Ma réponse d'emblée : l'optimisation des itinéraires de picking en entrepôt par l'IA vaut le coup, mais n'attendez pas qu'elle réduise à elle seule votre coût de picking. Pour le dire franchement, l'algorithme fait gagner de la marche, pas du picking. Que la marche économisée se transforme en argent dépend de votre profil de commandes, de votre slotting et du fait que vos préparateurs suivent réellement l'itinéraire. S'il en manque un des trois, les pas économisés n'existent que sur le papier.
Cela a deux facettes. Ceux qui défendent l'algorithme vous montreront un chiffre : une ventilation très citée du temps de picking situe le déplacement à environ 55 pour cent, la recherche à 15 pour cent et l'extraction du produit à 10 pour cent, le reste allant à d'autres tâches. Cette répartition remonte à une estimation d'un praticien citée dans un manuel d'entreposage, et non à une mesure contrôlée, mais la direction est juste. Les préparateurs passent l'essentiel de leur journée à marcher. Ceux qui doutent de l'algorithme diront que le plus bel itinéraire ne sert à rien si les préparateurs ne le suivent pas, ou si le slotting lui-même est un désordre. Les deux camps disent la vérité.
J'ai vu trop d'entrepôts payer leur apprentissage sur ce point. En 2019, j'ai visité un 3PL en Ontario, de 80,000 pieds carrés, avec environ 4,000 commandes par jour. Le propriétaire venait d'acheter un module de picking avec optimisation des itinéraires, et la démo était magnifique. Les itinéraires à l'écran s'écoulaient comme dessinés à la main. Puis j'ai accompagné un préparateur pendant un poste et j'ai vu le problème : l'itinéraire du système passait par une allée où un chariot de réapprovisionnement était garé, si bien que les préparateurs le contournaient à chaque trajet. Le détour coûtait plus de marche que l'algorithme n'en faisait gagner. Le propriétaire regardait des « économies théoriques » sur un rapport. Moi, je regardais un détour qui se produisait tous les jours.
Optimisation des itinéraires de picking en entrepôt par l'IA : commencez par déterminer ce qu'elle fait vraiment gagner
L'algorithme fait gagner trois choses. La première est la distance parcourue, parce que l'itinéraire cesse de suivre l'ordre des emplacements pour suivre le chemin le plus court. La deuxième est les allers-retours répétés dans la même allée, parce que le picking par lots regroupe plusieurs commandes en un seul passage. La troisième est la marche à vide du retour, parce que le système intègre le trajet de retour dans l'itinéraire et récupère des commandes en chemin.
Les trois dépendent de données propres. Un emplacement erroné, et l'algorithme envoie quelqu'un au mauvais endroit. Un comptage d'inventaire erroné, et le préparateur arrive à un emplacement vide et repart à pied, abandonnant tout ce que l'itinéraire avait fait gagner. Il y a un problème plus courant : des produits à forte rotation rangés tout au bout du bâtiment. L'algorithme le plus intelligent ne peut que trouver le chemin le plus court à l'intérieur d'un mauvais agencement. Une bonne navigation ne répare pas une route construite au mauvais endroit.
En 2023, un client de produits pour la maison m'a dit qu'il utilisait l'optimisation des itinéraires depuis six mois et que la productivité de picking avait augmenté de moins de 5 pour cent. J'ai parcouru l'entrepôt, et le problème n'était pas l'algorithme, c'était le slotting. Ses produits de classe A, ceux qui tournaient le plus vite, étaient répartis dans six allées, dont deux tout au bout du bâtiment. Nous avons d'abord fait une tournée de re-slotting, en déplaçant les produits de classe A dans les deux allées les plus proches du packing, sans rien changer d'autre. Deux semaines plus tard, la distance moyenne parcourue par commande avait baissé de près de 30 pour cent, et c'est seulement alors que l'algorithme a commencé à se rentabiliser. L'ordre ne peut pas être inversé : corrigez d'abord le slotting, puis parlez d'optimisation des itinéraires.
Le chemin le plus court n'est pas le chemin le plus rapide
C'est le compromis le plus souvent ignoré dans l'optimisation des itinéraires de picking en entrepôt par l'IA. L'algorithme optimise la distance totale la plus courte. L'entrepôt optimise le plus grand nombre de commandes expédiées par heure. Ces deux objectifs s'accordent la plupart du temps, et se combattent le reste du temps.
Prenons un cas simple. L'itinéraire le plus court peut demander à un préparateur de faire demi-tour deux fois dans une même allée, parce que deux commandes différentes ont des articles dans cette allée à quelques emplacements d'écart. En distance, c'est optimal. Du point de vue humain, le préparateur doit faire demi-tour deux fois et arrêter puis redémarrer le chariot deux fois. Un préparateur expérimenté préférerait marcher 20 mètres de plus et vider toute l'allée en un seul passage. L'algorithme ne sait pas cela. Il ne connaît que les mètres.
La congestion est l'autre angle mort. Le système donne à dix préparateurs dix itinéraires optimaux. En pointe, les dix se retrouvent dans la même allée, à s'attendre les uns les autres, à attendre un chariot élévateur, à attendre le réapprovisionnement, et la distance économisée se passe à attendre immobile. Un bon système tient compte de la congestion en direct dans l'allée. Un système faible ne fait que tracer des lignes droites. C'est pourquoi je dis toujours aux acheteurs de poser au fournisseur une question avant de signer : votre algorithme voit-il l'état en direct de l'entrepôt, ou seulement une carte statique des emplacements ? S'il ne voit que la carte, réfléchissez à deux fois, quel que soit le prix.
L'optimisation des itinéraires de picking en entrepôt par l'IA vaut-elle le coup ? Vérifiez trois chiffres
Ignorez la brochure du fournisseur et mesurez vous-même trois chiffres. Le premier est la distance parcourue par commande, mesurée pendant deux semaines avant et deux semaines après le lancement. Mesurez le même profil de commandes ; les chiffres de pointe et de creux ne peuvent pas être comparés directement. Le deuxième est le nombre de lignes de commande préparées par préparateur et par heure. Si ce chiffre augmente, l'amélioration est réelle. Le troisième est la précision de picking. Les itinéraires changent, les rythmes changent, et si la précision baisse, aucune marche économisée ne compense.
Voici comment je fais habituellement le calcul. Ces chiffres sont un exemple illustratif pour montrer comment fonctionne le calcul :
| Élément | Exemple illustratif |
|---|---|
| Préparateurs | 20 |
| Distance parcourue par préparateur et par jour | 8 km |
| Distance parcourue économisée après optimisation | 20% |
| Temps de marche économisé par jour (à 4 km par heure) | 20 personnes × 1.6 km ÷ 4 km par heure = 8 heures |
| Ce que cela représente en main-d'œuvre | Environ un poste complet |
Huit heures, cela semble beaucoup, mais que cela se transforme en une personne de moins sur le planning dépend du fait que le temps économisé arrive en un seul bloc. Si vingt personnes économisent chacune 24 minutes éparpillées sur toute la journée, vous ne pouvez pas supprimer un poste. Ces huit heures ne se convertissent en économies de main-d'œuvre que lorsque les commandes arrivent par vagues concentrées. Donc, quand vous faites le calcul, ne vous contentez pas d'additionner les heures. Demandez-vous si le temps économisé peut être assemblé en un poste complet.
Il y a un autre point contre-intuitif : les petits entrepôts tirent souvent moins de l'optimisation des itinéraires de picking par l'IA que les grands. Non pas parce que l'algorithme est mauvais, mais parce que les itinéraires dans un petit entrepôt n'ont jamais été compliqués. Les préparateurs expérimentés marchent déjà près du chemin optimal, il reste donc peu à gagner. La valeur apparaît dans les entrepôts de taille moyenne qui traitent des milliers de commandes par jour sur des dizaines de milliers d'emplacements, où un itinéraire emmêlé coûte de l'argent réel. Si vous expédiez moins de 50,000 commandes par mois, faites votre analyse ABC et corrigez d'abord votre slotting. L'optimisation des itinéraires peut attendre.
Tout revient à une question : achetez-vous un itinéraire plus court, ou des commandes qui sortent plus vite ? Si la réponse est la deuxième, ne restez pas à regarder la démo. Accompagnez d'abord un préparateur pendant un poste et voyez ce qu'il contourne réellement chaque jour.
Par Lao Mi, Vétéran de la chaîne d'approvisionnement (20 ans) Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.







