PRAGMA — The Signal #008
Votre IA supply chain commande sans vous demander
Une PME de distribution industrielle déploie un "Inventory Agent" en avril. En juin, elle découvre 47 000 € de stock mort sur des visseries saisonnières — le modèle n'avait jamais vu la promo lancée par le dirigeant un mardi matin sur WhatsApp. L'éditeur, lui, avait encaissé la première mensualité trois mois plus tôt. ---
1 / Ce qu’il fallait voir cette semaine
La supply chain IA se vend en PME comme une assurance — sans lire les petites lignes
Blue Yonder réoriente son offre vers le mid-market, Relex accélère en France
Cette semaine, Blue Yonder a officialisé une offre Luminate Commerce en mode SaaS modulaire, ciblant explicitement les entreprises de 10 à 200 M€ de chiffre d'affaires, avec une entrée tarifaire affichée à 290 €/mois par module. Le signal réel : Blue Yonder, dont les références clients restent Carrefour, Walmart et Adidas, industrialise sa rhétorique grands comptes pour adresser un marché PME qui n'a structurellement pas les mêmes fondations de données. Ce que ça change concrètement : des PME vont signer des contrats annuels engageants, convaincues par des taux de précision de prévision à 94 % — mesurés sur des data sets grands comptes nettoyés pendant 18 mois par des équipes dédiées data engineering. Leur propre historique de ventes, sorti d'un ERP Sage ou Cegid avec des ruptures non tracées, ne ressemble en rien à ce benchmark.
Relex AI ouvre un bureau Paris et cible la distribution alimentaire régionale
Relex a annoncé cette semaine l'ouverture de son bureau parisien et une initiative commerciale spécifique sur les distributeurs alimentaires régionaux et les réseaux de franchise. Le discours : déploiement en 8 semaines, ROI visible à 90 jours. Le vrai signal Pragma : Relex est un outil sérieux — mais son moteur de forecasting exige une continuité d'historique de 24 mois minimum avec des tags événementiels propres (promotions, ruptures fournisseurs, fermetures exceptionnelles). Une franchise de 15 points de vente qui gère ses données dans 3 Excel différents et un Drive mal nommé n'est pas en capacité d'alimenter ce modèle correctement. Ce que ça change : le risque n'est pas que l'outil soit mauvais — c'est qu'il produise des prévisions avec une apparence de précision sur des données insuffisantes, et que personne dans le cycle commercial n'ait intérêt à le dire.
Les "Inventory Agents" no-code comme Cogsy et Inventory Planner montent en visibilité
Sur les forums Shopify et les communautés e-commerce françaises cette semaine, Cogsy et Inventory Planner concentrent des retours d'expérience contradictoires : des e-commerçants satisfaits sur des catalogues stables de 50 références, et des témoignages de commandes fournisseurs déclenchées automatiquement sur des produits en fin de vie ou en rupture volontaire. Le vrai signal : ces outils fonctionnent — dans un périmètre très étroit de données propres et de catalogues sans volatilité saisonnière forte. Le réapprovisionnement automatique sans verrou humain sur les premières semaines reste la cause principale des incidents rapportés. Ce que ça change : la promesse "zéro intervention humaine" est exactement ce qu'il ne faut pas activer en premier.
2 / Le mythe à démonter
L'automatisation n'est pas une délégation — c'est une amplification
Le mythe qui circule en ce moment dans les réunions direction : "On automatise pour ne plus avoir à y penser." C'est précisément l'inverse de ce que l'automatisation fait.
Un processus automatisé amplifie ce qui existait avant lui. S'il existait une règle de gestion floue, une donnée mal saisie, une exception non documentée — l'automatisation l'exécute à grande échelle, sans fatigue, sans hésitation, et souvent sans log lisible par un humain non technique.
Les incidents les plus coûteux en 2025 et 2026 ne viennent pas d'outils qui "ne marchent pas". Ils viennent d'outils qui ont parfaitement exécuté une instruction incorrecte. Un workflow Zapier qui requalifie 3 000 contacts CRM sur la base d'un champ mal mappé. Une règle de scoring qui exclut automatiquement des leads valides parce qu'un champ "secteur" était vide.
Pragma prend position : avant d'automatiser quoi que ce soit, documentez le processus manuel tel qu'il est vraiment exécuté — pas tel qu'il devrait l'être. Si vous ne pouvez pas le décrire en 5 étapes claires, vous n'automatisez pas un processus, vous automatisez du chaos.
3 / L’outil de la semaine
Cartographiez vos décisions récurrentes en 20 minutes avec une Decision Log
Prenez un Google Doc. Listez les 10 décisions que vous ou votre équipe prenez chaque semaine de façon récurrente — réponse client, validation devis, priorisation tâche. Pour chacune : qui décide, sur quelle information, en combien de temps, et avec quel taux de "je ne sais pas au moment de décider". Les décisions avec un taux élevé d'incertitude et une fréquence hebdomadaire sont vos vrais candidats à l'outillage ou à la clarification de règle — pas à l'automatisation immédiate. Durée : 20 minutes. Résultat : une liste de priorités réelle, pas une liste de désirs.
— Ce qui m'a frappé cette semaine, c'est que la plupart des éditeurs supply chain IA ne mentent pas sur leurs chiffres de précision. Ils les mesurent juste sur des conditions qui n'existent pas chez leurs nouvelles cibles. C'est subtil comme différence, mais c'est là que se joue la vraie arnaque. Un outil qui performe à 94 % sur des données propres et à 61 % sur les vôtres, c'est un outil qui vous coûte de l'argent — pas qui vous en fait gagner. La question à poser à tout éditeur avant de signer : "Sur quelle qualité de données avez-vous mesuré ce taux de précision ?" Si la réponse est floue, vous avez votre réponse. ---
Si vous évaluez un outil de forecasting ou de réapprovisionnement automatique en ce moment, envoyez-nous votre export de données historiques — on vous dit en 48h si vos données sont prêtes à alimenter un modèle ML ou si vous achetez de la confiance mal placée.
— PRAGMA