IA logistique et supply chain : 12 exemples réels (2026)

TL;DR : Douze acteurs français de la logistique et de la supply chain utilisent déjà l'IA en production : CMA CGM engage 100 millions d'euros sur cinq ans avec Mistral AI, Decathlon a doublé les volumes de son entrepôt de Setúbal avec les robots d'Exotec, Geodis fait générer 80 % de ses réponses aux appels d'offres maritimes par l'IA, Engie Home Services a réduit son stock de 10 % avec Vekia. Chaque cas est nommé et sourcé ci-dessous.

Les salons supply chain promettent l'entrepôt autonome depuis dix ans. Sur le terrain, seuls 60 % des prestataires logistiques ont défini une stratégie data, contre 72 % des industriels, selon le baromètre France Supply Chain 2026. Cet article laisse les promesses de côté : 12 cas réels d'acteurs français, de l'armateur mondial au transporteur familial, chacun relié à sa source. Quand un chiffre existe, il est cité avec son origine ; quand il n'existe pas, nous décrivons le déploiement sans rien inventer.

À retenir

• Des résultats publics : 100 millions d'euros engagés par CMA CGM avec Mistral AI, des volumes quotidiens doublés à l'entrepôt Decathlon de Setúbal (Exotec), 80 % des réponses aux appels d'offres maritimes générées par l'IA chez Geodis.
• Quatre familles concentrent les déploiements : prévision des flux, optimisation du transport, robotisation d'entrepôt, visibilité temps réel avec maintenance prédictive et IA générative.
• Les briques françaises sont déjà là : DCbrain chez STEF et Heppner, Vekia chez Engie Home Services, Shippeo chez Carrefour, Exotec chez Decathlon.
• Selon le baromètre France Supply Chain 2026 (enquête juin-octobre 2025), l'automatisation est passée de 55 % à 66 % des entreprises en cinq ans et la RPA de 49 % à 67 %.
• Point commun des réussites : un irritant mesurable, des données déjà dans le TMS ou le WMS, un pilote court.
• Ligne éditoriale Koïno : 70 % des projets IA n'arrivent jamais en production ; ces 12 cas montrent ceux qui passent le mur.

Quelles entreprises françaises utilisent l'IA dans leur logistique et leur supply chain en 2026 ?

CMA CGM, CEVA Logistics, Geodis, La Poste, STEF, Heppner, ID Logistics, GXO en France et Rail Logistics Europe (groupe SNCF) utilisent l'IA en production, aux côtés de chargeurs comme Decathlon (robots Exotec), Engie Home Services (prévision Vekia) ou Carrefour (ETA Shippeo). Leurs cas d'usage : prévision des flux, optimisation des plans de transport, robotisation d'entrepôt, visibilité temps réel, maintenance prédictive.

Les 12 exemples réels d'IA dans la logistique et la supply chain françaises, leurs résultats annoncés et leurs sources

Envie de la version partageable ? Recevez la synthèse Koïno de ces 12 cas (tableau, sources, patterns).

Comment ces 12 exemples ont été sélectionnés. Sélection réalisée en septembre 2026 sur trois critères : entreprise nommée, cas d'usage logistique précis, source publique consultable. Pas de classement : les cas sont groupés par famille. Les chiffres proviennent exclusivement des sources citées ; sans chiffre publié, le déploiement est décrit sans estimation.

Qu'est-ce que l'IA en logistique et supply chain ?

L'IA en logistique est l'application de modèles d'apprentissage automatique (prévision, optimisation, vision, IA générative) aux flux physiques : anticiper les volumes, construire les plans de transport, piloter les robots d'entrepôt, prédire les arrivées et les pannes. Sa matière première la distingue de l'IA de bureau : les données de TMS, de WMS, de télématique et d'ERP, pas seulement les documents et les e-mails.

Comment La Poste et Engie Home Services anticipent-ils la demande avec l'IA ?

La prévision de la demande analyse l'historique des volumes, la saisonnalité et des signaux externes pour dimensionner à l'avance équipes, stocks et moyens de transport. C'est la famille au meilleur rapport effort-résultat : les données existent déjà dans les systèmes.

La Poste : 500 postes IA pour prévoir 6 milliards de lettres et 500 millions de colis

La branche Services-Courrier-Colis de La Poste consacre 500 postes à l'IA et à la data pour 6 milliards de lettres et 500 millions de colis par an, détaille l'Agence TCA (août 2025), citant Juliette Baudry, directrice data et IA. Depuis 2021, des algorithmes de séries temporelles prévoient les flux pour dimensionner plateformes de tri, équipes et moyens de transport, avec des pointes à un million de colis déposés en une journée. La branche simule aussi son réseau par jumeaux numériques, a repassé son calculateur CO2 Colis au machine learning et a formé plus de 25 000 postiers.

Engie Home Services : 10 % de stock en moins et 95 % de commandes automatisées avec Vekia

Engie Home Services, leader français de l'entretien d'équipements de chauffage (3 300 techniciens, 250 agences, 1,6 million d'appareils), a confié sa supply chain de pièces détachées à Vekia, éditeur lillois d'IA de prévision. Le moteur calcule une prévision de demande à 12 semaines et propose les réapprovisionnements optimaux en intégrant contraintes fournisseurs et coûts de transport. Résultats publiés dans l'étude de cas de l'éditeur : 10 % de valeur de stock en moins, 5 % de disponibilité en plus et 95 % des commandes automatisées. Le directeur supply chain Stéphane Moillic y décrit un métier passé de la saisie de commandes à la décision éclairée. Pour une ETI, c'est le schéma le plus réplicable de la liste.

Que change l'IA dans les plans de transport chez Geodis, STEF et Heppner ?

L'optimisation des tournées fait calculer par des algorithmes ce qu'aucun exploitant ne peut arbitrer seul : quels flux regrouper, quelles lignes tracter, dans quel ordre livrer, sous contraintes de créneaux et de CO2. Trois acteurs français suivent la même trajectoire : centraliser les données du TMS, puis laisser l'IA proposer des plans que l'exploitant valide.

Geodis : 80 % de la réponse aux appels d'offres maritimes générée par l'IA

Geodis, filiale du groupe SNCF, a construit en 18 mois une plateforme de données avec Sopra Steria, agrégeant CRM, TMS et WMS. Sur cette base, François Bottin, directeur du digital et de la technologie, détaille des cas d'usage en production dans L'Officiel des Transporteurs : tournées optimisées sur plusieurs critères (CO2, restrictions d'accès urbaines), jumeau numérique du réseau pharmaceutique Trans-o-flex qui a réduit de 10 à 15 % les véhicules excédentaires, agencement de palettes assisté par IA qui charge 10 % de colis en plus par camion chez un distributeur français. L'IA génère aussi 80 % de la réponse aux appels d'offres de fret maritime.

STEF : l'IA de DCbrain optimise les plans de transport du froid

STEF, spécialiste européen de la logistique sous température dirigée, a déployé la solution INeS de la start-up française DCbrain pour optimiser en temps réel les plans de transport de ses flux de produits frais, rapporte Agro Media (mars 2021). L'outil combine jumeau numérique et machine learning pour simuler les plans et recommander des optimisations. Après un pilote jugé concluant, STEF l'a étendu à ses filiales françaises de flux frais, avec un double objectif affiché par Damien Chapotot, directeur général délégué de STEF Transport : la qualité de service et l'empreinte carbone. Aucun gain chiffré n'a été publié : le cas vaut pour son schéma pilote puis généralisation.

Heppner : le transporteur familial passe ses plans de transport à l'IA

Heppner, groupe familial français de transport et de messagerie, a retenu la même brique DCbrain pour piloter son plan de transport, optimiser les kilomètres et limiter le CO2, indique VoxLog (février 2023). Après des tests concluants, le groupe a étendu l'outil en embarquant les directeurs d'agence. « La transformation digitale est un pilier stratégique du groupe Heppner », y explique Cédric Frachet, directeur des opérations terrestres. Pas de chiffre publié, mais un signal pour les ETI : l'optimisation par IA s'achète désormais comme un logiciel et se déploie agence par agence.

Comment Decathlon, GXO et ID Logistics robotisent-ils leurs entrepôts ?

La robotisation d'entrepôt combine robots mobiles et logiciels d'orchestration : les robots apportent les bacs aux préparateurs, le système séquence les commandes. Dans un secteur en tension de main-d'œuvre, le gain se mesure en productivité, en pénibilité évitée et en heures d'inventaire supprimées.

Decathlon et Exotec : des volumes doublés à Setúbal, la marche réduite de 10 km à 1 km

Decathlon a robotisé avec Exotec, le fabricant français de robots d'entrepôt basé près de Lille, 7 plateformes européennes depuis 2021 via le programme Skyfleet, décrit Stratégies Logistique. Chaque site embarque 150 à 200 robots Skypod et jusqu'à 125 000 emplacements de stockage, orchestrés par le logiciel Deepsky. Les résultats sont publiés site par site : volume quotidien doublé à Setúbal (de 57 000 à 114 000), 73 magasins servis à Ferrières contre 37, marche quotidienne d'un préparateur passée de 10 km à 1 km à Northampton. C'est le cas français le plus documenté de robotisation à l'échelle.

GXO : 500 robots mobiles sur un site français, une première revendiquée

GXO a déployé sur un entrepôt français de plus de 12 000 m² environ 500 robots mobiles autonomes gérant 70 000 bacs sur des racks de 5,5 mètres, pour un grand distributeur mondial d'articles de sport, selon le communiqué repris par FAQ Logistique (mai 2024). Cette préparation « tote-to-person » est présentée par le groupe comme une première de ce type en France, avec des gains revendiqués de productivité et de sécurité, sans chiffre détaillé. Rui Marques, directeur général de GXO France, y voit le socle d'une transformation omnicanale de la chaîne du client.

ID Logistics : le robot ASTRID inventorie 5 000 palettes par heure

ID Logistics, groupe français présent sur environ 360 sites dans 17 pays, a codéveloppé avec les sociétés françaises E-Dentic et Wyca Robotics un robot d'inventaire autonome baptisé ASTRID, présenté en mai 2022, rapporte La Gazette France. Le robot combine navigation autonome et traitement d'images : il photographie les palettes, lit les codes-barres, détecte les emplacements vides et pleins, et inventorie 5 000 palettes par heure, 20 fois plus vite qu'un drone selon le groupe. L'inventaire est un irritant universel : une tâche entière bascule vers la machine sans toucher au reste de l'exploitation.

Pourquoi Shippeo, la SNCF et CMA CGM misent-ils sur la visibilité, la maintenance prédictive et l'IA générative ?

Dernière famille : l'IA qui voit venir les événements. La visibilité temps réel prédit les heures d'arrivée, la maintenance prédictive anticipe les pannes de flotte, l'IA générative s'attaque au cœur documentaire du transport. Pour le vocabulaire de cette vague (LLM, RAG, agent), notre glossaire IA en 50 termes définit chaque notion en deux phrases.

Shippeo : des ETA prédictifs 32 % plus précis pour Carrefour et Renault Group

Shippeo, scale-up française de la visibilité transport, suit plus de 28 millions d'expéditions par an dans 75 pays pour Carrefour, Renault Group, Schneider Electric ou Saint-Gobain. Après une refonte de son infrastructure de machine learning, l'éditeur a annoncé une amélioration de 32 % de la précision de ses ETA (heures d'arrivée estimées) jusqu'à 48 heures avant une livraison programmée, selon son communiqué d'avril 2022. L'éditeur revendique chez ses clients jusqu'à 76 % de ruptures et d'arrêts de ligne en moins et 25 % de pénalités de retard en moins. Un ETA fiable inverse la relation client : on prévient avant l'incident.

Rail Logistics Europe : des capteurs et de la détection d'anomalies pour le fret ferroviaire

Rail Logistics Europe, le pôle fret du groupe SNCF classé dans le top 3 européen du secteur, développe avec l'équipementier Wabtec et la RTM le projet MONITOR : des boîtiers autonomes alimentés par une dynamo d'essieu, qui automatisent les essais de frein et détectent vibrations et anomalies pour basculer vers la maintenance prédictive des wagons, explique SNCF Numérique. L'essai de frein, aujourd'hui de 45 à 60 minutes par train, serait ramené à quelques minutes, alors que plus de 500 incidents par an impliquent les freins. Essais en 2026 dans le sud de la France, industrialisation visée en 2029, financement France 2030 (ADEME). Un chantier en cours, pas un déploiement achevé : nous le signalons comme tel.

CMA CGM : une AI Factory à 100 millions d'euros avec Mistral AI

CMA CGM, l'armateur et logisticien marseillais, a engagé 100 millions d'euros sur cinq ans avec Mistral AI, annonce le communiqué du groupe (avril 2025). Une AI Factory au siège marseillais développe des solutions sur mesure pour le shipping et la logistique : traitement automatisé des réclamations, outils e-commerce intelligents, gestion documentaire avancée. Le centre de formation interne Tangram peut former jusqu'à 3 000 collaborateurs par an, et le groupe chiffre à 500 millions d'euros son effort total sur l'IA. Le signal : l'IA générative entre par les documents et la relation client, construite ici avec un fournisseur français.

CEVA Logistics : « 2026 sera l'année du passage à l'échelle sur l'IA »

CEVA Logistics, filiale logistique de CMA CGM, opère plus de 11 millions de m² d'entrepôts et aligne déjà des milliers de bras articulés, de robots mobiles autonomes (AMR) et de véhicules à guidage automatique (AGV). Le groupe teste un robot humanoïde codéveloppé, présenté à VivaTech en juin 2026, décrit L'Officiel des Transporteurs.

« 2026 sera l'année du passage à l'échelle sur l'IA. » Michael Rabaud, directeur digital, data et innovation de CEVA Logistics, dans L'Officiel des Transporteurs (2026).

Le chiffre à retenir : 100 millions d'euros. C'est l'engagement de CMA CGM sur cinq ans avec Mistral AI. Aucun des 12 acteurs n'a pourtant commencé par un tel montant : tous ont démarré par un cas d'usage étroit et mesurable.

Ce que ces exemples disent aux PME et ETI de la logistique

Ces 12 cas rejoignent notre panorama des 12 exemples réels d'IA dans l'industrie française : les réussites partagent une mécanique, pas une technologie. Quatre enseignements se transposent à une PME ou ETI du secteur.

• Partir d'un irritant chiffrable (kilomètres à vide, heures d'inventaire, ruptures, pénalités de retard), jamais d'une technologie.
• La donnée précède le modèle : Geodis a construit sa plateforme data pendant 18 mois avant de chaîner les cas d'usage, La Poste prévoit ses flux sur son propre historique.
• Un pilote court et mesuré : STEF et Heppner ont validé DCbrain sur un périmètre avant d'étendre.
• L'humain reste dans la boucle : les exploitants valident les plans proposés, les préparateurs de Decathlon marchent 9 km de moins par jour.

Un gisement passe souvent sous les radars : les documents. Une opération de transport produit des CMR (lettres de voiture), des bons de livraison émargés et des factures transporteurs que des équipes ressaisissent encore à la main, le front que CMA CGM attaque justement avec Mistral AI. Ce traitement documentaire intelligent (IDP) est le point d'entrée le plus rapide vers l'IA pour un transporteur de taille intermédiaire : notre comparatif des 10 outils d'IDP passe les solutions en revue. Même mouvement côté commandes : notre guide pour automatiser la saisie des commandes clients en ADV couvre toute exploitation qui reçoit ses ordres par e-mail ou PDF.

Par où commencer, avec quel budget ?

Pas besoin d'une AI Factory ni de 500 robots pour démarrer. Selon les baromètres de La Fabrique du Net, Stema et Fenxi, un cadrage coûte 3 000 à 12 000 euros, un budget médian de projet 8 000 à 15 000 euros, un agent documentaire sur mesure 10 000 à 50 000 euros plus 1 000 à 3 000 euros de run mensuel. Notre grille de prix d'un agent IA par cas d'usage détaille ces fourchettes poste par poste. Le tableau ci-dessous relie chaque famille aux données requises et au premier jalon mesurable.

Cas d'usage IA en logistique : données requises, budget d'entrée et exemple documenté

Pour beaucoup de PME, le premier pas passe par la donnée qui dort dans l'ERP et la messagerie : commandes, confirmations d'affrètement, litiges. Connecter un agent IA à un ERP comme Odoo demande moins d'instrumentation qu'un projet de terrain : voir notre cas d'usage d'un agent IA connecté à Odoo.

Le point Koïno. Ces 12 cas partagent un schéma : personne n'a commencé par « faire de l'IA », tous ont commencé par un irritant chiffré (kilomètres, ruptures, documents ressaisis). C'est la logique de la méthode Sx4 de Koïno : de l'audit aux agents en production en 4 semaines, sur un périmètre resserré, avec des données que vous possédez déjà (TMS, WMS, ERP) et un critère de succès écrit d'avance. Parce que 70 % des projets IA n'atteignent jamais la production, nous préférons un premier cas étroit qui tourne en exploitation à un programme qui reste en démonstration. Pour les données sensibles, nous privilégions un hébergement européen.

Deux points d'entrée : notre offre IA détaille notre façon de cadrer, chiffrer et mettre en production ; échangez 30 minutes avec un expert Koïno pour identifier le cas le plus rentable de votre exploitation.

Questions complémentaires

Par où commencer un projet d'IA dans un entrepôt ou une flotte de transport ?

Commencez par un irritant chiffrable : kilomètres à vide, heures d'inventaire, ruptures, documents ressaisis, pénalités de retard. Vérifiez que les données existent (TMS, WMS, télématique, ERP), puis lancez un pilote court avec un critère de succès écrit. C'est le schéma commun des 12 cas, et la logique de la méthode Sx4 de Koïno : de l'audit aux agents en production en 4 semaines.

À propos de l'auteur

Maxence Morin est co-fondateur (Tech & Ops) de Koïno, cabinet français d'IA et de data. Il accompagne les PME et ETI du transport et de la logistique dans le passage du cas d'usage à la production : cadrage, connexion des données TMS, WMS et ERP, puis mise en service d'agents IA mesurés sur des résultats chiffrés. Retrouvez-le sur LinkedIn.