Alors que les chaînes d’approvisionnement de nombreuses filières (semiconducteurs, automobiles, vêtements de sport, biens d’équipement, etc.) se grippent, nous traversons actuellement une économie de la pénurie dont les difficultés ont peu de chances de se résorber avant plusieurs trimestres. Dans ce contexte, les grandes sociétés de fret deviennent plus que jamais les rouages clés d’une économie qui peine à conserver ses équilibres. Nous profitons de cette conjoncture pour comprendre comment l’intelligence artificielle est aujourd’hui utilisée dans l’industrie du fret avec l’espoir qu’elle contribue à soulager ces déséquilibres temporaires de l’économie mondiale.

L’analyse prédictive, une révolution dans le monde de la logistique, permise par l’intelligence artificielle : les exemples de DHL et UPS

L’utilisation d’un outil de prévision de la demande et d’ajustement de la capacité du réseau constitue le rêve de tout logisticien. En effet, une meilleure anticipation de la demande permet une meilleure allocation de la flotte de véhicules et donc une baisse des coûts opérationnels. Cette problématique business se traduit souvent dans des équations à nombreuses variables que l’intelligence artificielle résout mieux que personne.

A titre d’exemple, DHL a créé pour son activité de fret aérien un modèle de machine learning constitué de 58 paramètres de données internes. Il permet au groupe américain d’anticiper d’une semaine à l’autre si les temps de transit vont augmenter ou au contraire baisser mais également de modéliser l’influence de facteurs climatiques et opérationnels sur les temps de livraison.

D’autres leaders mondiaux de la logistique (comme UPS) ont voulu internaliser ces fonctions en investissant dans leurs propres équipes de data science et ainsi développer leur modèle de machine learning. Le logisticien américain affiche ainsi une économie de près de 40 millions de litres de carburant par an en optimisant son modèle de livraison du dernier kilomètre par algorithme.

Les PME de la logistique qui souhaitent utiliser l’analyse prédictive à base d’intelligence artificielle disposent elles de solutions comme ClearMetal, une start-up qui a placé l’intelligence artificielle au cœur de l’optimisation des modèles de fret.

La plateforme digitale de cotation à base d’intelligence artificielle : l’exemple de Kuehne+Nagel

Leader Européen de la logistique par mer et air, dont le siège se situe en Suisse, Kuehne+Nagel a lancé dès 2019 une plateforme digitale de fret avec un moteur d’intelligence artificielle : eTrucknow.com. Celleci offre aux expéditeurs un système de cotation et de comparaison simplifié. Lorsque les détails du chargement sont connus, l’intelligence artificielle va permettre de simplifier et de rationaliser le système de cotation des coûts de fret et d’offrir aux clients l’offre optimale après traitement d’une complexe série de données. De l’autre côté, des transporteurs sélectionnés disposent d’une plateforme dédiée qui leur permet d’allouer leurs capacités de manière plus optimale. D’abord lancée en Thaïlande en 2019, cette plateforme fut ensuite déployée à Singapour par le groupe Suisse.

Lors de la publication de ses résultats du T3 2021 (ce mois-ci), la société suisse a fait état d’une forte adoption de ses plateformes à base d’intelligence artificielle (eTrucknow, SeaExplorer), plus que jamais nécessaire dans un contexte où le groupe suisse doit affronter la congestion des ports de la planète (740 navires, soit 12% de sa flotte sont actuellement en attente de pouvoir rentrer dans leurs ports de destination).

La Computer Vision : le nec plus ultra de l’inspection des marchandises et du déchargement des cargos

Disposer de bonnes paires d’yeux est indispensable dans les fonctions de l’inspection logistique ; en particulier si ces yeux émanent des dérivés de l’intelligence artificielle appelés machine vision et computer vision. Cette inspection logistique à base d’intelligence artificielle permet à des leaders comme DHL de repérer et catégoriser les dommages sur colis liés au transport. De même, Amazon gère et déplace certains de ses stocks en trente minutes à présent contre plusieurs heures auparavant sans ces technologies.

Il existe plusieurs leaders américains en matière de computer vision et de machine vision. Parmi eux, nous pouvons citer des sociétés comme IBM Watson (qui a déjà des références dans le domaine ferroviaire) mais également des pure players américains comme Cognex ou Zebra Technologies tous deux cotés en bourse. Nous retrouverons également certains modules de machine vision chez les grands producteurs de robots et cobots comme Fanuc par exemple.