Voici d'abord le verdict sur la planification d'itinéraires de livraison par IA : laissez l'IA rédiger les itinéraires, et laissez les conducteurs chevronnés corriger uniquement les exceptions. Aucun des deux camps ne mène tout le spectacle.

La planification d'itinéraires par IA et l'expérience du conducteur ne sont pas un choix entre deux options. C'est une répartition du travail. J'ai vu cette répartition fonctionner dans trois projets. Et chaque projet qui a laissé un seul camp tout prendre en main a eu des ennuis le soir du lancement.

Ce que l'IA fait bien, et ce que les conducteurs chevronnés font bien

Tracez d'abord la limite. Si la limite n'est pas claire, tout ce qui suit se transforme en disputes.

L'IA est douée pour le calcul. Vingt arrêts, trois camions, chacun avec des limites de poids et de volume, plus des fenêtres horaires de livraison — le nombre de combinaisons dépasse ce qu'un cerveau humain peut traiter. L'IA produit un premier brouillon de la plus courte distance en quelques minutes. Quand le trafic en direct change, elle replanifie immédiatement. Elle n'oublie jamais les contraintes de chargement : surpoids, sur-volume ou mélange de produits réfrigérés et ambiants — elle applique les règles à chaque fois.

Les conducteurs chevronnés sont doués pour les choses qui ne figurent sur aucune carte. Une résidence interdit les camions après 4 p.m. Un client demande un appel au gardien, M. Wang, avant le déchargement. Une route semble ouverte mais inonde à chaque pluie. Un immeuble de bureaux n'autorise que 15 minutes au quai de déchargement. Rien de tout cela ne vit dans aucun système. Cela vit dans la tête des conducteurs.

J'ai vu ce piège trois fois : l'équipe projet a envoyé les itinéraires planifiés par l'IA tels quels, et le premier jour trois livraisons ont été en retard. Chaque fois, c'était un problème de « le système ne savait pas » — un client qui voulait un appel 30 minutes avant l'arrivée, un raccourci à sens unique le jour que l'IA a traité comme à double sens. L'IA n'a pas mal calculé. L'information n'était jamais dans les données d'entrée.

Le test est donc simple : tout ce qui peut s'écrire comme une règle va à l'IA ; tout ce qui ne vit que dans la mémoire de quelqu'un reste avec le conducteur. Si vous ne savez pas distinguer les deux, le projet échouera.

Déployer la planification d'itinéraires de livraison par IA : quatre étapes, sans en sauter aucune

Première étape, transformer l'expérience des conducteurs en règles. Choisissez les deux ou trois conducteurs qui connaissent le mieux les itinéraires, accompagnez chacun pendant deux jours et notez chaque « route à ne pas prendre, résidence où l'on ne peut pas entrer, client à appeler en premier ». Ce qui peut devenir une règle du système entre dans la base de règles. Ce qui ne le peut pas devient une note jointe à l'arrêt.

Deuxième étape, l'IA rédige, les conducteurs corrigent uniquement les exceptions. Chaque jour, les itinéraires viennent d'abord de l'IA. Avant le départ, les conducteurs les examinent et ne changent que les arrêts qui posent problème, pas les bons. Chaque changement exige un motif écrit. Examinez les motifs une fois par semaine. Tout changement qui revient sans cesse signifie qu'il manque une règle dans la base de règles. Ajoutez-la.

Troisième étape, fixez une ligne rouge : si les conducteurs changent plus de 30% des arrêts, la base de règles de l'IA a une lacune grave. Arrêtez-vous et corrigez les règles au lieu de forcer les camions à partir. J'ai fixé ce chiffre chez un client de livraison en ville. La première semaine, le taux de changement dépassait 40%. Nous nous sommes arrêtés une demi-journée, avons ajouté 11 règles, et la deuxième semaine le taux de changement est tombé sous 10%.

Quatrième étape, faites le point une fois par semaine. Regardez trois chiffres : le taux de ponctualité, le kilométrage total et le nombre de changements des conducteurs. Le taux de ponctualité baisse — vérifiez les règles. Le kilométrage augmente — vérifiez les contraintes. Les changements sont fréquents — vérifiez les données d'entrée. Limitez le point à 30 minutes, debout.

Faisons le calcul : combien vaut le kilométrage économisé ?

Le tableau ci-dessous est un exemple hypothétique, avec des volumes courants pour une flotte de livraison de petite ou moyenne taille. C'est une illustration de scénario, pas les données d'une vraie entreprise :

Élément Exemple hypothétique
Taille de la flotte 10 camions, un trajet chacun par jour
Kilométrage total quotidien avant optimisation par IA 1,200 km
Kilométrage total quotidien après optimisation par IA 1,080 km, une économie de 10%
Kilométrage économisé sur 22 jours ouvrés par mois 2,640 km
À 3 yuans par km, coût tout compris environ 7,920 yuans économisés par mois

L'économie ne concerne pas seulement le carburant et le kilométrage. Les conducteurs finissent plus d'une heure plus tôt chaque jour, les livraisons en retard diminuent, et les plaintes des clients diminuent avec elles. Quand j'ai montré ce calcul à un client, ses mots exacts ont été « on aurait dû faire ça l'an dernier ». Mais un avertissement : l'économie de 10% est le chiffre de cet exemple hypothétique, pas une promesse. Ce que votre flotte économise dépend de l'état de désordre de vos itinéraires actuels — une flotte qui planifie déjà bien ne pourrait économiser que 3%.

Liste de contrôle pour le soir du lancement — cochez chaque case

J'ai vu ce piège trois fois, toujours le même type d'oubli le soir du lancement. Cochez donc chaque point de cette liste. S'il en manque un, ne lancez pas.

  1. La base de règles inclut-elle les horaires restreints et les routes interdites ? Sinon, ne partez pas.
  2. Chaque arrêt porte-t-il le numéro de téléphone du client et les notes de déchargement ? Si le conducteur arrive et ne peut joindre personne, le trajet est perdu.
  3. Quelqu'un examine-t-il la sortie de l'IA ? Pendant le premier mois après le lancement, quelqu'un doit regarder chaque itinéraire avant le départ.
  4. La saisie des changements d'itinéraire est-elle facile à utiliser pour les conducteurs ? Si elle est enfouie, les conducteurs ne se donneront pas la peine et conduiront sur le mauvais itinéraire.
  5. Qui replanifie quand quelque chose tourne mal — le répartiteur, ou le système automatiquement ? Si la responsabilité n'est pas claire, tout le monde attend tout le monde le jour où cela arrive.
  6. Les données historiques ont-elles été chargées ? Si l'IA n'a jamais vu vos commandes des 3 derniers mois, ses itinéraires sont de la théorie, pas de la pratique.

Une fois toutes les cases cochées, surveillez les trois points de défaillance les plus courants.

Le premier : traiter l'IA comme une diseuse de bonne aventure. L'IA ne peut calculer qu'à partir des données que vous lui donnez. Si les données ne contiennent aucune information sur les fermetures de routes, l'itinéraire qu'elle produit est faux. Quand la qualité des données est mauvaise, plus l'IA est précise, plus vite elle se trompe.

Le deuxième : le rejet en bloc de l'IA par les conducteurs. Certains conducteurs chevronnés pensent « je conduis depuis 10 ans, je n'ai pas besoin qu'on m'apprenne » et réécrivent tout le brouillon sans le regarder. Alors l'IA n'apprend jamais rien, et trois mois plus tard le projet n'existe plus que de nom. La solution est un champ « motif du changement » : les conducteurs peuvent changer un itinéraire, mais ils doivent laisser le motif. Ce sont ces motifs qui font grandir la base de règles.

Le troisième : supprimer le contrôle humain dès le premier jour. Les deux premières semaines après le lancement sont les plus fragiles. La base de règles est encore incomplète, et la confiance des conducteurs n'est pas encore construite. Quelqu'un doit surveiller pendant ces deux semaines, et ne lâcher prise qu'une fois le taux de changement stabilisé.

Un dernier point : dans la planification d'itinéraires de livraison par IA, la technologie n'est que la moitié du travail. L'autre moitié consiste à transférer ce qui est dans la tête des conducteurs chevronnés vers le système, petit à petit. Plus vous en transférez, plus l'IA devient précise. Si vous ne pouvez pas le transférer, l'IA n'est qu'une calculatrice coûteuse. Et le verdict, encore une fois : l'IA rédige, les conducteurs corrigent uniquement les exceptions. Suivez cette répartition du travail, et dans trois mois vos itinéraires tourneront bien plus facilement qu'aujourd'hui.

Par Lin Xiao, Consultant en mise en œuvre de WMS Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.