Cas concrets · Le 8 heures IA

IA anticiper rupture fournisseurs : comment Pelico réduit les retards de 40 %

Publié le 2 novembre 2026 · Oriq · Lecture 3 min

Article produit par une intelligence artificielle à partir de sources nommées et datées, publié sous la responsabilité éditoriale d’Oriq. Nos systèmes d’IA · Le responsable éditorial

Une start-up parisienne a mis au point une IA qui surveille les chaînes de fournisseurs industrielles et réorganise les pièces en temps réel. Vous allez voir les chiffres obtenus chez Boeing, Safran et Eaton, et comment une PME peut tester la même logique sans attendre un outil aussi sophistiqué.

Une IA qui voit les ruptures avant qu’elles n’arrivent

Une IA anticiper rupture fournisseurs, c’est exactement ce que fait Pelico, start-up parisienne fondée en 2019. Son logiciel surveille en continu les chaînes de fournisseurs industrielles et propose en temps réel une réorganisation des pièces entre les usines d’un même groupe. Il est utilisé par Boeing, Safran et Pratt & Whitney (RTX), selon un reportage de L’Usine Nouvelle publié le 31 octobre 2026.

Le principe : l’IA analyse les données de production et de stock disponibles dans l’ERP, repère les écarts qui annoncent un retard, et suggère de déplacer une pièce d’un site vers un autre avant que la ligne ne s’arrête.

Des chiffres qui se recoupent entre deux sources

Pelico affirme que ses clients constatent en moyenne une réduction de 40 % des pénuries de pièces et une hausse de 15 % des livraisons dans les délais. Ce chiffre n’est pas qu’une annonce marketing isolée : il est confirmé indépendamment par une communication officielle de l’entreprise relayée par EU-Startups en juin 2025, qui ajoute une réduction de 40 % des cycles de maintenance (MRO).

L’entreprise estime par ailleurs que plus de 70 % des retards peuvent être détectés en amont, avant qu’ils n’affectent la production.

Un déploiement rapide, même chez de grands groupes

Chez Eaton, l’outil a été déployé sur cinq usines et plus de 150 utilisateurs en douze semaines, avec selon le responsable IT aérospatial de l’entreprise un impact mesurable dès le lancement. Airbus, Safran et Daikin ont suivi un calendrier comparable.

Une IA qui réorganise les pièces en temps réel ne remplace pas les équipes terrain, elle leur donne de l’avance sur le problème.

Les limites à connaître avant de se lancer

Ces résultats concernent un secteur où les ruptures d’approvisionnement sont fréquentes et coûteuses : l’aéronautique et la défense. L’intérêt d’une IA de ce type dépend directement de la complexité de la chaîne fournisseurs de l’entreprise. Le cas le plus documenté, Eaton, concerne un grand groupe avec des moyens de déploiement que la plupart des PME n’ont pas : la transposition suppose un périmètre de données plus restreint et un outil moins coûteux.

Le témoignage d’Eaton souligne aussi un point souvent oublié : l’outil a changé la façon dont les équipes collaborent, pas seulement la technologie utilisée. C’est un sujet de conduite du changement autant que de logiciel.

Et dans votre entreprise ?

• Lister vos fournisseurs critiques et les délais historiques de retard sur les douze derniers mois.
• Calculer deux indicateurs simples avec vos données ERP existantes : taux de pénurie de pièces et taux de livraison dans les délais.
• Choisir un périmètre restreint, une ligne de production ou un site, pour tester une détection précoce des retards avant toute généralisation.

Le premier pas, cette semaine : sortir ces deux indicateurs de votre ERP sur le dernier trimestre. Oriq peut ensuite vous aider à évaluer si un outil de détection précoce des retards est pertinent pour votre chaîne de fournisseurs, et le tester sur vos propres données.