L'IA agentique dans le S&OP : qui licencie-t-on quand l'agent se trompe ?
Chaque fournisseur vend de la planification autonome. Gartner prédit que les machines résoudront 60 % des perturbations d'ici 2031 — et que 40 % des projets agentiques seront annulés d'ici 2027. Les deux sont vrais. Voici comment tenir les deux idées en tête à la fois.
Il y a une question qui met fin à la plupart des démos d'IA agentique quand on la pose à voix haute : qui licencie-t-on quand l'agent se trompe ?
Le fournisseur répondra que l'agent opère dans des garde-fous, qu'il y a un humain dans la boucle, que la décision est auditable. Tout cela est vrai, et tout cela passe à côté du sujet. Parce que la promesse même de l'IA agentique en planification est de retirer l'humain de la boucle pour une part croissante des décisions. Au moment où cela se produit à grande échelle, la responsabilité doit bien loger quelque part — et dans un processus transversal comme le S&OP, la responsabilité était déjà ce qui ne fonctionnait pas.
C'est l'écart entre la promesse de l'IA agentique et sa réalité. Ce n'est pas un écart technologique. C'est le même écart de gouvernance qui tue silencieusement les processus S&OP depuis trente ans, désormais à la vitesse de la machine.
Ce que « agentique » signifie vraiment cette fois-ci
Il vaut la peine d'être précis, car le terme fait beaucoup de travail marketing. La différence substantielle entre l'IA agentique et le machine learning que les systèmes de planification utilisent depuis dix ans tient en trois points : le raisonnement multi-étapes (décomposer un problème et appeler des outils pour en résoudre les parties), l'orchestration entre systèmes de référence, et la mémoire — l'agent enregistre pourquoi il a pris une décision et ce qui s'est passé ensuite.
Il s'agit d'un vrai saut qualitatif en matière d'interface et d'orchestration. Ce n'est pas un saut qualitatif en précision d'optimisation. L'optimiseur reste le même ; ce qui l'enveloppe peut désormais agir sur davantage d'étapes sans qu'un humain ne clique à chacune d'elles.
Gartner présente la destination comme un spectre : automatisation des tâches, puis augmentation de la décision, puis autonomie complète de la supply chain. Gartner prévoit que l'autonomie de la supply chain deviendra courante dans les cinq à dix prochaines années. Le mot « courante » et l'expression « cinq à dix ans » portent tous deux un poids important. La majeure partie de la valeur déployée aujourd'hui se situe fermement dans la bande intermédiaire — l'augmentation, avec un point de validation humaine.
Les prédictions, lues attentivement
Deux gros titres de Gartner définissent le scénario optimiste, et les deux sont cités constamment sans leurs nuances.
Le premier : d'ici 2030, la moitié des solutions de gestion de la supply chain utiliseront des agents intelligents pour exécuter des décisions de façon autonome. Le second : Gartner prédit que 60 % des perturbations de la supply chain seront résolues sans intervention humaine d'ici 2031.
Lues précisément, ce sont des prédictions sur la disponibilité des produits des fournisseurs et la limite supérieure des décisions automatisables — pas sur ce que l'entreprise moyenne exploitera réellement. Et la même maison d'analystes publie le contrepoids : Gartner affirme que la planification autonome a dépassé le pic des attentes exagérées sur son Hype Cycle, et que la confiance reste la contrainte déterminante. La communauté des directeurs supply chain, dans les propres enquêtes de Gartner, ne s'attend à faire confiance aux décisions autonomes que sur une faible part de leur coût des marchandises vendues.
Le chiffre le plus important, alors, n'est ni les 60 % ni les 50 %. C'est celui-ci : Gartner prédit que plus de 40 % des projets d'IA agentique seront annulés d'ici la fin de 2027, en raison de coûts qui s'envolent, d'une valeur commerciale peu claire ou de contrôles de risque inadéquats.
Gardez les deux idées en tête. La même firme qui prévoit que les machines résoudront la plupart des perturbations d'ici 2031 prévoit que près de la moitié des projets censés y mener seront morts d'ici 2027. Ce n'est pas contradictoire. Le premier est la destination ; le second est le taux de pertes sur la route.
Ce qui est réellement en production
C'est ici que le test d'honnêteté devient plus difficile, car l'écart entre « généralement disponible » et « fonctionnant de façon autonome en production » est large.
Ce qui est véritablement déployé se concentre sur les niveaux tâche et exécution, pas sur le niveau décision transversale :
- Kinaxis — les premiers adoptants utilisent Maestro pour le soutien à la décision avec approbation humaine — l'exemple pharma a réduit l'identification des risques d'inventaire de 40 clics à 4, ce qui est de l'augmentation, pas de l'autonomie.
- o9 a rapporté plus de 30 mises en production en un seul trimestre en 2025 — mais ce sont des mises en production de solutions de planification, pas des agents autonomes fonctionnant sans surveillance.
- Blue Yonder a rapporté de grands volumes de tâches d'entrepôt optimisées — au niveau de l'exécution, pas dans le S&OP.
Le schéma est sans ambiguïté : l'autonomie s'obtient dans l'entrepôt, dans le transport, dans le dernier kilomètre — des environnements bornés avec un retour clair et peu de charge politique. Elle ne s'obtient pas dans la décision S&OP transversale, car c'est là que résident les conflits non résolus de l'organisation.
Le problème du S&OP que les agents ne peuvent pas résoudre
Le S&OP n'est pas un processus technologique. C'est un processus de management général dont on a confié la responsabilité à la supply chain sans lui donner l'autorité de le faire fonctionner. J'en ai déjà parlé ; le point pertinent ici est ce qui se passe quand on pointe un agent autonome dessus.
L'analyste supply chain Lora Cecere a formulé l'argument structurel à plusieurs reprises : les organisations essaient de collaborer dans le S&OP mais ne sont pas claires sur les règles, les dirigeants portant des définitions différentes de l'excellence supply chain. Les modes de défaillance sont la propriété, les incitations et les droits de décision — pas les algorithmes.
Un agent déployé dans cet environnement ne résout pas le conflit. Il automatise un des côtés. Si le commercial sous-estime la prévision et que la finance gonfle le budget, un agent entraîné sur ces données apprend à reproduire cette sous-estimation et ce gonflement à grande vitesse. Vous n'avez pas retiré la politique. Vous l'avez encodée et accélérée.
L'école Darden de l'Université de Virginie présente la sortie de cette impasse comme le passage du « purgatoire des pilotes » aux supply chains autonomes en alignant délibérément les niveaux d'autonomie sur les profils de risque. Traduit : il n'existe pas de S&OP autonome universel. Il existe un portefeuille de décisions spécifiques, chacune avec son propre profil de risque, qui peuvent être automatisées progressivement à mesure que la confiance se gagne. Le tri des exceptions peut venir en premier. Le chiffre de demande consensuel ne le peut pas — pas tant que le processus sous-jacent n'a pas de propriétaire.
Les obstacles, classés
En synthétisant les enquêtes 2025 de Gartner, l'analyse de Darden et l'observation directe de praticiens, les obstacles au S&OP autonome se classent à peu près dans cet ordre — et notez à quel point « technologie » se trouve bas dans la liste.
- Confiance et explicabilité — l'obstacle numéro un dans les données de Gartner.
- Qualité des données et gouvernance des données de référence — les agents entraînés sur des données de test échouent en production.
- Infrastructure de gouvernance et d'audit — qui approuve, qui audite, qui annule ?
- Maturité du processus S&OP — le dysfonctionnement préexistant se retrouve automatisé.
- Conduite du changement et préparation des équipes — Gartner a constaté que seuls 27 % des dirigeants ont une stratégie IA complète et que seulement 20 % estiment que leurs équipes sont réellement prêtes pour l'IA.
- Fragmentation de l'intégration et de la chaîne d'outils.
- Ambiguïté du ROI — la plupart des organisations qui attribuent un impact sur l'EBIT à l'IA disent qu'il est inférieur à 5 % de l'EBIT.
Le risque que personne ne chiffre : l'effet coup de fouet à la vitesse de la machine
L'effet coup de fouet classique propage les distorsions de la demande en amont parce que chaque échelon surréagit à celui d'en dessous. La propagation prend des semaines, ce qui constitue — paradoxalement — un dispositif de sécurité. Les semaines laissent le temps à un humain de remarquer qu'il y a un problème et d'intervenir.
Les systèmes agentiques agissant à la vitesse de la machine suppriment ce tampon. Un agent mal calibré à un échelon peut déclencher des réactions automatisées sur trois échelons supplémentaires avant qu'un humain ne voie un tableau de bord. La distorsion qui prenait autrefois un trimestre pour se propager dans un réseau de supply chain peut désormais le faire en une journée. Nous avons passé des décennies à concevoir le S&OP pour amortir l'effet coup de fouet. Pointer des agents rapides et non supervisés vers le même réseau risque de l'amplifier au lieu de l'amortir — et l'échec serait à la fois plus rapide et plus difficile à tracer.
Que faire concrètement en 2026
Pour un responsable de la planification, la posture défendable n'est ni le refus ni le pari extrême.
Achetez la capacité auprès de votre fournisseur historique plutôt que comme un pari isolé ; Gartner note que l'IA se trouve dans le creux de la désillusion jusqu'en 2026 et sera le plus souvent vendue par le fournisseur historique plutôt qu'achetée comme un nouveau pari extrême. Déployez d'abord au niveau des tâches — tri des exceptions, recommandation de paramètres, analyse post-cycle — avec des points de validation humaine. Investissez dans la gouvernance des données et l'infrastructure d'audit avant de laisser un agent exécuter une décision. Et résistez à la tentation spécifique d'insérer des agents dans le consensus S&OP avant que le processus n'ait une propriété claire et des incitations alignées, car un agent qui vote sans chemin de responsabilité accélérera le biais de la partie prenante la plus bruyante, il ne le supprimera pas.
Puis surveillez le taux d'annulation comme votre propre indicateur avancé. Si votre pilote passe dix-huit mois sans impact économique mesurable, il fait partie de la cohorte des 40 %, et le geste honnête est de le dire.
La conclusion inconfortable
La supply chain autonome est techniquement plus proche que ne le pensent les sceptiques et organisationnellement plus lointaine que ne l'admettent les fournisseurs. La contrainte n'a jamais été l'algorithme. C'est que le S&OP est un processus qui porte sur qui a le droit d'avoir raison quand les fonctions sont en désaccord — et on ne peut pas automatiser sa sortie d'un désaccord qu'on n'a pas résolu.
L'IA agentique livrera une vraie valeur aux marges de la planification, rapidement. Elle livrera un S&OP autonome à peu près au moment où les organisations résoudront les problèmes de propriété et d'incitation qui empêchent déjà le S&OP de fonctionner — c'est-à-dire, pas grâce à la technologie, et pas selon le calendrier de la technologie.
Qui licencie-t-on quand l'agent se trompe ? Tant que vous ne pouvez pas répondre à cette question, vous n'êtes pas prêt à le laisser décider.
Sources
- Gartner. (2025). Gartner Predicts Half of Supply Chain Management Solutions Will Include Agentic AI Capabilities by 2030. gartner.com
- Gartner. (2026). Gartner Predicts 60% of Supply Chain Disruptions Will Be Resolved Without Human Intervention by 2031. gartner.com
- Gartner. (2025). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. gartner.com
- Gartner. (2025). Autonomous Planning Has Passed the Peak of Inflated Expectations. gartner.com
- Gartner. (2025). How CSCOs Can Maximize Growth With Autonomous Supply Chains. gartner.com
- Gartner. (2026). 2026 Supply Chain Surge: Growth, Control Costs, and AI Truth. gartner.com
- Kinaxis. (2025). Maestro Agents. kinaxis.com
- o9 Solutions. (2025). o9 Reports Strong Q3 2025: 30+ Go-Lives. o9solutions.com
- Blue Yonder / Business Wire. (2026). Blue Yonder Transforms Retail Supply Chains With New AI-Driven Innovations. businesswire.com
- Cecere, L. In Search of Supply Chain Excellence. Supply Chain Movement; LinkedIn.
- Laseter, T., & DuVall, T. (2025). From Pilot Purgatory to Autonomous Supply Chains. UVA Darden Ideas to Action.
- McKinsey & Company. (2025). The State of AI in 2025. mckinsey.com