Toutes les actualités, offres d'emploi, analyses et tutoriels Dataleo autour de Demand Forecasting en Supply Chain et Operations.
MoyenÉlevéÉlevéLa Defense Logistics Agency américaine indique que son organisation centrale de planification applique le processus en cinq étapes décrit dans Demand Forecasting Best Practices de Nicolas Vandeput dans le cadre d’une transformation plus large de la planification par machine learning.
L’initiative met en évidence la visibilité sur la demande aval, les données de politiques de stock et l’incohérence des standards de données comme exigences et contraintes majeures.
Il s’agit d’un exemple significatif d’application d’un cadre de prévision dans un réseau logistique public complexe. L’enjeu ne se limite pas au choix du modèle : il concerne l’accès aux données de demande et de stock aval, les standards communs, la responsabilité des décisions et la validation dans un contexte critique.
Avant de déployer le machine learning à grande échelle, les planificateurs ont besoin de définitions de données gouvernées, de responsables identifiés, de références mesurables, d’une revue humaine et de procédures de repli lorsque les recommandations entrent en conflit avec les priorités opérationnelles.
MoyenREMIRA continue de positionner des logiciels cloud de supply chain alimentés par l'AI autour de la gestion des stocks, de la réponse à la demande, de l'intégration de la supply chain et de la planification opérationnelle. Le signal produit est pertinent pour les équipes retail, wholesale, manufacturing et distribution européennes.
La pertinence pratique concerne le Demand Forecasting, l'optimisation des stocks, l'intégration de la supply chain et la réponse proactive à la demande. Pour les équipes de planification, la question clé est de savoir si les signaux assistés par AI améliorent les décisions quotidiennes de stock et de commande tout en restant connectés aux systèmes d'exécution opérationnelle.
Plus de détails sont disponibles sur la page logiciel supply chain REMIRA.
Ce signal produit est pertinent car les éditeurs de logiciels régionaux jouent un rôle important dans l'adoption pratique de l'AI Supply Chain. REMIRA devrait être suivi lorsque les flux de travail d'inventaire, de demande et d'intégration deviennent la première couche de modernisation de la planification assistée par AI.
MoyenVekia continue de se concentrer sur le réapprovisionnement automatique dans le commerce de détail, un cas d'usage pratique de planification AI où le machine learning soutient les décisions de stock en magasin et en entrepôt. Le signal produit compte car le réapprovisionnement est l'un des domaines où les recommandations de planification affectent rapidement le service, le gaspillage et le besoin en fonds de roulement.
Pour les détaillants, les capacités pertinentes sont Automatic Replenishment, la prévision de la demande, le réapprovisionnement des magasins, le réapprovisionnement des entrepôts et l'optimisation des stocks. La question de gouvernance est de savoir comment les planificateurs surveillent les exceptions, ajustent les recommandations et mesurent l'impact sur la disponibilité et la marge.
Plus de détails sont disponibles sur la page de réapprovisionnement automatique de Vekia.
Ce signal produit est pertinent car Retail Planning devient de plus en plus opérationnel et assisté par l'IA. Vekia doit être suivi là où Supply Chain AI améliore les décisions de réapprovisionnement tout en gardant le contrôle humain sur les arbitrages entre service, stock et marge.
ÉlevéEnmovil a levé 6 millions de dollars en financement de série A mené par Sorin Investments, avec la participation de Capria Ventures et Twynam, pour développer ses capacités de planification de la chaîne d'approvisionnement et de visibilité basées sur l'IA.
Ce financement est pertinent car Enmovil relie la prévision de la demande, la planification intelligente des expéditions et la visibilité logistique en temps réel sur des marchés où la fiabilité de la planification dépend fortement des signaux d'exécution. La couverture publique cite des clients tels que Maruti Suzuki, Hero MotoCorp, Nestlé, TVS Motors, Daimler et HPCL.
Plus de détails sont disponibles dans le rapport du Times of India.
C'est un signal Radar utile car Supply Chain AI n'est pas uniquement une histoire de suite logicielle d'entreprise. Enmovil montre comment des fournisseurs AI régionaux peuvent connecter Dispatch Planning, les signaux de demande et la visibilité logistique dans des environnements opérationnels complexes.
MoyenSKU Science a participé à Global Industrie 2025 à Lyon, présentant ses capacités de prévision de la demande, de gestion des stocks et plusieurs évolutions produit.
Cette présence constitue un signal de marché pour les outils de planification légers destinés aux industriels recherchant un déploiement plus rapide que les grands projets de suite.
