IA : des résultats probants dans les entrepôts

Parmi les innovations technologiques plébiscitées par les logisticiens dans notre sondage 3 PL 2026, l’intelligence artificielle se distingue. Dans les entrepôts, beaucoup l’utilisent pour «  retraiter les données de réception, d’expédition et de rotation des stocks, en vue d’optimiser la gestion des flux et les chemins de préparation des commandes de façon dynamique », résume Sébastien Hoog, directeur logistique de Bert&You.
En témoigne la solution Slotting IQ, lauréate du dernier concours Kings of Innovation d’ID Logistics. « Développée et éprouvée sur trois sites pilotes, cette innovation d’IA optimise les implantations de picking en entrepôt. Elle réduit les distances parcourues par les préparateurs de commandes et améliore la productivité globale des opérations  », présente Ludovic Lamaud, directeur général adjoint développement et innovation d’ID Logistics.

Gains de productivité

L’application Slotting IQ d’ID Logistics optimise les implantations de picking en entrepôt.

ID Logistics

Ces modules d’optimisation dopés à l’IA apparaissent chez de nombreux logisticiens avec des retours d’expérience probants. Chez Geodis par exemple, «  ils analysent les historiques de commandes pour bâtir des associations intelligentes de prélèvements multicommandes en temps réel  », partage Stéphanie Hervé. Sur les sites où ces solutions ont été déployées, « nous avons constaté jusqu’à 50 % de réduction des déplacements et une augmentation de la productivité supérieure à 10 %  », confie-t-elle. Avec des applications proches, les groupes Idéa et Deret relèvent «  une diminution de 30 % des déplacements  », abondent Jean-Baptiste Bernicot et Aude le Carpentier leurs responsables innovation respectifs.

Dans le cas de Deret, ces applications contribuent aussi à densifier les surfaces de picking, « avec des gains dépassant 50 %  », déclare sa directrice. De son côté, DHL Supply Chain y intègre des données sur les transports dans un outil baptisé Companion Wave Planner. Présenté par Benjamin Jehl, « il utilise des technologies de process mining et les bases de données de l’entrepôt et des transports pour optimiser la composition des vagues de préparation de commandes  ». Grâce à cet outil, DHL Supply Chain déclare réduire « de 10 % les lead times des préparations de commande  ».

Au service des personnels

Chez Onet, l’IA priorise les produits à récupérer en fonction du taux d’occupation des caristes géolocalisés.

Onet

Les conditions de travail et l’ergonomie des postes sont d’autres champs d’investigation de l’IA dans les entrepôts. Elle combine une meilleure planification et répartition des tâches avec la lutte contre les mauvaises postures et les risques. SPI Group par exemple déploie « des caméras s’appuyant sur des technologies IA pour réduire les risques de cohabitation entre nos collaborateurs et nos AGV  », illustre son directeur général délégué François Meriaux.

Chez Onet Logistique & Production, la meilleure répartition des tâches « associe un jumeau numérique pour identifier les points chauds et optimiser les missions des opérateurs  », explique Guillaume de Montessus. Sont intégrés dans les calculs, «  la gestion des lignes de production ou de préparation, les stocks et zones de chargement et d’expédition. En s’appuyant sur le WMS en place, l’outil IA priorise les produits à récupérer en fonction du taux d’occupation des caristes géolocalisés et des horaires prévisionnels d’arrivée et de départ des camions  », détaille le directeur général.

Chez Samsic, le déploiement d’une solution d’analyse posturale des opérateurs est en cours. Présentée par le directeur de son pôle logistique Marc Otguoglu, «  l’IA analyse les images et identifie les bonnes et mauvaises postures . Cela permet de lutter contre les troubles musculosquelettiques (TMS), de renforcer la sécurité et de mieux structurer notre démarche RSE  ». Autre lauréate du dernier concours d’innovations d’ID Logistics, la solution Workforce Intelligence s’inscrit dans la même logique : «  Elle analyse les mouvements des opérateurs via des capteurs afin d’identifier des leviers d’amélioration de la performance et l’ergonomie des postes  », précise Ludovic Lamaud.

La formation et l’apprentissage peuvent également tirer avantage des innovations d’IA. À l’attention de ses techniciens de maintenance, SPI a conçu par exemple «  un chatbot afin de les assister dans la résolution des pannes des systèmes intralogistiques et automatisés. Il a aussi permis de réduire de façon sensible la durée de la courbe d’apprentissage des nouveaux techniciens  », reprend François Meriaux.

Prévoir pour planifier

La planification des tâches est facilitée par la capacité reconnue à l’IA à affiner et à fiabiliser les prévisions d’activité. Chez Idéa, «  elle aide à modéliser nos activités en fonction des carnets de commandes et prévisions de nos clients », explique Jean-Baptiste Bernicot. Sur ce principe, le logisticien a modélisé «  les surfaces mobilisées sur 3 ans pour un client entraînant une révision de notre schéma directeur d’entrepôts pour soutenir sa production », complète le directeur innovation.
Cette approche stratégique se décline aux plans tactique et opérationnel. En témoigne Vincent Ricci, directeur général de GXO France : « Dans le cadre de nos opérations, nous utilisons un agent IA dédié au réapprovisionnement proactif. Sa mission est d’anticiper les besoins de réapprovisionnement des zones de picking avant le déclenchement effectif des commandes ». Pour y parvenir, cet agent analyse de façon continue l’historique des commandes, des niveaux de stock, la rotation des SKU et la saisonnalité. « Cette organisation a permis de passer d’un mode de fonctionnement largement réactif, souvent guidé par l’urgence et source de rupture en picking, à une pratique plus anticipative », valorise-t-il. Plus de 90 % des tâches générées par l’agent IA ont été suivies d’une commande dans les jours suivants, ajoute Vincent Ricci.

Contrôle et traçabilité

Plus classiques sont les systèmes bardés d’IA visant à optimiser la qualité de service, la traçabilité et la productivité. Avec Zetes, Prévoté Logistique utilise ainsi « un robot d’inventaire semi-autonome fondé sur des technologies visio avec une capacité de lecture et de contrôle des stocks multipliée par 8 et un ROI inférieur à 3 ans  », affirme Laurent Ricaux, directeur général adjoint en charge de son pôle logistique. Dotés de technologies similaires, les drones inventaires automatisés sont quant à eux déployés dans les entrepôts de Paxon (ex-Staci).
En sortie de chaînes de préparation des commandes, Arvato Supply Chain a développé de son côté « un outil IA pour contrôler les colis à partir de technologies de reconnaissance vidéo. Il vérifie les articles prélevés en analysant les images des cartons vus du dessus. Cette organisation évite le risque d’articles manquants lors des commandes multiproduits, multiréférences et contribue à la satisfaction des clients  », assure Emeric Crepin, son directeur général France.

Aide à la décision commerciale

Plus originale est le déploiement de solutions d’IA par FM Logistic « pour renforcer la réactivité, la qualité et la compétitivité des réponses aux appels d’offres  », partage Yannick Buisson. Pour le responsable de l’expérience client, du développement durable, des solutions commerciales et des technologies du logisticien, l’aide de l’IA est précieuse « dans un contexte de marché marqué par une forte accélération des cycles projets  ». Concrètement, elle est utilisée en amont des appels d’offres dans un processus d’analyse automatisée et augmentée des cahiers des charges. « Cette solution permet de traiter de grandes quantités de données hétérogènes comme des documents techniques, des contraintes opérationnelles, exigences RSE, données clients, etc. pour en extraire les éléments clés et les structurer pour nos équipes commerciales, ingénierie et des opérations ».
Grâce à cette nouvelle dynamique de gestion des projets, FM Logistic déclare être capable de déployer des projets en 3 à 4 mois, entre l’appel d’offres et la mise en service, contre des cycles de 9 à 12 mois auparavant.