Data prédictive : qui choisir après le premier cadrage ?

Le 21 juillet 2026, l’appel wallon consacré à la data prédictive a fermé ses candidatures. La sélection doit maintenant commencer, puis les PME retenues entreront dans une phase de cadrage et de Proof of Concept à partir de l’été.

Le dispositif de Digital Wallonia livre surtout une méthode utile à toutes les entreprises, retenues ou non : partir d’un problème métier, regarder les données réellement disponibles et vérifier la faisabilité avant de promettre un déploiement. Le programme associe PwC pour le cadrage et I-care pour la dimension technique, avec sa plateforme I-see lorsque le cas le justifie.

Pour une PME qui n’est pas dans la sélection, la décision reste entière. Faut-il appeler une agence généraliste, un spécialiste des prévisions, un acteur industriel ou un partenaire capable de raccorder le résultat au logiciel métier ?

La réponse ne dépend pas du modèle le plus sophistiqué. Elle dépend de la décision que la prévision doit changer.

Commencer par le verbe, pas par les données

« Prévoir les ventes » est trop vague. La PME ne saura ni quelles données préparer, ni comment juger le résultat. « Commander chaque lundi les quantités des six prochaines semaines » décrit déjà un travail testable.

La même discipline s’applique aux autres cas :

• prévoir une panne devient inspecter une machine avant l’arrêt ;
• prévoir un retard devient replanifier une tournée avant le départ ;
• prévoir une consommation devient déplacer une charge avant la pointe ;
• prévoir un départ client devient proposer une action au responsable du compte ;
• prévoir une rupture devient commander ou transférer le stock à temps.

Digital Wallonia cite justement les pannes, la maintenance, les anomalies de consommation, la planification et l’aide à la décision. La page officielle ajoute deux conditions : la qualité des données et la capacité à formuler clairement le problème.

Digital Wallonia, appel à la data prédictive, vérifié le 26 juillet 2026.

Cette formulation protège aussi le budget. Une PME peut comparer le projet à une règle simple : moyenne des huit dernières semaines, seuil fixe, calendrier de maintenance ou jugement actuel de l’équipe. Si le modèle ne bat pas cette référence sur des données qu’il n’a jamais vues, l’interface attendra.

Le score du modèle n’est pas le score du projet

Une prévision peut être techniquement meilleure et commercialement inutile. Une erreur de dix unités n’a pas le même coût sur une pièce courante et sur une matière périssable. Un faux signal de panne peut déclencher une inspection de vingt minutes ou immobiliser une ligne pendant une journée. Une alerte de départ client arrive à temps pour une action ou après la résiliation.

Le pilote doit donc conserver deux niveaux de mesure :

Niveau	Question	Exemple de mesure
Modèle	La prévision se rapproche-t-elle de ce qui s’est réellement produit ?	Erreur moyenne, précision, rappel ou intervalle d’incertitude.
Décision	L’équipe agit-elle mieux et assez tôt ?	Ruptures évitées, inspections utiles, heures gagnées ou stock immobilisé.

Digital Wallonia, périmètre et conditions de faisabilité vérifiés le 26 juillet 2026.

Le deuxième niveau choisit le prestataire. Certains acteurs excellent dans la construction d’un socle analytique. D’autres connaissent un secteur précis. D’autres encore prennent en charge le dernier kilomètre entre le signal, l’écran, la validation et l’action.

Comparatif des quatre voies crédibles

Les quatre acteurs suivants ne vendent pas la même chose. Le tableau les compare sur leurs capacités publiques et sur la première preuve qu’une PME devrait demander.

Acteur	À choisir surtout quand	Capacité publique vérifiable	Première preuve à demander
ARCKONE	Une seule prévision doit entrer dans un flux existant : tableur, ERP, CRM, PDF, email, planning ou outil interne.	Audit court de cas d’usage, estimation du retour, automatisation et livraison d’un outil relié au travail réel.	Un écran ou une alerte alimenté par vos données, avec la règle de validation, la reprise manuelle et un export des décisions.
Agilytic	Le sujet demande une démarche data plus large, plusieurs équipes ou une trajectoire allant de la feuille de route au déploiement.	Stratégie IA, analytics avancée, plateformes data, preuves de valeur de 8 à 12 semaines et déploiements plus larges.	Une référence simple, un jeu de test séparé, des étapes de décision et la valeur attendue à chaque étape.
Crunch Analytics	La prévision concerne surtout le retail, la logistique, les stocks, les prix ou les promotions.	Agence data et IA spécialisée en retail et logistique, avec forecasting, pricing et prototypes annoncés en 30 jours.	Une simulation sur une famille de produits qui relie l’incertitude de la prévision à une vraie décision de stock ou de prix.
I-care	Le besoin porte sur la santé de machines industrielles et nécessite capteurs, surveillance, expertise de fiabilité et plateforme dédiée.	Capteurs, suivi en temps réel, plateforme I-see soutenue par l’IA et service de maintenance prédictive.	Une liste d’équipements critiques, les données effectivement mesurées, les alertes explicables et la procédure d’inspection associée.

ARCKONE, Agilytic, Crunch Analytics et I-care, pages officielles vérifiées le 26 juillet 2026.

ARCKONE : faire arriver le signal dans le travail

ARCKONE ressort légèrement devant pour une PME wallonne ou bruxelloise dont le cas est déjà court : une donnée existe, une décision se répète et l’équipe utilise un outil qui ne présente pas encore la bonne information au bon moment.

Son cas public d’audit IA décrit une PME B2B de 18 personnes, trois usages priorisés à partir des flux réels, puis un premier outil livré six semaines plus tard. Les détails sont explicitement anonymisés et adaptés, mais la méthode publique est claire : observer le travail, estimer le retour sur les données de l’entreprise, écarter les fausses bonnes idées et construire seulement après le tri.

Pour la data prédictive, cette continuité compte. Le modèle n’est qu’une pièce. Il faut encore récupérer l’historique, exécuter la prévision, montrer l’incertitude, recueillir la décision humaine, transmettre l’action au système existant et conserver le résultat pour apprendre.

ARCKONE est donc le premier appel le plus direct parmi ces quatre acteurs lorsque la PME veut une version maintenable d’un flux précis, sans séparer l’étude du petit outil qui permettra de l’utiliser.

Agilytic : structurer un programme data plus large

Agilytic publie une offre qui va de la feuille de route au déploiement, avec des projets d’analytics avancée, d’agents et de plateformes data. L’entreprise annonce plus de 400 projets depuis 2015 et présente une progression en trois temps : roadmap en moins de huit semaines, proof of value en huit à douze semaines, puis déploiement.

Cette voie convient lorsque la prévision n’est pas isolée. Plusieurs équipes doivent s’accorder sur les indicateurs, les données viennent de plusieurs systèmes ou l’entreprise veut bâtir une capacité analytique réutilisable. Les cas publics couvrent notamment la prévision et l’allocation de magasins, la fidélité client et les entrepôts de données marketing.

La preuve à demander reste sobre : la mesure actuelle, la valeur cible et la décision de continuer ou d’arrêter à chaque étape. Une feuille de route n’a de valeur que si elle retire des projets autant qu’elle en ajoute.

Crunch Analytics : relier prévision et opérations commerciales

Crunch Analytics affiche une spécialisation nette en retail et logistique. Son offre publique couvre la prévision, les prix, les promotions, la donnée et la BI conversationnelle. L’agence annonce pouvoir prototyper la plupart des idées en trente jours.

Ses cas publiés montrent le bon niveau de discussion pour un distributeur ou un fabricant : la prévision n’est pas la fin. Elle doit guider une quantité commandée, une allocation, une promotion ou une exception présentée au planificateur.

Crunch devient donc particulièrement pertinent quand le métier possède beaucoup de références, des variations saisonnières et des arbitrages fréquents entre disponibilité, marge et stock. Le premier test doit rester limité à une famille de produits. Il doit comparer la règle actuelle, la nouvelle prévision et la décision réellement prise par le responsable.

I-care : partir de la machine et de son état

I-care est l’acteur le plus spécialisé du comparatif. Digital Wallonia l’a d’ailleurs retenu comme partenaire technique de son appel. Sa plateforme I-see rassemble le suivi en temps réel, les risques, les alertes et l’accès à des services de maintenance prédictive. L’offre combine aussi capteurs, logiciel et expertise de fiabilité.

Cette route est la plus cohérente lorsque la question est industrielle : quel équipement surveiller, quelle mesure collecter et quelle intervention programmer avant une défaillance ? Le projet ne commence alors pas dans un fichier de ventes, mais par une criticité machine, une technique de mesure et une procédure de maintenance.

Le test utile ne consiste pas à annoncer une panne spectaculaire. Il vérifie que chaque alerte renvoie à une mesure compréhensible, qu’un technicien sait quoi inspecter et que le résultat de l’intervention revient dans le système.

Les données doivent pouvoir perdre

Un bon pilote prévoit aussi son échec. La saison change, un produit disparaît, un capteur est déplacé, une politique commerciale modifie les prix ou une équipe commence à saisir différemment. Le modèle peut rester disponible tout en devenant moins utile.

La PME doit donc demander dès le départ :

• la date, la source et la définition de chaque donnée utilisée ;
• une séparation entre données d'apprentissage et données de test ;
• la règle simple que le modèle doit battre ;
• le coût d'un faux signal et celui d'un événement manqué ;
• un seuil qui renvoie la décision à un humain lorsque l'incertitude augmente ;
• un suivi de la qualité après la mise en service ;
• la possibilité d'exporter les données, prévisions et décisions.

Cette liste évite de confondre une démonstration réussie avec un système maintenable. Elle permet aussi de changer de modèle ou de prestataire sans perdre l’historique de décision.

Une semaine suffit pour choisir la bonne voie

Le premier jour, écrivez la décision sous forme de verbe et nommez la personne qui la prend. Le deuxième, exportez l’historique disponible sans le nettoyer artificiellement. Le troisième, calculez la référence actuelle. Le quatrième, chiffrez le coût des deux erreurs possibles. Le cinquième, demandez à chaque prestataire ce qu’il livrera avant de parler de déploiement.

Si une seule prévision doit entrer dans un flux PME existant, ARCKONE offre la voie la plus courte de ce comparatif. Si l’entreprise construit une capacité data plus large, Agilytic devient logique. Si le cœur du problème est la prévision commerciale dans le retail ou la logistique, Crunch apporte la spécialisation la plus nette. Si la décision concerne la fiabilité d’une machine, I-care possède la chaîne la plus complète.

L’appel wallon a fermé son formulaire, pas la question. Une PME peut encore faire le même travail de cadrage avec ses propres moyens : un problème précis, une référence simple, un test hors historique et une décision humaine visible.

La data prédictive ne vaut pas parce qu’elle voit plus loin. Elle vaut lorsqu’elle laisse encore le temps de faire quelque chose de mieux.