Le logiciel de planification des équipes par l'IA en entrepôt promet un planning plus calme : on y entre les volumes passés, les règles de dotation et les dossiers de compétences, et il en sort un horaire qui ajuste la main-d'oeuvre à la demande. À l'automne 2023, un entrepôt tiers à Jiaxing, dans le Zhejiang, qui traitait des articles ménagers, a essayé exactement cela. Auparavant, les superviseurs construisaient les plannings à partir de leur expérience, ce qui fonctionnait les semaines stables et échouait les semaines de pointe, quand ils finissaient par appeler des personnes au pied levé tandis que d'autres équipes restaient inactives. Après avoir commencé à utiliser un outil de planification, le changement le plus visible du premier mois n'a pas été une économie spectaculaire. C'était l'absence d'un problème familier de minuit : découvrir au milieu d'une équipe de nuit que deux personnes manquaient. L'outil avait d'abord résolu quelque chose d'étroit et de concret, à savoir si le planning et la charge de travail pouvaient être affichés sur la même page.

Cette expérience reflète un changement plus large. Alors que la main-d'oeuvre devient plus difficile à recruter et plus coûteuse à fidéliser, la planification des équipes dans les entrepôts petits et moyens passe d'un savoir-faire de superviseur à un calcul. Les volumes montent et descendent, les livraisons entrantes arrivent en avance ou en retard, les travailleurs diffèrent par leurs compétences, et chacun est soumis à des limites d'heures, de nuits consécutives et de certifications. L'expérience gère bien un schéma stable. Elle peine quand plusieurs de ces variables bougent à la fois, ce qui est précisément le moment où un tableur plein de combinaisons manuelles devient lent et source d'erreurs. La plupart des entrepôts n'adoptent pas un logiciel de planification parce qu'ils veulent l'intelligence artificielle dans l'abstrait. Ils l'adoptent parce que le planning est devenu trop complexe pour tenir dans la tête d'une seule personne.

Les rapports publics du secteur et les études de cas des éditeurs indiquent une valeur à trois endroits. Le premier est la prévision : les volumes passés, la saisonnalité et les calendriers promotionnels servent à estimer la charge de travail des semaines à venir, qui est ensuite convertie en effectifs par équipe. Le deuxième est celui des contraintes : compétences, licences, plafonds d'heures et limites de travail de nuit sont consignés sous forme de règles, afin que le système ne produise pas un planning qui semble net sur le papier et enfreint une règle sur le terrain. Le troisième est la révision : quand la prévision change, le planning peut être recalculé plutôt que reconstruit appel téléphonique par appel téléphonique. Une mise en garde s'impose ici. Les chiffres d'efficacité qui circulent dans la documentation des éditeurs proviennent de bases de référence, de types d'entrepôts et de fenêtres de mesure différents, et ne doivent donc pas être lus comme une promesse pour un site donné. Un pilote fondé sur les propres chiffres d'un entrepôt est la seule prévision honnête de son propre retour.

Ce que la planification des équipes par l'IA optimise réellement

À la base, un système de planification met en correspondance deux choses : la charge de travail prévue et la main-d'oeuvre disponible. Côté charge de travail, les entrées sont les commandes, les vagues, les réceptions entrantes et les retours, ventilés par tâche lorsque c'est possible. Côté main-d'oeuvre, les entrées sont les effectifs, les compétences, les préférences d'équipe et les contraintes légales ou contractuelles. Le système recherche la combinaison présentant le moins de conflits. Il n'y a rien de mystérieux dans cette logique, et un superviseur expérimenté muni d'un tableur peut s'en approcher pour une petite équipe. Le logiciel justifie son coût par l'échelle et la vitesse : une fois qu'il y a plusieurs équipes, des compétences qui se chevauchent et un horizon de planification d'un mois, les essais et erreurs manuels deviennent coûteux, tandis que le système peut comparer plusieurs options en quelques minutes.

Le piège est que le résultat n'est propre que si les données d'entrée le sont. Dans de nombreux entrepôts, les relevés d'heures vivent en partie dans le système de pointage, en partie dans des messages de discussion et en partie sur papier. Les dossiers de compétences existent surtout dans la mémoire d'un superviseur. Les volumes historiques sont stockés sous forme de totaux pour l'ensemble de l'entrepôt plutôt que par tâche. Un planning produit à partir de ce matériau peut sembler ordonné tout en reposant sur du sable. Un entrepôt a passé deux mois avant le démarrage à un travail peu reluisant : consigner par écrit qui pouvait conduire un chariot élévateur, qui pouvait contrôler des marchandises de grande valeur et qui ne pouvait faire que du picking léger, et rendre cette liste visible à tous ceux qui construisaient les plannings. Cette étape, et non l'achat lui-même, a décidé si le système devenait une aide ou une gêne.

La planification des équipes par l'IA échoue quand les données ne sont pas prêtes

Avant d'acheter, un entrepôt peut s'évaluer selon trois dimensions. Si l'une d'elles est faible, la première étape correcte est de corriger les données, et non de signer un contrat.

Vérification Fort Moyen Faible
Volume historique Ventilé par tâche, couvrant un cycle complet de pointe et de creux Totaux pour l'ensemble de l'entrepôt seulement, non ventilés par tâche Aucun relevé fiable ; les volumes vivent dans la mémoire
Dossiers de compétences Compétences, licences et niveau enregistrés pour tous En partie enregistrés, en partie détenus par les chefs d'équipe Connus des seuls superviseurs, nulle part consignés par écrit
Règles Heures, nuits et licences toutes documentées Certaines écrites, d'autres coutumières Aucune règle écrite ; décisions au cas par cas

Un petit entrepôt de commerce électronique à Foshan, dans le Guangdong, comptant environ une centaine d'employés, a montré la séquence inverse au printemps 2024. Il est entré en production rapidement, avant que ses données soient prêtes. Les heures de picking et de contrôle ont été mélangées, et les dossiers de compétences étaient périmés depuis des années. Le planning qu'il a produit affichait les bons effectifs sur le papier, mais la première semaine a laissé à plusieurs reprises le contrôle en sous-effectif tandis que le picking était en sureffectif. Les superviseurs sont revenus aux ajustements manuels, et le système a survécu surtout comme écran de consultation. La leçon n'est pas que l'outil a échoué. C'est que l'ordre était mauvais : la préparation des données décide si l'outil aide ou ne fait que décorer.

La deuxième limite est plus structurelle. Une absence soudaine, une démission, un camion arrivant trois heures en retard, une commande urgente d'un client : dans un modèle, ce sont des perturbations, mais sur le terrain, c'est la vie quotidienne. Un modèle peut produire un planning de base solide et un ensemble de variantes, mais quelqu'un doit encore juger chaque exception en contexte, qu'il s'agisse de puiser dans une autre équipe, d'appeler un remplaçant ou d'accepter un retard. Les entrepôts qui traitent le planning de base comme la réponse finale ont tendance à perdre confiance dans le système dès la première grande perturbation. Une division du travail plus saine veut que le système possède le planning de base et les variantes, tandis que les personnes possèdent les exceptions. Plus le planning de base est stable, plus les superviseurs ont de marge pour bien gérer les exceptions.

Il y a ensuite un point contre-intuitif qu'il vaut la peine d'énoncer clairement : plus un planning est parfaitement compacté, plus il peut devenir fragile. Un horaire qui remplit chaque heure et ne laisse aucune marge semble le plus efficace quand la prévision est juste, et c'est le premier à se défaire quand une personne appelle pour signaler qu'elle est malade. Un planning durable garde délibérément un peu d'élasticité, par exemple une personne de renfort pour les rôles critiques, ou des heures flexibles réservées aux fenêtres de pointe. Sur le papier, ce n'est pas la solution optimale. Sur le terrain, c'est la solution qui produit le moins d'urgences. Lorsqu'on évalue un outil de planification, la meilleure question n'est pas de savoir à quel point son optimum est précis, mais s'il peut encore produire un planning exploitable quand la prévision est fausse d'un cinquième.

La tendance évolue, passant de la production d'un seul planning à la gestion d'un vivier : un vivier de main-d'oeuvre, un vivier de compétences et un vivier de personnel flexible planifiés ensemble, le système proposant plusieurs options étiquetées par coût et risque plutôt qu'une seule réponse. Cette direction convient aux entrepôts plus petits, car elle abaisse le coût d'un premier achat erroné. Un chemin raisonnable consiste à lancer un pilote dans une équipe ou une tâche, à mettre au point les données et la routine, et seulement ensuite à étendre. Les indicateurs du pilote n'ont pas besoin d'être élaborés : moins de révisions de planning, moins d'appels au pied levé, et un avertissement plus précoce quand un rôle critique sera en sous-effectif. Si ces trois indicateurs évoluent, l'extension a un argument. Sinon, le premier endroit où regarder est celui des données et des règles, et non un autre éditeur.

Vu sur un horizon plus long, la valeur réelle du logiciel de planification tient peut-être à ce qu'il libère les superviseurs pour faire. Une fois l'arithmétique répétitive prise en charge, les superviseurs peuvent consacrer leur attention à un travail qu'aucun modèle ne peut faire : discuter des préférences d'équipe, juger si un nouvel embauché est prêt à travailler sans supervision, et organiser une couverture flexible avant la haute saison plutôt que pendant elle. Ces jugements sont ce qui détermine en fin de compte si un planning peut être exécuté. Mieux le système calcule, plus le jugement humain devient important, et non moins. Cette inversion est facile à manquer quand un achat est présenté comme une automatisation remplaçant le jugement, et elle mérite d'être gardée à l'esprit quand arrivera la prochaine présentation d'éditeur.

Par Dr. Chen, Chercheur en gestion de la chaîne d'approvisionnement

Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.