Revue de thouSense, fournisseur de logiciels supply chain piloté par l'IA

Par Léon Levinas-Ménard

Dernière mise à jour : avril, 2025

ThouSense est une plateforme SaaS basée sur le cloud et propulsée par l’IA/ML qui vise à permettre aux petites et moyennes entreprises d’améliorer la prévision de demande et la planification de la supply chain. En intégrant des données historiques de ventes (téléchargées via CSV) ainsi que des paramètres hiérarchiques configurables et des signaux externes tels que la météo et des indicateurs macroéconomiques, la solution prétend fournir des prévisions à court et à long terme qui optimisent les niveaux de stocks et réduisent les déséquilibres de stock. Bien que la plateforme se présente comme à la pointe de la technologie et conviviale — avec des fonctionnalités incluant des exécutions programmées de prévisions, des alertes par email et des rapports personnalisables — elle fournit peu de détails techniques sur ses méthodes de machine learning sous-jacentes et la validation de ses modèles. Cette revue examine les fonctionnalités fournies, l’architecture technique ainsi que les revendications globales de thouSense, avant de comparer son approche à celle de l’optimiseur de supply chain bien établi, Lokad.

1. Que fournit la solution ?

A. Fonctions métier pratiques

Prévision de demande pour la planification de la supply chain : L’offre principale est un outil de prévision de demande qui tire parti des données historiques de ventes (téléchargées via fichiers CSV) combinées à des informations hiérarchiques configurables pour générer des prévisions à court et à long terme. Cette fonctionnalité est conçue pour aider les entreprises à optimiser les stocks, minimiser les ruptures de stock et les situations de surstock, et rationaliser l’ensemble des opérations de supply chain ¹².
Plateforme SaaS conviviale : ThouSense met en avant une interface intuitive, basée sur le cloud, qui requiert une expertise technique minimale. Grâce à des fonctionnalités telles que l’exécution programmée des prévisions, des alertes par email automatisées et des rapports configurables, la plateforme garantit que même les utilisateurs non techniques peuvent bénéficier de ses capacités de prévision ³.
Services de support supplémentaires : Pour les formules premium, l’entreprise propose une assistance d’experts en la matière, des options de personnalisation (par exemple, l’intégration d’indicateurs macroéconomiques ou de données météorologiques), ainsi qu’un support technique complet — typique des solutions de prévision de niveau entreprise ¹⁴.

B. Prétentions relatives à l’IA et au machine learning

Prétentions avancées en IA/ML : Plusieurs communications — y compris des articles de blog — affirment que thouSense exploite des algorithmes de prévision avancés qui intègrent les données internes de ventes avec des signaux externes tels que des indicateurs économiques et la météo afin d’améliorer la précision des prévisions ⁵⁶⁷.
Optimisation de stocks : La plateforme affirme également supporter des techniques d’optimisation de stocks destinées à aider les entreprises à trouver un équilibre entre le surstock et les ruptures de stock, notamment dans des environnements de vente au détail en évolution rapide ⁸⁹.

2. Comment cela fonctionne-t-il techniquement ?

A. Ingestion et traitement des données

ThouSense s’appuie sur un processus d’intégration de données simple. Les utilisateurs téléchargent des données historiques de demande (généralement sous forme de fichiers CSV) ainsi que des fichiers de configuration hiérarchique, qui ensemble constituent la base de la génération des prévisions. Le système intègre également des apports externes — tels que des données météorologiques et des indicateurs macroéconomiques — pour affiner ses prédictions ¹².

B. Moteur de prévisions et composants IA

La plateforme se présente comme étant propulsée par des algorithmes AI/ML qui apprennent en continu, mettant à jour les prévisions en temps réel et s’adaptant aux fluctuations soudaines du marché. Bien que des articles de blog et du matériel promotionnel insistent sur une « machine learning revolution », les détails spécifiques concernant les types de modèles utilisés (tels que les modèles de séries temporelles, les réseaux de neurones ou les méthodes d’ensemble), les procédures de formation et les étapes de validation des performances ne sont pas divulgués en détail ⁵⁷.

C. Déploiement et interaction utilisateur

Livrée entièrement sous forme d’application SaaS basée sur le cloud, thouSense offre une interface conviviale qui gère le téléchargement des données, programme les exécutions de prévisions, génère des rapports détaillés et permet l’exportation des résultats dans des processus de planification plus larges. L’objectif est d’automatiser les tâches routinières et de minimiser le besoin d’intervention manuelle, en intégrant de manière fluide les résultats des prévisions dans les flux de travail quotidiens des entreprises ¹³.

3. Évaluer l’état de l’art et le scepticisme

A. Marketing vs Transparence technique

Bien que des fonctionnalités telles que les exécutions programmées de prévisions, l’analyse de données en temps réel et la génération de rapports automatisés soient monnaie courante dans de nombreuses solutions SaaS de prévision, thouSense utilise fréquemment des mots à la mode tels que « demand sensing », « AI‑powered » et « machine learning revolution » sans fournir la documentation technique approfondie (par exemple, des livres blancs ou des données de performance) requise pour une évaluation objective ⁵⁶. Cette dépendance à un langage promotionnel rend difficile la vérification indépendante de ses revendications en matière d’état de l’art.

B. Points sceptiques

Plusieurs points justifient une approche prudente :

La méthodologie ML de la plateforme reste opaque, n’offrant que peu d’informations sur les algorithmes ou les méthodes de formation utilisées, ce qui constitue une lacune courante dans les supports marketing des fournisseurs.
Une grande partie des éléments attestant de ses capacités avancées provient des articles de blog et du contenu promotionnel de l’entreprise plutôt que de repères vérifiés de manière indépendante.
De plus, des profils indépendants notent que thouSense fonctionne avec une équipe modeste et sans financement externe, ce qui limite potentiellement la recherche et développement approfondie ou les tests complets de ses modèles d’IA ⁴¹⁰. Dans l’ensemble, nombre des fonctionnalités principales semblent comparables à celles que l’on trouve dans les solutions SaaS de prévision standard proposées par des concurrents tels qu’Anaplan, o9 Solutions ou Pigment.

thouSense vs Lokad

Bien que thouSense et Lokad utilisent tous deux l’intelligence artificielle pour améliorer l’analyse supply chain, leurs approches divergent considérablement. ThouSense s’adresse aux petites et moyennes entreprises, en se concentrant sur une interface conviviale clé en main avec une programmation automatisée des rapports et une intégration des données. En revanche, la plateforme de Lokad est construite sur une base hautement technique et programmable qui exploite des méthodes avancées — incluant la prévision probabiliste, le deep learning et un langage spécifique au domaine — pour offrir des solutions sur mesure et optimisées pour la prise de décision. Bien que l’approche de Lokad exige une expertise technique plus poussée, elle fournit un cadre plus complet et transparent pour relever les défis complexes de la supply chain ¹¹.

Conclusion

ThouSense propose un outil de prévision de demande assisté par l’IA et basé sur le cloud, destiné à optimiser les stocks et les opérations de supply chain pour les petites et moyennes entreprises. Son intégration de données historiques de ventes avec des indicateurs externes fournit des prévisions exploitables et des recommandations en matière de stocks via un modèle SaaS accessible. Cependant, l’absence de divulgation technique détaillée — notamment concernant ses méthodes de machine learning et la validation de ses modèles — limite la capacité à évaluer pleinement l’aspect innovant de sa solution. Les clients potentiels devraient demander une documentation technique supplémentaire ou des évaluations indépendantes pour confirmer que les avantages revendiqués par la plateforme répondent à leurs besoins opérationnels et analytiques.