Amazon fait évoluer ses prévisions de la demande de modèles spécialisés vers un modèle de base de prévision réutilisable

Amazon chercheurs Boris Oreshkin et Dmitry Efimov présentent à ISF 2026 la transition des modèles de prévision de la demande MQCNN spécialisés vers un modèle de fondation basé sur PFN pouvant prendre en charge plusieurs cas d'usage de prévision. Un modèle de fondation de prévision réutilisable pourrait réduire le besoin de maintenir des modèles séparés par produit, marché ou cas d'usage de planification, mais cela soulève également des questions sur la transférabilité, le biais, les exceptions locales et la gouvernance. Les équipes de planification doivent valider la performance par profil de demande et horizon, comparer les résultats avec les références locales, mesurer le Forecast Value Add, préserver les ajustements des planificateurs et empêcher la standardisation de masquer les différences matérielles régionales ou spécifiques aux catégories.