Notre entrepôt fait 3,000 mètres carrés, un peu plus de 400 emplacements de racks. Inventaire physique complet une fois par mois : deux personnes, deux jours — et on rate quand même des choses. Les systèmes de comptage par vision des grandes entreprises, caméras fixes et rapprochement en temps réel ? J'ai jeté un œil au devis et je l'ai reposé. Nous, les petits entrepôts, ne pouvons pas brûler cet argent-là.
Mais ensuite les modèles de langage visuel sont arrivés, et j'ai compris qu'il existe une version artisanale que nous pouvons voler. Même idée, une fraction du coût.
Le VLM en mots simples : c'est une IA qui peut regarder une photo et comprendre le langage humain en même temps. On photographie un rack et on demande : « Cet emplacement devrait contenir des snacks aux myrtilles — est-ce ce qu'il y a sur la photo ? » Elle répond, et entoure les mauvais cartons. La grande différence avec l'ancienne IA de vision : l'ancienne devait être entraînée — il fallait lui apprendre à quoi ressemblait chaque SKU, et un changement d'emballage signifiait un réentraînement. Le VLM n'a besoin d'aucun entraînement. On lui donne le plan des emplacements (ce qui devrait être ici) comme grille de réponses, et elle compare toute seule. Les petits entrepôts n'ont jamais eu personne pour surveiller des entraînements. Maintenant nous n'en avons plus besoin.
Voici notre version artisanale, une tournée par semaine : imprimer la liste des emplacements à forte rotation, planifier un itinéraire de ronde, une personne avec un téléphone, une photo par emplacement. De retour au bureau, passer les photos en lot dans le VLM et poser toujours la même question : « Cet emplacement devrait contenir A. Est-ce que A est sur la photo ? Y a-t-il quelque chose de mal placé ou de manquant ? » On signale les problèmes, on les vérifie à la main le lendemain. Pas de code, pas d'intégration — un téléphone et un navigateur.
Est-ce que ça marche ? Deux histoires vraies.
En mars dernier, l'un de nos emplacements devait contenir 12 cartons de myrtilles séchées. Trois cartons de cranberries séchées s'étaient glissés dedans — un emballage presque identique. Trois mois d'inventaires tournants manuels les ont ratés ; les compteurs ont vu que la quantité correspondait et sont passés à autre chose. La ronde photo du VLM a entouré ces 3 cartons dès la première semaine. Quiconque fait du 3PL le sait : une erreur de picking est l'erreur la plus chère qui soit. Un envoi erroné me coûte plus cher que six mois de main-d'œuvre de comptage.
Deuxième histoire : les emplacements fantômes. Le système dit qu'il y a du stock ; le rack est vide — ou l'inverse. Nous photographions chaque semaine maintenant, et le VLM rapporte simplement « cet emplacement est vide », on le rapproche du système, et l'écart apparaît. Avant, cela ne remontait que lorsqu'un préparateur revenait les mains vides — moment où l'expédition était déjà en retard et où le client était déjà au téléphone.
Maintenant les chiffres. Avant : deux personnes, deux jours, une fois par mois, avec quand même des ratés. Version artisanale : une personne, une demi-journée par semaine à photographier ; les zones à forte rotation vérifiées chaque semaine, les zones lentes chaque mois. Parmi les emplacements que l'IA signale comme « problème », la vérification manuelle confirme qu'environ soixante-dix à quatre-vingts pour cent sont de vrais problèmes — le reste, c'est la mauvaise lumière ou les mauvais angles qui trompent l'IA. Dans l'autre sens : les emplacements que l'IA valide mais qui ont vraiment des problèmes — disons que dix à vingt pour cent passent entre les mailles. Alors soyons directs : l'IA est un premier filtre. Elle ne remplace pas la vérification humaine. Celui qui vous dit qu'elle remplace entièrement le comptage manuel est en train de vous vendre quelque chose.
Combien coûte la version artisanale ? Le téléphone, nous l'avions déjà. Le côté VLM facture par image, et notre lot hebdomadaire représente quelques centaines de photos — la facture mensuelle est inférieure à ce que nous dépensons en film étirable en une semaine. Le cher n'a jamais été l'IA. C'était de nettoyer le plan des emplacements, ce qui a pris deux après-midis et une cafetière.
Qu'avons-nous volé à la coûteuse installation d'entreprise ? La pensée, pas le matériel. Eux utilisent des caméras fixes qui tirent en temps réel ; nous utilisons un téléphone avec un calendrier — la même idée de « photographier et comparer ». Eux entraînent par SKU ; nous utilisons le plan des emplacements comme grille de réponses — la même idée de « pas d'entraînement nécessaire ». Les idées sont gratuites. Le matériel ne l'est pas.
Deux constats contre-intuitifs. Premier : plus la photo est « professionnelle », pires sont les résultats. Au début, nous avons demandé au personnel de tenir le téléphone à niveau, parfaitement cadré, impeccable — et l'IA faisait moins bien qu'avec des photos prises à la va-vite. Puis nous avons compris : les VLM ont vu des océans de photos prises à la va-vite. Votre photo posée est hors de leur zone de confort. Photographiez aussi naturellement que possible. Ne posez pas.
Deuxième : ne déployez pas sur tout l'entrepôt dès le premier jour. Commencez par les 20% d'emplacements à forte rotation — d'après notre expérience, 80% des problèmes vivent dans ces 20 %. Une fois la routine bien rodée, étendez. Les petits entrepôts sont en sous-effectif ; mettez l'acier là où est la lame.
Un autre détail qui nous a épargné beaucoup de reprises : gardez les étiquettes des emplacements lisibles. Le VLM lit le numéro d'emplacement sur l'étiquette du même coup d'œil — si l'étiquette est tombée ou qu'un carton la cache, l'IA ne peut pas dire de quel emplacement il s'agit. Nous avons passé un après-midi à recoller chaque étiquette de l'entrepôt : redresser les tordues, remplacer les manquantes. Le meilleur argent dépensé du trimestre — appelez ça « l'infrastructure de l'ère IA », ha.
Trois conseils pour nos collègues des petits entrepôts : d'abord nettoyez votre plan des emplacements — si la grille de réponses est fausse, l'IA ne sert à rien. Gardez le parcours et les angles de photo constants — ne photographiez pas le côté gauche aujourd'hui et le droit demain. Et vérifiez à la main chaque alerte de l'IA sous 24 heures ; le quai change si vous attendez.
La planification de l'itinéraire compte plus qu'on ne le pense : parcourez les emplacements en serpentin, sans revenir en arrière ; photographiez dans le même ordre que la liste imprimée pour que le rapprochement des photos prenne ensuite des minutes, pas une heure. Et oui, nous avons acheté deux perches à selfie pour les racks hauts — riez tant que vous voulez, l'IA voit mieux quand la caméra monte jusque là-haut.
Les grandes entreprises ont leur manuel. Les petits entrepôts ont le nôtre. Un téléphone et une IA qui sait lire les photos, et même un petit entrepôt comme le nôtre peut garder ses racks honnêtes.
Par Xiao Ma, propriétaire de petit entrepôt
Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.
