L’éditeur Kinaxis annonce la disponibilité de Maestro Agent Studio, une interface no-code qui permet aux équipes supply chain de concevoir leurs propres agents IA. Ces agents s’appuient sur les données, les workflows et les outils utilisés par les planificateurs afin de faciliter la prise de décision en temps réel.
Un outil no-code pour créer des agents IA
Kinaxis annonce la disponibilité de Maestro Agent Studio, un module qui permet de créer des agents IA sans avoir à effectuer de développement informatique. Les utilisateurs de la plateforme Maestro peuvent désormais composer leurs propres agents adaptés à leurs cas d’usage, plutôt que d’utiliser uniquement les modèles standards fournis par l’éditeur depuis 2024.
L’outil fonctionne avec les principaux modèles de langage du marché (GPT d’OpenAI, Google Gemini), tout en garantissant que le comportement des agents repose sur des données fiables, l’intelligence métier et les mécanismes de gouvernance de Maestro.
Cas d’usage opérationnels mis en avant
Kinaxis illustre l’usage du studio par deux cas d’usage.
Dans un premier cas, les agents sont chargés d’évaluer la qualité des prévisions et les signaux de la demande dans l’ensemble des divisions opérationnelles pour identifier des possibilités de commandes supplémentaires et proposer des ajustements de méthodes de prévision.
Dans un second exemple, les agents analysent les retards de la demande et leurs répercussions sur la production et la distribution. Ils fournissent aux planificateurs des diagnostics d’impact et suggèrent des stratégies d’atténuation, sans exécuter automatiquement les décisions.
Feuille de route 2026 : vers une orchestration multi-agents
Ce lancement intervient dans un contexte où l’adoption de l’IA pour la prise de décision en temps réel reste limitée. En 2026, Kinaxis prévoit d’enrichir Maestro Agent Studio selon trois axes de développement : des agents orchestrateurs capables de coordonner plusieurs agents entre eux, des connexions sécurisées vers des agents et systèmes externes, ainsi qu’un élargissement du contexte sémantique permettant aux agents de traiter des ensembles de données plus vastes. L’éditeur présente ces évolutions comme une approche progressive vers des « systèmes coordonnés et interopérables » d’agents IA.