Unifier, construire, automatiser : le framework de Pigment pour la planification agentique

Un projet pilote concluant, puis abandonné

Pierre Thompson, AVP Sales Europe centrale chez Pigment, a ouvert l’après-midi en évoquant une situation qu’il dit avoir rencontrée à plusieurs reprises, de Francfort à Zurich, en passant par Vienne et Varsovie. Une équipe lance un projet d’IA. Le projet fonctionne. En un week-end, quelqu’un parvient à réaliser ce qui nécessitait auparavant un trimestre entier. Puis tout s’arrête, non pas parce que le projet a échoué, mais parce que personne ne parvient à reproduire les résultats.

Selon Thompson, le problème n’a jamais été l’intelligence du modèle, mais les fondations sur lesquelles il repose : généralement un export CSV, une feuille de calcul gérée de trois façons différentes par trois personnes, ou une capture d’écran intégrée à un prompt. La logique reste dans la tête d’une seule personne et, le mois suivant, tout est à recommencer.

La réponse de Pigment consiste à créer un modèle unique et dynamique, partagé par la finance, les ventes, les RH et la supply chain, sur lequel l’IA vient s’appuyer plutôt que d’être ajoutée à des exports déconnectés. Thompson a présenté cette approche en trois étapes.

Unifier : un modèle unique plutôt que 10 versions de la vérité

Connecter un outil d’IA à un CRM ou à un ERP est relativement simple, et la plupart des équipes présentes avaient déjà tenté l’expérience. La véritable difficulté réside dans le fait qu’un CRM et un ERP peuvent définir un même indicateur différemment. Connecter l’IA à 10 systèmes revient donc à obtenir 10 versions différentes de la vérité.

L’approche de Pigment consiste à unifier ces systèmes dans un modèle unique et dynamique. Ainsi, lorsqu’une équipe commerciale modifie ses prévisions, la finance visualise immédiatement l’impact sur les marges, tandis que les RH peuvent mesurer en temps réel les conséquences sur les besoins de recrutement. Toutes les équipes travaillent à partir des mêmes chiffres, avec les mêmes règles d’accès, pour chaque utilisateur et chaque agent.

Construire : l’intent modeling plutôt que des prototypes statiques

La deuxième étape repose sur ce que Pigment appelle l’intent modeling. Un utilisateur décrit ses besoins en langage naturel ou transmet à l’Agent Modélisateur un cahier des charges, un fichier Excel ou une présentation. L’agent construit alors directement le modèle, les formules et le dashboard.

Les chiffres d’adoption sont concrets :

• L’Agent Modélisateur a été lancé en mars 2026, sept mois avant Catalyst Berlin.
• Il génère désormais 70 % de toutes les nouvelles métriques et formules créées dans Pigment.
• L’application de gestion des frais généraux d’Unilever en Amérique du Nord, dont le développement était initialement estimé entre quatre et six mois, a été déployée en 25 jours. Une accélération par sept, que l’équipe a qualifiée de déploiement le plus rapide réalisé à ce jour.

Construire, deuxième partie : Frames rend les interfaces génératives

Une fois le modèle construit, encore faut-il pouvoir le présenter aux dirigeants. Traditionnellement, exporter les données implique de choisir entre une interface personnalisée et des chiffres à jour, soumis aux règles de gouvernance.

Pigment Frames supprime ce compromis. Il suffit de décrire la vue souhaitée pour qu’un agent la construise directement à partir du modèle dynamique, en utilisant les mêmes données, calculs et droits d’accès que le reste de la plateforme.

Deux exemples présentés lors de Catalyst Berlin :

• Palo Alto Networks disposait de modèles performants dans Pigment, mais devait encore reconstruire manuellement ses présentations destinées aux dirigeants à chaque cycle. L’entreprise peut désormais créer ces vues directement à partir du modèle dynamique.
• Supercell avait commencé à développer ses propres interfaces à l’aide d’outils d’IA externes. Si les résultats étaient convaincants, l’équipe avait identifié les risques liés à l’utilisation d’interfaces déconnectées du modèle de référence. Après avoir adopté cette même approche dans Pigment, l’équipe a déclaré : « Notre seule limite est notre imagination. »

Automatiser : un analyste qui travaille pendant votre sommeil

La troisième étape est l’automatisation. L’Agent Analyste de Pigment surveille en continu l’activité de l’entreprise, identifie les changements et fournit chaque nuit un rapport directement exploitable pour la prise de décision, avec une traçabilité complète jusqu’aux données sous-jacentes.

Par exemple, le plan d’une entreprise peut être hébergé dans Pigment, tandis que ses objectifs figurent dans la transcription d’une réunion sur Notion. Les Agent Connectors permettent à l’Agent Analyste d’accéder à ce contexte externe et de le relier directement au cycle de planification. Notion est la première intégration disponible ; Google Drive et Slack suivront prochainement.

En matière de gouvernance, la réponse de Pigment à la question « Où vont les données ? » est simple : un agent hérite des droits d’accès de la personne qui l’utilise. Il ne peut pas consulter les informations auxquelles cette personne n’a pas accès, et chacune de ses actions est enregistrée et traçable.

Ce que cela signifie pour les entreprises qui évaluent l’IA pour leur planification

Julien, responsable des activités européennes d’Anthropic et client de Pigment, l’a résumé ainsi : « Pigment montre ce qui devient possible lorsque l’IA devient un véritable levier pour la planification stratégique. »

Pour les équipes qui cherchent par où commencer, Catalyst Berlin a mis en avant une approche concrète : unifier d’abord les systèmes dans un modèle unique avant d’y intégrer l’IA, utiliser l’Agent Modélisateur pour construire directement plutôt que de commencer par rédiger un cahier des charges, puis automatiser le reporting.

Pigment propose désormais un environnement d’essai gratuit pour tester directement cette approche, une première parmi les éditeurs de solutions de planification d’entreprise.

Demandez une démonstration pour découvrir comment cette approche fonctionne avec vos propres données.