Sales Leader France & Benelux. Responsable des ventes de licences IBM et solutions AEXIS, du cadrage au licensing, renouvellements et bundles logiciels + services.
L’IA en entreprise devient réellement utile lorsqu’elle peut agir au-delà de la fenêtre de chat. Dans un environnement EPM, cela signifie comprendre un besoin métier, accéder à des objets Planning Analytics, exécuter une requête, exploiter une vue ou déclencher un traitement ciblé selon le contexte. C’est précisément là que le modèle MCP devient stratégique. En connectant watsonx Orchestrate à IBM Planning Analytics via un serveur MCP, l’agent n’est plus cantonné à un rôle d’assistant textuel : il peut s’appuyer sur des outils exposés de manière structurée pour dialoguer avec l’environnement TM1. Pour AEXIS, c’est un axe particulièrement fort, car il permet de rapprocher l’IA agentique des usages réels de la finance, du contrôle de gestion et de la planification.
Pourquoi MCP change la valeur d’un agent IA
Un agent sans outils reste limité à l’explication, au résumé ou à la suggestion. Dès qu’il faut interagir avec un système métier, une nouvelle couche devient nécessaire : celle qui décrit les capacités disponibles, leurs paramètres et leur mode d’appel dans un cadre structuré.
Le serveur MCP répond précisément à ce besoin. Il fournit à l’agent un point d’accès clair à des outils distants, ce qui lui permet de planifier des actions à partir d’intentions métier sans dépendre d’une logique improvisée.
Relier watsonx Orchestrate à Planning Analytics de manière exploitable
Dans le cas d’IBM Planning Analytics, cette approche ouvre des perspectives très concrètes. Un agent peut être enrichi avec des outils MCP exposant des capacités d’analyse ou de manipulation liées à l’environnement TM1, selon le périmètre que l’on choisit de rendre accessible.
On passe ainsi d’un usage purement conversationnel à un usage assisté par outils, où l’agent peut s’appuyer sur des fonctions réellement connectées à la plateforme de planification. Cela rend le dialogue beaucoup plus opérationnel pour les équipes métiers.
Des cas d’usage plus crédibles pour la finance et le pilotage
Dans un contexte finance, la vraie valeur n’est pas qu’un agent explique ce qu’est un cube ou ce qu’est une vue. La valeur est qu’il aide à retrouver les bons objets, à lancer la bonne analyse, à contextualiser une demande métier ou à accélérer certaines tâches autour des données de planification.
Cette logique peut servir de base à des assistants spécialisés pour la préparation d’analyses, l’assistance aux utilisateurs Planning Analytics, la documentation opérationnelle, l’exploration de structures TM1 ou l’exécution guidée de traitements maîtrisés.
Un bon agent Planning Analytics ne repose pas seulement sur le LLM
Ce type d’architecture rappelle un point essentiel : la valeur d’un agent ne dépend pas uniquement du modèle utilisé. Elle dépend surtout de la qualité des outils branchés, du périmètre d’action accordé, des garde-fous définis et de la compréhension métier intégrée dans sa conception.
Autrement dit, un agent relié à Planning Analytics via MCP doit être pensé comme un composant gouverné du système d’information, pas comme une simple interface conversationnelle branchée à la hâte.
Pourquoi AEXIS est légitime sur cet angle
AEXIS connaît à la fois les enjeux d’IBM Planning Analytics et les réalités d’industrialisation en entreprise. C’est un point clé pour éviter les expérimentations séduisantes mais difficiles à faire vivre dans la durée.
Notre approche consiste à identifier les cas d’usage où un agent connecté à Planning Analytics peut créer un gain réel, puis à cadrer proprement les accès, les outils, les validations et la trajectoire de déploiement. C’est cette combinaison entre expertise EPM et intégration IA qui donne sa force à une démarche autour de watsonx Orchestrate et du modèle MCP.
Tags
Last updated on Mar 13, 2026