Presque toutes les équipes de technologie retail ont actuellement la même conversation sur l’IA : « Comment intégrer rapidement l’IA dans nos systèmes ? » « Que pouvons-nous mettre en place dans l’IA pour alléger la charge de travail ? » « Qu’est-ce que l’IA peut automatiser ? »
C’est une réponse compréhensible à une réelle pression. Les conseils veulent voir des stratégies d’IA. Les vendeurs prétendent être prêts à donner des réponses. Et la gestion des ordres, avec sa complexité, ses volumes d’exceptions, sa friction constante entre ce qui a été promis et ce qui peut être accompli, semble être exactement le genre de problème qu’un agent intelligent devrait pouvoir résoudre.
Sauf qu’en grande partie il ne le peut pas, ou du moins pas de la manière dont elle est appliquée aujourd’hui. Un agent ne crée pas d’intelligence ; Il agit sur les données que le système possède déjà. Et dans la plupart des environnements de gestion des commandes, ces données sont fragmentées entre les silos et déjà obsolètes au moment où une décision est prise. La vitesse n’a jamais été le problème. La complétude de ce qu’elle décide, c’est ça.
Le problème avec les silos que personne ne nomme directement
La plupart des environnements de gestion des commandes d’entreprise n’ont pas été conçus comme des systèmes unifiés, mais ont évolué à partir de nouvelles fonctionnalités développées en silos au fur et à mesure que les besoins métier apparaissaient. Disponible à Promise (ATP) est géré à un endroit, la logique d’allocation à un autre, et l’exécution de la réalisation ailleurs. Les retours se situent en cachette dans une file séparée, rapprochés en cycle batch plutôt qu’en temps réel. Chaque couche était optimisée pour sa propre fonction, connectée aux autres par des intégrations suffisamment bonnes lorsque les volumes de commandes étaient plus faibles et que les réseaux de fulfillment étaient plus simples.
Un agent IA placé dans cet environnement ne corrige pas la fragmentation ; il l’hérite simplement. La réalité est la suivante : une recommandation agente faite sur des données fragmentées d’inventaire et de commande qui durent trente secondes peut être rapide, mais elle n’est pas intelligente. Une décision d’approvisionnement qui ne prend pas en compte ce dont l’entrepôt est capable aujourd’hui ni la pression sur les marges que l’équipe de réduction gère n’est pas optimisée car elle est incomplète. L’agent devient simplement une interface plus sophistiquée pour un système qui prend déjà des décisions avec des informations partielles.
C’est la distinction que nous faisons. La capacité agente et la connectivité de l’infrastructure de données ne sont pas le même investissement – et c’est en les confondant que l’on voit l’écart entre ce que promet la modernisation de l’OMS et ce qu’elle offre.
Ce que nous croyons que la reconnaissance IDC MarketScape valide
IDC MarketScape a positionné Blue Yonder dans la catégorie Leaders dans ses applications mondiales 2026 d’orchestration et d’exécution des commandes activées par IA pour la vente au détail et l’évaluation des fournisseurs B2C. La reconnaissance compte, mais plus important encore, nous pensons qu’il est crucial de disséquer le langage et les priorités qu’IDC MarketScape évalue en tant que leader dans le domaine des OMS.
Des facteurs tels que la visibilité en temps réel des stocks sur tous les canaux, la décision d’approvisionnement basée sur le ML, la profondeur de l’exécution de la réalisation omnicanale, et l’échelle pour fonctionner à des volumes de transactions élevés et sur de vastes réseaux de magasins. Ce ne sont pas des appels de fonctionnalités d’IA, mais des appels de connectivité. Cela renforce l’importance de construire la bonne base pour votre OMS – générer une image unifiée des stocks, des commandes, de la capacité de traitement et des rendements – ce qui rendra toute implémentation d’IA par la suite fiable. Parce qu’elle reflète ce qui se passe à travers le réseau, sur une seule plateforme qui partage des données unifiées.
À quoi ressemble l’intelligence connectée en pratique
Lorsque l’ATP et l’allocation fonctionnent sur des données unifiées plutôt que synchronisées par lots, l’image de disponibilité qui guide une promesse est la même que celle qui guide la décision d’approvisionnement derrière celle-ci. Lorsque la capacité de stockage, les signaux de main-d’œuvre, le stock de sécurité et le risque de réduction informent en temps réel les décisions de remplissage, l’agent peut recommander une action de routage basée sur un signal opérationnel complet plutôt qu’un instantané. Lorsqu’un retour revient dans la couche d’inventaire en ligne, les commandes et la disponibilité en avant le voient immédiatement au lieu d’attendre qu’il soit traité dans l’entrepôt.
L’IA puise ensuite dans l’intelligence connectée pour fournir les bons indicateurs, briefs et actions contextuelles recommandées. Mais au final, c’est une histoire d’architecture des données qui permet l’histoire de l’IA, et qui change la question de l’investissement. Pour la personne qui fait le travail, c’est la différence entre courir après des réponses à travers différents systèmes et agents différents et les voir au même endroit, puisant sur la même image en direct.
[Blue Yonder a traité plus de 444 milliards de requêtes SKU à un temps de réponse moyen de 16 millisecondes et 18 millions de réservations en temps réel à 30 millisecondes pendant le pic de 2025]
Où nous pensons que le marché se dirige et à quoi surveiller.
Nous pensons que l’évaluation de l’IDC MarketScape décrit l’assistance agente embarquée comme une capacité émergente dans la catégorie OMS de détail. Cette vision est exacte : la catégorie évolue de l’IA en périphérie vers l’IA intégrée tout au long du cycle de vie de la commande, de la promesse à la réalisation, en passant par la gestion des exceptions et la récupération des retours.
Nous pensons également que les fournisseurs qui réalisent ce changement sont ceux qui ont investi en premier dans la connectivité. Un agent capable de voir l’ensemble du cycle de vie et d’agir en son sein, plutôt qu’en parallèle, est une capacité fondamentalement différente de celle qui fonctionne sur des données partielles et fragmentées.
La question qui vaut la peine d’être posée
Avant la prochaine évaluation OMS, avant la prochaine démonstration d’IA, posez-vous une question plus simple : lorsque votre OMS prend une décision de source, sur quelles données travaille-t-il, et à quel point ces données sont-elles actuelles au moment où la décision est prise ? Quelle part de vos rendements est reliée au cycle de vie de la commande via le recommerce et la disposition ?
La réponse vous en dira plus sur ce que vous regardez que n’importe quelle comparaison de fonctionnalités. Les agents IA sont une part importante de ce que la gestion moderne des commandes doit devenir. Mais la base sur laquelle ils reposent détermine s’ils améliorent votre fonctionnement ou s’ils accélèrent simplement les mêmes décisions que vous preniez déjà sur des informations incomplètes.
L’intelligence connectée n’est pas une fonctionnalité du produit. C’est un engagement architectural. Et en 2026, c’est cet engagement qui distingue une IA crédible dans OMS de la version qui a l’air bien en démo.
IDC MarketScape : Applications mondiales d’orchestration et d’exécution de commandes activées par IA pour la vente au détail et évaluation des fournisseurs B2C 2026, #US53010725, juillet 2026
