Trois virgule huit pour cent. C’est l’écart moyen que nous avons relevé entre le stock théorique et le stock physique d’un distributeur de composants de chauffage et de climatisation, neuf mille mètres carrés d’entrepôt à Vémars, douze mille références actives. Un écart de cette ampleur ne se voit nulle part dans les comptes. Il se paie en commandes urgentes, en retours clients et en heures passées à chercher des palettes. Un audit IA de la logistique et de la supply chain commence par là, par les fichiers, jamais par les outils : tant que le stock ment, aucun algorithme de prévision ne servira à rien.
Ce qu’on découvre en ouvrant les fichiers
La première journée d’audit se passe devant un tableur. C’est rarement ce que le dirigeant attendait.
On extrait dix-huit mois d’historique de commandes, de réceptions et de mouvements de stock, puis on regarde des choses très prosaïques. Combien de références portent deux codes différents parce qu’un fournisseur a changé de nomenclature. Combien de lignes de commande sont saisies avec une date de livraison souhaitée fixée par défaut au lendemain. Quelle proportion des réceptions est enregistrée le jour même, et quelle proportion attend le vendredi. Chez ce distributeur, quatre cents références étaient des doublons purs, et près d’un quart des réceptions étaient saisies avec deux à quatre jours de retard. Le stock ne mentait pas par malveillance, il mentait par décalage.
Cette étape n’a rien de glamour. Elle détermine tout le reste.
La contrainte francilienne est une donnée, pas une excuse
Une PME logistique installée en grande couronne travaille avec des paramètres que ses homologues de province ne connaissent pas. Le mètre carré d’entrepôt coûte cher, donc on stocke serré et on perd du temps en manutention. Les livraisons dans Paris intra-muros dépendent de créneaux horaires et de règles d’accès aux zones à faibles émissions qui évoluent. Les chauffeurs perdent des heures qu’aucun logiciel ne leur rendra.
Le poste que nous voyons systématiquement sous-estimé, c’est la livraison échouée. Client absent, quai occupé, adresse imprécise sur une zone d’activité de Tremblay-en-France où trois entreprises portent des numéros voisins. Chaque échec coûte le second passage, soit un ordre de grandeur de huit à quinze euros en messagerie, davantage sur un porteur dédié. Dix-sept pour cent des tournées de notre distributeur comportaient au moins un second passage. Personne dans l’entreprise ne connaissait ce chiffre avant qu’on le calcule.
Là-dessus, l’IA a quelque chose d’utile à proposer : prédire, à partir de l’historique par client et par créneau, les livraisons à risque d’échec, et déclencher un appel ou un message de confirmation la veille. Un usage modeste. Un effet immédiat.
Trois usages qui tiennent réellement la route
La prévision de la demande, d’abord, mais pas sur tout le catalogue. Sur douze mille références, quelques centaines seulement représentent l’essentiel des sorties et se comportent de manière assez régulière pour être prévisibles. C’est là que le modèle apporte de la valeur, en ajustant les points de commande au rythme réel des ventes plutôt qu’à un seuil fixé en 2019 et jamais revu. Sur le reste, la queue longue des références qui sortent trois fois par an, aucune prévision n’est possible et il faut assumer une règle simple.
L’ordonnancement des tournées et des créneaux ensuite, en tenant compte des contraintes d’accès, des temps de déchargement réels par client et pas des temps théoriques, et des fenêtres imposées par les grands comptes.
Le contrôle des factures de transport enfin, et c’est le chantier le plus rentable rapporté à l’effort. Rapprocher automatiquement chaque ligne facturée d’une expédition réelle, avec son poids, son nombre de colis et sa zone tarifaire, fait apparaître les surcharges indues, les colis facturés deux fois et les suppléments carburant mal appliqués. Sur un budget transport annuel de plusieurs centaines de milliers d’euros, les écarts détectés paient l’outil largement. Nos clients qui pilotent ces indicateurs dans MINO’BOARD découvrent souvent en trois semaines des dérives installées depuis deux ans.
Ce que nous déconseillons
Le jumeau numérique d’entrepôt. On nous le demande, il fait de belles présentations, il coûte cher et il suppose une qualité de données d’emplacement que très peu de PME possèdent. Pour un entrepôt de moins de quinze mille mètres carrés, le retour ne suit pas.
L’optimisation d’implantation par IA quand le système de gestion d’entrepôt ne trace pas les emplacements réels. Vous optimiserez une carte fausse.
Et, plus généralement, tout projet qui commence par le choix d’un éditeur. Nous avons vu une PME de la distribution de fournitures industrielles signer un contrat de vingt-quatre mois sur une solution de prévision avant d’avoir constaté que ses trois entrepôts n’utilisaient pas le même référentiel article. Le projet a été suspendu au bout de cinq mois. Le contrat, lui, courait toujours.
Le déroulé de l’audit et ce qu’il coûte
Quatre semaines, en général. La première est consacrée à l’extraction et au nettoyage des historiques. La deuxième à l’observation sur site : réception, préparation, expédition, et une tournée passée dans le camion, ce qui apprend plus que trois réunions. La troisième au calcul d’une poignée d’indicateurs qui n’existaient pas, taux de service réel par famille, coût de possession du stock dormant, part des commandes urgentes. La quatrième à la restitution et au chiffrage de deux scénarios.
Le budget d’un tel audit se situe dans les ordres de grandeur d’un diagnostic de fonction, et les dispositifs publics de soutien à la transformation numérique peuvent en couvrir une partie, dossier monté avant l’engagement de la dépense. Un point de vigilance sur lequel nous insistons : demandez que le rapport chiffre aussi le scénario « ne rien faire ». Beaucoup de cabinets l’omettent, et c’est pourtant la seule référence honnête. Notre article sur l’analyse des coûts par l’intelligence artificielle détaille cette approche par les marges plutôt que par les fonctionnalités.
Un audit IA de la logistique et de la supply chain ne produit pas une liste de logiciels à acheter. Il produit une image nette de ce que vos flux coûtent réellement, et deux ou trois chantiers classés par rapport entre effort et effet. Chez notre distributeur de Vémars, le premier chantier retenu n’a mobilisé aucune intelligence artificielle : il a consisté à saisir les réceptions le jour même. Le second, lui, en utilisait. Si vous voulez savoir dans quel ordre traiter vos propres sujets, MINOBIA mène ce diagnostic sans engagement de suite.
Questions fréquentes
Faut-il un WMS avant de commencer ?
Pas nécessairement, mais il faut un historique exploitable des mouvements. Un ERP correctement tenu suffit souvent. Un tableur partagé, non.
Nos volumes sont irréguliers, la prévision a-t-elle un sens ?
Sur une partie du catalogue seulement. L’audit sert précisément à séparer les références prévisibles de celles qui ne le seront jamais, et à ne pas payer un modèle pour les secondes.
Combien de temps avant un effet mesurable ?
Comptez un trimestre entre le début de l’audit et les premiers gains constatés sur un chantier, à condition de n’en lancer qu’un ou deux.
Nos équipes d’exploitation vont-elles suivre ?
Elles suivent quand l’outil leur retire du travail plutôt que de leur en ajouter. Le test est simple : si le préparateur doit saisir quelque chose en plus, le projet est mal conçu.
Peut-on commencer par le transport uniquement ?
Oui, et c’est souvent le meilleur point d’entrée. Le contrôle des factures transport se met en place vite et se mesure en euros dès le premier mois.
Préparez votre audit logistique avec MINOBIA.
À propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
