o9, Kinaxis, OMP et Anaplan : quatre visions différentes du Supply Chain Planning piloté par l’IA
Pourquoi la prochaine bataille des APS pourrait moins porter sur les agents IA que sur l’architecture de décision qui les sous-tend.
Les éditeurs de Supply Chain Planning semblent converger : o9 a APEX, Kinaxis dispose de Maestro Agents et élargit son architecture vers l’orchestration opérationnelle, OMP développe UnisonIQ et le Decision-Centric Planning, tandis qu’Anaplan construit progressivement sa vision de l’Agentic Enterprise.
À première lecture, les stratégies paraissent proches. Elles ne le sont pas. Une réponse plausible n’est pas nécessairement un plan réalisable.
Le cadre de lecture le plus utile est celui de la decision architecture : la couche qui définit le contexte, les contraintes, les objectifs, l’autorité et les règles d’exécution autour d’une décision. Le framework Critical Capabilities 2026 de Gartner renforce cette distinction en évaluant AI Planning/Decision Automation aux côtés du Constraint-Based Supply Planning, de l’orchestration des workflows, de la gestion des scénarios et de leur impact financier et du Decision-Centric Planning. L’IA ne remplace pas l’architecture de planning : elle doit fonctionner à travers elle.
La carte du marché en une minute
o9 → operating model + connaissance d’entreprise
Kinaxis → concurrence + orchestration opérationnelle composable
OMP → situations de décision + gouvernance + optimisation
Anaplan → infrastructure décisionnelle déterministe et transverse, progressivement étendue avec des agents
Quatre éditeurs, quatre paris architecturaux
o9 : la connaissance d’entreprise comme operating model
Le modèle APEX — Agile, Adaptive, Autonomous Planning & Execution — relie les décisions entre fonctions et horizons via le Digital Brain. L’Enterprise Knowledge Graph fournit une représentation exploitable par la machine des relations, règles et connaissances institutionnelles, tandis que l’approche neuro-symbolique combine IA de langage et statistique avec des représentations symboliques de l’entreprise.
Le pari est clair : rendre la connaissance d’entreprise exploitable par la machine, puis donner aux agents accès à cette représentation.
L’autonomie d’APEX ne signifie pas suppression du jugement humain. o9 décrit une autonomie progressive : l’IA peut automatiser des décisions courantes de planning et d’exécution dans des garde-fous définis, tandis que les humains conservent stratégie, intention, politiques, supervision et décisions à fort enjeu. Post-Game Analytics ajoute une boucle d’apprentissage à partir des résultats obtenus.
Question Dataleo : Qui maintient la connaissance décisionnelle lorsque politiques, contraintes ou droits de décision changent ?
Le risque est celui d’un agent sophistiqué raisonnant sur un operating model obsolète. La connaissance décisionnelle devient une nouvelle catégorie de master data.
Kinaxis : orchestration composable ancrée dans la concurrence
Kinaxis conserve un socle différenciant : la concurrence. Maestro synchronise en continu signaux, plans et décisions entre demande, stocks, capacité, production et autres contraintes, donnant à l’IA un modèle vivant des conséquences de bout en bout.
Mais la stratégie actuelle dépasse « l’agent dans le modèle de planning ». Kinaxis s’étend vers l’operational orchestration : une architecture composable couvrant données, intelligence sémantique, décision, runtime IA, workflows, orchestration, gouvernance et apprentissage. Ces composants peuvent enrichir Maestro mais aussi coordonner les actions entre systèmes d’entreprise, workflows, équipes et fonctions.
Maestro Agent Studio, les agent skills réutilisables et l’orchestration s’appuient donc sur la concurrence plutôt qu’ils ne la remplacent. L’ambition est de relier la décision à ce qui se passe ensuite, y compris lorsque l’exécution franchit la frontière traditionnelle de l’APS.
Question Dataleo : Kinaxis peut-il préserver la conscience des contraintes et le contexte synchronisé qui font la force de la concurrence lorsque l’orchestration s’étend à des systèmes que Maestro ne contrôle pas ?
OMP : situations de décision gouvernées et optimisation
OMP part de la décision. Decision-Centric Planning vise à identifier en continu les situations de décision, préparer les scénarios et déclencher l’action sans attendre un cycle périodique. UnisonIQ relie agents et IA générative aux moteurs d’optimisation établis.
L’architecture formalise un chemin stratégie → préparation → exécution. La stratégie définit priorités et logique de décision ; la préparation simule continuellement les scénarios et pré-évalue les options ; l’exécution se déclenche lorsque les événements franchissent des seuils définis. Les décisions courantes peuvent être automatisées, les exceptions escaladées avec leur contexte.
La gouvernance n’est donc pas un bouton d’approbation ajouté après la recommandation. Priorités, seuils, règles d’escalade et qui décide quoi et quand deviennent partie intégrante du design opérationnel.
La division du travail implicite chez OMP
Les LLM interprètent et orchestrent → les agents surveillent et coordonnent → les moteurs d’optimisation résolvent → les scénarios exposent les arbitrages → les humains valident les décisions à conséquences importantes.
Question Dataleo : L’agentic planning peut-il réduire le nombre de décisions que les humains doivent prendre, plutôt que simplement produire de meilleures analyses pour davantage de décisions ?
Anaplan : construire progressivement une infrastructure agentique déterministe
La vision déclarée d’Anaplan dépasse la Supply Chain. L’Agentic Enterprise est présenté comme une infrastructure décisionnelle reliant finance, Supply Chain, RH et ventes autour d’une fondation commune combinant calculs déterministes, IA probabiliste, données connectées et workflows.
Mais il s’agit d’une roadmap et d’une direction architecturale, et non de quatre suites agentiques déjà industrialisées au même niveau. L’annonce de juin 2026 place les premiers agents fondés sur des skills autour du bureau du CFO plus tard en 2026. La vision Supply Chain, RH et Sales est importante, mais ne doit pas être confondue avec une disponibilité uniforme aujourd’hui.
La proposition reste intéressante : l’intelligence probabiliste peut détecter ou estimer un changement, tandis que les modèles déterministes préservent relations métier et identités financières lors de l’évaluation des conséquences. Cela peut devenir important lorsque les agents franchissent les frontières entre planning opérationnel et financier.
Question Dataleo : Où s’arrête le connected enterprise planning et où commence la logique détaillée de contraintes Supply Chain — et les futurs agents auront-ils assez de contexte opérationnel pour franchir cette frontière en sécurité ?
Le vrai terrain de bataille : comment chaque plateforme représente le contexte
Les quatre éditeurs s’accordent sur un principe : un agent Supply Chain utile a besoin de contexte. Ils divergent sur ce que ce contexte est fondamentalement.
- o9 : Enterprise Knowledge Graph + Digital Brain.
- Kinaxis : modèle concurrent synchronisé étendu par l’intelligence sémantique et l’orchestration opérationnelle.
- OMP : situation de décision + scénarios + priorités + seuils + optimisation spécialisée.
- Anaplan : modèle d’entreprise déterministe connecté, enrichi par l’IA probabiliste et les workflows.
Ce choix pourrait devenir déterminant dans les APS de nouvelle génération. Les agents deviendront plus faciles à construire, les foundation models progresseront et les interfaces en langage naturel se banaliseront. Ce qui restera difficile est l’encodage de la physique de la décision : dépendances, contraintes, objectifs, arbitrages, politiques, conséquences financières et autorité organisationnelle.
Les éditeurs de planning matures disposent ici d’un avantage : ils possèdent déjà des années — parfois des décennies — de logique décisionnelle Supply Chain. La course ne consiste pas simplement à ajouter de l’IA à l’APS, mais à déterminer si cette logique devient le substrat des agents, un outil parmi d’autres, ou est réorganisée autour d’un nouvel operating model agentique.
Le piège de l’autonomie
L’enthousiasme avance plus vite que la préparation. L’enquête Supply Chain 2025 de McKinsey indique que 75 % des répondants planifient, conçoivent ou pilotent des cas d’usage IA, mais seulement 19 % déclarent un déploiement à l’échelle. Demand forecasting, inventory optimization et supply planning figurent parmi les principaux cas d’usage de l’IA générative.
L’étape difficile n’est pas de passer du chatbot à l’agent. C’est de passer de la recommandation à la délégation des droits de décision.
Un agent qui résume une exception présente peu de risque.
Un agent qui réalloue la supply change de niveau.
Un agent qui engage du stock, modifie les priorités de production ou déclenche un achat est entré dans la délégation d’autorité opérationnelle.
L’architecture doit alors répondre à des questions précises : quel objectif est optimisé ? Quelles contraintes sont dures ? Quelle politique prévaut lorsque service, working capital et marge s’opposent ? Quel niveau de confiance autorise une action autonome ? Quand faut-il escalader ? Qui porte le résultat ? La décision peut-elle être reconstruite plus tard ?
Ce ne sont pas des questions génériques de gouvernance IA. Ce sont des questions de conception du système de planning.
Le test Dataleo en 6 questions pour l’agentic planning
Qu’est-ce qui donne à l’agent son modèle du monde ?
Knowledge graph, modèle concurrent, modèle d’optimisation et modèle d’entreprise multidimensionnel ne sont pas interchangeables.L’agent distingue-t-il le plausible du réalisable ?
L’accès natif aux contraintes et à l’optimisation devient critique dès que les recommandations touchent supply, capacité ou stocks réels.L’agent interroge-t-il le plan ou transforme-t-il le workflow de décision ?
La plus grande opportunité consiste à supprimer analyses et coordinations inutiles, pas à rendre les dashboards conversationnels.Qu’est-ce qui apprend ?
Il faut distinguer l’amélioration d’un modèle ML de l’apprentissage à partir des erreurs de forecast, overrides, choix de scénarios et résultats réels.Où l’autorité est-elle encodée ?
Human-in-the-loop ne peut pas signifier un bouton d’approbation après chaque recommandation. Une autonomie mature exige des règles explicites sur ce que les agents peuvent décider, exécuter ou doivent escalader.Les décisions peuvent-elles franchir les frontières fonctionnelles ?
Les décisions Supply Chain à forte valeur sont souvent simultanément commerciales, opérationnelles et financières.
Perspective Dataleo : l’IA banalisera l’intelligence avant l’architecture de décision
Le développement important n’est pas que les éditeurs APS disposent désormais d’agents. C’est que les agents obligent les éditeurs à révéler ce que leurs plateformes considèrent réellement comme une décision.
o9 met l’accent sur la connaissance d’entreprise et un operating model apprenant. Kinaxis combine concurrence et orchestration opérationnelle composable. OMP met l’accent sur les situations de décision gouvernées, les scénarios et l’optimisation spécialisée. Anaplan construit progressivement une infrastructure décisionnelle transverse et déterministe, enrichie par l’intelligence probabiliste et des agents spécialisés.
Aucune approche n’est intrinsèquement la gagnante universelle. Mais elles font apparaître une règle utile :
Ne pas évaluer l’intelligence de l’agent avant d’évaluer l’architecture de décision qui se trouve en dessous.
La couche générative progressera rapidement et deviendra de plus en plus interchangeable. Le problème difficile restera la couche qui sait si une recommandation est réalisable, créatrice de valeur, autorisée et cohérente avec le reste de l’entreprise.
L’avenir de la Supply Chain AI pourrait donc moins ressembler au remplacement des APS par des agents qu’à la transformation de l’APS en un modèle de décision exécutable sur lequel les agents peuvent opérer en sécurité.
Quand l’agent se trompe, quelle partie de l’architecture le sait ?
Sources et lectures complémentaires
- o9 APEX et architecture IA o9
- Kinaxis Maestro et operational orchestration, Maestro Agents et Forward Deployed Engineering
- OMP Decision-Centric Planning et analyse agentic AI
- Anaplan Agentic Enterprise
- Gartner Critical Capabilities
- enquête Supply Chain McKinsey
Radar Dataleo associé : o9 Solutions · Kinaxis · OMP · Anaplan · agentic AI