Un logiciel supply chain sert à décider quoi produire, acheter, stocker et livrer, à quel moment et en quelle quantité. Derrière ce nom se trouvent plusieurs familles d'outils, de la prévision de la demande à l'exécution en entrepôt. Ce guide porte sur la partie planification : prévoir la demande, construire le plan, l'ajuster. L'entrepôt (WMS) et le transport (TMS) font l'objet d'autres guides.
Ce que recouvre la planification supply chain
La planification part de la demande et descend jusqu'aux ordres de fabrication et d'achat. On distingue en général trois horizons :
- Le plan industriel et commercial (S&OP, pour sales and operations planning) : sur 12 à 18 mois, il aligne ventes, production, achats et finance sur un même plan en volumes, revu chaque mois.
- Le plan directeur et le calcul des besoins : sur quelques semaines à quelques mois, il traduit le plan en quantités par produit, puis en besoins de composants et de matières (MRP).
- L'exécution (S&OE) : sur les jours et semaines qui viennent, elle ajuste le plan aux aléas (retard d'un fournisseur, commande urgente, machine en panne).
Une distinction compte pour choisir ses méthodes : la demande indépendante vient du marché et se prévoit (les ventes d'un produit fini) ; la demande dépendante se calcule à partir de la première (les composants de ce produit, par la nomenclature).
Les familles de logiciels supply chain
- L'ERP : il porte les commandes, les stocks, les nomenclatures et le calcul des besoins (MRP). C'est la base de données de référence, mais il planifie en général à capacité infinie et prévoit peu.
- Le logiciel de prévision de la demande : il produit des prévisions de ventes par produit, client ou site, à partir de l'historique et d'informations externes.
- Le S&OP ou IBP (integrated business planning) : il outille le processus mensuel de plan industriel et commercial, avec des scénarios et une vue financière.
- L'APS (advanced planning and scheduling) : il calcule un plan qui respecte les contraintes réelles (capacités des machines, main-d'œuvre, matières, délais fournisseurs), du plan directeur jusqu'à l'ordonnancement.
- Le DRP (distribution requirements planning) : issu du MRP, il étend le calcul des besoins au réseau de distribution, entrepôt par entrepôt.
- La tour de contrôle : elle donne une visibilité de bout en bout sur les flux et les stocks, et signale les écarts avant qu'ils ne deviennent des ruptures.
Les grands éditeurs proposent des suites qui couvrent plusieurs familles. Depuis le 18/03/2026, Gartner publie deux classements distincts des outils de planification, l'un pour les industries discrètes, l'autre pour les industries de process, selon les communiqués des éditeurs.
Les méthodes de prévision de la demande
- Les méthodes qualitatives : avis des commerciaux, panels d'experts, informations sur les clients. Elles servent quand l'historique manque (lancement d'un produit) ou pour corriger un chiffre calculé.
- La moyenne mobile : la prévision est la moyenne des dernières périodes. Simple, elle réagit lentement aux changements.
- Le lissage exponentiel : la prévision suivante combine la dernière réalisation et la dernière prévision, avec un coefficient entre 0 et 1 qui règle la réactivité (Pn+1 = a × Rn + (1 − a) × Pn).
- Le lissage à trois composantes (Holt-Winters) : il ajoute la tendance et la saisonnalité, en version additive ou multiplicative.
- Les modèles statistiques et l'apprentissage automatique : régressions, modèles ARIMA, puis modèles qui intègrent des variables externes (promotions, météo, prix, signaux du marché).
Aucune méthode ne gagne partout. Les logiciels de prévision testent plusieurs modèles sur l'historique de chaque produit et retiennent celui qui se trompe le moins.
Mesurer l'erreur de prévision
Une prévision se juge à son erreur, mesurée chaque mois :
- L'erreur absolue moyenne (MAE) : l'écart moyen entre prévu et réalisé, dans l'unité du produit.
- L'erreur quadratique moyenne (RMSE) : elle pénalise davantage les gros écarts.
- L'erreur absolue moyenne en pourcentage (MAPE) : lisible, mais elle n'a pas de sens quand le réalisé est nul ou très faible, cas fréquent pour les pièces de rechange.
- L'erreur absolue moyenne relative (MASE) : elle compare le modèle à une prévision naïve et fonctionne même avec des ventes nulles.
Suivre aussi le biais, c'est-à-dire savoir si l'on prévoit trop ou pas assez de façon répétée, évite de gonfler les stocks sans le voir.
L'effet coup de fouet
Une petite variation de la demande finale grossit à chaque étage de la chaîne : le distributeur commande un peu plus par précaution, le fabricant encore plus, le fournisseur de composants davantage. C'est l'effet coup de fouet. Les remèdes connus : partager la demande réelle avec ses fournisseurs, réduire les délais et la taille des lots, planifier ensemble plutôt que chacun de son côté. Un logiciel n'en protège pas seul : il faut que les partenaires acceptent d'échanger leurs données.
Ce qu'en disent les industriels à Tech for Industry Show
À Tech for Industry Show 2026, à Paris Expo Porte de Versailles :
- L'Oréal a présenté une solution de prévision des ventes par IA déployée dans le monde entier, qui repère les signaux faibles pour sécuriser les ingrédients et produire plus vite quand un produit devient viral. Lire l'article
- Nestlé a raconté ses premiers modèles prédictifs, lancés en 2019 sur le prix du café, du cacao et du sucre : après un an de comparaison, la machine prévoyait mieux que les experts, et l'organisation a été revue. Renault a décrit ses tours de contrôle, qui couvrent plus de 40 000 fournisseurs de tous rangs. Lire l'article
- Accenture a montré des agents qui recalculent les paramètres de planification (fréquences de commande, stocks de sécurité) au fil des changements, l'humain gardant la main sur les décisions lourdes. Lire l'article
- No Chain Technologies et Argon & Co ont pointé le « dernier manquant » dans l'aéronautique : une seule pièce absente bloque l'assemblage et immobilise le stock de toutes les autres. Lire l'article
Les tables rondes sont à revoir en replay : Supply chain : data, IA et résilience, Des supply chains résilientes et autonomes à l'ère de l'IA.
Comment choisir un logiciel supply chain
- Partir du problème : ruptures, surstocks, plan instable, manque de visibilité sur les fournisseurs. Chaque problème appelle une famille d'outils différente.
- Regarder la qualité des données : historique de ventes, nomenclatures, délais, capacités. Un outil de planification ne vaut que ce que valent ses données d'entrée.
- Vérifier les liens avec l'ERP et les autres outils (MES, WMS) : sens des échanges, fréquence, qui fait foi.
- Tester sur ses propres données : demander à l'éditeur de rejouer une période passée et de comparer son erreur de prévision à celle d'aujourd'hui.
- Prévoir le processus autant que l'outil : un S&OP sans réunion mensuelle ni décideurs autour de la table reste un tableau.
- Comparer les prix sur la durée : abonnement, nombre d'utilisateurs, intégration, formation. Peu d'éditeurs affichent leurs tarifs. Exemple relevé le 04/11/2026 : Forecast Pro, logiciel de prévision, affiche 199 dollars par utilisateur et par mois en version Professional, facturés à l'année avec un engagement de 12 mois ; les versions collaboratives sont sur devis.
Les exposants 2027 qui outillent la planification supply chain
À rencontrer à Tech for Industry Show 2027 (liste par ordre alphabétique) :
- Celonis : analyse des processus à partir des données des systèmes de l'entreprise, dont la supply chain ;
- Elisa Industriq : gestion de la demande et des stocks, S&OP, planification, ordonnancement ;
- KBRW Adventure : orchestration des flux et exécution en temps réel de la supply chain.
Questions fréquentes
Qu'est-ce qu'un logiciel supply chain ?
Un outil qui aide à décider quoi produire, acheter, stocker et livrer. Le terme regroupe des familles différentes : prévision, S&OP, APS, DRP, tour de contrôle, et à l'exécution WMS et TMS.
Quelle différence entre un ERP et un APS ?
L'ERP enregistre les commandes et les stocks et calcule les besoins sans tenir compte des capacités ; l'APS calcule un plan réalisable sous contraintes de capacité, de matières et de délais.
Quelle méthode de prévision de la demande choisir ?
Celle qui se trompe le moins sur l'historique du produit. Le lissage exponentiel convient à beaucoup de produits ; Holt-Winters ajoute tendance et saisonnalité ; l'apprentissage automatique sert quand des variables externes pèsent.
Comment mesurer une prévision ?
Par son erreur (MAE, MAPE ou MASE) et par son biais, suivis chaque mois produit par produit.
Faut-il de l'IA pour bien prévoir ?
Non. Les méthodes statistiques suffisent pour beaucoup de produits stables. L'IA aide quand la demande dépend de nombreux facteurs ou qu'il faut capter des signaux faibles.
