Ask AI dans Odoo 19 : on a testé 5 vraies questions de dirigeant

En bref, Nous avons posé 5 vraies questions de dirigeant à l'IA native d'Odoo 19, puis exactement les mêmes à une couche de pilotage dédiée, sur la même base de données. Le constat se répète : l'IA native renvoie une donnée brute, une liste, ou un mode d'emploi pour aller chercher soi-même, et reconnaît honnêtement ses limites quand le calcul se complique. La couche dédiée renvoie une décision : un total chiffré, un classement par impact, une cause identifiée et une action proposée. La même question, deux réponses de nature différente.

Dans notre comparatif Odoo 19 IA native contre solution dédiée, nous défendions une idée simple : l'IA native d'Odoo peut tenter les questions transversales, mais elle renvoie de la donnée, pas une décision. Plutôt que d'en rester à la théorie, nous avons fait le test. Cinq questions que tout dirigeant se pose vraiment, posées d'abord à l'IA native d'Odoo 19, puis à une couche de pilotage dédiée branchée sur la même base. Voici les résultats, reproduits fidèlement.

Méthodologie : transparente et reproductible#

Toutes les questions ont été posées sur une seule et même instance Odoo 19 de démonstration, en français, sans configuration d'agent particulière. L'IA native d'Odoo se présente sous deux surfaces que nous avons utilisées telles quelles : "Ask AI" (pour les trois premières questions) et "Odoo Agent" (pour les deux dernières). Les réponses sont reproduites fidèlement, résumées quand elles étaient longues, jamais embellies ni aggravées.

Un point d'honnêteté important : les données sont celles d'une instance de démonstration. Nous n'évaluons donc pas l'exactitude métier des chiffres, mais la FORME et la STRUCTURE des réponses. Une réponse est-elle une donnée ou une décision ? Y a-t-il un classement par impact, un total chiffré, une cause, une action ? C'est cela que nous comparons. Précision supplémentaire : pour la cinquième question, la formulation soumise à la couche dédiée était un peu plus détaillée que celle posée à l'IA native, nous le signalons à l'endroit concerné.

Question 1 : marges dégradées et fournisseur en cause#

« Quels clients dégradent ma marge depuis 3 mois, et à cause de quel fournisseur ? »

C'est la question de la rentabilité réelle : un dirigeant veut savoir où sa marge fuit, et pourquoi. Elle croise les ventes et les achats, deux mondes que les rapports standards séparent.

L'IA native d'Odoo a renvoyé une liste de dix clients accompagnés d'un indicateur de marge, du plus bas au plus élevé. Puis cet aveu : elle ne peut pas déterminer quels fournisseurs sont en cause, car le système ne relie pas directement les lignes de vente aux lignes d'achat. La moitié de la question reste donc sans réponse, et la première moitié se limite à une liste sans total ni cause.

La couche de pilotage a d'abord recadré la question : aucun client n'est en marge négative ce trimestre, la marge brute moyenne tient à 37 %. Le vrai problème est ailleurs, dans deux produits vendus à perte sèche (une clé USB en promotion à -45,6 % l'unité, un stylo gravé à -57,1 %), pour 1 285 € de marge directe détruite sur 521 unités. Côté fournisseurs, aucune hausse de prix détectée : le problème vient du pricing promo, pas des achats. Donnée d'un côté, diagnostic de l'autre.

Question 2 : stock dormant et valeur immobilisée#

« Quels produits dorment en stock depuis plus de 12 mois, et pour quelle valeur totale ? »

Le stock dormant est une fuite de trésorerie silencieuse, sujet que nous détaillons dans notre guide pour calculer et réduire le stock dormant dans Odoo. Encore faut-il pouvoir l'identifier.

L'IA native d'Odoo a répondu en une phrase : « Je n'ai trouvé aucun produit en stock depuis plus de 12 mois. » Réponse correcte sur le fond pour cette instance, mais brute : aucune valeur, aucune mise en perspective, aucune réserve sur la qualité des données.

La couche de pilotage est arrivée au même résultat de zéro, mais l'a habillé : un tableau (zéro SKU dormant, 0 € de valeur, 0 % du stock total), puis trois lectures possibles de ce zéro (stock réellement sain, historique de mouvements incomplet, ou seuil à affiner), et enfin une question en retour sur la couverture et la rotation pour débusquer le cash qui ralentit avant qu'il ne devienne dormant. Le même zéro, mais transformé en piste de travail.

Question 3 : clients en retard systématique#

« Quels clients me paient systématiquement en retard, et de combien de jours en moyenne ? »

La question du recouvrement et du DSO : identifier les mauvais payeurs chroniques, pas seulement les retards d'un mois.

L'IA native d'Odoo a reconnu son incapacité : elle ne peut pas calculer l'écart de jours entre deux dates dans une requête agrégée. Elle a proposé de fournir la liste brute des factures payées avec leurs dates, à charge pour vous de calculer le retard manuellement.

La couche de pilotage a buté sur la même limite de données, et l'a dit clairement : sans historique de paiement sur douze mois, impossible de distinguer le retard chronique du retard ponctuel. Mais au lieu de s'arrêter là, elle a quantifié ce qui était disponible : 524 463 € actuellement en retard, 45 factures, toutes dans le bucket 1-30 jours (23 jours en moyenne). Puis un classement des dix premiers clients par encours, et deux signaux isolés : un client avec trois factures impayées simultanément, à appeler en priorité, et un autre en risque crédit élevé à 64 % de sa limite. Même honnêteté sur la limite, mais une décision malgré tout.

Question 4 : devis sans relance#

« Quels devis de plus de 5 000 € n'ont reçu aucune relance depuis 30 jours ? »

Du chiffre d'affaires qui dort : des devis envoyés, jamais relancés, qui expirent en silence.

L'IA native d'Odoo n'a pas fourni de données. Elle a renvoyé un mode d'emploi : allez dans le module Ventes, ouvrez la vue Devis, appliquez un filtre sur le montant supérieur à 5 000 €, puis un filtre sur la date de dernière relance. Autrement dit, faites-le vous-même.

La couche de pilotage a répondu sur le fond : 173 devis dormants pour 4,3 M€ à risque, dont les quinze premiers par montant, presque tous déjà expirés. Un signal d'action immédiate s'en détache : un devis de 83 959 € est le seul encore valide de la liste, et il expire le lendemain. Une donnée à traiter dans les heures qui suivent, pas un rapport à éplucher.

Question 5 : rentabilité client réelle#

« Quels sont mes 5 clients les moins rentables sur les 6 derniers mois, en tenant compte des remises accordées ? »

La question la plus transversale : croiser chiffre d'affaires, marges et coûts de service pour trouver les clients qui coûtent plus qu'ils ne rapportent.

L'IA native d'Odoo a indiqué ne pas avoir accès aux données clients, et a proposé une marche à suivre pour générer un rapport de ventes soi-même, en y incluant les remises et en triant par rentabilité.

La couche de pilotage (à qui la question avait été posée dans une formulation un peu plus détaillée) a croisé trois modules, ventes, support et comptabilité, sur 99 clients actifs. Deux clients ressortent structurellement déficitaires, leur coût de support dépassant la moitié de leur chiffre d'affaires. Deux autres sont en zone de vigilance, dont l'un concentre 12 % du coût de support total pour 0,3 % du chiffre d'affaires. Un cas particulier est même signalé : un client avec du coût de support et zéro chiffre d'affaires enregistré, à clarifier d'urgence.

Grille de lecture : donnée ou décision ?#

Le tableau suivant résume, question par question, ce que l'IA native d'Odoo a fourni. Il est rempli strictement d'après les réponses obtenues.

Le pattern est net, et il se vérifie sur les cinq lignes. Quand le calcul est simple, l'IA native répond, mais en donnée brute. Quand il devient transversal ou agrégé, elle reconnaît honnêtement sa limite et vous renvoie vers la donnée ou vers un mode d'emploi. À aucun moment elle ne classe par impact, ne chiffre un total, n'identifie une cause ou ne propose une action. Ce n'est pas un défaut : ce n'est tout simplement pas son rôle.

Conclusion honnête#

Reconnaissons d'abord ce que l'IA native fait bien. Elle est franche sur ses limites, elle ne fabrique pas de réponse quand elle ne peut pas calculer, et pour les recherches simples in-app elle est rapide et utile. C'est une excellente assistance, incluse dans Odoo, et elle va continuer à progresser.

Ce qui lui manque pour passer du constat à la décision est tout aussi clair, parce que les tests le montrent ligne après ligne : la priorisation par impact, le chiffrage en euros, l'identification de la cause, la recommandation d'action, le suivi dans le temps. C'est précisément le travail d'une couche de pilotage dédiée, qui vient en complément de l'assistance native, pas en remplacement. Les deux coexistent très bien, comme nous l'expliquions dans notre comparatif IA native contre solution dédiée.

Envie de voir ce que cela donne sur VOS données plutôt que sur une instance de démonstration ? Le scan UpBoard montre en 8 minutes, en lecture seule, ce que des agents de pilotage tirent de votre Odoo : classement par impact et chiffrage en euros inclus.