En 2024, une étude IDC auprès de 1 800 responsables supply chain dans le monde a révélé un chiffre surprenant : 38 % des supply chain managers français dépendent encore d'Excel pour piloter leur chaîne d'approvisionnement. Un chiffre qui monte à 42 % si l'on inclut les 4 % qui utilisent Excel comme outil exclusif.
À titre de comparaison, la moyenne mondiale est de 16 %. Le Royaume-Uni est à 14 %, les États-Unis à 8 %, l'Inde à 3 %.
La France accuse un retard structurel. Et ce retard a un coût mesurable.
Le paradoxe français : des ambitions, mais des tableurs
Ce décalage est d'autant plus frappant que les dirigeants français ne manquent pas de conscience du problème. Selon le baromètre Bpifrance Le Lab (2025), 58 % des dirigeants de PME et ETI considèrent l'IA comme un enjeu de survie à 3-5 ans. Pourtant, seul un tiers d'entre eux a réellement engagé une démarche d'adoption.
Plus révélateur encore : 43 % des PME-ETI françaises n'ont aucune pratique d'analyse de données. Elles ne mesurent pas, ne modélisent pas, ne prévoient pas. Elles réagissent.
La digitalisation de la supply chain n'est pas un projet informatique. C'est un projet de compétitivité. Les entreprises qui ne s'y engagent pas aujourd'hui se retrouveront dans une impasse opérationnelle d'ici trois à cinq ans. Bpifrance Le Lab, Rapport IA et PME-ETI, 2025
Le résultat est prévisible. Des ruptures de stock à répétition. Des surstocks qui immobilisent la trésorerie. Des décisions de réapprovisionnement prises "au feeling" plutôt que sur des données fiables. Et des équipes supply chain qui passent leurs journées à consolider des fichiers Excel au lieu de piloter la performance.
Les 5 signaux que votre supply chain a dépassé les limites d'Excel
Excel est un outil remarquable pour ce qu'il est : un tableur. Le problème n'est pas Excel en soi, c'est l'utilisation qu'on en fait au-delà de ses limites. Voici les signaux qui indiquent que votre organisation a atteint ce point de bascule.
1. Vos fichiers mettent plusieurs minutes à s'ouvrir
Quand un fichier de planification dépasse 50 000 lignes, les formules complexes (RECHERCHEV imbriquées, tableaux croisés dynamiques multi-sources) deviennent un goulot d'étranglement. Le temps de calcul explose. Les plantages se multiplient. Chaque mise à jour devient une opération risquée.
2. Personne ne sait quelle version est "la bonne"
Le fichier Plan_Appro_v3_FINAL_corrigé_MB.xlsx est un classique. Quand plusieurs personnes travaillent sur des copies du même fichier, les divergences sont inévitables. Il n'existe aucun historique fiable, aucune traçabilité des modifications, aucune source unique de vérité.
3. Une erreur de formule a déjà provoqué un incident réel
Ce chiffre n'est pas une estimation : c'est une analyse systématique de 35 années de publications scientifiques par les universités de Central Queensland, Swinburne et Hong Kong.
Dans une supply chain, une erreur de formule peut signifier une commande fournisseur multipliée par 10, un stock de sécurité mal calibré, ou une prévision de demande complètement fausse. Les conséquences se mesurent en dizaines de milliers d'euros.
4. Vos prévisions de demande sont rarement justes
Excel permet de faire des moyennes mobiles, des régressions simples. Mais il ne peut pas intégrer simultanément la saisonnalité, les promotions, la météo, les tendances de marché et les contraintes fournisseurs. Le résultat : des prévisions approximatives, corrigées manuellement, qui reflètent plus l'intuition du planificateur que la réalité du marché.
5. Votre équipe passe plus de temps à consolider qu'à analyser
Selon une étude Smartsheet, les collaborateurs consacrent en moyenne 25 % de leur semaine de travail à des tâches manuelles et répétitives. Dans une équipe supply chain sur Excel, ce ratio est souvent bien supérieur : extraction de données ERP, mise en forme, consolidation, envoi par email, attente de validation, ressaisie.
Ce temps n'est pas consacré à l'analyse, à l'optimisation ou à la prise de décision. C'est du temps perdu.
Comment évaluer votre situation ? Comptez le nombre de fichiers Excel critiques dans votre supply chain. Si vous en trouvez plus de 5 qui sont partagés entre plusieurs personnes et mis à jour au moins une fois par semaine, votre organisation a probablement dépassé le seuil où Excel reste un outil efficace.
Ce que l'IA change concrètement dans une supply chain
Quand on parle d'IA dans la supply chain, on ne parle pas de robots autonomes ni de science-fiction. On parle d'algorithmes qui font trois choses mieux qu'un humain sur Excel : analyser de grands volumes de données, détecter des patterns invisibles, et produire des recommandations en temps réel.
Prévision de la demande
C'est le cas d'usage numéro un. Selon McKinsey, l'IA permet de réduire les erreurs de prévision de 20 à 50 % par rapport aux méthodes traditionnelles (McKinsey, 2022). Concrètement, cela signifie moins de ruptures (jusqu'à 65 % de réduction des ventes perdues) et moins de surstocks.
L'IA ne remplace pas le planificateur. Elle lui fournit une base de prévision fiable à partir de laquelle il peut ajuster avec son expertise métier. La différence, c'est qu'il part d'une prévision à 85-90 % de fiabilité au lieu de 60 %.
Optimisation des stocks
Les algorithmes d'optimisation calculent en continu le niveau de stock optimal pour chaque référence, en tenant compte du délai fournisseur, de la variabilité de la demande, du coût de possession et du taux de service cible. Selon McKinsey (2021), les entreprises leaders en IA supply chain affichent des niveaux de stock 35 % plus bas que leurs concurrents moins avancés.
Pour une PME industrielle avec 2 M€ de stock, une réduction de 35 % représente 700 000 € libérés en trésorerie. C'est souvent le ROI le plus rapide et le plus visible.
Planification S&OP augmentée
Le processus Sales & Operations Planning (S&OP) est le cœur de la coordination entre la demande commerciale et les capacités opérationnelles. Sur Excel, c'est un processus mensuel, lourd, basé sur des données souvent obsolètes au moment où les décisions sont prises.
Avec l'IA, le S&OP devient continu. Les scénarios sont simulés en temps réel. Les alertes sont automatiques. Le comité S&OP ne passe plus deux heures à aligner des chiffres ; il se concentre sur les décisions stratégiques.
Détection d'anomalies et alertes
Un fournisseur dont les délais se dégradent progressivement. Une référence dont la consommation dévie de son historique. Un client dont le comportement de commande change. L'IA détecte ces signaux faibles avant qu'ils ne deviennent des problèmes. Excel ne le peut pas, par construction.
Les 4 étapes pour passer d'Excel à l'IA
La transition ne se fait pas du jour au lendemain. Mais elle ne nécessite pas non plus des années de préparation. Voici une feuille de route pragmatique, testée sur des PME et ETI françaises.
Étape 1 : diagnostic, cartographier l'existant
Avant de choisir un outil, il faut comprendre la situation actuelle. Quels fichiers Excel sont critiques ? Quels processus dépendent de quel tableur ? Où sont les données sources (ERP, WMS, CRM) ? Quelles sont les douleurs prioritaires de l'équipe ?
Ce diagnostic peut être réalisé en interne ou accompagné par un cabinet spécialisé en supply chain et transformation digitale. C'est un point de départ accessible et structurant.
Étape 2 : pilote, commencer par un cas d'usage ciblé
Ne pas chercher à tout automatiser d'un coup. Choisir un périmètre restreint : la prévision de demande sur les 20 % de références qui représentent 80 % du chiffre d'affaires, par exemple. Ou l'optimisation des stocks sur une famille de produits.
Le budget d'un pilote se situe généralement entre 15 000 € et 50 000 € pour une PME, selon la complexité et l'éditeur choisi. L'objectif n'est pas la perfection, c'est de prouver la valeur sur un périmètre limité.
Étape 3 : déploiement, étendre progressivement
Une fois le pilote validé, le déploiement s'étend aux autres familles de produits, aux autres sites, aux autres processus. C'est la phase où l'IA commence à remplacer réellement les fichiers Excel au quotidien.
Le facteur clé de succès à cette étape n'est pas technique : c'est humain. L'équipe supply chain doit être formée, accompagnée, et convaincue que l'outil la rend plus performante, pas obsolète. L'IA est un copilote, pas un remplaçant.
Étape 4 : optimisation continue
Les algorithmes s'améliorent avec le temps et les données. Les modèles de prévision deviennent plus précis à mesure qu'ils accumulent de l'historique. De nouveaux cas d'usage émergent naturellement : alertes fournisseurs, simulation de scénarios, optimisation du transport.
C'est un cercle vertueux. Plus l'outil est utilisé, plus il est performant, plus il est utilisé.
Conseil d'expert : Commencez par le cas d'usage qui apporte le ROI le plus rapide, souvent l'optimisation des stocks. Un gain visible en trésorerie dès les premiers mois facilite l'adhésion interne et sécurise le budget pour la suite du déploiement.
Quel retour sur investissement attendre ?
Les chiffres varient selon les contextes, mais les ordres de grandeur sont cohérents d'une étude à l'autre.
McKinsey (2021) documente un écart de 15 % sur les coûts logistiques et de 65 % sur les niveaux de service entre les leaders IA supply chain et leurs pairs moins avancés.
Pour une PME industrielle typique, voici ce que cela signifie concrètement :
- Stocks : réduction de 20 à 35 % du stock moyen, soit 200 000 à 700 000 € de trésorerie libérée pour 1-2 M€ de stock
- Ruptures : réduction de 40 à 65 % des ruptures, soit un gain direct en chiffre d'affaires
- Temps équipe : 30 à 50 % du temps de l'équipe supply chain libéré des tâches manuelles de consolidation
- Prévisions : passage d'une fiabilité de 60-70 % à 85-95 %, réduisant l'effet bullwhip sur toute la chaîne
Le point d'équilibre est généralement atteint rapidement après le déploiement du pilote. Les gains les plus rapides viennent de l'optimisation des stocks : c'est de la trésorerie immédiatement récupérable.
Comment choisir le bon outil
Le marché des solutions IA pour la supply chain est en pleine expansion. Pour ne pas se tromper, voici les critères essentiels à évaluer.
Intégration avec l'existant
L'outil doit se connecter à votre ERP (Sage, Cegid, Divalto, Odoo…), à votre WMS si vous en avez un, et à vos sources de données commerciales. Une solution qui nécessite une ressaisie manuelle des données n'est pas une solution, c'est un Excel de plus.
Facilité d'usage
L'interface doit être accessible à un responsable supply chain qui n'est pas data scientist. Si l'outil nécessite de coder en Python pour paramétrer une prévision, il ne sera pas adopté. Le meilleur algorithme du monde est inutile si personne ne l'utilise.
Transparence des résultats
L'IA ne doit pas être une boîte noire. Le planificateur doit comprendre pourquoi l'algorithme recommande tel niveau de stock ou telle quantité de commande. Les meilleures solutions expliquent leurs recommandations : "La prévision est en hausse de 15 % car le mois dernier, les commandes de ce client ont augmenté de 20 % et la saisonnalité historique confirme cette tendance."
Accompagnement et formation
L'éditeur doit proposer un vrai accompagnement au démarrage : paramétrage, formation des équipes, période de rodage. Un outil livré sans accompagnement est un outil qui finira inutilisé au bout de trois mois.
Modèle économique clair
SaaS avec abonnement mensuel, licence perpétuelle, coût au volume de données : les modèles varient. Assurez-vous de comprendre le coût total sur 3 ans, pas seulement le prix d'entrée. Et vérifiez qu'il n'y a pas de coûts cachés (connecteurs, formation, support).
Point clé : Le choix de l'outil ne doit pas se faire sur les fonctionnalités seules. L'accompagnement, la capacité d'intégration avec votre ERP et la simplicité d'usage comptent autant, sinon plus, que la puissance de l'algorithme.
Passer à l'action
La question n'est plus de savoir si l'IA va transformer la supply chain : c'est déjà en cours. La question est de savoir si votre organisation sera du côté de ceux qui ont pris le virage ou de ceux qui continuent de piloter leur chaîne d'approvisionnement sur des tableurs.
Le point de départ n'a pas besoin d'être spectaculaire. Un diagnostic. Un pilote ciblé. Une première prévision de demande automatisée sur 50 références. C'est suffisant pour mesurer la valeur et convaincre en interne.
Les outils existent. L'expertise existe. Il ne manque que la décision.
Prêt à faire évoluer votre supply chain ?
