Synthèse des opportunités d'IA

Description du problème

- Voir s'il existe des outils d'organisation de tournées (mais peut-être trop cher)
- Il y a 2 camions qui tournent
L'entreprise LRDM (Le Roi Du Matelas) gère actuellement ses tournées de livraison vers ses différents magasins de manière essentiellement manuelle et basée sur l'expérience. Le processus actuel repose fortement sur la connaissance humaine et l'expertise d'une personne spécifique qui organise les tournées en tenant compte de contraintes multiples comme les heures de travail des chauffeurs, les kilométrages à respecter, et la répartition optimale des marchandises dans les camions.
Chaque jour, l'équipe logistique exporte les besoins de livraison et procède manuellement à l'attribution des marchandises aux différents camions, en définissant les itinéraires pour chaque destination. Ce système, bien que fonctionnel, dépend fortement de l'expérience et du "bon sens" de la personne qui gère les tournées, créant une dépendance organisationnelle problématique, particulièrement en cas d'absence.
Les tournées sont relativement stables depuis environ quatre ans, avec peu d'évolution ou d'optimisation, malgré l'existence de règles métiers qui pourraient être systématisées. L'entreprise dispose d'une flotte réduite (deux camions mentionnés), ce qui limite l'échelle des opérations mais simplifie également la gestion actuelle.
Un défi supplémentaire se pose lors de l'intégration de nouveaux magasins dans le réseau, nécessitant une période d'adaptation par essais-erreurs pour déterminer la meilleure façon d'intégrer ces nouvelles destinations dans les tournées existantes.
Par ailleurs, le suivi des kilomètres parcourus n'est pas réalisé de façon systématique, ce qui limite la capacité de l'entreprise à analyser et optimiser précisément les coûts de transport.

Impacts actuels

Dépendance à l'expertise individuelle : L'organisation des tournées repose sur les connaissances et l'expérience d'une personne spécifique, créant une vulnérabilité organisationnelle significative en cas d'absence ou de départ.
Absence d'optimisation systématique : Sans outil d'optimisation, l'entreprise ne peut pas facilement identifier des configurations de tournées potentiellement plus efficaces qui réduiraient les délais ou les coûts.
Difficultés lors de l'intégration de nouveaux magasins : L'incorporation de nouvelles destinations dans les tournées existantes nécessite une période d'adaptation par essais-erreurs, ce qui peut temporairement réduire l'efficacité globale.
Manque de flexibilité : Les tournées étant relativement fixes depuis quatre ans, le système manque d'adaptabilité face aux changements de conditions (trafic, saisonnalité, priorités commerciales).
Sous-optimisation potentielle des ressources : Sans analyse systématique, l'entreprise pourrait ne pas exploiter pleinement la capacité de ses camions ou optimiser le nombre de tournées par véhicule et par jour.
Gestion complexe en cas d'imprévu : L'absence d'un système d'aide à la décision rend la réorganisation des tournées complexe en cas d'imprévu (panne, absence, retard de livraison).
Suivi limité des performances : Le manque de suivi systématique des kilomètres parcourus et autres métriques limite la capacité d'analyse et d'amélioration continue.
Potentiel d'économies inexploité : Comme mentionné dans la transcription, une meilleure organisation permettant de faire deux tournées par jour avec le même camion pourrait diviser les coûts de transport par deux pour certaines destinations.

Technologie IA applicable

💻 Développement sur mesure

Gains potentiels

- 1h par jour
- Compliqué quand la personne qui s'en occupe est en congés

Faisabilité technique

Temps d'implémentation

Moyen terme (3-6 mois)