Nicolas Vandeput est data scientist en supply chain, formateur, auteur et fondateur de SupChains. Ses travaux portent sur la prévision de la demande, l’optimisation des stocks, le machine learning et les applications analytiques concrètes pour la planification.
Il a fondé SupChains en 2016 afin d’accompagner les organisations avec des modèles personnalisés de prévision et de stock, de la formation et du coaching. Il enseigne également à des étudiants de master à CentraleSupélec et produit des contenus pédagogiques destinés aux planificateurs, analystes et responsables supply chain.
Ses ouvrages comprennent Data Science for Supply Chain Forecasting, Inventory Optimization: Models and Simulations et Demand Forecasting Best Practices. Ses publications traitent de prévisions statistiques et par machine learning, de Forecast Value Add, de biais de prévision, de stock de sécurité, d’ajustements manuels et de la traduction des modèles quantitatifs en décisions opérationnelles.
Les travaux de Vandeput sont particulièrement utiles aux organisations qui cherchent à améliorer la qualité de leur planification avant d’ajouter de nouveaux logiciels. Son approche met l’accent sur des références mesurables, le biais de prévision, le Forecast Value Add et la vérification de la valeur réelle apportée par les interventions manuelles sur une prévision statistique.
Les données nécessaires incluent un historique des ventes gouverné, les hiérarchies produits et sites, les promotions, les délais, les politiques de niveau de service, les positions de stock et l’historique des ajustements. Les responsables métier doivent définir les indicateurs de réussite, les personnes autorisées à modifier les hypothèses de planification et les modalités de validation des modèles comme des planificateurs.
Des modèles Python légers et des applications analytiques peuvent soutenir le diagnostic, la simulation et la formation. Dès que les recommandations influencent les achats, les stocks ou la production, l’organisation doit mettre en place le contrôle des versions, les droits d’accès, les journaux d’audit, les reprises manuelles et des interfaces réconciliées avec les systèmes APS et ERP. Une logique mal gouvernée peut renforcer les biais, augmenter les stocks ou créer une confiance injustifiée dans la précision des prévisions.
Autour de Nicolas Vandeput (12)
- alertsEVENT : Sunstice organise un webinaire sur la planification de la demande sans intervention et l'IA Agentique2026-07-09
- alertsEVENT : Comment j'ai programmé mon système de planification avancée en mode vibe2026-07-02
- newsAlain Matar et SupChains collaborent sur une application de prévision orientée planificateur2026-06-24
- tutorialsComment Valider une Prévision de Demande AI Avant que les Planificateurs l'Utilisent2026-10-05
- insightsLa prévision devient plus accessible avec l'IA, mais les données font toujours la différence2026-10-02
- insightsL'évaluation de l'IA agentique pour la prévision de la demande nécessite plus que la précision des prévisions2026-10-01
- jobsResponsable Technologie SCM2026-07-20
- alertsEVENT : Intuiflow présente la planification Demand Driven au Procurement Summit de Hambourg2026-06-25
- jobsConsultant Avant-Vente2026-06-19
- tutorials22 projets pratiques de Data Science pour les équipes Supply Chain2026-02-09
- tutorialsCartographier le portefeuille IT de la supply chain avant d'ajouter une autre application IA2026-10-06
- jobsDirecteur, Optimisation des Stocks et Planification des Opérations2026-10-05