| Densité des preuves derrière les affirmations techniques | 5/10 |
Moyenne : 5,8/10.
Documentation technique publique — 7/10. Les PDF publics décrivent ordonnancement, intégration, déploiement et formation avec des détails utiles. Les articles actuels de la base de connaissances nécessitent une inscription, et certains documents d’architecture accessibles sont anciens, compliquant les vérifications propres à chaque version. (25)
Inspectabilité sans médiation de l’éditeur — 6/10. Une personne extérieure peut comprendre le processus d’ordonnancement pondéré et d’importantes frontières d’intégration. L’isolation actuelle des extensions, le comportement propre aux versions et le machine learning revendiqué restent moins inspectables. (3, 6)
Portabilité et visibilité du verrouillage — 5/10. Les structures de données publiées et les exports réduisent l’incertitude sur la récupération des enregistrements. Migrer une installation configurée nécessite encore de remplacer règles spécifiques, correspondances, extensions et connaissances opérationnelles accumulées. (5, 14)
Transparence de la méthode de mise en œuvre — 6/10. Les guides identifient les tâches de modélisation, les responsabilités partagées et les limites du support. Ils ne rendent pas l’effort continu assez prévisible pour établir un coût total fiable avant un cadrage propre au client. (13, 14)
Densité des preuves derrière les affirmations techniques — 5/10. Les références industrielles nommées et les manuels techniques étayent le produit APS. Les grandes promesses d’IA, d’optimalité et de rendement financier reposent sur des preuves nettement plus minces que les fonctions d’ordonnancement établies. (6, 20)
Sérieux de l’éditeur
| Critère | Note |
|---|---|
| Sérieux technique de la communication publique | 4/10 |
| Intégrité de la feuille de route technologique | 5/10 |
| Précision conceptuelle | 4/10 |
| Responsabilité économique | 3/10 |
| Défendabilité dans un monde de logiciels agentiques | 5/10 |
Moyenne : 4,2/10.
Sérieux technique de la communication publique — 4/10. Des explications concrètes d’ordonnancement coexistent avec des promesses vagues d’apprentissage et une promotion générique des technologies à la mode. Le compte rendu de l’acquisition précise mieux les travaux inachevés qu’une grande partie des documents sur l’IA. (6, 8, 11)
Intégrité de la feuille de route technologique — 5/10. Les fonctions historiques d’ordonnancement et d’automatisation montrent une continuité. Les preuves n’établissent pas encore comment la nouvelle proposition d’apprentissage améliore ce moteur, tandis que la récente intégration au portefeuille reste prospective. (8, 9)
Précision conceptuelle — 4/10. L’éditeur comprend des contraintes industrielles difficiles, mais considère trop facilement de meilleures données, davantage de scénarios et l’amélioration de KPI choisis comme des réponses suffisantes. Le sens économique et l’incertitude du futur modélisé méritent autant d’attention. (4, 12)
Responsabilité économique — 3/10. Les promesses publiques d’amortissement ne s’accompagnent pas d’obligations équivalentes d’acceptation économique dans le contrat par défaut. Combiné à une explication situant l’échec principalement dans la préparation du client, cela laisse à l’acheteur un risque important de formulation et d’intégration. (12, 15, 21)
Défendabilité dans un monde de logiciels agentiques — 5/10. La connaissance des contraintes industrielles, les intégrations et les déploiements établis ont de la valeur. Un processus centré sur des planificateurs qui ajustent sans cesse les priorités offre un avantage à long terme plus faible qu’un système de décision améliorable en sécurité avec moins d’effort spécialisé. (5, 26)
Sources
[1] PlanetTogether — Logiciel de planification et d’ordonnancement avancés
PlanetTogether — Logiciel de planification et d’ordonnancement avancés. Périmètre actuel du produit ; consulté le 4 novembre 2026.
PlanetTogether — FAQ APS. Affirmations sur les heuristiques, les contraintes, le déploiement et la sécurité ; consulté le 4 novembre 2026.
[3] PlanetTogether — Présentation des contraintes et des algorithmes d’ordonnancement
PlanetTogether — Présentation des contraintes et des algorithmes d’ordonnancement. Présentation technique historique ; métadonnées de création du PDF datées du 19 mars 2009.
[4] PlanetTogether — Pondération des matières : regroupement des travaux
PlanetTogether — Pondération des matières : regroupement des travaux. Exemple de règles pondérées ; daté du 27 mars 2015, page actuelle révisée.
[5] PlanetTogether — Intégration avec PlanetTogether APS
PlanetTogether — Intégration avec PlanetTogether APS. Correspondances de données, tables de publication et opérations externes ; PDF non daté.
PlanetTogether — CoPilot. Promesses de machine learning et de productivité ; consulté le 4 novembre 2026.
[7] CAI — Acquisition de PlanetTogether
CAI — Acquisition de PlanetTogether. Annonce de l’entreprise, 24 juin 2026.
[8] PlanetTogether — Rapprochement avec CAI
PlanetTogether — Rapprochement avec CAI. Compte rendu de webinaire et limites de la feuille de route du produit, 12 août 2026.
[9] PlanetTogether — Bulletin Productive Planet
PlanetTogether — Bulletin Productive Planet. Lancement de Co-Pilot, octobre 2014.
[10] PlanetTogether — Le rôle de l’IA dans l’ordonnancement de production
PlanetTogether — Le rôle de l’IA dans l’ordonnancement de production. Daté du 8 février 2024, page actuelle révisée.
[11] PlanetTogether — La technologie pour réinventer la planification de supply chain
PlanetTogether — La technologie pour réinventer la planification de supply chain. Promotion de la blockchain et d’autres technologies, 19 mai 2025.
[12] PlanetTogether — Votre planification de production est-elle prête pour l’IA ?
PlanetTogether — Votre planification de production est-elle prête pour l’IA ?. Compte rendu de webinaire, 13 juillet 2026.
[13] PlanetTogether — Guide de mise en œuvre APS
PlanetTogether — Guide de mise en œuvre APS. Responsabilités d’intégration et de mise en œuvre ; PDF non daté.
[14] PlanetTogether — Guide des services et du support
PlanetTogether — Guide des services et du support. Exclusions du support, prestations professionnelles et mises à niveau, 19 octobre 2020.
[15] PlanetTogether — Contrat-cadre de licence logicielle et de services
PlanetTogether — Contrat-cadre de licence logicielle et de services. Contrat public par défaut ; sections 2.1, 4 et 7 ; non daté.
[16] PlanetTogether — Support de formation des ordonnanceurs
PlanetTogether — Support de formation des ordonnanceurs. Scénarios, modélisation des réglages et publication ; métadonnées de création du PDF datées du 10 août 2015.
[17] PlanetTogether — Guide de conception du déploiement de la plateforme APS
PlanetTogether — Guide de conception du déploiement de la plateforme APS. Architecture historique et frontières des instances ; métadonnées de création du PDF datées du 16 juin 2011.
[18] PlanetTogether — Offre de développeur d’applications web, republiée par Vaia
PlanetTogether — Offre de développeur d’applications web, republiée par Vaia. Description du travail de développement par l’employeur ; non datée, consultée le 4 novembre 2026.
[19] PlanetTogether — Brochure du partenariat Kinaxis
PlanetTogether — Brochure du partenariat Kinaxis. Fonctions du produit, intégration et analytique ; PDF non daté.
[20] PlanetTogether — Étude de cas Standard Process
PlanetTogether — Étude de cas Standard Process. Datée du 16 juin 2016, page actuelle révisée.
[21] PlanetTogether — Étude de cas Mott
PlanetTogether — Étude de cas Mott. Datée du 20 novembre 2015, page actuelle révisée.
[22] PlanetTogether — Introduction au cas Knapheide
PlanetTogether — Introduction au cas Knapheide. Contexte industriel et ancien processus d’ordonnancement ; consulté le 4 novembre 2026.
[23] PlanetTogether — Résultats d’un fabricant d’équipements pour camions
PlanetTogether — Résultats d’un fabricant d’équipements pour camions. Promesses de durée d’ordonnancement et d’amortissement ; consulté le 4 novembre 2026.
[24] PlanetTogether — Cas de production de café
PlanetTogether — Cas de production de café. Réduction déclarée du temps d’ordonnancement ; consulté le 4 novembre 2026.
[25] PlanetTogether — Base de connaissances
PlanetTogether — Base de connaissances. Inscription obligatoire constatée le 4 novembre 2026.
[26] PlanetTogether — Page d’accueil actuelle
PlanetTogether — Page d’accueil actuelle. Processus d’ordonnancement en cinq étapes ; consulté le 4 novembre 2026.