Je lis beaucoup de newsletters logistique et supply chain. Pas pour faire de la veille passive — pour comprendre où va le marché, ce que les éditeurs sont en train de promettre, et surtout ce que ça signifie concrètement pour les entreprises que j'accompagne.
Ces dernières semaines ont été particulièrement denses. Pigment annonce un agent IA qui génère des modèles de planification en langage naturel. Alstef dote ses AGV d'une "bulle de perception avancée". Un nouveau cabinet de conseil hybride, RedLynk, revendique l'expertise augmentée. Conex lance un agent conversationnel pour la classification douanière. sedApta présente LUMI VM, son "gestionnaire virtuel IA". Et Kinaxis s'allie à Databricks pour unifier la data de sa plateforme d'orchestration. Sans oublier le radar WMS 2025 de Wavestone, toujours utile, qui braque les projecteurs sur l'IA et le jumeau numérique.
C'est beaucoup. Et beaucoup peut facilement devenir du bruit si on ne sait pas comment le lire.
Alors je vais faire ce que j'essaie de toujours faire : poser le filtre terrain. Pas pour invalider ces innovations — plusieurs sont réellement intéressantes. Mais pour dire clairement ce qui change maintenant, ce qui changera dans 3 ans, et ce qui ne changera probablement pas grand-chose pour une PME française de 50 à 500 salariés avec un entrepôt de 3 000 m².
Mon filtre de lecture — Je ne commente pas les communiqués de presse. Je commente ce que ces annonces signifient pour les entreprises que je vois de l'intérieur. La question que je pose systématiquement : "Dans quelle condition précise ce produit ou cette fonctionnalité crée-t-il de la valeur réelle — et pour qui ?"
#1 — Pigment · L'Intent Modeling et l'agent modélisateur
Pigment est une licorne française — ce qui est déjà rare, et mérite d'être souligné. Créée fin 2019, la plateforme s'est positionnée dès le départ sur la planification stratégique et la gestion de la performance. Elle fait maintenant un pas de plus : l'Intent Modeling, soit la capacité pour des équipes métier de décrire en langage naturel ce qu'elles veulent modéliser — et d'obtenir un modèle déployable en quelques heures, voire minutes, via un agent dédié en cours de brevet.
La promesse : supprimer "la lourdeur technique qui ralentit l'adaptation des modèles". La co-CEO Éléonore Crespo dit que "les entreprises ne peuvent plus se permettre d'attendre des semaines ou des mois pour que leurs modèles rattrapent la réalité". Elle a raison sur le diagnostic.
MON AVIS TERRAIN — Pigment / Intent Modeling
Ce que Pigment fait est techniquement impressionnant. Et le diagnostic qu'ils posent sur la planification en entreprise est juste : les modèles sont trop lents à évoluer, trop dépendants des équipes IT, trop figés face à une réalité commerciale qui bouge vite.
Maintenant, disons ce qui est vrai aussi : Pigment s'adresse à des organisations qui ont déjà des équipes de planification structurées, des données propres et consolidées, et une maturité analytique suffisante pour utiliser ce type d'outil. On parle de grandes ETI, de groupes cotés, d'entreprises avec une fonction Supply Chain dédiée et des modèles existants à faire évoluer.
Pour une PME de 80 personnes dont le responsable logistique gère encore la planification dans Excel, l'Intent Modeling arrive après plusieurs étapes qui n'ont pas encore été franchies. Vous ne pouvez pas modéliser intelligemment en langage naturel si vos données de base — stock, demande, lead times — ne sont ni fiables ni consolidées.
Ce n'est pas une critique de Pigment. C'est un rappel de séquençage. La technologie est bonne. La maturité nécessaire pour en tirer de la valeur n'est pas encore là dans la majorité des PME françaises.
Ce que je retiens positivement : le principe de l'Intent Modeling — décrire un besoin en langage naturel et obtenir un outil opérationnel — va descendre en gamme. Dans 2 à 4 ans, des WMS PME intégreront des fonctionnalités analogues, beaucoup plus simples. C'est le signal, pas encore le produit.
#2 — Alstef Group · La "bulle de perception avancée" sur les AGV
Alstef Group est un acteur sérieux de l'intralogistique automatisée. Ce qu'ils annoncent est concret : des AGV (Autonomous Guided Vehicles) qui deviennent des AIV (Autonomous Intelligent Vehicles) grâce à des caméras embarquées et des modèles IA. Ces véhicules peuvent désormais distinguer un piéton d'une palette, un chariot manuel d'un panneau de signalisation, et adapter leur comportement en temps réel.
La "bulle de perception avancée" est disponible en deux versions : une configuration avant/arrière (disponible cet été), et une perception 360° (prévue pour 2027). Deux avantages opérationnels concrets : plus besoin de programmer manuellement les passages piétons, et plus besoin de positionner très précisément une palette pour que le véhicule la prenne en charge.
MON AVIS TERRAIN — Alstef / AGV intelligents
Ça, c'est du concret. Pas du futur lointain — du présent déployable.
Ce qui m'intéresse particulièrement dans cette annonce, c'est la dimension "sites existants et en exploitation". L'un des freins majeurs à l'automatisation des entrepôts PME et ETI, c'est précisément qu'on part du principe qu'il faut reconstruire le site, repenser les allées, refaire le marquage au sol. Une IA embarquée capable de s'adapter à un environnement existant, imparfait, évolutif — c'est un changement de paradigme réel pour ce marché.
Maintenant, deux nuances. La première : "un prix de marché très compétitif" reste relatif. Pour une PME avec 3 chariots manuels et un transpalette électrique vieillissant, l'AIV reste une décision d'investissement significative qui suppose une justification de ROI solide — et une organisation logistique déjà structurée pour absorber la technologie.
La deuxième : un AGV intelligent ne remplace pas des processus défaillants. Si votre flux de picking est chaotique, si vos emplacements sont mal adressés, si votre précision de stock est à 94 % — l'AIV va naviguer intelligemment dans un entrepôt désorganisé. C'est une amélioration. Ce n'est pas une transformation.
Ce que je retiens : Alstef fait exactement ce que je préconise en matière d'automatisation — partir de la réalité terrain et y adapter l'outil, pas l'inverse. La direction est bonne.
#3 — RedLynk · Le cabinet "hybride" qui combine expertise et outils digitaux
RedLynk est fondé par Charly Limou et Hervé Duparcq — deux vétérans de la Supply Chain avec plus de 50 ans d'expérience cumulée, co-fondateurs du cabinet Forizons en 2017, racheté par Square en 2021. Après 3 ans et demi chez Square, ils créent leur propre structure autour d'un concept "hybride" : un expert métier senior + un chercheur-développeur spécialisé IA et modélisation, qui travaillent en duo sur chaque mission. Les livrables ne sont pas des slides figées mais des outils digitaux — jumeaux numériques, applications de network design — proposés en abonnement et mis à jour régulièrement.
MON AVIS TERRAIN — RedLynk / Le modèle hybride
Je vais être direct : c'est le modèle vers lequel le conseil en Supply Chain devait évoluer. Et je dis ça en tant que concurrent indirect, ce qui rend l'observation d'autant plus honnête.
La critique classique du conseil logistique — "on produit des recommandations en slides que personne ne met en œuvre" — est juste. Je l'ai vécue de l'intérieur, dans plusieurs grandes entreprises. Les diagnostics sont souvent excellents. La traduction opérationnelle, trop souvent, disparaît dans le quotidien.
Ce que RedLynk fait en couplant l'expert métier et le développeur IA, c'est supprimer ce gap. La recommandation devient un outil que le client pilote lui-même, mis à jour, re-simulable en quelques heures. C'est exactement ce que les équipes opérationnelles demandent et n'obtiennent jamais des cabinets traditionnels.
Maintenant, ce modèle a une limite structurelle : il suppose que le client soit prêt à investir dans un outil sur-mesure, à maintenir un abonnement, et à avoir des équipes capables d'utiliser un jumeau numérique ou une application de network design de façon autonome. Pour les ETI et les grands groupes — pertinent. Pour la PME de 40 personnes dont le responsable logistique n'a pas de budget outil et dix autres priorités — pas encore le bon niveau.
Ce qui me différencie de RedLynk : ma cible est précisément ce segment PME/ETI que les cabinets senior évitent parce que les tickets sont plus petits et les processus plus fragiles. Je ne fais pas des outils sur-mesure — je fais de la mise en ordre opérationnelle. La séquence d'abord, l'outil ensuite.
#4 — Conex · L'agent Alba pour la classification tarifaire douanière
Conex, 40 ans d'expertise en logiciel de dédouanement, lance Alba — un agent conversationnel spécialisé dans la classification tarifaire, intégré nativement aux outils des déclarants en douane. L'agent analyse texte, photos et documents, pose des questions de clarification, croise les sources réglementaires, et propose la classification la plus pertinente. Taux de classification exacte revendiqué : 95 %, sur la base de milliers d'interrogations validées par des experts humains. Le déclarant reste maître de la décision finale.
MON AVIS TERRAIN — Conex / Agent Alba
C'est l'une des annonces qui me semble la plus mûre et la plus honnête de cette sélection. Et c'est précisément parce que Conex ne prétend pas remplacer le déclarant — il donne un outil à quelqu'un qui a déjà la compétence, pour l'exercer plus vite et avec moins d'incertitude.
La classification tarifaire en douane est un domaine où l'erreur a des conséquences réelles : blocages de marchandises, contentieux, redressements financiers. Ce n'est pas un jeu. Et c'est aussi un domaine où la complexité réglementaire est telle que même des experts chevronnés passent un temps considérable à croiser des sources.
Un agent qui fait ce croisement en quelques secondes, tout en gardant la décision dans les mains d'un humain qualifié — c'est de l'augmentation de compétence, pas de la substitution.
Ce que j'aurais aimé savoir : le 95 % de classifications exactes — sur quelles catégories de produits ? Les 5 % restants, c'est quoi ? Une erreur sur une classification banale ou une erreur sur un produit réglementé à fort enjeu ? Les taux globaux masquent souvent des performances très variables selon les segments produits.
Ce que je retiens positivement : Conex illustre ce que l'IA fait de mieux quand elle est bien encadrée — transformer une compétence rare en outil accessible, sans retirer la responsabilité à l'humain qui la détient. C'est exactement le bon modèle.
#5 — sedApta · DDM+ 2025 et LUMI VM, le "gestionnaire virtuel IA"
L'éditeur italien sedApta présente DDM+ 2025, évolution de sa suite end-to-end O.S.A+, avec au cœur LUMI VM — un "Virtual Manager" développé depuis 3 ans, capable d'interagir en langage naturel (oral ou écrit) avec les managers et opérationnels SC. La promesse : suggestions proactives après détection d'aléas en temps réel, jusqu'à la prise de décision automatique.
MON AVIS TERRAIN — sedApta / LUMI VM
"Gestionnaire virtuel basé sur l'IA" est une formulation qui mérite qu'on s'y arrête. Pas pour la critiquer — pour la lire correctement.
Ce que LUMI VM fait concrètement : détecter des aléas en temps réel, suggérer des réponses proactives, et potentiellement prendre des décisions en automatique. C'est une chaîne de valeur analytique complète — et si les données en entrée sont fiables et si le paramétrage est bien fait, c'est réellement utile.
Mais voilà où je mets un bémol : "prise de décision en automatique" dans un contexte Supply Chain n'est pas anodin. Une décision automatique de réapprovisionnement sur une référence critique, ou un re-routage automatique d'une expédition urgente — ces décisions ont des conséquences réelles, financières et relationnelles. La question n'est pas "l'IA peut-elle prendre cette décision ?" — elle peut. La question est "dans quelles conditions l'entreprise est-elle prête à déléguer cette décision à un système ?"
Pour les organisations qui ont 3 ans de données propres, une équipe SC formée à l'analytique, et des processus documentés — oui, LUMI VM peut apporter de la valeur réelle. Pour les autres — et elles sont nombreuses — ce type de promesse crée plus de risque qu'il n'en résout.
Ce que je retiens : la direction est inévitable. Dans 5 ans, les outils de planification Supply Chain auront tous une couche d'IA qui suggère, alerte et propose. La question n'est pas si — c'est quand, et dans quel état d'organisation vous l'accueillez.
#6 — Kinaxis + Databricks · La data fabric pour Maestro
Kinaxis, acteur majeur de l'orchestration Supply Chain avec sa plateforme Maestro, annonce un partenariat avec Databricks pour construire un socle unifié de données. L'enjeu : intégrer et fiabiliser rapidement des données hétérogènes — ERP, WMS, IoT, prévisions météo, réseaux sociaux — pour alimenter l'IA de Maestro.
MON AVIS TERRAIN — Kinaxis / Databricks
Ce partenariat est le plus "infrastructure" de cette sélection, et c'est aussi le plus fondamental.
Tout le monde parle d'IA en Supply Chain. Personne ou presque ne parle du problème réel qui empêche l'IA de fonctionner dans 80 % des entreprises : la donnée est sale, fragmentée, incohérente entre les systèmes. Vous pouvez avoir le meilleur modèle prédictif du monde — si votre ERP et votre WMS ne se synchronisent pas correctement, si vos données de stock sont à 95 % de précision, si vos lead times fournisseurs sont saisies manuellement — l'IA produit du bruit sophistiqué.
Ce que Kinaxis et Databricks font ensemble, c'est s'attaquer à ce problème à la racine. Et c'est la bonne priorité.
Maintenant : Kinaxis et Databricks, c'est le segment Enterprise. Ce sont des investissements à plusieurs millions d'euros, des projets d'intégration longs, des équipes data dédiées. La leçon est universelle. Le produit ne l'est pas.
La leçon pour une PME : avant de penser à l'IA, pensez à votre donnée. Votre précision de stock, votre cohérence ERP/WMS, votre historique de commandes propre — c'est votre Data Intelligence Platform à vous. Elle ne coûte pas des millions. Elle demande de la rigueur et une méthode.
#7 — Wavestone · Le radar WMS 2025, IA et jumeau numérique
Wavestone publie l'édition 2025 de son radar WMS. Sur 175 solutions identifiées, 61 ont été retenues — dont 29 françaises. Trois catégories : Pure Players (22), Généralistes, et Complémentaires (13). Le marché WMS mondial est estimé en croissance de +15 % par an jusqu'en 2032, pour dépasser 11 milliards de livres sterling. Focus 2025 : l'IA (chatbot pour paramétrage, gestion des litiges, optimisation du slotting) et le jumeau numérique (simulation de flux et d'infrastructures).
MON AVIS TERRAIN — Wavestone Radar WMS 2025
Le radar WMS de Wavestone, je le suis depuis plusieurs éditions. C'est un des travaux de veille les plus sérieux et les plus utiles sur ce marché en France. Et cette édition 2025 fait quelque chose d'important : elle ne confond pas l'IA comme marketing et l'IA comme fonctionnalité réelle.
Chatbot pour faciliter le paramétrage d'un WMS — oui, c'est une vraie douleur dans les entrepôts PME. Le paramétrage d'un WMS est souvent la première raison pour laquelle des modules ne sont jamais activés ("c'était trop complexe au démarrage, on l'a désactivé"). Un chatbot qui guide le responsable logistique dans la configuration de ses règles de slotting ou de ses flux de réception — c'est concret, utile, déployable maintenant.
Le jumeau numérique est un horizon plus lointain pour les PME. La capacité de simuler son entrepôt en 3D pour optimiser les flux avant de les déployer physiquement — c'est intéressant. C'est aussi un investissement de temps et de budget qui présuppose que les processus existants soient déjà documentés et stables.
Ce que j'aurais aimé voir dans le radar : un axe "accessibilité PME". Parce que 61 solutions WMS, ça ne dit pas grand-chose si on ne sait pas lesquelles sont réalistes pour une entreprise de 50 salariés avec un budget de déploiement de 80 à 150 K€ tout compris.
Ce que je retiens : la croissance de +15 % du marché WMS n'est pas un buzz. C'est la traduction chiffrée du fait que les entrepôts PME sous-équipés sont en train de se rattraper — sous la pression des attentes clients et de la concurrence. C'est mon marché. Et il bouge.
Ce que tout ça dit — Vue d'ensemble
Après avoir lu, décortiqué et commenté ces sept actualités, voilà les trois lignes de fond que j'en tire.
1. L'IA en logistique, c'est réel. Mais le pré-requis reste la donnée.
Pigment, Kinaxis, sedApta, Conex — des technologies différentes, une même contrainte sous-jacente : elles produisent de la valeur uniquement si les données qu'elles consomment sont fiables. Une IA nourrie de données sales produit des décisions rapides et confiantes... et fausses. L'obsession pour l'outil fait oublier que l'outil amplifie ce qui existe déjà. Processus instables = instabilité amplifiée. Données incorrectes = mauvaises décisions automatisées.
Ce n'est pas nouveau. C'est juste plus urgent à comprendre maintenant que les outils se déploient plus vite que les organisations ne sont prêtes à les accueillir.
→ Lire aussi : 10 KPI logistiques qui comptent vraiment pour piloter un entrepôt
2. Le conseil logistique se transforme — et c'est une bonne nouvelle.
RedLynk illustre une transformation que je perçois sur le terrain depuis 18 mois : les entreprises ne veulent plus de recommandations figées. Elles veulent des outils qu'elles pilotent, des diagnostics qu'elles peuvent re-simuler, des consultants qui restent dans la durée et pas seulement pour la livraison du rapport.
C'est exigeant pour les consultants. C'est beaucoup mieux pour les clients. Et ça crée un marché pour les indépendants qui ont à la fois l'expertise terrain et la capacité à produire des livrables opérationnels — pas seulement analytiques.
3. Le gap PME reste entier — et c'est là que se joue l'enjeu réel.
Toutes ces annonces s'adressent principalement aux ETI structurées et aux grandes entreprises. Ce n'est pas une critique — c'est le marché naturel de ces acteurs. Mais la réalité française, c'est que la majorité des entrepôts logistiques sont des structures de 2 000 à 8 000 m², avec des équipes de 10 à 30 personnes, des WMS parfois vieillissants, des processus rarement documentés, et des responsables logistiques qui gèrent seuls des arbitrages qui mériteraient une équipe.
Ces entreprises ne déploieront pas Pigment demain. Elles n'achèteront pas des AIV Alstef cette année. Mais elles ont les mêmes problèmes d'organisation, de précision de stock, de picking, de slotting — et ces problèmes se résolvent avec une méthode et un regard extérieur compétent, pas avec un budget technologique.
→ Lire aussi : Amazon a changé les règles du jeu. Voici comment les PME peuvent répondre.
Conclusion
Je vais continuer à lire les newsletters. À suivre Pigment, Alstef, les radars WMS, les annonces des éditeurs. Non pas pour être à la mode — mais parce que comprendre où va le marché est une compétence de conseil. Un consultant qui ne fait pas de veille active finit par conseiller avec 3 ans de retard.
Mais je vais aussi continuer à aller dans les entrepôts. À marcher dans les allées à 6h du matin avec les chefs d'équipe. À compter les palettes. À regarder les écarts de stock. À poser des questions aux préparateurs sur ce qui coince depuis 6 mois et que personne n'a encore écrit nulle part.
Parce que c'est là, entre les deux, que se trouve la vraie valeur du conseil logistique. Entre la veille sur ce que le marché promet. Et la réalité de ce qu'un entrepôt PME vit chaque jour.
L'IA ne remplacera pas un entrepôt mal organisé par un entrepôt intelligent. Elle transformera un entrepôt déjà bien organisé en entrepôt encore plus performant.
La séquence reste la même : Fiabiliser d'abord. Lire ensuite. Unifier. Et seulement alors — automatiser.
Dans cet ordre. Pas dans l'autre.
Sources : Supply Chain Magazine (NL 4204, 4065, 4159, Radar WMS 2025 Wavestone) · Annonces officielles Pigment, Alstef Group, RedLynk, Conex, sedApta, Kinaxis, Databricks · King Research (étude marché WMS mondial 2025-2032)
