Pour Fabien Esnoult, président de l’incubateur d’innovations supply chain SprintProject, l’intelligence artificielle consiste « à analyser de grandes quantités de données hétérogènes en un minimum de temps au moyen de traitements et d’algorithmes informatiques ». Pour qu’elle soit pertinente, « il faut l’exploiter dans le cadre d’enjeux concrets afin de répondre à des besoins métiers précis ». C’est l’approche privilégiée par Sightness pour améliorer la promesse client et la qualité de service dans le transport routier de marchandises.
Créée par le cabinet Bp2r, spécialisé dans l’optimisation des schémas logistiques, cette solution SaaS de détection des anomalies transport fondée sur l’intelligence artificielle s’appuie sur une double observation expliquée par Alain Borri, cofondateur et directeur R&D de Sightness : « La donnée liée au transport est mal maîtrisée et lors des revues de performance, transporteurs et chargeurs ne sont pas capables de faire les bons constats et d’adresser les causes réelles des non-qualités afin d’améliorer le taux de service. » À partir de ce constat, la nouvelle fonctionnalité de Sightness vise à identifier les causes réelles à l’origine des non-qualités et à redonner un sens « objectif » aux revues de performance entre les transporteurs et leurs clients. Au moyen d’une collecte de données historiques sur les trajets effectués, enrichie d’informations réceptionnées en temps réel et d’un auto-apprentissage automatique (machine learning), la première étape consiste à « neutraliser les facteurs externes et les événements exceptionnels de la base de données tels que la météo, les conditions de trafic comme les interdictions de circuler, les variations de volume ou les retards de préparation » , précise Alain Borri. Ce traitement achevé, l’application d’intelligence artificielle identifie les non–qualités récurrentes par transporteur, par destinataire, par département ou ville voire les responsabilités de chaque maillon de la chaîne lors de leur survenance.
Pour cvhaque non-qualité, Sightness, avec ou sans l’aide des consultants de Bp2r, propose des actions correctrices pour améliorer le taux de service ; l’effet de ces actions est évalué sur la durée. Le temps de déploiement de cette fonctionnalité commercialisée depuis décembre est de huit à seize semaines.