Pierre Lenclud (Heppner) : « parler le même langage permet de se comprendre »

Pouvez-vous nous rappeler ce qu’est Heppner ?

Nous traitons toute la chaîne logistique : messagerie routière, courtage de transport aérien, transport maritime et ferroviaire, services logistiques, entreposage… Nous générons un chiffre d’affaires de 970 millions d’euros grâce à 3 570 collaborateurs. Nous desservons 157 pays et nous disposons de 85 sites dans le monde (surtout en Europe et Afrique). Nous livrons chaque année 72 millions de colis.

Comment est organisé votre IT ?

En tant que CDO, je suis rattaché au Group CIO, Henri Adreit. Le CISO est, lui, rattaché au secrétariat général mais il collabore au quotidien avec la DSI.

Chaque pays a son budget IT propre mais tous les responsables IT sont rattachés fonctionnellement au Group CIO. La tendance est à la centralisation de notre SI mais il faut être conscient que, dans notre secteur, les entreprises ont beaucoup grossi par acquisitions et désiloter le SI résultant est évidemment un objectif. Nous avons donc défini un modèle de référence groupe et nous migrons petit à petit les SI locaux.

Les TMS (transport management systems) demeurent pour l’heure différents car migrer ces solutions constitue des chantiers très lourds. Il faut par contre veiller à ce que les données puissent aisément circuler entre TMS.

Quels sont les grands principes de votre architecture ?

Les infrastructures sont globalement communes et nous avons une politique de migration vers le Cloud. Notre approche est multicloud avec surtout Google Cloud Platform et Microsoft Azure.

Côté applicatifs métiers, nous préférons les SaaS autant que possibles. Nous utilisons l’ERP de Sage, la facturation d’Esker…

Notre data platform est Snowflake. La data visualisation repose sur Tableau (aujourd’hui appartenant à Salesforce) et sur Business Object déployé sur GCP. Nos TMS fonctionnent généralement on premise, parfois sur AS/400 avec une infogérance par Axians. Après avoir évalué des offres d’infogérance de notre AS/400 dans le Cloud, nous avons jugé la réactivité encore insuffisante pour un TMS. Ce dernier étant un composant critique de notre SI, nous avons renoncé à sa migration à ce stade.

Quand on dit data chez Heppner, de quoi parle-t-on ?

Outre les données classiques (RH, clients…), la donnée est avant tout celle du « track & trace », c’est à dire toutes les données de la chaîne logistique. On doit toujours pouvoir répondre à la question « où est tel colis ? ». Or il n’est pas nécessairement entre nos mains.

L’écosystème du transport et de la logistique est très fragmenté et son fonctionnement repose encore beaucoup sur le papier. L’objectif de digitalisation vise en fait à un meilleur transfert de données logistiques mais aussi financières. Nous cherchons à optimiser nos flux de transport et de logistique. Il faut sortir du simple constat « voilà la situation » pour piloter réellement les flux de colis, avec une donnée la plus temps réel possible et, demain, des capacités prédictives fondées sur le passé comme sur le présent.

Or, comme je l’ai dit, les sources TMS sont très variées. Les données résultantes sont donc également très variées et utilisent des langages variés.

Nous travaillons, au sein de l’écosystème, pour mettre en place un vocabulaire commun. Aujourd’hui, nos clients disposent déjà d’une visibilité précise sur leurs expéditions, mais cette visibilité reste difficile à unifier avec plusieurs transporteurs et systèmes différents. Notre enjeu, c’est de leur offrir une vision vraiment globale, malgré des sources hétérogènes.

Nous avons donc construit une couche sémantique pour harmoniser les données avec Tableau Pulse. Cela nous offre une Self-BI augmentée à l’IA, ce qui permet une recherche dans toutes les données disponibles.

Comment est abordée cette question de la sémantique et de sa structuration ?

Pour le fret aérien, l’IATA (International Air Transport Association) a développé la sémantique OneRecord. La DCSA (Digital Container Shipping Association) a fait la même chose pour le maritime.

Dans mon poste précédent, j’avais travaillé à partir de OneRecord pour l’étendre aux autres canaux. L’objectif est bien sûr de pouvoir communiquer avec tous les acteurs du transport et de la logistique dans un même langage. Parler le même langage permet de se comprendre.

Il est donc important que Salesforce et d’autres éditeurs fassent partie de l’Open Semantic Interchange.

Qu’apportent ces outils et approches aux clients ?

D’abord, la réponse à « où est mon colis ? ».

Les attentes des clients, ce sont d’abord la fiabilité et la ponctualité des livraisons avec la possibilité de prévisions. Ensuite, il y a aussi une question de transparence. Les clients désirent également pouvoir compter sur une certaine flexibilité dans les livraisons et la prise de rendez-vous. Enfin, il s’agit de pouvoir suivre le prix et proposer le meilleur rapport qualité du service / prix. Tout cela suppose évidemment une cybersécurité sans faille pour que les systèmes fonctionnent effectivement.

Si l’on peut mettre en place un self-service sur un portail avec automatisation des processus, il est cependant important que l’assistance soit faite par un humain.

Enfin, il est aussi nécessaire de réaliser un suivi de l’empreinte environnementale (CO²) en fonction du carburant utilisé et du chemin suivi. Avec Tableau Embedded, nous pouvons afficher un reporting en temps réel calculant les émissions de CO² générées.

Y-a-t-il des usages internes ?

Bien sûr, il y a des usages transverses communs comme le reporting financier, RH, RSE… Le tracking des colis permet aussi le contrôle qualité.

Mais il demeure difficile de collecter des données et de les traiter à partir d’outils très variés utilisant des vocabulaires différents. Le but final reste donc un seul outil, un seul langage.

En quoi l’IA apporte-t-elle de la valeur ?

Il y a plusieurs cas d’usage à partir des données de TMS différents, collectées et transférées sur Snowflake.

L’IA peut ainsi optimiser les transports. Elle peut procéder à des regroupements de trajets gérés sur des TMS différents. Il en résulte une baisse de l’empreinte carbone, du coût et du prix.

Au-delà, l’enjeu est d’anticiper : ne plus subir les situations, mais les piloter par la donnée, avec une organisation véritablement data driven. Cette approche s’appuie aussi sur l’expérience métier des équipes, parfois acquise sur plusieurs décennies, que l’IA vient compléter et augmenter. Tableau fournit justement le cadre analytique qui fait le lien entre les expertises des équipes et des recommandations actionnables au quotidien.

Nous aurons aussi d’autres cas d’usage, à terme, avec de la computer vision (reconnaissance visuelle des colis…) et le machine learning.

Quelles sont les limites à ces usages de l’IA ?

La première limite est de savoir éviter les biais. Pour cela, nous maintenons pour l’instant un contrôle humain.

Les compagnies maritimes envoient leurs tarifs presque quotidiennement. Nous les ressaisissons dans nos systèmes. L’IA pourrait analyser les tarifs fournis pour éviter la saisie manuelle mais le contrôle humain demeurera systématique : une erreur sur des tarifs aurait de graves conséquences très onéreuses.

Pour optimiser les coûts, il pourrait être préférable d’utiliser des SLM (modèles de plus petite taille) plutôt que des LLM afin d’éviter des coûts énergétiques inutiles.

Bien évidemment, une limite est le respect de l’éthique et de la réglementation (IA Act…).

C’est un classique, mais essentiel : sans données de qualité, bien documentées et contextualisées, l’IA produit des résultats médiocres. Faire accepter cette exigence de gouvernance reste un défi majeur.

Quelles sont les perspectives et les défis encore à relever ?

Pour l’heure, nous travaillons sur des fondations. Nous ne pouvons pas investir sur des solutions sans certitude de ROI : notre secteur est un secteur à faibles marges.

Un enjeu reste, bien sûr, de mieux intégrer les différents TMS au-delà de la seule question de la sémantique.

A terme, il s’agira d’utiliser l’IA pour mieux anticiper les trajets en fonction de l’écosystème de partenaires comme des préoccupations géopolitiques.

Nous devons aussi bien former nos collaborateurs à l’usage de l’IA. Dans un prompt, plus on donne de contexte, plus la réponse sera pertinente.

Enfin, il demeurera essentiel que tous les partenaires de l’écosystème adhèrent à la sémantique commune pour que l’on puisse mettre en œuvre une digitalisation globale de la chaîne logistique.