Je vais commencer par une plainte. En ce moment, tout le monde crie que l'IA a sa place dans l'entrepôt. Les vidéos de démonstration des salons professionnels ont l'air plus fluides chaque année, les devis des fournisseurs ont l'air meilleurs chaque année, et on croirait que n'importe quel entrepôt sans IA va faire faillite demain. Je vends en ligne depuis cinq ans, j'ai changé d'entrepôt trois fois et j'ai participé à deux pilotes d'IA, et voici la vérité honnête : la plupart des projets d'IA en entrepôt ne meurent pas parce que la technologie échoue. Ils meurent parce que personne n'a sérieusement calculé d'abord les chiffres du ROI du projet d'IA en entrepôt.

Les pilotes d'IA en entrepôt sont très doués pour vous tromper

L'année dernière, j'ai testé un contrôle visuel par IA dans un entrepôt partenaire. Nous l'avons installé au poste d'emballage : une caméra scanne chaque colis, le système le compare à la commande et signale tout colis incomplet ou surchargé. Le jour de la démonstration, c'était irréel. L'ingénieur du fournisseur a promis sur place une précision supérieure à 99 pour cent. Nous avons signé un pilote de trois mois et installé deux unités.

Voici un scénario hypothétique de la façon dont cela s'est réellement passé. Le premier mois, les chiffres avaient l'air excellents et le taux d'erreur est tombé bien en dessous du niveau de l'ancien contrôle manuel par échantillonnage. Puis le deuxième mois est arrivé. La haute saison a doublé le volume de commandes, le convoyeur a accéléré et la caméra a commencé à rater des choses. Nous sommes passés à un nouvel emballage, le système ne l'a pas reconnu et quelqu'un a dû réajuster le modèle. Pire encore, personne dans l'entrepôt ne voulait passer la journée à fixer des alertes, alors une fois les alertes accumulées, les gens ont commencé à les approuver en masse et nous étions revenus au point de départ. Sur trois mois, les comptes se présentaient ainsi, tous les chiffres sont hypothétiques : le matériel plus le logiciel plus l'intégration s'élevaient à environ $40,000 d'avance, soit à peu près $1,100 par mois étalés sur trois ans ; le temps de contrôle manuel économisé valait environ $900 par mois ; moins d'indemnisations pour erreurs de picking ont économisé environ $400 par mois. Sur le papier, cela fait $200 par mois d'avance, ce qui semble correct, jusqu'à ce qu'on remarque que le pilote ne couvrait que deux postes d'emballage. L'étendre à tout l'entrepôt doublerait l'investissement, et les retours ne doubleraient pas forcément avec lui.

Voici la partie contre-intuitive : un pilote réussi ne prouve presque rien sur un déploiement complet. Plus le pilote est petit et propre, meilleurs sont les chiffres. Un vrai entrepôt, c'est des données sales, un nouvel emballage, la haute saison et le turnover du personnel, tout en même temps. Les démonstrations des fournisseurs tournent toujours sur des données propres. À quoi ressemblent vraiment les données de votre entrepôt, vous seul le savez.

ROI d'un projet d'IA en entrepôt : remplissez ce tableau avant de signer

Ma règle est simple désormais. Avant de signer quoi que ce soit pour un projet d'IA, je remplis le tableau ci-dessous, et si je ne peux pas le remplir, je ne signe pas. Chaque chiffre qu'il contient est un exemple hypothétique : remplacez-les par les chiffres réels de votre entrepôt et recommencez le calcul.

| Poste | Montant (exemple hypothétique) | | Coût unique : logiciel, matériel, intégration, formation | Environ $40,000 | | Coût mensuel : abonnement, maintenance, réajustement | Environ $800 | | Économie mensuelle : temps de contrôle manuel | Environ $900 | | Économie mensuelle : moins d'erreurs de picking et de retours | Environ $400 | | Délai de retour sur investissement | Environ 30 mois |

Si le délai de retour sur investissement dépasse deux ans, je m'en vais généralement. Le raisonnement est simple : les produits d'IA évoluent vite, et dans deux ans, la même capacité coûtera probablement moitié moins cher et sera deux fois meilleure. S'enfermer dans un contrat de trois ans maintenant, c'est payer pour financer la recherche du fournisseur. Il y a un autre coût que presque tout le monde oublie : le coût caché du pilote lui-même. Les ingénieurs qui font des allers-retours, le personnel retiré de ses postes pour aider aux tests, les postes d'emballage arrêtés pour la recalibration, tout cela, c'est de l'argent. Dans un exemple hypothétique, trois mois de soutien au pilote côté entrepôt peuvent facilement s'élever à $3,000 de main-d'œuvre, et ce chiffre n'apparaît sur aucun devis, mais il sort directement de votre marge. C'est pourquoi le ROI d'un projet d'IA en entrepôt doit être calculé sur l'ensemble du tableau, pas seulement sur la ligne de l'abonnement.

Voici un exemple hypothétique qui montre pourquoi le volume change tout. Un petit entrepôt qui traite 800 commandes par jour avec un taux d'erreur de picking de 0.3 pour cent ne paie que pour deux ou trois commandes par mois, et les économies ne couvriraient même pas l'abonnement. Un entrepôt qui traite 8,000 commandes par jour avec le même taux d'erreur fait face à plus de vingt commandes problématiques par jour, avec des indemnisations et un service client coûtant bien plus de $10,000 par mois, et soudain le même système d'IA devient pertinent. Le même produit, dix fois le volume, une réponse opposée. Le ROI n'est jamais une propriété du produit. C'est une propriété de votre volume. Trois questions viennent avant le tableau. Premièrement, ce problème se produit-il tous les jours ? Un problème qui apparaît une fois par semaine ne vaut pas un projet d'IA. Deuxièmement, les données sont-elles prêtes, ou faut-il d'abord trois mois de nettoyage ? Si le nettoyage vient d'abord, doublez le budget. Troisièmement, en cas d'échec, peut-on revenir au travail manuel ? S'il n'y a pas de retour possible, je n'y toucherai pas, quel que soit le prix.

Trois pièges des projets d'IA, et je suis tombé dans deux d'entre eux

Le premier piège, ce sont les données sales. La démonstration du fournisseur utilisait des photos prises sous une lumière parfaite et sous des angles parfaits. Dans votre entrepôt, la moitié des lampes sont cassées, le ruban adhésif des colis éblouit et la caméra ne voit que des taches blanches. Personne ne met le nettoyage des données sur le devis. C'est vous qui le payez à la fin.

Le deuxième piège, c'est de ne compter que le prix du logiciel et d'oublier le prix de l'intégration. Un abonnement de quelques centaines de dollars par mois a l'air bon marché, mais le raccorder à votre WMS, modifier l'agencement du poste d'emballage et former le personnel coûte souvent plus cher que le logiciel lui-même. Ce qui manque sur le devis est généralement le poste le plus important.

Le troisième piège, c'est de traiter le pilote comme la ligne d'arrivée. Beaucoup de vendeurs voient de beaux chiffres de pilote, se précipitent dans un déploiement complet et regardent tout s'effondrer pendant la haute saison. Le coût du retour en arrière est supérieur à celui du pilote lui-même. La haute saison est le meilleur détecteur de mensonges : doublez le volume, accélérez le convoyeur, et chaque problème caché par la démonstration apparaît d'un coup. Passer à l'échelle avant qu'un pilote ait survécu à une haute saison, c'est comme sauter sans vérifier l'eau. Ma règle est qu'un pilote doit survivre à une haute saison complète avec des chiffres toujours debout avant que quiconque parle de passer à l'échelle.

Celle-ci a vraiment marché pour moi : la prochaine fois que quelqu'un vous apporte une proposition d'IA, sautez la vidéo de démonstration et demandez-lui de remplir le tableau ci-dessus. Si les chiffres ne s'additionnent pas, renvoyez-le refaire ses calculs. Un fournisseur capable de montrer son travail est le seul type avec lequel il vaut la peine de continuer à parler.

Par Ah K, Vendeur e-commerce (5 ans) Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.