Retour aux Études de marché
Intuiflow est un logiciel de planification pour l’industrie et la distribution, développé par Demand Driven Technologies et acquis par Algo en janvier 2026. Il complète les ERP avec la planification des matières, des recommandations de réapprovisionnement, l’ordonnancement de la production, la planification de la demande et le S&OP. Sa méthode centrale est le Demand Driven Material Requirements Planning, ou DDMRP : des buffers de stocks positionnés stratégiquement gouvernent le réapprovisionnement et les priorités opérationnelles. (1, 2, 11)
Note globale en supply chain : 4,8/10.
| Dimension | Note |
|---|---|
| Profondeur en supply chain | 4,2/10 |
| Substance décisionnelle et optimisation | 4,4/10 |
| Intégrité du produit et de l’architecture | 5,6/10 |
| Transparence technique | 5,8/10 |
| Sérieux du fournisseur | 4,2/10 |
Intuiflow possède un mécanisme opérationnel concret et une documentation publique de configuration particulièrement utile. Il produit des commandes, tient compte des nomenclatures et relie la planification à l’exécution. Sa principale limite réside dans le modèle de décision : objectifs de service, facteurs de buffers et priorités de flux tiennent lieu de comparaison économique explicite entre engagements réalisables en présence d’incertitude. Automatiser ces règles peut réduire le travail ; cela ne démontre pas qu’elles sélectionnent les décisions les plus rentables.
Aptiv rapporte une amélioration notable des stocks, accompagnée d’un travail de mise en œuvre conséquent. Une ancienne simulation du fournisseur expose clairement la méthode des buffers, y compris les ajustements réalisés après avoir observé des ruptures. L’Autopilot actuel promet de supprimer le travail de réglage, mais sa présentation publique n’explique pas comment ses politiques apprises améliorent les résultats monétaires ou intègrent l’incertitude de l’approvisionnement. (7, 12, 14)
Intuiflow face à Lokad
Prenons un composant susceptible d’arrêter une ligne d’assemblage. Son fournisseur habituel est bon marché, mais parfois en retard ; un fournisseur alternatif est cher ; plusieurs produits finis se disputent le même composant. Un buffer peut protéger la production, mais sa taille souhaitable dépend de la valeur des produits finis, de la distribution des dates d’arrivée, du coût des expéditions urgentes et des autres achats qui mobilisent la trésorerie.
Intuiflow aborde ce problème par le positionnement des stocks, les priorités de réapprovisionnement et une protection paramétrée. L’approche d’optimisation des stocks de Lokad évalue les engagements récurrents selon leurs conséquences économiques attendues, à l’aide de projections probabilistes et d’une logique numérique de décision entretenue dans le temps. Ses Supply Chain Scientists développent et révisent cette logique à mesure que les conditions opérationnelles évoluent.
La différence porte sur ce que l’on demande au logiciel d’optimiser. Un objectif de service élevé ne dit pas si le prochain dollar doit financer ce composant, un autre, une expédition urgente ou une source alternative. La perspective développée dans Introduction to Supply Chain part de ces usages concurrents des ressources. La méthode publique d’Intuiflow demande plutôt à l’organisation de traduire une grande partie de ce jugement en placement de buffers, facteurs, priorités et exceptions.
Ce que calcule réellement le logiciel
Le Client Playbook public explique les décisions de mise en œuvre, les procédures opérationnelles et le passage au support. Il contient une terminologie héritée de Replenishment+ et un exemple illustré de configuration client avec des captures d’écran de 2023. Il renseigne utilement sur les mécanismes pris en charge ; ses réglages d’exemple ne constituent ni des valeurs par défaut universelles ni une spécification du nouvel Autopilot. (18)
Les buffers condensent l’incertitude en catégories et facteurs
Le Smart Buffer Profiler regroupe les articles à partir de l’historique de demande, de plages de délais d’approvisionnement et de coefficients de variation. Les utilisateurs choisissent les horizons historiques, seuils d’éligibilité, facteurs de délai, facteurs de variabilité et horizons de pics. Les profils obtenus déterminent les zones colorées des buffers ; la zone verte tient compte des quantités minimales de commande, des cycles de commande et des facteurs de délai. Les profils proposés peuvent être examinés avant leur acceptation. (3)
Cette heuristique est inspectable. Sa faiblesse est l’information écartée avant la décision. Des processus de demande présentant des moyennes et des coefficients de variation proches peuvent avoir des queues de distribution, une persistance et des liens avec les retards fournisseurs différents. Les placer dans la même catégorie ne rend pas leurs risques économiques équivalents. Un pourcentage de zone de buffer ne peut, à lui seul, exprimer la différence entre perdre une vente à faible marge et arrêter une ligne de production à forte valeur.
Les catégories de délais concernent également la longueur du délai, plutôt qu’une distribution de probabilité publiée des réceptions futures. La méthode décrit la variabilité, mais ne publie pas de projection conjointe de la demande et de l’approvisionnement dont les issues possibles seraient chiffrées économiquement lors du choix des commandes. Augmenter un facteur de protection peut compenser un problème récurrent ; cela n’identifie ni le risque compensé ni l’existence éventuelle d’une réponse moins coûteuse.
L’exécution et la gestion des nomenclatures sont réelles
Les paramètres de traitement distinguent les articles avec et sans buffer, permettent le calcul des besoins nets MRP et prennent en charge la génération automatique d’ordres d’approvisionnement pour les articles sans buffer. La compression des délais vérifie si les composants enfants sans buffer sont déjà disponibles ; des composants en stock peuvent avancer la date promise du parent. La consommation journalière prévue peut également être calculée à partir de prévisions puis décomposée selon la nomenclature. (4)
Le Workbench permet aux planificateurs de modifier quantités, dates, sources d’approvisionnement et nomenclatures alternatives, avec des fonctions de chargement et de conditionnement. Les commandes approuvées passent dans une table d’attente pour être transférées à l’ERP. Il existe donc un véritable parcours de la décision à l’exécution. (5, 6)
Ces interactions comptent. Le produit dépasse la gestion de cibles indépendantes par SKU. La question restante est la sélection des alternatives à l’échelle du système. Présenter une source ou une nomenclature alternative au planificateur ne démontre pas l’existence d’un calcul qui choisit entre elles selon la disponibilité incertaine, les marges, les capacités partagées et la trésorerie. Une grande partie de cet arbitrage reste hors de la règle de buffer publiée.
La faisabilité de l’ordonnancement est conditionnelle
Le module d’ordonnancement décrit capacités finies, machines, équipes, main-d’œuvre, graphiques de charge et avancement en atelier. Sa page actuelle annonce des « plannings exécutables à 100% » et affirme tenir compte de chaque goulot d’étranglement réel. (8)
Un planning peut être réalisable avec les capacités modélisées et néanmoins échouer lorsqu’une machine tombe en panne, qu’une livraison prend du retard ou qu’un composant est rejeté. La question utile est de savoir quels engagements restent économiquement judicieux face à ces possibilités, coût de replanification compris. Ni une vérification de capacité ni un buffer ne rendent crédible une garantie d’exécution inconditionnelle.
Le S&OP ajoute une planification globale des capacités et des scénarios de perturbations fournisseurs et d’évolution de la demande. L’ancienne brochure utilise explicitement les prévisions pour simuler le comportement futur des buffers et repérer les lacunes du modèle. Cette anticipation est raisonnable, mais l’examen de scénarios ne produit, à lui seul, ni probabilités ni sélection d’une réponse économiquement préférable. (9, 21)
Histoire technologique et intégrité de la feuille de route
Demand Driven Technologies a été fondée en 2011. Son identité technique est restée centrée sur la planification pilotée par la demande. En octobre 2022, Nextworld annonçait une intégration d’Intuiflow par API, tandis que la présentation de l’entreprise jointe au communiqué vantait déjà l’IA et l’apprentissage automatique dans la planification et l’exécution. L’intégration reposait sur un mécanisme précis ; la vaste promesse d’intelligence ne fournissait aucune validation équivalente. (2, 13)
L’ancienne simulation révèle le niveau de preuve retenu
Le livre blanc du fournisseur, portant un copyright de 2020, décrit une démonstration de 2014 utilisant des chiffres de demande fournis par 57 visiteurs d’une conférence. Il modélise deux articles avec des délais fixes de 90 et 21 jours. Lors d’un essai, supprimer la visibilité anticipée des pics de commandes a entraîné deux jours de rupture et un taux de service de 99,5%. Porter le pourcentage de sécurité de la zone rouge de 120% à 150% a rétabli un service de 100%, tout en réduisant la rotation annuelle de 16,27 à 14,78. (12)
Cela montre qu’une protection accrue peut éliminer les ruptures sur la séquence testée. Cela ne détermine pas la protection optimale pour la séquence suivante. Le réglage intervient après l’observation de l’échec, et le document ne compare pas monétairement le stock supplémentaire à la rupture évitée. L’expérience sur deux articles ne peut pas non plus valider les capacités partagées, les défaillances corrélées de fournisseurs ou l’allocation entre articles. Le pourcentage de service rapporté mesure la satisfaction des commandes, pas la précision des prévisions.
Le problème durable est méthodologique : un réglage réussi sur la demande historique est présenté comme une preuve de robustesse de la planification. Une évaluation économique pertinente fixerait la politique avant d’évaluer les décisions ultérieures, comparerait les alternatives réalisables et inclurait le travail consacré à corriger le modèle. Une séquence historique difficile reste une seule séquence.
Autopilot modernise les réglages ; l’acquisition change le périmètre
L’Autopilot actuel décrit un recalibrage quotidien des buffers selon des objectifs de taux de service, des politiques locales, des alertes d’exception et des simulations avant le passage des changements en production. Il répond ainsi à une véritable charge de maintenance. Les détails publics manquants concernent l’objectif d’apprentissage, la procédure d’évaluation et le traitement de l’incertitude de l’approvisionnement. Qualifier les ajustements de sans risque va au-delà de ce qu’une simulation peut démontrer. (7)
L’annonce d’acquisition d’Algo du 13 janvier 2026 proposait de combiner son intelligence anticipative de la demande avec la planification des approvisionnements d’Intuiflow fondée sur la consommation. L’ensemble opère sous Algo ; les conditions financières n’ont pas été divulguées. L’annonce n’explique pas comment les deux méthodes de décision seront combinées sur le plan des calculs. (2)
La tension est conceptuelle autant qu’architecturale. Le discours du produit dénigre la dépendance aux prévisions, alors que celles-ci alimentent déjà ses simulations et figurent désormais dans la justification de l’acquisition. Réapprovisionner avant la consommation future suppose nécessairement des attentes sur cette consommation. Les dissimuler dans des taux d’utilisation ou des buffers ne supprime pas le risque de prévision ; cela rend les hypothèses plus difficiles à évaluer. (1, 21)
Nomenclature logicielle et frontières du système
La documentation publique de mise en œuvre est plus utile que les éléments de recrutement disponibles pour reconstituer l’architecture du produit.
| Couche | Composant ou interface documenté | Conséquence opérationnelle |
|---|---|---|
| Application hébergée | Service cloud avec environnement dédié à chaque client | L’isolation des clients est explicitement revendiquée dans la conception |
| Identité | Authentification unique Azure Active Directory | L’identité d’entreprise peut gouverner les connexions |
| Intégration en libre-service | R+ Pusher ou appels API écrits par le client | Le client maîtrise les extractions et la programmation des transferts |
| Intégration gérée | Microsoft Integration Runtime ; options ADX Lite et Full | Les responsabilités de correspondance des données et de transfert varient selon l’option |
| Échanges de données | Imports d’articles et de données de référence, exports de commandes en attente | ERP et Intuiflow doivent s’accorder sur le système faisant autorité pour chaque champ |
| Analyse pour les planificateurs | Power BI intégré, décrit dans la page Aptiv | Les rapports constituent une couche supplémentaire à maintenir |
La base de données de l’application, l’environnement d’exécution du langage de programmation et l’infrastructure d’entraînement d’Autopilot restent non précisés. Leurs besoins d’hébergement, dépendances et responsabilités de mise à jour sont donc difficiles à évaluer avant la mise en œuvre.
Le guide d’interfaçage détaille les responsabilités avec une précision inhabituelle. Le mode libre-service confie l’extraction et la transformation au client ; ADX Lite place Microsoft Integration Runtime dans le périmètre du client et limite l’accès aux sources aux tables et champs pertinents. D’autres options répartissent entre les parties extraction, correspondance des données et programmation des transferts. Il s’agit d’obligations d’intégration récurrentes, pas d’une promesse ponctuelle selon laquelle tous les ERP se connecteraient sans difficulté. (15)
Mécanismes de sécurité et exposition restante
Algo décrit l’isolation par client, le chiffrement, des environnements de test et de production séparés et la surveillance des menaces. Le playbook documente le SSO d’entreprise et des rôles administratifs configurables. Ces contrôles séparent les charges des clients et gouvernent l’accès à la configuration de planification. (1, 16, 17)
L’autorité sur les champs constitue un autre contrôle pratique. Les paramètres d’import peuvent empêcher les utilisateurs de modifier dans Intuiflow les champs gérés par l’ERP, évitant des sources de référence contradictoires ; la configuration illustrée réserve la modification directe des articles à l’équipe centrale du projet. (20, 22)
La présentation publiée est moins précise sur la reprise après compromission d’un administrateur, les sauvegardes protégées indépendamment, la portée des identifiants des connecteurs et l’approbation des changements de politique en production. Un environnement séparé limite une catégorie d’exposition ; il ne rend pas inoffensive une intégration compromise. Ces questions comptent, car les paramètres importés peuvent modifier des milliers de recommandations de réapprovisionnement sans toucher au code de l’application.
Productivité, maintenance de la configuration et coût total
La promesse d’Autopilot de supprimer la révision routinière des paramètres répond aux attentes modernes de productivité. Le test plus exigeant consiste à vérifier si la planification courante fonctionne avec une charge totale de travail décroissante : planificateurs du client, spécialistes de mise en œuvre, support du fournisseur et responsables de maintenance des politiques réunis. Un fonctionnement par exceptions peut encore mobiliser une grande équipe si les exceptions restent nombreuses ou se répètent sans correction de leur cause profonde.
Les manuels révèlent le travail qu’il faut supprimer ou entretenir. L’exemple de configuration choisit 52 semaines pour la consommation journalière moyenne et 26 semaines pour la variabilité, avec des options influant sur le traitement de la demande négative. Les ajustements saisonniers emploient des facteurs mensuels propres à chaque site et des hypothèses temporelles explicites. Les articles peuvent être entretenus individuellement ou par fichiers de masse. Ce sont des décisions métier encodées dans la configuration. (4, 19, 20)
Une fenêtre de moyenne plus longue peut atténuer le bruit tout en retardant la détection d’un véritable changement. Exclure les retours peut faciliter l’interprétation d’une statistique de demande tout en supprimant une information économiquement pertinente. Une majoration saisonnière peut améliorer la disponibilité tout en créant un surstock si l’événement se décale. Le coût réside dans la capacité à déterminer quelle interprétation est juste, à détecter quand elle ne l’est plus et à corriger la logique de décision sans danger.
C’est le problème décrit dans Holimization : le modèle lui-même demande une amélioration continue. Recalculer plus vite à l’intérieur d’une politique inadéquate ne remplace pas la révision de cette politique. La mesure pertinente de maintenance est l’effort requis par correction économiquement significative, conséquences des erreurs comprises.
Aptiv : des résultats notables avec une forte composante humaine
Le cas Aptiv rapporte une amélioration des stocks d’environ 30% dans une usine pilote et moins d’expéditions urgentes. Il décrit un parcours pilote de deux ans, environ trois mois d’accompagnement quotidien, des formations ultérieures et le soutien de spécialistes, puis la décision de déployer dans plus de 100 usines. Il décrit également des changements de distribution régionale destinés à fractionner les quantités minimales des fournisseurs et à réduire les stocks des usines. (14)
Ces changements opérationnels crédibles méritent d’être étudiés. Ils n’isolent pas l’apport du logiciel de celui de l’accompagnement et de la refonte du réseau, et ne chiffrent ni le travail récurrent ni les gains nets. La même page conclut que le passage du pilote à plus de 100 usines s’est fait en quelques semaines. Ce délai promotionnel contredit son propre récit détaillé et brouille la distinction entre engagement de déploiement, déploiement et couverture obtenue.
Le récit d’adoption révèle aussi un risque de dilution des responsabilités. Le respect de la méthode est surveillé, mais la validation économique doit pouvoir rejeter la méthode elle-même. Sinon, le succès confirme le DDMRP et la déception devient la preuve que le personnel ne l’a pas suivi. Le processus correctif devrait vérifier si un buffer ou une règle de priorité était erroné, autant que si un opérateur l’a respecté.
Responsabilité économique et inspectabilité
La documentation publique d’Intuiflow permet à un acheteur de contester de vrais choix de calcul avant une démonstration. C’est un avantage considérable sur une promesse opaque d’IA. Ses résultats opérationnels sont également inspectables : commandes recommandées, quantités modifiées, engagements exportés et paramètres peuvent être comparés aux événements ultérieurs. (3, 5, 6)
Le chaînon manquant est un bilan monétaire entretenu de ces choix. Réductions des stocks et taux de service ne suffisent pas à établir qu’une politique crée de la valeur après ruptures, expéditions urgentes, surcoûts fournisseurs, stocks obsolètes, mise en œuvre et maintenance. La présentation actuelle de la planification de la demande mentionne biais, erreur absolue et impact financier, mais n’explique pas comment cette évaluation financière gouverne les choix de réapprovisionnement. (10)
Les rapports publics de résultats devraient distinguer les gains issus d’une exécution plus propre, d’un meilleur réseau et d’une meilleure sélection des décisions. Tous peuvent être utiles. Seul le dernier établit la qualité de l’optimiseur, et aucun n’établit la valeur nette sans le coût de fonctionnement du processus. Les contrôles documentés du produit rendent une telle évaluation possible ; les preuves économiques publiées restent incomplètes.
Note en supply chain
La note globale de 4,8/10 est la moyenne arithmétique arrondie de 25 sous-notes de poids égal.
Profondeur en supply chain : 4,2/10
| Critère | Note |
|---|---|
| Cadrage économique | 4/10 |
| Aboutissement décisionnel | 6/10 |
| Précision conceptuelle en supply chain | 5/10 |
| Indépendance vis-à-vis des doctrines centrales obsolètes | 2/10 |
| Résistance au théâtre des KPI | 4/10 |
Moyenne : 4,2/10.
Cadrage économique. Le besoin en fonds de roulement et la continuité opérationnelle comptent, mais la règle publiée ne chiffre pas les usages concurrents des stocks et des capacités. (1, 3)
Aboutissement décisionnel. Les recommandations deviennent des engagements dans l’ERP par un flux explicite. Leur sélection dépend encore fortement de la politique configurée et du jugement du planificateur. (5, 6)
Précision conceptuelle en supply chain. La gestion des composants et des délais découplés démontre une connaissance du métier. Les conséquences économiques de l’incertitude corrélée restent peu développées. (4)
Indépendance vis-à-vis des doctrines centrales obsolètes. Le DDMRP demeure la doctrine structurante. Ses catégories et facteurs de protection contraignent le modèle de décision avant la comparaison des alternatives économiques. (3, 11)
Résistance au théâtre des KPI. Les résultats opérationnels sont plus pertinents qu’un score décoratif de prévision. Le service parfait simulé et le récit d’un déploiement accéléré exagèrent néanmoins ce que leurs preuves établissent. (12, 14)
Substance décisionnelle et optimisation : 4,4/10
| Critère | Note |
|---|---|
| Profondeur de la modélisation probabiliste | 2/10 |
| Substance distinctive en optimisation ou apprentissage automatique | 4/10 |
| Prise en charge des contraintes réelles | 6/10 |
| Automatisation des décisions et productivité du travail | 5/10 |
| Résilience face à la complexité opérationnelle réelle | 5/10 |
Moyenne : 4,4/10.
Profondeur de la modélisation probabiliste. La variabilité influe sur la protection, mais le mécanisme publié ne comporte pas de projections conjointes calibrées de la demande et de l’approvisionnement futurs. (3, 4)
Substance distinctive en optimisation ou apprentissage automatique. Les calculs de buffers sont inspectables. L’objectif de la politique apprise et son évaluation économique prospective restent flous. (3, 7)
Prise en charge des contraintes réelles. Les dépendances de fabrication et les contraintes pratiques des commandes sont représentées. La sélection économique à l’échelle du système entre les alternatives qui en résultent est moins explicite. (4, 5, 8)
Automatisation des décisions et productivité du travail. Le réapprovisionnement et les réglages automatiques peuvent supprimer des tâches routinières. Les bénéfices publiés ne mesurent pas tout le travail de maintenance et de traitement des exceptions. (4, 7)
Résilience face à la complexité opérationnelle réelle. Les déploiements industriels apportent des éléments utiles. Le processus correctif publié insiste sur le réglage et le respect de la méthode ; il ne montre pas comment un échec coûteux conduit à tester une autre politique économique lorsque la règle de buffer elle-même est inadéquate. (12, 14)
Intégrité du produit et de l’architecture : 5,6/10
| 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 | 5/10 |
| Compatibilité avec les opérations programmatiques et assistées par agents | 6/10 |
Moyenne : 5,6/10.
Cohérence architecturale. Les modules opérationnels partagent une méthode cohérente. L’intégration plus large issue de l’acquisition reste moins précisément définie sur le plan technique. (2, 21)
Clarté des frontières du système. Les options d’intégration et l’autorité sur les champs établissent des responsabilités concrètes entre ERP, client et fournisseur. (15, 22)
Sérieux en matière de sécurité. Identité, isolation et contrôles d’édition répondent à des expositions concrètes. L’indépendance de la reprise et les accès privilégiés des intégrations demandent une description plus complète. (1, 16, 17, 22)
Sobriété logicielle et coût de possession. L’architecture visible possède un périmètre cohérent ; son coût d’exploitation comprend une maintenance importante des politiques et des intégrations. (15, 19, 20)
Compatibilité avec les opérations programmatiques et assistées par agents. Les API et la maintenance de masse permettent l’automatisation au-delà de l’interface utilisateur. Un connecteur seul ne peut améliorer la règle économique de décision. (13, 15, 20)
Transparence technique : 5,8/10
| Critère | Note |
|---|---|
| Documentation technique publique | 7/10 |
| Inspectabilité sans médiation du fournisseur | 6/10 |
| Portabilité et visibilité du verrouillage fournisseur | 5/10 |
| Transparence de la méthode de mise en œuvre | 7/10 |
| Densité des preuves derrière les affirmations techniques | 4/10 |
Moyenne : 5,8/10.
Documentation technique publique. Le playbook expose des mécanismes de configuration et de fonctionnement significatifs. Les nouvelles promesses d’apprentissage et d’optimisation sont moins documentées. (3, 4, 18)
Inspectabilité sans médiation du fournisseur. Un acheteur technique peut examiner directement la politique et sa charge de maintenance. Reproduire l’évaluation de l’Autopilot actuel exige encore la coopération du fournisseur. (7, 18)
Portabilité et visibilité du verrouillage fournisseur. Les interfaces de transfert et l’autorité sur les champs sont documentées. Reconstituer les politiques de planification accumulées resterait un travail de migration substantiel. (6, 19, 22)
Transparence de la méthode de mise en œuvre. Le guide et le récit de déploiement rendent visibles la configuration, l’accompagnement et le changement opérationnel. Cela permet une évaluation plus réaliste du coût de possession. (14, 18)
Densité des preuves derrière les affirmations techniques. Des calculs concrets étayent des fonctions plus limitées. Les promesses d’exécution parfaite et d’ajustements sans risque ne disposent pas d’une validation équivalente. (7, 8, 12)
Sérieux du fournisseur : 4,2/10
| Critère | Note |
|---|---|
| Sérieux technique de la communication publique | 4/10 |
| Intégrité de la feuille de route technologique | 6/10 |
| Précision conceptuelle | 4/10 |
| Responsabilité économique | 3/10 |
| Pérennité de l’avantage dans un monde de logiciels agentiques | 4/10 |
Moyenne : 4,2/10.
Sérieux technique de la communication publique. Des détails techniques utiles coexistent avec des garanties absolues et un discours exagéré sur les déploiements. (7, 8, 14)
Intégrité de la feuille de route technologique. L’historique montre un développement continu autour d’une méthode opérationnelle précise et d’interfaces réelles. Les vastes promesses d’IA sont évaluées de manière beaucoup moins convaincante. (2, 13)
Précision conceptuelle. Réduire l’instabilité des priorités est utile. Présenter le réapprovisionnement fondé sur la consommation comme une échappatoire aux prévisions masque les hypothèses sur le futur inscrites dans la politique. (1, 21)
Responsabilité économique. Les comptes rendus de résultats établissent un potentiel de valeur, mais laissent ouvertes l’attribution et la question du coût total. Le respect de la méthode doit rester subordonné à l’évaluation de son intérêt économique. (14)
Pérennité de l’avantage dans un monde de logiciels agentiques. Une exécution fiable et un savoir industriel entretenu peuvent conserver leur valeur. Une arithmétique simple de buffers et une assistance aux processus offrent moins de protection que des décisions démontrées supérieures avec très peu de travail récurrent. (3, 5, 7)
Sources
Les pages non datées ont été consultées le 4 novembre 2026. Le playbook public est un modèle de mise en œuvre contenant un exemple illustré de configuration client et une terminologie ancienne ; ses réglages ne sont pas présentés comme des valeurs par défaut universelles du produit.
[1] Périmètre actuel du produit et de la sécurité
Algo, Présentation d’Intuiflow. Modules, architecture cloud, isolation et promesses opérationnelles.
[2] Acquisition et orientation du produit
Algo, Acquisition de Demand Driven Technologies, 13 janvier 2026.
[3] Calcul et configuration des buffers
Demand Driven Technologies, Smart Buffer Profiler.
Demand Driven Technologies, Paramètres de traitement. Besoins nets, horizons, prévisions, compression des délais et commandes automatiques.
Demand Driven Technologies, Workbench.
Demand Driven Technologies, Commandes en attente.
[7] Ajustement automatisé des politiques
Algo, Intuiflow Autopilot.
[8] Ordonnancement de la production
Algo, Ordonnancement et exécution.
Algo, Planification adaptative des ventes et des opérations.
Intuiflow, Planification de la demande.
Demand Driven Technologies, Qu’est-ce que le DDMRP ?, PDF.
[12] Expérience historique sur les buffers
Erik Bush, Demand Driven Technologies, Simulation des buffers DDMRP, copyright 2020, PDF. Présente l’expérience menée lors de la conférence de 2014 et les changements de paramètres ultérieurs.
[13] Intégration et promesses d’IA avant 2023
Nextworld, Lancement de l’intégration Intuiflow, 18 octobre 2022.
[14] Récit du déploiement chez Aptiv
Algo, Aptiv décide un déploiement mondial après deux ans de pilotes.
[15] Architecture d’intégration
Demand Driven Technologies, Conception des interfaces.
Demand Driven Technologies, Authentification unique Azure Active Directory.
Demand Driven Technologies, Comptes et accès.
[18] Périmètre du guide de mise en œuvre
Demand Driven Technologies, Client Playbook.
Demand Driven Technologies, Facteur d’ajustement planifié.
[20] Maintenance des données de référence
Demand Driven Technologies, Modification des propriétés des articles.
[21] Continuité de la méthode du produit
Demand Driven Technologies, Brochure d’Intuiflow, PDF. Planification des matières, ordonnancement, simulations fondées sur les prévisions et positionnement en IA et apprentissage automatique.
[22] Autorité sur les champs et échanges
Demand Driven Technologies, Import et export.