Laissez-moi vous raconter quelque chose. L'hiver dernier, je suis resté assis quatre heures devant un entrepôt au Texas en attendant de décharger. Ce n'était pas un problème de circulation, et c'est la raison pour laquelle la sélection de projets pilotes d'IA pour les entrepôts me tient à cœur. À l'intérieur, tout l'endroit s'était effondré. Le système disait 300 cartons. Le quai en a compté 287. Treize cartons de moins, et tout l'entrepôt a passé l'après-midi à fouiller l'endroit. Au final, c'était une seule ligne dupliquée sur un document de réception, un seul envoi étiqueté deux fois. J'étais assis dans mon camion à brûler du carburant et de l'argent pendant que les gens à l'intérieur brûlaient la lumière du jour. Et je n'arrêtais pas de penser : si quelque chose avait simplement regardé ces papiers d'abord, est-ce que tout cela serait arrivé ?
Je conduis depuis quinze ans, et j'ai vu les entrepôts courir après chaque nouveauté brillante. L'IA est la plus en vogue en ce moment, et les gens n'arrêtent pas de me dire : Shifu, ton entrepôt a besoin d'IA. Alors je pose une question : de l'IA pour quoi ? Neuf sur dix ne peuvent pas répondre. Soit c'est « l'intelligence totale de l'entrepôt », soit « un grand tableau de bord à regarder ». Combien d'argent est-ce, combien de temps ? Si vous vous trompez dans la première décision de sélection d'un projet pilote d'IA pour les entrepôts, vous brûlez six mois, et plus personne dans le bâtiment ne croit en l'IA. Ce n'est pas moi qui essaie de vous faire peur. C'est ce que quinze ans sur la route vous apprennent.
Sélection d'un pilote d'IA : choisissez un travail que l'on peut voir, dont on peut se permettre l'erreur, et dont quelqu'un est responsable
Mon test simple pour un pilote d'IA comporte trois parties : on peut le voir fonctionner, on peut se permettre qu'il se trompe, et quelqu'un en est responsable. On peut le voir fonctionner signifie que les gens sur le terrain remarquent la différence de leurs propres yeux, pas seulement un chiffre flottant sur un rapport. On peut se permettre qu'il se trompe signifie que lorsque l'IA prend une mauvaise décision, une personne la repère avant qu'un mauvais envoi ne sorte par la porte. Quelqu'un en est responsable signifie qu'une personne nommée vérifie les résultats chaque jour, et quand quelque chose déraille, tout le monde sait à qui le téléphone sonne.
Selon ce test, le pire premier pilote est tout ce qui touche directement la préparation et l'expédition. Choisissez le mauvais carton et vous récoltez une plainte, un retour, une réexpédition, et votre toute nouvelle IA porte tout cela dès le premier jour. Le bon travail se répète chaque jour, en volume, là où une erreur apparaît immédiatement et coûte presque rien à corriger.
Laissez-moi en compter quelques-uns. D'abord, la reconnaissance de documents. Bons de livraison, listes de colisage, factures, un employé qui les tape dans le système un par un jusqu'à en avoir les yeux qui se croisent. L'IA lit les documents, une personne jette un coup d'œil au résultat et corrige ce qui ne va pas. Le volume est là chaque jour, les erreurs apparaissent sur le champ, et les corriger ne fait de mal à personne. Ensuite, la détection des exceptions. Des comptages de stock qui ne correspondent pas, des livraisons courtes, un emplacement qui n'a pas bougé depuis trois jours. Les anciens repéraient ces choses au feeling. Maintenant, laissez l'IA balayer les données chaque jour et remettre au superviseur une courte liste de ce qui semble anormal. Troisièmement, une version légère de la prévision de la demande. Pas les ventes de l'année prochaine, juste à peu près combien de cartons sortent demain, pour savoir s'il faut appeler deux intérimaires supplémentaires. Si on se trompe, le coût est faible.
Voici la partie contre-intuitive : le scénario le plus tape-à-l'œil fait généralement le pire premier pilote. La préparation entièrement automatisée, la planification des robots, un entrepôt sans lumière, tout cela semble passionnant, mais ces tâches sont le cœur battant de tout le bâtiment. Touchez-y et tout bouge. Un premier pilote n'a pas besoin d'excitation. Il a besoin de stabilité. Plus le travail semble ennuyeux, mieux il convient pour commencer. La reconnaissance de documents semble ennuyeuse comme la terre, mais les heures qu'elle économise chaque jour sont visibles pour tout le monde sur le terrain.
Avant de dépenser un dollar dans un pilote d'IA, remplissez ce tableau
Quinze ans de conduite m'ont appris une chose : si vous ne vérifiez pas la route avant de partir, vous reviendrez sur vos pas à mi-chemin. Pareil pour un pilote d'IA. Avant que qui que ce soit ne signe un chèque, remplissez ce tableau. Si vous ne pouvez pas le remplir, ne commencez pas.
| Question à laquelle répondre | À quoi ressemble le succès |
|---|---|
| Quel volume par jour | Le même travail se répète des dizaines ou des centaines de fois par jour ; trop petit ne vaut pas la peine |
| À quelle fréquence cela se trompe-t-il aujourd'hui | Des erreurs que l'on peut compter, avec des causes que l'on peut nommer |
| Les données sont-elles là | Au moins un an d'historique correct, des documents complets |
| Qui repère les erreurs | Quelqu'un examine les résultats chaque jour et corrige rapidement les mauvaises décisions |
| À quoi ressemble le succès | Écrit avant de commencer : heures économisées, erreurs réduites, en chiffres clairs |
Je n'ai pas inventé ces lignes. Quiconque fait ce travail vous dira la même chose : un volume suffisant, des erreurs mesurables, des données en place, une responsabilité nommée, un succès chiffré. Il en manque une et le pilote dérive. La dernière ligne compte le plus. Écrivez à quoi ressemble le succès avant de commencer, sur papier, au mur. Quand le pilote se termine, comparez-le à ces chiffres. Vous les atteignez, avancez. Vous les manquez, arrêtez-vous et cherchez si les données étaient mauvaises, si le scénario était faux, ou si le fournisseur a survendu. Ce que vous ne voulez jamais, c'est qu'au bout de trois mois, le fournisseur dise que ça marche très bien, et que personne ne puisse dire très bien à quoi.
Un dernier conseil durement acquis : commencez en mode fantôme. Cela signifie que l'IA observe depuis le côté et ne touche à rien. Chaque jour, vous comparez ses décisions à celles de vos gens. Après quelques semaines, si elle est précise, laissez-la prendre le relais. Sinon, continuez à l'entraîner. Appelez cela une période d'essai. Un nouvel employé en a une, alors pourquoi l'IA aurait-elle les clés dès le premier jour ? Pendant le mode fantôme, l'entrepôt fonctionne exactement comme avant, zéro risque, juste le travail supplémentaire de comparer les résultats.
Les chiffres ci-dessous sont un exemple hypothétique travaillé. Je les ai inventés pour montrer le calcul, pas pour décrire un entrepôt réel. Supposez qu'un entrepôt traite 200 lots de documents par jour, saisie manuelle de 6 minutes par lot. Cela fait 200 fois 6, soit 1,200 minutes, 20 heures, environ deux employés et demi pour une journée complète. Avec la lecture par l'IA plus une révision humaine à un rythme supposé de 1 minute par lot, cela fait 200 minutes, environ 3.3 heures. L'économie est de 1,000 minutes par jour, environ 16.7 heures. Sur 22 jours ouvrés dans un mois, cela fait environ 367 heures économisées. Le calcul n'a pas besoin d'être précis à la minute. Il doit être posé sur la table où la personne qui contrôle l'argent peut le lire.
Se tromper de choix coûte plus cher que le logiciel
Voici une autre histoire de la route. À l'automne 2024, j'ai livré dans un entrepôt où le superviseur se plaignait d'un système de planification par IA acheté ce printemps-là. Il coûtait de l'argent réel, et ses horaires laissaient les équipes de nuit vides et les équipes de jour surchargées. Le superviseur devait les corriger à la main chaque jour. Après deux mois, le système restait dans un coin à prendre la poussière, et tout le monde dans le bâtiment secouait la tête chaque fois qu'on parlait d'IA. L'argent était parti, le temps était parti, et la confiance était partie. C'est le coût le plus cher d'un mauvais pilote : pas le logiciel, mais la confiance de tout l'entrepôt. La confiance prend six mois à se construire et un mauvais déploiement à détruire.
Mon conseil se résume donc à un vieux dicton : qui va lentement va vite. Faites le premier pilote petit, faites-le simple, et faites-le réussir. Quand il réussit, tout le monde le voit, et le deuxième et le troisième pilote se vendent tout seuls. Quand le premier échoue, vous passez les six mois suivants à regagner la confiance avant de pouvoir réessayer.
Voici l'ordre pratique que je suivrais. Choisissez un scénario, un seul. Mettez le nom d'une personne dessus. Fixez une date de révision, disons six semaines plus tard, et jugez-le par rapport aux chiffres que vous avez écrits au mur. Réussite, et vous élargissez un peu. Échec, et vous vous arrêtez et vous demandez si les données étaient minces, si le scénario était faux, ou si le fournisseur a trop parlé.
Après quinze ans sur la route, j'ai appris ceci : ce qui vaut de l'argent dans un entrepôt n'a jamais été la chose la plus à la mode. C'est le travail qui se fait régulièrement, chaque jour. L'IA n'est pas différente. Choisissez le bon premier scénario et elle devient une bonne aide qui fait du vrai travail. Voilà à quoi ressemble une bonne pratique de sélection de projets pilotes d'IA pour les entrepôts : une petite victoire, puis la suivante. Choisissez mal et elle devient un grand écran au mur, joli à regarder et bon à rien.
Comme dit le vieux dicton, affûter la hache ne retarde pas la coupe du bois. Ne sautez pas le travail de choisir.
Par Shifu Zhao, Vétéran du transport routier (15 ans) Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.







