En avril 2025, Locus Robotics a annoncé que ses robots d'entrepôt avaient réalisé 5 milliards de picks. C'est le genre de titre qui fait décrocher le téléphone à un directeur d'entrepôt.
Voici ce que le titre oublie : pour chaque déploiement qui atteint ces chiffres, il existe quelque part un entrepôt avec un système d'IA qui prend la poussière — acheté avec enthousiasme, rangé discrètement six mois plus tard. Je l'ai vu depuis le terrain, pas depuis une scène de conférence. La différence entre les deux résultats est rarement la technologie. C'est la décision d'achat.
La démo n'est pas le produit
Un 3PL que je connais en Californie du Sud a signé un système de vision IA pour le contrôle qualité des expéditions début 2024. Des caméras au-dessus des postes d'emballage, un logiciel promettant de détecter les cartons mal étiquetés et endommagés. La démo était sans faille — parce que la démo tournait sur des cartons standard.
Son bâtiment était plein de fret irrégulier. Sur des cartons standard, le modèle était effroyablement précis ; sur des palettes aux formats bizarres, il criait au loup toute la journée. En trois mois, les préparateurs avaient appris leur nouvelle compétence la plus importante : ignorer les alertes. Le système est toujours monté au-dessus des postes. Personne ne le regarde.
Les démos tournent avec les meilleures données du fournisseur. Votre entrepôt tourne avec vos pires données. Toute évaluation de fournisseur devrait partir de cet écart. Si un fournisseur refuse de tester contre vos SKU les plus chaotiques pendant le pilote, cela en dit long sur la suite du déploiement.
Achetez ce que l'industrie a déjà débogué
Certains problèmes d'entrepôt ont été résolus tant de fois qu'acheter, c'est simplement acheter la scolarité des autres. La préparation et le mouvement de marchandises par AMR en est l'exemple le plus clair — ces 5 milliards de picks Locus n'ont pas eu lieu en laboratoire. Radial exploite près de 300 LocusBots sur son réseau, avec son site de Shepherdsville, Kentucky en vitrine. Voice picking, dimensionnement des colis standard, QA de base par vision : même histoire.
Achetez quand trois conditions sont réunies : le problème est générique à l'industrie, vous n'avez pas d'équipe de machine learning en interne et vous avez besoin de résultats pour ce pic saisonnier plutôt que l'année prochaine. Et regardez comment vous achetez, pas seulement quoi. L'IA lourde en actifs comme les AMR se vend de plus en plus en RaaS — la robotique en tant que service — avec un prix mensuel, des robots ajoutés pour le pic puis retirés après. Pour une opération saisonnière, cette flexibilité vaut plus qu'une remise sur un bon de commande. L'IA logicielle, elle, signifie généralement un abonnement annuel, ce qui veut dire que la hausse de prix de la deuxième année doit se négocier maintenant, pas se découvrir plus tard.
Un pilote que je cite encore : DHL et Ricoh ont équipé 10 préparateurs de lunettes intelligentes à Bergen op Zoom, aux Pays-Bas, pour un essai de trois semaines de voice picking par vision. Plus de 20 000 articles préparés sur 9 000 commandes, efficacité en hausse de 25 %. Notez ce qu'ils ont acheté d'abord : pas un déploiement, mais des preuves. Pilote réduit, mesures honnêtes, puis on décide si le carnet de chèques sort.
Construisez ce qui fait de vous ce que vous êtes
L'autre côté maintenant. Votre logique de réapprovisionnement, votre stratégie de vagues, vos règles de facturation 3PL — c'est votre fossé concurrentiel, et aucun produit sur étagère n'a été conçu autour de lui. Achetez une suite générique de prévision de la demande et vous passerez un an à la plier à votre mix de SKU et à vos contrats clients. La moitié du temps, vous finissez par reconstruire la logique quand même, par-dessus un coût de licence.
J'ai vu un opérateur de taille moyenne ignorer complètement le marché de l'IA : un responsable informatique, trois ans d'historique de commandes WMS, des outils open source, une prévision simple pilotant le stock de sécurité et la consolidation des vagues. Pas de communiqué de presse. Des ruptures visiblement en baisse. Rien dans ce modèle n'aurait survécu en tant que produit générique d'un fournisseur, car la valeur résidait dans l'ajustement serré à une seule opération.
Construisez quand la logique est propriétaire, les données n'existent nulle part ailleurs, ou le marché ne vend tout simplement pas ce dont vous avez besoin. Le prérequis honnête, c'est le personnel : il vous faut au moins une personne capable d'être propriétaire du modèle une fois le consultant parti. Un modèle sans propriétaire est un passif avec un tableau de bord.
Lisez le contrat comme un avocat spécialisé dans les divorces
Les decks commerciaux ne sont pas contraignants. Le papier, si.
Propriété des données : à qui appartient le modèle entraîné sur vos commandes ? Beaucoup de contrats l'attribuent discrètement au fournisseur — ce qui signifie que vous avez payé pour entraîner le produit de quelqu'un d'autre. Exigez que vos données brutes restent à vous et que vous déteniez une licence perpétuelle sur tout ce qui en est entraîné.
SLA avec des dents : les taux de précision et la disponibilité ne valent rien sans remèdes. Des crédits sur les frais ou un droit de résiliation quand les chiffres manquent — choisissez-en un, mettez-le par écrit. Un « nous tournons à 99 pour cent » verbal, c'est du marketing.
Critères de sortie du POC : quels SKU, combien de semaines, quelle métrique compte comme succès, et si vous pouvez partir proprement en cas d'échec. Écrivez cela avant le grand contrat, pas après. Chaque pilote que j'ai vu mourir avait des critères de succès flous.
Protection des prix : plafonnez dès maintenant la hausse de la deuxième année sur les abonnements. Demandez si les exports de données coûtent un supplément, et à quel prix sont les appels API. Les questions que vous sautez aujourd'hui deviennent la facture que vous ne pourrez pas contester demain.
Écrivez la lettre de rupture le premier jour
Aucune relation fournisseur ne dure éternellement ; la seule question est de savoir si vous avez planifié la fin. Mettez la mécanique de sortie dans le contrat tant que vous avez encore du levier.
Données sortantes : des exports en formats ouverts — CSV ou une API documentée — jamais un dump propriétaire illisible. Piste de transition : combien de mois le système continue de fonctionner après la résiliation pendant que vous migrez. Kit de passation : documentation API, dictionnaire de données, documentation du modèle, tout. Si les enjeux sont élevés, demandez un séquestre du code source ou du modèle auprès d'un tiers, pour que la faillite d'un fournisseur n'emporte pas votre opération.
Et gardez une courte liste de fournisseurs alternatifs au chaud avant de signer. C'est le levier de négociation le moins cher que vous posséderez jamais.
Voici donc le verdict, aussi clair que je puisse le formuler.
Achetez le produit fini quand le problème est générique à l'industrie, que vous n'avez pas d'équipe de science des données et que vous en avez besoin en production avant le pic. Construisez-le vous-même quand la logique est votre avantage concurrentiel, que les données n'existent nulle part ailleurs, ou que le marché ne vend tout simplement pas ce dont vous avez besoin. Louez-le en tant que service quand les volumes oscillent avec les saisons et que vous refusez d'immobiliser du capital dans l'acier.
Une chose à faire demain matin : demandez à votre fournisseur WMS le dictionnaire de données et confirmez que vous pouvez exporter commandes, stocks et emplacements sur un calendrier. Si vous ne pouvez pas sortir vos propres données, toute conversation IA ensuite n'est que du théâtre. Si vous le pouvez, vous négociez enfin en position de force.
Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.
