Un fournisseur m'a dit un jour que son IA de picking visuel était "précise à 99,9 %". J'ai demandé : dans quel entrepôt, sur quels SKU, sous quel éclairage ? Silence. Puis le pitch deck est sorti, plein de chiffres de laboratoire. J'ai passé 20 ans dans l'entreposage aux États-Unis, et j'ai appris à traduire les maths des vendeurs sur-le-champ : la précision de laboratoire ne vaut rien tant que le modèle n'a pas survécu à votre bâtiment, à vos SKU et à votre saison de pointe.
Donc ma règle pour toute IA qui arrive en production dans un entrepôt : pas de bascule big-bang. L'IA accompagne en ombre pendant 30 jours d'abord. Elle observe, elle enregistre, elle ne touche à rien. Ensuite — et seulement ensuite — on parle de go-live.
Le mode ombre, volé à Tesla
Je ne l'ai pas inventé. En avril 2019, lors de l'Autonomy Day de Tesla, l'entreprise a décrit comment elle valide son nouveau logiciel de conduite autonome : elle l'exécute en "mode ombre" sur les voitures des clients — fonctionnant silencieusement en arrière-plan, sans toucher aucune commande du véhicule, se contentant de consigner "voici ce que j'aurais fait" et de le comparer à ce que le conducteur humain a réellement fait. Tesla l'a ensuite mis par écrit auprès du DMV de Californie : les fonctions en mode ombre opèrent en silence sans actionner aucune commande du véhicule, de sorte que le nouveau comportement est prouvé dans des conditions réelles avant d'atteindre la flotte.
La version entrepôt a exactement la même forme. L'IA tourne ; les humains font tourner l'opération ; la sortie de l'IA est consignée et jamais exécutée. Disons que vous évaluez des suggestions de réapprovisionnement par IA : en mode ombre, l'IA génère sa liste de suggestions chaque jour, mais la liste ne sort jamais. Les préparateurs travaillent selon le processus d'origine. En fin de poste, le système compare les suggestions de l'IA à ce que les opérateurs chevronnés ont réellement fait, ligne par ligne : concordance, discordance, ou "l'IA a perdu la tête".
Cette dernière catégorie compte, et c'est pourquoi le mode ombre n'est pas un "pilote". Un pilote met un vrai business à un vrai risque à petite échelle — quand il se trompe, vous payez. Le mode ombre couvre l'opération entière à risque zéro — quand il se trompe, ce n'est qu'une ligne dans un journal, et l'expédition continue le lendemain matin. Ces 30 jours vous achètent des preuves, pas de la confiance. Quand un vendeur cite 99,9 %, demandez le journal d'écarts des 30 jours. S'il ne peut pas le produire, il n'y a rien à discuter.
Trente jours, trois chiffres
Quand les 30 jours sont écoulés, vous devriez tenir trois chiffres en main. Ma checklist ne regarde que ces trois-là et rien d'autre — tout le reste est du bruit.
Premier : le taux de concordance. La fréquence à laquelle le choix de l'IA correspond à ce que l'opérateur humain a finalement fait. Ma barre : 99 % ou mieux pendant deux semaines consécutives. Notez la formulation — deux semaines consécutives, pas une moyenne sur 30 jours. Les moyennes cachent les péchés. Deux semaines à 95 % suivies de deux semaines à 100 % donnent une respectable moyenne de 97,5 %, mais où sont passés les problèmes des deux premières semaines ? Des semaines propres d'affilée prouvent que le modèle est stable et non chanceux. Et suivez la concordance par scénario : SKU standard, articles aux formes bizarres et produits de chaîne du froid sont notés séparément. Mélangez-les et le point faible disparaît dans la moyenne.
Deuxième : la latence. Le temps entre la réception des données par l'IA et la production d'une sortie. Ma barre : latence P95 pas pire qu'un tiers du temps que prend un humain pour la même décision. Une IA plus lente que vos gens n'a pas sa place en production — le plancher ne peut pas attendre. Cela ne peut se mesurer honnêtement que pendant le mode ombre, avec des volumes de données de production, car après le go-live, la latence devient du temps d'attente au bord de la ligne, et le découvrir alors est trop tard. Ne laissez personne le tester sur une base de données d'essai avec quelques milliers de lignes.
Troisième : le taux d'absurdités. La part des sorties de l'IA qui sont carrément absurdes — suggérer d'envoyer des produits de chaîne du froid en stockage ambiant, réapprovisionner un SKU discontinué, diviser une commande en trois vagues. Des erreurs qu'un vétéran ne commettrait jamais. Ma barre : zéro en 30 jours. Le taux de concordance est négociable ; l'absurdité ne l'est pas. Une seule sortie absurde signifie que le modèle n'a aucune notion de vos limites métier, et cette IA vous blessera aujourd'hui ou demain.
La réunion go/no-go
Données en main, tenez une réunion. Quatre parties, sièges fixes : le responsable des opérations d'entrepôt, l'IT, le vendeur IA et une voix indépendante de confiance — un conseiller externe ou le vétéran interne qui connaît vraiment l'opération. La réunion a exactement un travail : comparer les trois chiffres aux barres, et voter go ou no-go.
Go signifie que les trois barres sont atteintes, stables sur les deux dernières semaines, et la liste d'exceptions à zéro. No-go signifie qu'une seule barre est manquée, ou qu'une seule sortie absurde est enregistrée. Il n'y a pas d'option du milieu, pas de "continuons à observer". Observer une semaine de plus, c'est juste le jour 31 du mode ombre — les données décident. Soit on prolonge la marche en parallèle, soit on tue le déploiement. "Passer en production avec des problèmes connus" n'est pas au menu.
Une chose de plus que la plupart des équipes ratent : la bascule elle-même doit être progressive. Une ligne, un poste, une semaine propre avant le déploiement total. Lisez le désastre de Knight Capital à l'envers et la leçon est évidente : le 1er août 2012, la société de trading a poussé un nouveau code de routage d'ordres directement en production, une routine dormante s'est réveillée sur un serveur oublié, et environ 440 millions de dollars se sont évaporés en environ 45 minutes parce que personne n'a pu l'arrêter à temps. S'ils avaient d'abord fait tourner le nouveau code sur un seul serveur, le désastre n'aurait jamais eu lieu. Pareil dans l'entrepôt : laissez l'IA "passer en production" sur un poste sous l'œil des vétérans pendant une semaine. Ça vaut dix réunions de revue. Pendant la semaine progressive, le point du matin suit exactement un chiffre : combien de commandes l'IA a-t-elle touchées hier, et combien se sont mal passées.
Écrivez le plan de retour avant d'en avoir besoin
Un plan de retour écrit après l'incident est une autopsie, pas un plan. Le mien a trois éléments, et les trois sont écrits et répétés avant la bascule.
Un : un bouton d'arrêt d'urgence. Le module IA de votre WMS doit être un interrupteur de configuration, pas un déploiement de code. Éteignez-le et l'opération redevient entièrement manuelle en cinq minutes — répété pour de vrai, pas documenté en croisant les doigts. Knight Capital a eu besoin de 45 minutes pour passer de "quelque chose ne va pas" à l'arrêt manuel du système. Dans un entrepôt, 45 minutes suffisent à mal expédier un poste entier vers la mauvaise zone et à laisser les transporteurs de demain faire la queue au quai.
Deux : la quarantaine des données. Tout ce que l'IA a touché pendant la période en direct est étiqueté — recommandations d'emplacement ajustées par l'IA, vagues fusionnées par l'IA, seuils de réapprovisionnement modifiés par l'IA — pour qu'un retour puisse le retirer d'un seul coup sans contaminer l'historique du processus manuel. Sinon, vous passerez des mois à réconcilier les résidus d'IA. Définissez les règles d'étiquetage pendant le mode ombre, pas après la bascule.
Trois : un responsable nommé. Qui ordonne le retour ? Ma règle : le responsable des opérations de terrain détient le droit de veto et l'autorité sur le bouton d'arrêt, sans escalade vers l'IT, sans attendre que le vendeur se montre. Quand les choses tournent mal, chaque minute est de l'argent, et le temps que la chaîne d'approbation se termine, la marchandise est déjà partie. Mettez cette autorité dans la charte du projet le jour un, pas le jour où ça explose.
Amazon l'a fait ainsi avec Sparrow, son bras de picking visuel par IA dévoilé en novembre 2022. Au lieu d'un déploiement à l'échelle de la flotte, Amazon l'a piloté dans le centre de distribution de San Marcos, Texas, a réduit son taux de défauts de 65 % pendant le pilote, et seulement alors a étendu le déploiement. Si Amazon — avec cette échelle et ce banc d'ingénieurs — pilote avant de passer à l'échelle, personne d'autre n'a d'excuse pour une bascule big-bang.
Si vous négociez un projet d'IA en ce moment, ajoutez une clause au contrat : les jalons de paiement sont liés à l'acceptation en mode ombre. Pas d'acceptation, pas de paiement final. Un vendeur qui signe croit en son modèle. Un vendeur qui refuse vient de vous économiser les frais de scolarité. Trente jours de mode ombre sont le prix pour dormir tranquille la nuit.
Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.
