Agents IA
30 minutes pour décharger un camion. Qui a décidé ça ?
Un camion de 24 palettes peut prendre deux fois plus de temps à décharger qu'un autre de 33. Ce que les agents IA de DHL nous apprennent sur le paramétrage.
Agents IA
30 minutes pour décharger un camion. Qui a décidé ça ?
Il est 16 h. Un camion arrive à l'heure pour son rendez-vous.
Le planning lui réserve un quai pendant 45 minutes : 30 minutes pour le déchargement et 15 minutes supplémentaires pour les manœuvres et les procédures de sécurité.
À 16 h 45, un deuxième camion est prévu sur ce même quai.
Jusque-là, tout va bien.
Sauf que le premier camion contient 24 palettes d'armoires vestiaires. Des produits hauts, encombrants et délicats à manipuler.
Le déchargement prend finalement une heure au lieu des 30 minutes prévues.
Avec les 15 minutes réservées aux autres opérations, le quai n'est libéré qu'à 17 h 15.
Le deuxième chauffeur est arrivé à l'heure, mais il attend depuis 30 minutes.
Et pourtant, le planning avait été respecté à la lettre.
Ce scénario est fictif, mais le problème qu'il soulève est bien réel.
Et si demain, c'était une IA qui organisait nos rendez-vous transporteurs ?
DHL utilise déjà des agents IA pour coordonner ses opérations
En novembre 2025, DHL annonçait renforcer sa collaboration avec HappyRobot.
Le groupe utilise notamment des agents IA pour prendre des rendez-vous, relancer des chauffeurs et gérer certaines communications liées aux opérations d'entrepôt.
Ces agents peuvent échanger par téléphone ou par mail et interagir avec les systèmes informatiques de l'entreprise.
Et le 24 septembre 2026, DHL a publié son Logistics Trend Radar 8.0.
Le rapport met en avant une évolution importante : les agents IA ne se limitent plus à répondre à des questions. Ils deviennent capables de planifier, coordonner et exécuter certaines actions, tout en restant encadrés par des règles et une supervision humaine.
Personnellement, je trouve ça très intéressant.
Quand on connaît le temps passé à gérer les rendez-vous transporteurs, les relances et les modifications de planning, on comprend vite l'intérêt.
Mais il y a une question que je me poserais avant de laisser un agent organiser mes quais.
Sur quoi va-t-il se baser pour calculer les temps de déchargement ?
33 palettes standard ou 24 palettes d'armoires vestiaires ?
Prenons deux chargements.
Le premier contient 33 palettes standard de 80 × 120 cm. Elles sont correctement filmées, stables et faciles à manipuler.
Le déchargement se déroule normalement. On vérifie le nombre de palettes par rapport à la CMR et on contrôle les éventuelles avaries visibles.
Imaginons qu'il faille 30 minutes.
Le deuxième camion ne contient que 24 palettes.
Sur le papier, on pourrait penser qu'il sera plus rapide à décharger.
Sauf que cette fois, ce sont des armoires vestiaires.
Des produits hauts, fragiles, qui peuvent manquer de stabilité lors des manipulations. Il faut adapter sa façon de les déplacer et prendre davantage de précautions.
Résultat, malgré ses neuf palettes de moins, ce camion nécessite une heure de déchargement.
Maintenant, imaginons que notre IA calcule les durées principalement à partir du nombre de palettes.
Elle pourrait très bien prévoir 30 minutes pour le camion d'armoires alors qu'il en faudra finalement 60.
Et ce n'est pas forcément une erreur de calcul.
Elle a simplement utilisé les mauvais critères.
Le paramétrage, c'est là que tout se joue
Avant de laisser une IA organiser les rendez-vous, il faut déjà lui expliquer comment fonctionne réellement l'activité.
Combien de palettes sont attendues ? De quel type de marchandises parle-t-on ? Y a-t-il des contraintes particulières de manutention ? Quels moyens sont disponibles ?
On peut également exploiter les durées constatées lors des précédentes réceptions pour affiner les estimations.
Petit à petit, le système pourrait apprendre à prévoir des créneaux plus adaptés selon les chargements.
Mais pour ça, il faut des données fiables.
Si l'information sur la nature de la marchandise n'est pas disponible, ou si le système considère qu'une palette en vaut toujours une autre, les prévisions seront forcément limitées.
Et ce n'est pas en prenant un modèle d'IA plus puissant qu'on réglera le problème.
Il faudra d'abord améliorer les informations qu'on lui fournit.
C'est moins impressionnant qu'un agent qui téléphone tout seul à un transporteur, mais probablement beaucoup plus utile.
Et si malgré tout, le camion prend du retard ?
Même avec un excellent paramétrage, il y aura toujours des imprévus.
Reprenons notre camion d'armoires vestiaires.
À 16 h 30, l'équipe voit bien que le déchargement ne sera pas terminé dans les temps.
Si cette information remonte au système, l'agent pourrait vérifier si un autre quai est disponible ou anticiper le retard pour le rendez-vous suivant.
Il pourrait proposer un décalage, préparer une information pour le transporteur ou, dans certaines limites définies à l'avance, effectuer lui-même une modification.
Mais attention, décaler un rendez-vous transporteur n'est pas toujours anodin.
Le chauffeur peut avoir d'autres livraisons derrière. Son planning de tournée ne dépend pas uniquement de notre entrepôt.
Il faut donc déterminer ce que l'agent peut décider seul et les situations où il doit passer la main.
L'intérêt n'est pas seulement de construire un planning plus rapidement.
C'est aussi de pouvoir le réajuster lorsque la réalité ne correspond plus aux prévisions.
Une IA performante ne remplacera pas la connaissance du terrain
Ce que je retiens de l'évolution présentée par DHL, c'est qu'on commence à confier aux agents IA des tâches qui ont un effet direct sur l'organisation du travail.
C'est une vraie avancée.
Mais plus on leur donne d'autonomie, plus le paramétrage et la qualité des données deviennent importants.
Et ça dépasse largement le domaine de la logistique.
Un artisan qui automatise ses prises de rendez-vous doit tenir compte du temps réellement nécessaire pour chaque intervention.
Un commercial qui confie l'organisation de ses visites à un agent doit intégrer les déplacements et les contraintes de ses clients.
Un responsable logistique doit savoir qu'un camion de 24 palettes peut prendre deux fois plus de temps à décharger qu'un camion de 33.
Sans cette connaissance du métier, l'IA peut construire un planning parfaitement cohérent dans son système, mais complètement déconnecté de la réalité.
Alors oui, je trouve les agents autonomes prometteurs.
Mais avant de leur confier l'organisation du travail, je commencerais par une question beaucoup plus simple.
Ces 30 minutes prévues pour décharger le camion, qui les a décidées ?
Et surtout, sur quoi s'est-il basé ?