proLogistik, éditeur SaaS de logiciels métiers pour la supply chain, annonce l’implémentation d’un algorithme avancé d’intelligence artificielle dédié à la performance opérationnelle en entrepôt. Conçu pour répondre aux exigences croissantes de rapidité et de fiabilité, ce module IA permet d’obtenir des gains d’efficacité mesurables et durables sur la préparation de commandes en optimisant deux leviers clés : le regroupement des commandes (batching) et les parcours de picking dans l’entrepôt.
En cours de déploiement chez des clients, ce module d’IA sera généralisé dans le WMS Logistar à l’automne, à l’issue d’une phase d’expérimentation et de montée en charge menée depuis plus d’un an.
Une IA utile, ancrée dans la réalité des entrepôts
En associant sa double expertise du monde de l’entrepôt et de la data analyse, proLogistik développe une approche pragmatique de l’intelligence artificielle appliquée à la supply chain. L’éditeur a choisi dans un premier temps de cibler la phase de préparation de commandes, là où les gains sont immédiats et mesurables.
Son nouveau module d’Intelligence Artificielle, qui sera proposé en option dès l’automne dans sa solution de WMS Logistar, se fonde sur l’ensemble des données générées par les opérations, intègre les contraintes propres à chaque entrepôt (organisation des flux, équipements, rythmes de travail et conditions opérationnelles), et livre des scénarios d’optimisation pour les deux étapes clés du terrain : – le regroupement des commandes (batching) – et les parcours des opérateurs (ou des robots) pour récupérer les articles (picking).
Au-delà de la mise à disposition dans ses solutions logicielles des dernières avancées de l’intelligence artificielle prédictive, proLogistik veut rester en première ligne pour accompagner ses clients dans la conduite des projets d’IA.
L’objectif : déployer ces transformations sans perturber les opérations en cours, en sécurisant chaque étape — de l’analyse des données à la mise en œuvre sur le terrain. Fort de sa connaissance fine des processus en entrepôt, l’éditeur met en place une démarche progressive, permettant de simuler, de tester, valider et ajuster les évolutions avant leur généralisation. proLogistik pilote ainsi, étape après étape, le déploiement des transformations opérationnelles suggérées par l’IA.
Cette approche permet d’expérimenter, d’encadrer et de sécuriser des nouveaux scénarios d’organisation du travail, sans perturber ces mécaniques de précision que sont les entrepôts de préparation de commandes.
« Nous avons fait de l’intelligence artificielle un axe stratégique de développement. Depuis deux ans, nous renforçons fortement nos équipes data pour accompagner nos clients dans des transformations concrètes de leurs opérations. Aujourd’hui, près de 15 % de nos effectifs IT sont mobilisés sur ces sujets », explique Frank Vaudolon, Directeur logiciels de proLogistik France. « Les résultats observés confirment le potentiel de ces approches pour nos clients. Cela nous permet d’entrevoir de belles perspectives de croissance pour nous, en France comme à l’international, puisque proLogistik France est désigné comme le pôle de compétences IA du groupe proLogistik.»
Une méthode éprouvée, du test à l’industrialisation
Pour sécuriser les déploiements de l’IA dans l’entrepôt, proLogistik met en œuvre une démarche progressive et sécurisée à chaque étape. L’algorithme de simulation peut analyser des millions de lignes de commandes historisées, et des flux de données d’activités temps réel. Il teste les combinaisons de réorganisation du travail sur un jumeau numérique de l’entrepôt, et identifie les meilleures solutions possibles.
Les hypothèses sont ensuite validées en conditions réelles sur des périmètres ciblés, avant une montée en charge et un passage à l’échelle au plan d’un entrepôt, ou d’une série d’entrepôts. Cette méthode garantit la maîtrise des risques, sans désorganiser les équipes terrain et les opérations en cours.
« Les projets d’IA menés sur le sujet de la préparation de commandes promettent des résultats importants de productivité sur le terrain et récompensent les investissements consentis dans nos outils et nos services d’accompagnement », explique Clément Proust, IA Manager chez proLogistik. « Concrètement, ces gains se traduisent par une réduction à deux chiffres des déplacements, une amélioration de la productivité et une meilleure fiabilité des préparations. Gagner du temps et fluidifier les opérations, c’est aussi fiabiliser les délais et réduire le stress opérationnel. Autant d’indicateurs mesurables qui permettent de piloter précisément le retour sur investissement d’un projet d’IA. »
Un avantage clé : la maîtrise de la donnée de bout en bout
Si de nombreux projets IA restent contraints par le manque de qualité des données, proLogistik ne rencontre pas cet écueil, ce qui constitue un avantage concurrentiel de son modèle 100% SaaS depuis l’origine. L’éditeur maîtrise en effet ses applications métiers autant que les données qu’elles produisent. Son Datawarehouse, au cœur de sa plateforme d’applicatifs SaaS, permet une agilité et une fiabilité dans l’exploitation des données. Cette maîtrise native permet de fiabiliser les flux dès leur production, sans retraitement lourd ni dépendance à des systèmes tiers. Elle garantit également une continuité entre les données opérationnelles et leur exploitation analytique. Cette architecture réduit les redondances, améliore la qualité des référentiels et renforce la transparence dans le pilotage de la supply chain. La donnée n’est pas reconstruite a posteriori, elle est captée nativement, fiabilisée en continu et directement exploitable. Et cela sans intervention côté client.
« Dans notre écosystème d’éditeur SaaS, les datas sont captées nativement, historisées et directement exploitables sur nos serveurs, sans reconstruction ni dépendance à des systèmes tiers. Ce socle permet de déployer des modèles d’IA fiables, avec une capacité de passage à l’échelle rapide. L’enjeu n’est plus de savoir si l’on peut faire de l’IA, mais à quelle vitesse on peut la déployer efficacement », déclare Frank Vaudolon, Directeur logiciels proLogistik France. « Cette vitesse dépend directement de la qualité des données. Chez proLogistik, nous en sommes maîtres. »
