IA et logistique : 6 automatisations concrètes pour une PME

Intelligence artificielle et logistique : ce que l'IA change vraiment

« IA supply chain » recouvre trois familles d'outils très différentes, et les confondre coûte cher. La prévision de la demande relève de la statistique et de l'apprentissage automatique sur séries temporelles. L'optimisation des tournées relève de la recherche opérationnelle : un solveur, pas un modèle de langage. Les modèles de langage, enfin, servent à lire ce qui arrive en texte libre — commandes par e-mail, factures, bons de livraison — et à le transformer en données.

Notre position est simple : un prestataire qui propose un chatbot pour optimiser vos tournées se trompe d'outil. Choisir la bonne famille avant d'acheter, c'est le métier d'un cabinet de conseil en intelligence artificielle. Chaque cas ci-dessous dit quelle famille il mobilise, ce qu'il faut avant de commencer et sur quoi il se branche. Les commandes reçues par messagerie, elles, sont le terrain d'un agent IA WhatsApp, qui les crée directement dans votre système.

1. Suivre les livraisons en temps réel

Le problème. « Où est ma commande ? » occupe le service client des PME qui livrent, et chaque appel interrompt quelqu'un qui avait autre chose à faire.

Ce que fait l'IA. La position du véhicule — boîtier GPS ou smartphone du chauffeur, via une application mobile — alimente une estimation d'heure d'arrivée recalculée au fil de la tournée, selon les livraisons restantes et les temps observés. Le client reçoit le lien de suivi à l'expédition, une alerte quand le livreur approche, puis la preuve de livraison.

Avant de commencer. Un logiciel d'expédition qui émet l'événement « expédié », et l'information des chauffeurs et des représentants du personnel avant la mise en service (voir la FAQ RGPD). C'est le cas le plus simple : il ne demande aucun historique.

2. Rapprocher les factures fournisseurs

Le problème. Vérifier que la commande, le bon de livraison et la facture concordent prend du temps comptable, et les écarts — prix différent du tarif négocié, quantité facturée supérieure à la quantité reçue, facture en double — passent quand le volume monte.

Ce que fait l'IA. Un modèle multimodal lit la facture, quel que soit son format, puis le rapprochement compare ligne à ligne avec la commande et la réception. Les factures conformes passent ; seules les exceptions arrivent devant le comptable, avec l'écart expliqué. Le pipeline complet est décrit avec notre agent de saisie des factures fournisseurs.

Avant de commencer. Un référentiel fournisseurs propre — identifiés par SIREN ou numéro de TVA, pas par leur nom — et des réceptions saisies dans l'ERP.

3. Automatiser la gestion des stocks

Le problème. Des seuils de réapprovisionnement fixes ignorent la saisonnalité : la même quantité commandée en haute et en basse saison immobilise de la trésorerie d'un côté et provoque des ruptures de l'autre.

Ce que fait l'IA. Les seuils sont recalculés selon la prévision de demande, le délai réel du fournisseur et le taux de service visé. Les références sont classées selon leur poids dans le chiffre d'affaires, avec un suivi plus serré pour celles qui comptent le plus, et seules les anomalies significatives remontent. Le système propose le bon de commande fournisseur ; le gestionnaire valide.

Avant de commencer. Un stock juste dans l'ERP. Des seuils dynamiques calculés sur un stock faux automatisent l'erreur : l'inventaire passe avant l'algorithme.

4. Anticiper les ruptures de stock

Le problème. Dans la plupart des PME, une rupture se voit quand le stock est déjà à zéro, et le réapprovisionnement en urgence coûte plus cher que la commande planifiée.

Ce que fait l'IA. L'alerte croise trois signaux : la vitesse d'écoulement de chaque référence, le délai réellement constaté chez chaque fournisseur, qui diffère souvent du délai contractuel, et les références qui se vendent ensemble. Elle part avant que le stock ne passe sous le seuil critique, avec une commande planifiée à valider.

Avant de commencer. Un historique de ventes et de réceptions datées : c'est lui qui donne les vitesses et les délais réels.

5. Prévoir la demande par apprentissage automatique

Le problème. La prévision faite à partir de l'année précédente, corrigée à l'intuition, ne voit ni les changements de tendance ni les effets de calendrier — jours fériés, promotions, rentrée.

Ce que fait l'IA. Des modèles de séries temporelles apprennent la tendance et les saisonnalités. Prophet, publié en open source par l'équipe Core Data Science de Facebook, ajuste des saisonnalités annuelle, hebdomadaire et journalière et des effets de jours fériés, et tolère les données manquantes ; des modèles statistiques classiques suffisent souvent, et les réseaux de neurones ne se justifient qu'avec beaucoup de données. La prévision sort chaque semaine, par référence et par site.

Avant de commencer. Assez d'historique pour que la saisonnalité se répète : au moins deux saisons complètes. En dessous, on commence par des règles simples et on accumule l'historique.

6. Optimiser les tournées de livraison et de pose

Le problème. Une tournée planifiée à la main suit des zones géographiques ; elle tient mal compte des fenêtres horaires des clients, de la capacité du véhicule et de la durée réelle des interventions.

Ce que fait l'IA. C'est un problème de tournées de véhicules, classique en recherche opérationnelle. Google OR-Tools, bibliothèque open source, le résout avec contraintes de capacité et fenêtres horaires ; OSRM, moteur open source, calcule les itinéraires sur les données OpenStreetMap. Sur les tournées de pose que nous avons optimisées pour nos clients, nous avons constaté de -15 à -25 % de kilomètres. Le même solveur sert la planification d'atelier décrite sur notre page IA industrielle.

Avant de commencer. Des adresses géocodées, des durées d'intervention réalistes et les fenêtres horaires des clients. Une durée sous-estimée fait une tournée parfaite sur le papier et intenable sur le terrain.

Les six cas en un tableau

Côté budget, nos prix sont publiés : une première automatisation démarre dès 2 000 €, et une transformation de trois à cinq processus va de 8 000 à 25 000 €. Le chiffrage ferme vient 48 h après un cadrage écrit.

Solutions IA pour la logistique en France : transport, entrepôt et flux de commandes

Les solutions d'IA pour la logistique d'une PME se rangent en trois familles : le transport (tournées, suivi des livraisons, contrôle des factures de transporteurs), l'entrepôt (réapprovisionnement, alertes de rupture, prévision, priorisation des préparations) et les flux de documents entrants (commandes, bons de livraison, factures). La bonne question n'est pas quelle plateforme acheter en plus, mais où se situe le goulot et quel outil existant, ERP, WMS ou logiciel de gestion du transport (TMS), doit recevoir le résultat.

JAIKIN n'édite ni WMS ni TMS : nous branchons ces automatisations sur l'outil que vous avez déjà, et nous vous disons quand l'entrepôt a réellement besoin d'un WMS. Nous intervenons depuis notre agence d'automatisation IA en Alsace, à Fegersheim, pour des PME de toute la France. Une première automatisation démarre dès 2 000 € HT ; trois à cinq processus se situent entre 8 000 et 25 000 € HT, dans le cadre de notre offre d'automatisation IA.

Logistique de PME : par où commencer

Pas par la prévision, contrairement à ce que promettent les plaquettes : c'est le cas qui exige l'historique le plus propre. L'ordre qui fonctionne est celui de la donnée disponible.

1. Ce qui s'appuie sur vos documents existants : le suivi de livraison et le rapprochement des factures. Ils ne demandent ni historique ni capteur nouveau, et leur effet se mesure dès la mise en service.
2. Le stock : le fiabiliser, puis automatiser sa gestion. Les seuils dynamiques ne valent que si le stock de l'ERP est juste.
3. La prévision, les alertes de rupture et les tournées, une fois l'historique propre accumulé.

Chaque étape se valide avant la suivante, sur un indicateur relevé avant le chantier — appels « où est ma commande », temps de rapprochement, kilomètres —, pas sur le calendrier. C'est la méthode de notre agence d'automatisation IA : la mesure qui clôt une étape ouvre la suivante.

Questions fréquentes

Quelle solution logistique pour une PME ?

Rarement un progiciel de plus. Dans la plupart des PME, l'ERP ou le logiciel de gestion commerciale contient déjà les commandes, les stocks et les factures : la solution consiste à automatiser ce qui se passe autour — lecture des documents, alertes, suivi, tournées — en écrivant dans cet outil plutôt qu'à côté. Un WMS se justifie quand l'entrepôt lui-même devient le goulot : réception, rangement, préparation. Nous repérons d'abord le goulot réel, puis nous branchons l'automatisation qui le traite.

Quel budget pour automatiser la logistique d'une PME ?

Nos prix sont publiés : une première automatisation, sur un seul processus, démarre dès 2 000 € ; une transformation de trois à cinq processus va de 8 000 à 25 000 €. Hébergement et consommation d'API se chiffrent à part, selon les volumes. Le chiffrage ferme vient 48 h après un cadrage écrit.

Faut-il un data scientist en interne ?

Non. Il faut un référent métier — responsable logistique ou gestionnaire de stocks — qui valide les règles et arbitre les exceptions. La partie technique reste chez le prestataire, et vous restez propriétaire du système livré.

Ces automatisations s'intègrent-elles à notre ERP ?

Oui, par API quand l'ERP en propose une, par import et export structurés sinon. L'intégration est souvent la partie la plus longue du projet, et c'est elle qui évite la double saisie. Sur un ERP Odoo, elle se règle avec votre intégrateur Odoo.

Combien d'historique faut-il pour prévoir la demande ?

Assez pour que le modèle voie la saisonnalité se répéter : au moins deux saisons complètes pour une saisonnalité annuelle. En dessous, des règles simples — moyennes mobiles, seuils revus à la main — font mieux qu'un modèle qui devine, et l'historique s'accumule en parallèle.

La géolocalisation des chauffeurs est-elle compatible avec le RGPD ?

Oui, dans le cadre fixé par la CNIL : les représentants du personnel sont informés ou consultés avant l'installation, chaque salarié est informé des finalités, des destinataires et de la durée de conservation, et rien n'est collecté hors du temps de travail ni utilisé pour contrôler la vitesse. Les données se conservent en principe deux mois, un an quand elles servent à optimiser les tournées (fiche CNIL mise à jour le 30 mai 2023, relue le 6 octobre 2026). Les données de stock et de prévision, elles, ne sont pas des données personnelles.

Quelle différence entre un WMS et ces automatisations ?

Un WMS gère les opérations physiques de l'entrepôt : réception, rangement, préparation, expédition. Les automatisations décrites ici s'ajoutent par-dessus : prévoir, alerter, optimiser, contrôler. Sans WMS, le suivi de livraison et le rapprochement des factures fonctionnent seuls ; pour les stocks et la prévision, l'ERP ou le WMS reste la source de vérité.

L'IA peut-elle optimiser l'entrepôt d'une PME sans changer de WMS ?

Oui, dans la plupart des cas. Le WMS reste la source de vérité des emplacements et des mouvements ; l'IA s'y branche par API ou par export structuré pour prévoir les besoins, déclencher le réapprovisionnement et prioriser les préparations. Changer de WMS ne se justifie que si l'outil actuel ne trace pas correctement les mouvements : aucune prévision ne corrige un stock faux.