IA agentique : la supply chain entre dans l’ère des agents autonomes

Si l’IA défraie la chronique depuis quelques semaines avec notamment les réserves, pour le moins inquiétantes, exprimées publiquement par plusieurs grands patrons du secteur, elle n’en demeure pas moins une source d’engouement pour les entreprises. Et le top départ des expérimentations de l’IA agentique est déjà donné !

54 % des entreprises françaises prévoient des opérations largement autonomes d’ici deux ans, révèle une étude IDC réalisée pour Kinaxis et publiée début septembre (plus de 2.000 responsables Supply Chain interrogés dans neuf pays). Ces résultats mettent en exergue des difficultés en matière de gouvernance (12 % des organisations y ont pleinement intégré la gestion des décisions prises par l’IA) et de confiance (citée par 52 % des répondants comme un frein). Ces chiffres reflètent un engouement certain pour ces sujets de supply chain autonome et d’IA agentique : la question n’est plus de savoir si la bascule aura lieu, mais plutôt quand et à quelle vitesse. Rappelons qu’à la différence de l’IA générative « classique » qui se contente de répondre à une question, rédiger un texte ou créer une image, l’IA agentique va plus loin en exécutant des actions de manière autonome (avec ou sans validation humaine) pour atteindre un objectif précis et défini au préalable. Une technologie qui change la donne pour la Supply Chain.

Différents types d’agents

Damien Portmann, associé co-fondateur du cabinet Alkemys, appréhende le sujet en segmentant les types d’agents : « Les agents exécutants automatisent une tâche très simple (accuser réception de commandes d’appro…). Les agents partenaires aident l’opérationnel à réaliser une tâche et/ou à prendre une décision. Nous en voyons des exemples chez nos clients des industries agro et pharma pour la gestion des obsolescences. Les agents orchestrateurs peuvent prendre à leur charge tout un domaine fonctionnel (la « demande » par exemple) en orchestrant un certain nombre d’agents (exécutants et/ou partenaires). Ils peuvent aller jusqu’à l’élaboration de différents scénarios de demande dans le cadre d’un S&OP. Enfin, les agents cross-fonctionnels prennent en charge des fonctionnalités sur la Supply Chain end-to-end comme le management de la data et la gestion des risques ». Mais selon lui, si les expérimentations et les POC sont nombreux à l’heure actuelle, les mises à l’échelle restent anecdotiques.

Alternative ou complément aux systèmes actuels ?

Pour l’heure, les agents IA complètent les outils actuels pour traiter des besoins fonctionnels non couverts ou mal couverts (en particulier au niveau de l’exécution) par des APS ou des ERP par exemple, et ce de manière simple, rapide et économiquement accessible. Les éditeurs saisissent la balle au bond et se lancent aussi dans la course à l’agentique, en enrichissant leurs solutions et en complétant leurs couvertures fonctionnelles. « Dorénavant, les deux mondes ont de plus en plus tendance à s’interpénétrer, les APS développent de l’agentique pour aller vers plus de transactionnel et de gestion d’aléas, et à l’inverse des agents IA proposent des fonctionnalités typiques d’un APS », analyse Damien Portmann.

Les éditeurs misent sur le « sur-mesure »

Depuis janvier 2026, l’éditeur Manhattan Associates propose une offre IA agentique constituée d’agents standards, disponibles dans Manhattan Active. « Ces agents sont disponibles dans l’ensemble de nos produits (WMS, TMS, OMS) ainsi qu’au niveau de la plateforme elle-même, comme c’est le cas du module d’extensibilité Proactive qui permet aux clients de développer eux-mêmes (grâce aux agents qui génèrent du code) leurs propres extensions pour leurs besoins spécifiques » précise Raphaël Hervé, Senior Director – Technical Services & Customer Support chez Manhattan Associates. 15 agents prêts à l’emploi (un agent pour gestionnaire de magasins, un labor agent pour optimiser les RH, un agent de recherche dédié au traitement par vague, etc.) ont été mis sur le marché au moment du lancement officiel, et le catalogue s’est fortement enrichi puisque l’éditeur américain a doublé son nombre d’agents chaque trimestre. « L’ordre de grandeur est désormais de 45. Cela dit, cette tendance pourrait ralentir car les cas d’usage universels ne sont pas infinis. Nous personnalisons aussi des agents pour nos clients à partir d’une base d’agents standards (template) pour les adapter à leurs besoins spécifiques ». Manhattan Associates a également lancé Manhattan Agent Foundry qui permet à ses clients de créer et développer eux-mêmes leurs propres agents (en vibe coding). « Nos clients peuvent coder en langage naturel. Seules quelques heures sont nécessaires pour développer un agent », s’enthousiasme Raphaël Hervé. Plus de 50 clients de Manhattan Associates sont désormais en production avec de l’agentique (avec une centaine d’agents distincts).

Dès la fin 2025, Kinaxis a lancé une gamme d’agents prêts à l’emploi et disponibles sur sa plateforme d’orchestration Maestro (traitement des exceptions, résolution de problèmes de stock…), sa volonté étant désormais de mettre les bouchées doubles sur son offre Maestro Agents Studio lancée en début d’année. Sa vocation : permettre aux clients de créer leurs propres agents spécialisés, avec ou sans l’aide de Forward Deployed Engineering (c’est-à-dire quand un expert de l’ingénierie logicielle de Kinaxis intervient directement chez le client pour co-construire et déployer des solutions IA sur-mesure). « Ces agents permettent de réduire le délai entre la détection d’un événement, son analyse, la décision et l’action. Ils peuvent communiquer avec d’autres systèmes et intégrer des données externes à Maestro », explique Fabienne Cêtre, vice-présidente Europe de Kinaxis, qui constate que la demande est extrêmement forte et qu’environ 10% de ses clients (45 sur 450) ont déjà développé des agents.

Des agents planificateurs

Pour ceux qui n’auraient pas encore commencé à défricher le sujet, les questions sont probablement légion. A commencer par : où utiliser des agents IA ? Pour quoi faire et avec quelles conséquences sur l’organisation actuelle ? Alexandre Boucharlat, Partner – Transformation IA & Digital chez Citwell, répond à la première interrogation avec humour : « Si je caricature, dès lors qu’une tâche peut être expliquée à un stagiaire ou à un collaborateur junior, un agent IA peut s’en charger que ce soit dans un système d’information, de la bureautique ou de la recherche d’information ». Les agents sont susceptibles d’être utilisés sur de nombreux maillons de la Supply Chain. Prenons le cas concret de la planification et des prévisions. Kinaxis cite un client – fournisseur de composants high-tech – qui utilise un agent pour analyser la demande et suggérer la meilleure méthode de prévisions (statistique, machine learning…). Autre exemple dans l’industrie pharmaceutique avec un laboratoire ayant développé une série d’agents pour détecter la demande à risque, comprendre l’origine des risques (sourcing, date de péremption proche de stocks, problème de données…) et proposer des scénarios de résolution. « Au départ, le planificateur choisissait parmi les scénarios proposés par l’agent. Avec l’expérience et la confiance acquise, le fonctionnement a évolué : désormais, le planificateur supervise et reçoit des notifications des actions de l’agent », confie Fabienne Cêtre.

Toujours dans le domaine des prévisions et de la planification, Damien Portmann partage avec nous un autre cas concret : « dans le secteur du luxe, nous avons l’exemple d’un agent IA en charge du « demand signal tracking ». 24h / 24, il analyse et identifie instantanément un changement de comportement de la demande et propose le cas échéant une correction de la prévision ». De son côté, Raoul Dubeauclard, Manufacturing & Supply Chain Senior Expert chez McKinsey, travaille sur la mise en place d’orchestres d’agents utilisés par exemple pour réaliser des scénarios de S&OP : « On arrive ainsi à en modéliser davantage et à approfondir les analyses ».

Le transport et l’ADV, des terrains de prédilection

Le transport n’est pas en reste. « Nous mettons actuellement en place chez un client un POC d’un agent IA qui fait le pont entre le transport et l’ADV », cite Damien Portmann. Quant à Manhattan Associates, il propose Freight Invoice, un agent autonome qui analyse les factures envoyées par les transporteurs, quel que soit le format (mail, PDF, Excel…), les insère dans le système, les rapproche des règles de facturations prévues et alerte en cas d’écart le gestionnaire de planification de transport. « Auparavant, ce dernier devait saisir manuellement des centaines de factures chaque mois, avec un risque élevé d’erreurs, il se concentre désormais sur la gestion des réclamations » souligne Raphaël Hervé. D’après Alexandre Boucharlat, les tâches administratives par exemple dans les domaines de l’ADV et des approvisionnements peuvent être sources de gains substantiels : « Nous avons mis en place pour un client un agent traitant les messages et les questions posées par leurs clients (commande non reçue, problème sur une commande, possibilité de retarder une livraison…) qui prépare la réponse sur la plateforme BtoC. Au lieu des trois personnes historiquement allouées à ces tâches, obligées de jongler entre plusieurs SI internes et externes et la plateforme, une seule est dorénavant nécessaire pour vérifier les réponses avant envoi. Une période de surveillance est nécessaire avant de rendre l’agent 100% autonome afin de vérifier l’absence de « déviance » de l’agent ». Et on retrouve aussi des exemples similaires dans le domaine des approvisionnements, pour lesquels les agents gèrent les mails, les réponses et intègrent les modifications dans le système d’information.

Et l’entrepôt dans tout ça ?

Pour Raoul Dubeauclard, l’IA en intralogistique s’avère particulièrement utile pour traiter l’imagerie : « Les caméras disposées dans l’entrepôt peuvent déterminer visuellement l’emplacement d’une palette ou faire des recherches a posteriori de palettes égarées ». L’agent dédié au traitement des vagues, développé par Manhattan Associates, permet d’analyser des problèmes survenus lors de celles-ci. Historiquement, il s’agit d’un sujet complexe à analyser en raison de la multitude des données qui entrent en ligne de compte (stocks, emplacements, dimensions des produits, colisage, données manquantes sur le produit…) et de la nécessité pour l’opérateur de surfer entre différents écrans. A l’inverse, l’agent IA est en mesure d’indiquer dans un temps record les potentiels problèmes parmi des milliers de lignes, leurs raisons et des actions correctives. « Lorsque nous l’avons lancé en janvier 2026, l’agent expliquait et donnait l’information. En avril, nous avons rajouté la capacité d’exécution matérialisée par un bouton pour activer la résolution (enlever un code blocage sur son emplacement, reprioriser une tâche de réapprovisionnement…). Il est désormais semi-autonome (avec un interrupteur humain) et pourrait techniquement basculer en 100% autonome, même si aucun client ne l’utilise encore ainsi. Je pense qu’il s’agit d’une affaire de quelques mois avant que certains ne nous le demandent. En parallèle, nous avons lancé en février un autre agent appelé pré-vague, dédié aux commandes critiques, et capable d’identifier les risques avant de lancer la vague de préparation. Les temps de cycle diminuent ainsi sensiblement », détaille Raphaël Hervé qui prouve, si besoin était, la rapidité vertigineuse des progrès de l’IA agentique d’un mois à l’autre, voire d’une semaine à l’autre…

La place de l’humain dans la boucle

Jusqu’où faut-il laisser les manettes aux agents ? Dans quels cas la validation humaine reste-t-elle nécessaire ? Le débat actuel confronte deux modes de supervision : le « human-in-the-loop » (validation humaine systématique, plus sûr mais plus lent) et le « human-out-of-the-loop » (fonctionnement autonome, sans intervention ni supervision humaine en temps réel). Raoul Dubeauclard énumère quatre critères pour positionner le curseur : « L’impact potentiel de l’agent, le coût de l’erreur, la réversibilité de la décision et la capacité à encadrer strictement le périmètre d’action de l’agent ». D’une manière générale, la prudence doit rester de mise car les risques de déviance sont réels. Même si la technologie sur le papier semble parfaitement rodée et efficace, un agent ne doit gagner son autonomie uniquement lorsque la confiance est acquise. Cela est possible lorsque le résultat produit est non seulement vérifiable, mais compréhensible par l’opérateur. Il s’agit d’un point de vigilance extrême : l’effet « boite noire » est à proscrire. « Chez Kinaxis, chaque action réalisée par un agent est explicable et le planificateur peut retracer tout son raisonnement et les données utilisées », illustre Fabienne Cêtre. Idem chez Manhattan Associates où la traçabilité est garantie via un système de « ticketing ». D’autre part, l’agent doit prouver dans la durée que ses résultats sont toujours pertinents. Pour Raphaël Hervé, les barrières sont plus psychologiques que techniques : « Cela variera beaucoup selon le niveau de maturité du client et sa volonté. Un client français très volontaire dans le secteur du CPG a déployé sept agents sur sept sites de production en sept semaines. Avec ce type d’entreprise, tout peut aller très vite ».

Nouvelles compétences et peut-être nouveaux métiers

En matière d’acceptation, l’IA agentique suscite une crainte légitime de remplacement, en particulier chez les profils très orientés exécution, tandis que d’autres y voient une opportunité de se recentrer sur des tâches à plus forte valeur ajoutée. On ne le répétera jamais assez, mais la conduite du changement est un élément clé de la réussite de ce genre de projets. Par ailleurs, les experts s’accordent à dire que les métiers vont évoluer sensiblement. « Les compétences purement analytiques des Supply Chain Managers laisseront la part belle aux qualités plus relationnelles et collaboratives utiles pour gérer les relations clients, fournisseurs ou l’animation de routines telles que le S&OP » prophétise Damien Portmann. Pour les fonctions plus opérationnelles, de grandes évolutions sont aussi attendues. « Les tâches répétitives automatisables disparaitront et libéreront du temps pour mieux gérer les situations complexes et les cas particuliers », commente Raoul Dubeauclard, qui note en outre « qu’émergent désormais de nouveaux métiers de construction et d’orchestration d’agents ». Chez Citwell, on est convaincu qu’automatisation ne doit pas rimer avec suppression de postes mais avec un repositionnement des salariés vers des tâches à plus forte valeur ajoutée (relation client, traitement des cas complexes…). « L’approche « cost killing » n’est pas la bonne. Si une entreprise réduit de 20% ses effectifs en trois mois, son concurrent fera très rapidement la même chose. Trois mois après, retour à la case départ avec un marché tiré vers le bas et une compétence humaine perdue. Repositionner ses collaborateurs vers plus de valeur pour eux-mêmes et l’entreprise me parait un choix pertinent, surtout dans le contexte d’augmentation des coûts d’usage de l’IA aux US » alerte Alexandre Boucharlat. Les éditeurs adoptent un discours rassurant sur le risque de perte de connaissances lié à l’automatisation massive. Ils mettent en exergue les bienfaits de la modélisation des connaissances (parfois empiriques) et la possibilité pour les jeunes opérateurs de se former et d’apprendre plus vite grâce aux agents.

Quid de la Supply Chain autonome ?

Sur la possibilité d’une Supply Chain 100% autonome, les avis sont partagés. Certains réfutent catégoriquement cette idée pour des raisons techniques ou philosophiques. D’une manière générale, les consultants font preuve de plus de prudence que les éditeurs et croient au maintien de l’humain au cœur du dispositif. « Il restera toujours des besoins humains pour gérer les exceptions, la complexité, la personnalisation, les interactions humaines avec les clients-fournisseurs » estime ainsi Raoul Dubeauclard. D’autres, plus catégoriques et confortés par les progrès exponentiels des technologies agentiques, sont convaincus que la Supply Chain autonome s’inscrit dans une réalité future. Un éditeur évoque même l’entreprise autonome ! Un clin d’œil à une proposition du gouvernement de Javier Milei (Argentine) d’instaurer une loi permettant la création d’entreprises opérées de manière autonome par des agents d’IA… Chez Kinaxis, on préfère parler « d’orchestration » : « L’objectif n’est pas une Supply Chain 100% autonome, mais de réduire fortement le délai entre un événement, la compréhension de son impact, la décision et l’action, tout en conservant une orchestration humaine », précise Fabienne Cêtre. Même si la tentation est grande de plonger à corps perdu dans le bain de l’agentique, les mises en garde récentes sur l’IA de Dario Amodei et de Sam Altman, respectivement patrons d’Anthropic et d’OpenAI, devraient quand même inciter les entreprises à redoubler de vigilance…