Comment l’intelligence artificielle aide les entreprises à optimiser leurs processus logistiques

Publié le 12 février 2024 • Lecture : 9 min read

Dans un contexte international très tendu, les gestionnaires de supply chain sont confrontés à des défis toujours plus importants : pénurie de main-d’œuvre, de matières premières, coûts élevés du transport, etc.
Pour parvenir à construire une chaîne logistique plus résiliente, la majorité des décideurs ont choisi leur camp : celui de l’innovation technologique.

Sommaire de l’article :

• IA logistique ou générative : mais de quelle intelligence parle-t-on ?
  • Le machine learning
  • Le deep learning
• Les applications de l’intelligence artificielle les plus pertinentes pour le secteur logistique
  • L’analyse prédictive de la demande
  • La gestion intelligente des stocks
  • La préparation automatisée des commandes
  • L’inventaire des stocks par drone
  • La livraison de marchandises par drones ou véhicules autonomes
  • L’optimisation des tournées de transport

L’intelligence artificielle transforme les défis logistiques actuels en opportunités. Pour les gestionnaires de supply chain, l’innovation technologique est la garantie de construire une chaîne logistique plus résiliente.

Comme le montre l’enquête Descartes 2023 sur la gestion du transport, 44 % des dirigeants privilégient l’automatisation des opérations, et l’utilisation intelligente de l’information apparaît comme essentielle pour créer de la valeur.
Parmi les outils pour exploiter au mieux les ressources disponibles, l’intelligence artificielle figure en bonne place. Mais entre effets d’annonce et scénarios de science-fiction, il n’est pas toujours facile d’y voir clair.
Notre entreprise, qui emploie l’intelligence artificielle pour optimiser des tournées depuis presque 10 ans, fait le point pour vous sur cette technologie et ses applications les plus pertinentes pour le secteur logistique.

Intelligence artificielle logistique ou générative : mais de quelle intelligence parle-t-on ?

En quelques mois seulement, les programmes d’intelligence artificielle générative comme ChatGPT, DALL·E et Midjourney ont déjà séduit des centaines de millions d’utilisateurs à travers le monde.
Toutes ces IA, en mesure de reproduire une tâche ou une suite de tâches réalisées jusque-là par les humains, sont dites faibles. Pour reprendre la définition de l’UNESCO, cela signifie qu’elles sont « capables d’exécuter certaines tâches précises de manière autonome mais sans conscience, dans un cadre défini par l’homme et à la suite de décisions prises par lui seul ».

Pour le moment, l’IA forte, douée de raison et de sensibilité et capable de résoudre des problèmes en toute autonomie, n’existe encore que dans l’imagination !

Les performances de ces IA faibles sont pourtant déjà très impressionnantes. Pour mieux comprendre comment elles fonctionnent et ce que vous pouvez en attendre, on peut distinguer deux méthodes d’apprentissage automatique : le machine learning et le deep learning.

Le machine learning

Cette méthode permet d’apprendre à une machine à produire un résultat à partir de données structurées ou semi-structurées comme des coordonnées géographiques, des bases de données clients, des informations sur une flotte de véhicules, etc.

Dans la vie courante, de nombreux systèmes intègrent une couche d’apprentissage automatique comme les algorithmes de recommandations des sites e-commerce, des plateformes de streaming, etc.
À chaque clic, la machine affine ses connaissances sur vos goûts et vos habitudes d’achat pour élaborer des propositions toujours plus personnalisées.

C’est aussi sur le machine learning que s’appuie notre logiciel d’optimisation de tournées, sans cesse perfectionné par deux docteurs en recherche opérationnelle. Grâce à ces algorithmes d’apprentissage automatique, AntsRoute va optimiser de plus en plus finement des tournées très complexes en tenant compte d’un nombre considérable de données, sans aucune intervention humaine.

Imaginons que vos chauffeurs doivent régulièrement attendre chez un même client avant de pouvoir livrer. Livraison après livraison, le logiciel apprend de ses erreurs et calcule un temps de déchargement toujours plus réaliste.

Le deep learning

Cette technologie repose sur l’utilisation de réseaux neuronaux, capables d’établir des relations entre de gigantesques ensembles de données non structurées pour prendre des décisions ou formuler des prédictions.

Grâce au deep learning, les ingénieurs ont réussi à mettre au point des solutions aussi révolutionnaires que des logiciels de traduction automatique, de reconnaissance d’images, ou encore des robots autonomes, inimaginables il y a quelques années !

Ces systèmes, qui vont donc très loin dans l’imitation du cerveau humain, nécessitent néanmoins des ressources informatiques et des quantités phénoménales de données pour être correctement entraînés et produire des résultats satisfaisants.

Les applications de l’intelligence artificielle les plus pertinentes pour le secteur logistique

Très rapidement, la logistique est apparue comme un domaine d’application idéal pour les systèmes d’intelligence artificielle, avec ses vastes ensembles de données liés par des relations de cause à effet bien étudiées.
Voici une synthèse des cas d’usage les plus intéressants, qu’il s’agisse d’outils déjà opérationnels ou d’expérimentations très prometteuses à court terme.

L’analyse prédictive de la demande

L’un des plus grands défis auxquels sont confrontés les professionnels du commerce et de la distribution est de s’adapter à la demande des clients en temps réel sans risquer ni la rupture, ni le stockage inutile.

C’est le cas notamment des produits dits météo-sensibles, dont la consommation varie en fonction des conditions climatiques : textiles, boissons, glaces, appareils de chauffage ou de climatisation, etc.
Quelques degrés en plus ou en moins, et les achats de ces produits s’envolent ou s’effondrent, de façon parfois spectaculaire.
Par conséquent, les professionnels de ces secteurs ont intérêt à analyser leur historique d’activité en fonction des données météo des années précédentes pour mieux anticiper les comportements des acheteurs et ajuster leurs commandes.

L’analyse de la demande en fonction de la typologie du point de vente est un autre cas d’usage très intéressant de l’intelligence artificielle, car la consommation de certains produits est très variable suivant la localisation du magasin, l’origine sociologique de ses clients, etc.

En croisant toutes ces données avec l’aide de l’intelligence artificielle, les enseignes du commerce et de la grande distribution peuvent donc optimiser avec beaucoup de finesse la gestion et l’approvisionnement des différents points de vente.
Ces informations sont également très utiles pour négocier les prix du transport selon le degré d’urgence des commandes.

La gestion intelligente des stocks

Mais pour que les marchandises parviennent rapidement en magasin ou chez les e-commerçants, encore faut-il qu’elles soient disponibles en quantité suffisante en amont, dans des entrepôts logistiques situés au plus près du consommateur final.

Là encore, l’analyse croisée des historiques de commandes des années précédentes avec des données collectées en ligne ou fournies par vos clients est essentielle pour un management optimal des stocks.

La majorité des logiciels de gestion d’entrepôt (WMS) intègrent désormais des algorithmes de machine learning qui vont assister l’humain dans sa prise de décisions en lui suggérant des commandes de produits pertinentes.

Certaines entreprises vont même plus loin dans l’utilisation de l’intelligence artificielle en faisant appel à des jumeaux numériques. Derrière ce terme se cachent des solutions de simulation très perfectionnées qui vont créer une sorte de double numérique de votre chaîne logistique.
L’objectif de ces systèmes est de modéliser votre supply chain dans toute sa complexité et de calculer tous les scénarios et les mouvements possibles, afin d’optimiser de façon dynamique les différents flux de marchandises.

La préparation automatisée des commandes

Dans un contexte de forte tension sur les recrutements, les entreprises peinent à attirer et à fidéliser des préparateurs de commandes performants.
Ce qui n’est pas vraiment surprenant, puisque ces emplois physiquement exigeants et très répétitifs sont aussi souvent mal rémunérés.

De plus en plus d’acteurs du secteur logistique développent donc des solutions innovantes pour améliorer les conditions de travail des opérateurs, voire pour automatiser complètement ces postes.

Pour réduire les déplacements des opérateurs au sein de l’entrepôt, de nombreux logiciels de gestion de stocks déterminent par exemple pour chaque référence son emplacement idéal en fonction de paramètres comme la saisonnalité, le taux de rotation, le type d’articles, etc.

D’autres solutions exploitent les ressources de l’intelligence artificielle pour calculer automatiquement le meilleur itinéraire de picking, afin que chaque préparateur puisse collecter efficacement toutes les références commandées sans en oublier aucune.

Pour optimiser encore les coûts de préparation de commandes, les plus grands acteurs expérimentent également des robots et véhicules autonomes, c’est-à-dire pilotés par IA.

Dans un espace normalement très bien organisé comme un entrepôt, où la circulation est réduite, ces systèmes parviennent déjà à réaliser des actions complexes comme placer ou récupérer un colis en hauteur.
Certains robots peuvent même saisir et déposer automatiquement le produit commandé grâce à des capteurs connectés aux colis.

Une autre application de l’IA en plein boom, ce sont les véhicules à guidage automatique (AGV). Capables de se déplacer de façon autonome au sein des entrepôts, ils peuvent transporter des palettes de produits dans les rayonnages, vers un quai de chargement, etc.

L’inventaire des stocks par drone

Fastidieux et chronophage, l’inventaire reste pourtant un exercice incontournable pour rectifier les inévitables erreurs de stocks.

Pour automatiser cet exercice tant redouté, les entreprises grenobloises Hardis Group et Squadrone System ont développé à partir de 2015 un drone baptisé Eyesee.

En 2022, la startup Darwin Drones a repris Eyesee pour industrialiser sa production et accélérer le déploiement commercial de la solution.
Car cette technologie, qui a longtemps relevé de la science-fiction, est aujourd’hui mature et a déjà séduit des multinationales comme L’Oréal, Bayer, Ikea, etc.

Ce drone peut être piloté de façon manuelle ou automatisée, au sein d’espaces de stockage intérieurs ou extérieurs. Grâce à une caméra embarquée connectée à votre logiciel de gestion d’entrepôt, il est capable de reconnaître automatiquement toutes sortes de codes-barres, et donc d’actualiser les données de votre stock en un temps record.

Ce système, qui utilise la reconnaissance d’objets par ordinateur, détecte également la présence de palettes, de racks ou d’obstacles en analysant les lignes verticales et leur rupture.

La généralisation progressive de ces solutions devrait permettre d’en réduire rapidement les coûts et d’automatiser enfin l’inventaire des stocks avec un taux d’erreurs très faible.

La livraison de marchandises par drones ou véhicules autonomes

Dans le même ordre d’idées, certaines entreprises comme Amazon, Walmart ou Kroger ont expérimenté la livraison avec des robots mobiles autonomes, sur route ou dans les airs.

Pour le moment, ces technologies de transport des marchandises comportent encore trop de risques de collisions dans un environnement ouvert. Certaines marchandises sont également trop lourdes ou trop fragiles pour un tel mode de transport, sans oublier le problème de la protection de la vie privée.

Les progrès très rapides de l’intelligence artificielle devraient néanmoins permettre la généralisation prochaine de ces systèmes, moins futuristes qu’il n’y paraît…

L’optimisation des tournées de transport

En attendant, le transport de marchandises à bord de véhicules pilotés par des chauffeurs humains constitue encore le principal poste de coût des entreprises logistiques.
Le dernier kilomètre représente à lui seul 20 % du coût réel d’une livraison, et ce ratio peut atteindre 50 % en centre-ville.

Pour optimiser les distances parcourues, et donc les coûts de transport, nos deux docteurs en recherche opérationnelle ont développé de puissants algorithmes basés sur l’optimisation combinatoire. Cette branche des mathématiques s’attache à calculer la meilleure solution parmi un nombre de possibilités fini, mais très élevé.

Grâce à ces algorithmes, conjugués au machine learning, notre logiciel de gestion des tournées est capable de déterminer pour chaque livreur l’itinéraire idéal en fonction de contraintes spécifiques.
Selon l’activité de votre entreprise, il peut s’agir des horaires d’ouverture ou de présence du client final, du niveau de service souscrit, de certaines caractéristiques des marchandises, des compétences des chauffeurs, etc.

Or, si vous livrez ne serait-ce que cent clients par jour avec des contraintes variables d’un client à l’autre, l’optimisation des tournées à la main ou avec un tableur vire rapidement au casse-tête.
Seule une solution informatique performante vous permettra d’optimiser l’ensemble des flux tout en tenant compte du volume considérable de données disponibles.

Pour tester notre logiciel de gestion de tournées pendant 7 jours, il suffit de s’inscrire ici. L’essai est gratuit, sans engagement, et vous n’avez même pas à renseigner votre numéro de carte bleue !