Revue de Vekia, fournisseur de logiciels supply chain

Par Léon Levinas-Ménard

Dernière mise à jour : avril 2025

Dans un marché de plus en plus guidé par les données et l’automatisation, Vekia se positionne comme un fournisseur français de logiciels de gestion de la supply chain qui utilise l’IA probabiliste pour prévoir la demande, optimiser les niveaux de stocks et automatiser les processus de commande. Issu d’initiatives de recherche dans des institutions telles qu’Inria et fondé vers 2008 par Manuel Davy, Vekia est passé d’une société de conseil en machine learning pour des groupes de distribution à un fournisseur spécialisé de solutions d’optimisation de stocks. Sa plateforme utilise plusieurs scénarios de demande simulés, des alertes en temps réel pour la gestion des pénuries et un tableau de bord logistique intégré afin de fournir une vue d’ensemble de la performance de la supply chain. Déployée en tant que solution SaaS évolutive sur Microsoft Azure et conçue pour s’intégrer parfaitement avec les ERP, WMS, CRM et autres systèmes d’entreprise, Vekia affirme offrir l’approche la plus avancée reposant sur le machine learning disponible pour la gestion des stocks. Cette revue examine le parcours de l’entreprise Vekia, ses fonctionnalités clés, son cadre technologique et ses capacités d’intégration, et offre une perspective comparative avec la plateforme Lokad.

Parcours de l’entreprise

Histoire et création

Selon une success story d’Inria, Vekia a été fondée vers 2008 par Manuel Davy. Ayant initialement proposé des services de conseil en machine learning pour des groupes de distribution, l’entreprise est passée à un fournisseur dédié de solutions supply chain en affinant son orientation vers l’optimisation de stocks et la prévision de la demande (¹). Des articles de presse documentent également la cession de la solution VekiaPlan à Asys en 2016, indiquant des changements stratégiques et une consolidation des gammes de produits de l’entreprise (²).

Positionnement sur le marché

Vekia se positionne comme un spécialiste de l’optimisation de stocks, affirmant avec audace offrir “la solution de machine learning la plus avancée au monde” pour la gestion des niveaux de stocks et l’automatisation des processus de commande. L’entreprise met en avant son approche probabiliste — simulant plusieurs scénarios de demande plutôt que de se fier à une seule prévision déterministe — afin de fournir une visibilité accrue sur les résultats potentiels. Cependant, une grande partie de sa communication reste à un niveau élevé, avec des affirmations générales qui manquent de fondements techniques approfondis (³).

Présentation du produit

Fonctionnalités clés

La plateforme de Vekia offre plusieurs capacités clés :

Prévision de la demande : La solution utilise des algorithmes prédictifs pour générer des prévisions basées sur plusieurs scénarios pondérés, capturant les incertitudes inhérentes aux supply chains plutôt que de proposer des prévisions déterministes ponctuelles (⁴).
Propositions de commande automatiques : En utilisant la demande prévue comme donnée d’entrée, la plateforme produit automatiquement des recommandations de commandes prioritaires. Elle fournit des “explanations des choix IA” afin que les utilisateurs puissent revoir et, si nécessaire, ajuster manuellement ces propositions (⁵).
Gestion de la pénurie et alertes en temps réel : La surveillance continue des stocks permet au système de détecter des pénuries potentielles et d’alerter les utilisateurs pour qu’ils prennent rapidement des mesures correctives (⁶).
Tableau de bord logistique : Un “tour de contrôle logistique” intégré offre une vue visuelle en temps réel des indicateurs de performance clés et des métriques de la supply chain, facilitant ainsi la prise de décisions rapide (⁷).

Modèle de déploiement

Commercialisée en tant que produit SaaS, Vekia met l’accent sur une intégration rapide avec les systèmes informatiques d’entreprise existants — y compris ERP, WMS, CRM, et plus encore. Hébergée sur Microsoft Azure et tirant parti de composants tels que Snowflake et des microservices pilotés par API, la plateforme promet évolutivité, sécurité robuste (conforme aux normes européennes RGPD) et un déploiement simple. Un exemple notable est le déploiement rapide en huit jours réalisé pour Martin Brower suite à un incident de cybersécurité, ce qui souligne les capacités de déploiement agile de Vekia (⁸, ⁹, ¹⁰).

Technologie et architecture

Infrastructure sous-jacente

Au cœur de l’offre de Vekia se trouve une approche “IA probabiliste”. La plateforme fonctionne sur des services cloud modernes (Microsoft Azure) et est construite sur une architecture distribuée de microservices. Les références à des outils tels qu’Apache Spark dans des récits plus anciens témoignent d’une longue expérience dans l’utilisation de technologies prêtes pour le big data pour gérer de grands volumes de données opérationnelles (¹¹). Les protocoles de sécurité et les normes de cryptage des données garantissent que toutes les informations sont hébergées dans des cadres européens.

Machine learning et analyse prédictive

La stratégie “Machine learning et analyse prédictive” de Vekia implique l’entraînement de modèles sur les ventes historiques, les données opérationnelles internes et des apports externes (tels que la météo ou les tendances sociales). Le système peut déployer divers algorithmes — y compris des modèles de régression, des réseaux de neurones, des machines à vecteurs de support et des arbres décisionnels — pour générer des prévisions probabilistes. Malgré ces affirmations, les détails concernant l’architecture des modèles, les processus de validation ou les comparaisons aux techniques alternatives restent limités (¹²).

Déploiement, intégration et expérience utilisateur

Intégration avec les systèmes existants

Conçue pour fonctionner de manière fluide avec une gamme de logiciels d’entreprise (ERP, WMS, TMS, CRM, CPQ, MRP), la plateforme de Vekia collecte des données provenant de sources diverses afin de centraliser l’information sur la supply chain. Un tableau de bord accessible via un navigateur présente des KPI configurables et des analyses en temps réel qui sous-tendent à la fois le processus de prévision et les recommandations de commande automatisées (⁸, ⁹).

Déploiement rapide et mise en service

Vekia vante sa capacité à se déployer rapidement dans divers environnements informatiques — une affirmation soulignée par le déploiement en huit jours pour la gestion d’approvisionnement de contingence chez Martin Brower. Bien que cela démontre une agilité impressionnante, les informations détaillées concernant la résolution des défis d’intégration ou la performance dans des conditions opérationnelles variées restent limitées (¹⁰).

Analyse sceptique

Une lecture critique des communications de Vekia révèle plusieurs points de préoccupation. Bien que le fournisseur fasse des affirmations audacieuses concernant ses capacités avancées de machine learning et de prévision probabiliste, une grande partie du matériel publié reste à un niveau élevé, offrant peu de détails techniques concrets. Le principal élément différenciateur — sa simulation de multiples scénarios de demande — semble prometteur, mais les informations sur la manière dont les probabilités sont attribuées, validées ou mises à jour en temps réel sont rares. Les affirmations de performance et les améliorations du ROI rapportées proviennent en grande partie du fournisseur et manquent d’une vérification indépendante et détaillée. Cela soulève des questions quant à savoir si l’“AI” de la plateforme constitue une avancée significative par rapport aux méthodes statistiques conventionnelles renforcées par l’automatisation.

Vekia vs Lokad

En comparant Vekia à Lokad, plusieurs différences apparaissent :

Approche de la prévision et de l’optimisation : Vekia s’appuie sur une simulation probabiliste de la demande basée sur plusieurs scénarios de prévision, tandis que Lokad est réputé pour sa plateforme programmable d’optimisation de la supply chain qui utilise un langage spécifique au domaine (Envision) pour intégrer une logique de décision sur mesure.
Transparence technique : Lokad fournit une documentation technique approfondie détaillant ses méthodes de deep learning, probabiliste et même de programmation différentiable. En revanche, les divulgations techniques de Vekia restent générales et de haut niveau, avec peu de détails sur les innovations algorithmiques.
Déploiement et personnalisation : Vekia met l’accent sur un déploiement SaaS rapide avec des tableaux de bord intégrés et des alertes en temps réel, répondant aux besoins de clients nécessitant une intégration rapide. Lokad, quant à lui, se concentre sur la fourniture d’une plateforme cloud hautement personnalisable et continuellement mise à jour, qui automatise les décisions routinières grâce à des recettes numériques détaillées — nécessitant souvent un degré plus élevé d’expertise technique.
Communication sur le marché : Bien que les deux fournisseurs visent à optimiser les opérations de la supply chain, le message de Vekia est davantage orienté marketing, mettant en avant ses références en “advanced machine learning”. Lokad se positionne comme une solution rigoureuse, axée sur l’ingénierie, qui “robotise” les décisions supply chain en combinant prévision et optimisation prescriptive.

Conclusion

Vekia présente une solution moderne, basée sur le cloud, construite autour de l’IA probabiliste et du machine learning pour relever les défis de la supply chain. Ses atouts résident dans des fonctionnalités telles que les propositions de commande automatisées, les alertes en temps réel en cas de pénurie et un tableau de bord logistique unifié, ainsi qu’un modèle de déploiement agile basé sur le SaaS. Cependant, bon nombre de ses affirmations technologiques sont formulées de manière générale avec une profondeur technique limitée. Les clients potentiels devraient rechercher une validation technique supplémentaire et des benchmarks indépendants pour évaluer pleinement le caractère de pointe de sa solution. En comparaison avec des plateformes comme Lokad, qui offrent des aperçus plus détaillés de leur technologie sous-jacente et de leurs capacités de personnalisation, l’approche de Vekia — bien que prometteuse — pourrait nécessiter un examen plus approfondi pour confirmer son avantage compétitif dans le domaine de plus en plus quantitatif de l’optimisation de la supply chain.