Planifier consiste à arbitrer sous contraintes, à partir de données et de signaux parfois incomplets. L’IA et la planification progressent aujourd’hui ensemble, mais les usages réellement opérationnels restent encore mal identifiés. Guilhem Delorme et Hugo Van Straaten confrontent leurs observations sur la maturité des entreprises, les capacités disponibles dans Anaplan et l’évolution du métier de planificateur. Leur analyse relie trois dimensions : les décisions métier, les apports de l’IA et l’architecture technologique qui les rend possibles.

Les quatre approches de l’IA et de la planification

Les organisations ne progressent pas toutes au même rythme. Guilhem Delorme distingue quatre approches, qui correspondent à des niveaux d’ambition et de maturité différents.

• Le chatbot généraliste : Un assistant conversationnel est mis à disposition des collaborateurs. Cette approche permet d’explorer des usages, mais elle reste éloignée des décisions de planification. Un assistant qui ne connaît ni les référentiels, ni les règles de gestion, ni les indicateurs de l’entreprise produit une réponse générique.
• Les cas d’usage métier : L’IA est appliquée à un processus précis, comme la prévision de la demande, la recommandation d’assortiment ou la détection de signaux susceptibles de modifier les volumes. Le bénéfice devient mesurable, car il se rattache à une décision identifiée et à un indicateur suivi.
• Le studio agentique : Les utilisateurs configurent leurs propres agents et les mettent à disposition de leurs équipes. Cette approche élargit les usages, mais elle suppose un cadre : responsabilités définies, contrôle des résultats et maîtrise des données mobilisées.
• La transformation par domaine : L’IA est intégrée aux processus, aux rôles et aux modes d’arbitrage d’un domaine métier. Elle engage les processus, l’organisation et les choix technologiques dans une même trajectoire, selon la logique progressive décrite dans notre approche des projets de planification.

Dans les quatre cas, le point de départ reste identique : identifier la décision ou l’action à améliorer. Il faut ensuite qualifier les données disponibles, préciser le rôle de l’utilisateur et définir la manière de mesurer le gain obtenu.

Anaplan et l’IA : les capacités disponibles et celles à venir

Les capacités d’IA de la plateforme Anaplan s’inscrivent dans cette trajectoire, avec des niveaux de maturité distincts. Elles ne répondent pas au même besoin et leur pertinence dépend du processus ciblé, de la qualité des données et de la maturité des équipes.

• Machine learning appliqué à la prévision : opérationnel depuis plusieurs années. Les modèles exploitent les historiques et les signaux disponibles pour soutenir la prévision de la demande. Ils renforcent l’analyse sans remplacer la connaissance des événements commerciaux et opérationnels.
• Assistants intégrés aux applications : opérationnel. Les utilisateurs interrogent leurs modèles métier depuis l’interface, comprennent un écart plus rapidement et explorent une hypothèse sans quitter leur environnement de travail.
• CoModeler : opérationnel Cette capacité vise à construire des applications et des modèles à partir d’instructions formulées en langage naturel, sans passer par la modélisation classique.
• Agent Studio : à venir. Cette brique orchestre des agents, des compétences intégrées à la plateforme, des instructions utilisateur et des connexions avec l’écosystème d’agents de l’entreprise.
• AI Gateway (MCP) : en cours de déploiement. Mise à disposition des données et modèles de planification au service d’une IA d’entreprise plus large, permettant d’enrichir les prises de décisions au-delà des silos par système

« L’Agent Studio mettra en musique, à la fois des agents et des skills intrinsèques à la plateforme, des prompts par les utilisateurs, et une connexion avec un environnement plus large d’agents au sein de l’écosystème de l’entreprise. » Hugo Van Straaten

Ces capacités élargissent les possibilités d’interaction avec les modèles. Elles ne remplacent pas la conception fonctionnelle et la robustesse d’une plateforme de planification, dont les règles métiers et la répartition des responsabilités restent des choix d’entreprise.

Ce que l’IA change concrètement dans les projets de planification

L’impact apparaît d’abord dans la conduite des projets. L’IA prend en charge la préparation de documents, une partie du pilotage et la génération de scripts de test. Ces usages réduisent le temps consacré aux tâches répétitives et libèrent de la capacité pour le cadrage et la conception métier.

Elle simplifie ensuite la manière d’analyser un plan. L’IA alerte, repère les écarts, fait ressortir des signaux faibles permettant ensuite aux planners d’ajuster les plans. Cette capacité reste indissociable d’un cadre de décision : un résultat généré doit être contrôlé, expliqué et relié à une action opérationnelle.

Un des changements les plus structurants concerne la nature des données exploitées. Le planificateur travaille avec des données structurées issues des systèmes. Il doit aussi interpréter des e-mails, des comptes rendus, des informations commerciales et des signaux de marché, souvent utiles mais difficiles à intégrer dans les modèles traditionnels.

« La vision qui est déjà une réalité aujourd’hui dans certaines entreprises, c’est de permettre au planificateur d’avoir ces outils IA pour hybrider les deux mondes : le monde structuré et le monde non structuré, enfin réunis dans le même outil, à portée de main. » Guilhem Delorme

Cette hybridation fait évoluer le métier. Le planificateur consacre moins de temps à rechercher et consolider l’information. Il analyse davantage les causes d’un écart, compare des scénarios et prépare les arbitrages entre Commerce, Finance et Supply Chain. La technologie accélère et enrichit les processus, l’expertise métier donne du sens aux résultats.

Cas Concret : Un projet de demand forecasting déployé en quatre mois

Une acquisition en cours, une méthode de prévision à remplacer et quelques semaines pour cadrer le projet. C’est dans ce contexte qu’IRIS by Argon & Co et OneHive ont fait équipe pour un industriel mondial de l’agroalimentaire, sur un projet de demand forecasting mené au Canada.

L’application de prévision des ventes a été déployée en quatre mois. Le projet associait la configuration du processus de Demand Planning dans Anaplan, la modélisation statistique et algorithmique, ainsi que la prise en compte de paramètres spécifiques comme les effets promotionnels.

Un projet de ce type ne repose pas uniquement sur un moteur de prévision. Il faut intégrer les historiques de vente, qualifier les données, prendre en compte les promotions, calibrer les modèles et organiser les ajustements métier. Il faut ensuite restituer les résultats dans une application utilisable au quotidien et suivre la performance après le Go Live.

Le projet a réuni deux expertises complémentaires. IRIS a piloté les modèles statistiques, du pré-traitement à la modélisation avancée. OneHive a accéléré la configuration de la plateforme et réservé davantage de temps aux adaptations métier.

« On a pu mesurer un gain de forecast accuracy au moment du Go Live qui était finalement même au-delà des attentes. Le verdict est tombé : les performances étaient en ligne avec ce qu’on avait testé sur le passé. Et après le travail des planificateurs par-dessus, on est allés encore plus loin. » Hugo Van Straaten

Ce retour d’expérience rejoint les enseignements que nous avons formalisés sur les leviers de réussite des projets APS et EPM : des rôles clarifiés, des expertises mobilisées au bon moment et un périmètre fonctionnel maîtrisé. La performance du modèle et son adoption par les utilisateurs progressent ensemble.

Conclusion : une transformation à trois dimensions

L’IA apporte de nouvelles capacités d’analyse, de prévision et d’automatisation aux équipes de planification. Sa valeur dépend du cadre métier dans lequel elle s’inscrit, de la qualité des données disponibles et de la robustesse de l’architecture technologique.

Les projets les plus solides articulent ces trois dimensions dès le cadrage : les décisions à améliorer, les usages d’IA pertinents et les composants nécessaires pour les intégrer aux processus existants. Cette lecture permet de distinguer les gains rapides des transformations plus structurantes.

Pour les planificateurs, l’enjeu consiste moins à déléguer la décision qu’à disposer d’une information mieux préparée, plus large et plus facilement exploitable.

Voir l’interview complète

Guilhem Delorme et Hugo Van Straaten partagent leur vision de l’IA et de la planification dans cette interview croisée de 7 minutes.