La planification de tournées par IA est surtout un argument marketing — voici ce qu'il y a derrière

En bref

Vous lisez « planification de tournées par IA » et « optimisation de tournées propulsée par l'IA », et vous pensez que ChatGPT planifie désormais vos tournées. Cette image est le plus souvent exactement celle que l'éditeur voulait vous donner. S'agit-il de marketing trompeur ou d'un mensonge pur et simple ? Cet article examine la part réelle d'IA dans la planification et l'optimisation de tournées, le rôle du machine learning, et la direction que prend vraiment la technologie — pour que vous ne preniez pas une mauvaise décision d'achat.

« IA » sert d'étiquette à des techniques qui existent depuis des décennies, bien avant que le mot ne devienne un argument de vente. L'acheteur qui ne sait pas ce qu'il y a dessous paie pour une promesse que la technologie ne tient pas.

Tout le monde prend le train en marche

Imaginez que vous êtes répartiteur dans une entreprise de transport de taille moyenne. Sur un salon ou dans une publicité LinkedIn, vous tombez sur un logiciel qui promet :

Optimisez vos tournées avec l'IA.

La conclusion naturelle est que le logiciel fonctionne un peu comme ChatGPT. Vous imaginez un assistant avec qui l'on peut discuter, qui comprend les commandes, repère les problèmes et calcule lui-même le meilleur itinéraire pour chaque chauffeur. Sur mesure pour votre flotte, entièrement automatique, infiniment flexible. Beaucoup d'entreprises sont prêtes à payer plus cher pour cette promesse.

En pratique, la réalité technique est généralement différente. Cet écart — entre l'attente que crée le mot « IA » et la technologie réellement employée — est le sujet de cet article.

Depuis l'essor de l'IA, le mot est devenu un puissant terme marketing pour les éditeurs de logiciels. L'étiquette signale l'innovation, aide au positionnement et attire l'attention dans les appels d'offres et les discussions avec les investisseurs. Ce qui reste généralement flou, c'est la forme d'IA réellement utilisée. Au mieux, la technologie sous-jacente est décrite superficiellement. Au pire, on crée l'impression de fonctions d'IA qui n'existent pas sous cette forme.

Ce que les éditeurs affirment réellement

Les pages d'accueil affichent « optimisation de tournées assistée par IA », « planification intelligente en temps réel », « navigation propulsée par l'IA pour votre flotte », « planificateur IA pour une logistique efficace ». La formulation varie ; le schéma, non.

Presque personne ne dit ce que « l'IA » fait réellement. La plupart des éditeurs n'expliquent pas quel modèle, quel algorithme ou quelles données ils veulent dire. Pas de mesures de performance, pas de chiffres concrets, pas de réponse claire à la question de savoir si des données en temps réel entrent vraiment en jeu ou s'il s'agit d'un outil de planification classique dans un emballage moderne.

Voici trois exemples concrets. Ils viennent du marché germanophone, parce que c'est là que nous avons vérifié la formulation réelle sur de vraies pages plutôt que de généraliser. Le schéma est le même partout.

Exemple 1

RouteGenius annonce « Une vraie IA. Vraiment rapide. » et se décrit comme une véritable IA qui résout des problèmes de tournées complexes à une vitesse surhumaine. Ailleurs, l'éditeur est plus honnête que la plupart et explique que le logiciel résout un problème d'optimisation combinatoire — avec trois chauffeurs et 15 commandes, il existe déjà plus de 14 millions de possibilités. Ce casse-tête est expliqué plus bas. Ce qui reste ouvert, c'est ce que la « vraie IA » fait concrètement au-delà des algorithmes d'optimisation classiques.

Exemple 2

xpertour se présente comme « planification et optimisation de tournées par IA dans le navigateur » et promet jusqu'à 20 % de coûts de tournée en moins et jusqu'à 80 % de temps de planification en moins. La page mentionne des « algorithmes d'IA étudiés scientifiquement », ce qui est au moins un indice sur la base technique. Les temps de trajet selon l'heure de la journée peuvent aussi être pris en compte dans l'optimisation. Cette prévision de trafic est, comme expliqué plus bas, une véritable IA — mais généralement louée, pas développée en interne. Ce qui reste ouvert, c'est l'origine réelle des temps de trajet.

Exemple 3

portatour® est le seul des trois à expliquer sur son site ce qu'il y a derrière l'étiquette IA. Sa FAQ décrit un algorithme heuristique qui s'appuie sur l'intelligence en essaim et calcule des tournées optimisées même dans des situations de données complexes, en analysant de manière itérative des centaines de milliers, voire des millions de tournées possibles. Plus remarquable encore, sa propre mention juridique indique que, selon la Commission européenne, les méthodes heuristiques ne relèvent pas du champ d'application du règlement européen sur l'IA (AI Act).

Ce qui frappe, ce n'est pas tant l'algorithme que la communication. Alors que la mention juridique place explicitement l'algorithme heuristique décrit hors du champ de l'AI Act, le même produit est vendu en page d'accueil comme « planification de tournées automatique par IA ».

Le schéma est similaire chez les trois. Deux mentionnent « l'IA » sans expliquer pleinement ce qu'ils entendent par là. Un l'explique, tout en reconnaissant que son propre algorithme n'est pas juridiquement de l'IA. Aucun ne dit d'où viennent les données de trafic et de temps de trajet qui alimentent le calcul.

Les éditeurs qui n'utilisent pas l'étiquette

Certains éditeurs la laissent délibérément de côté.

1. AntsRoute : l'éditeur français parle seulement d'« algorithmes performants » qui calculent les meilleures tournées. Pas d'« assisté par IA », pas de « piloté par l'IA ». Le produit est décrit tel qu'il est.
2. xRouten : pas de promesse de « planification de tournées assistée par IA » non plus. Le produit est décrit tel qu'il est : de l'optimisation de tournées fondée sur des algorithmes.
3. OptimoRoute : les pages produit principales parlent systématiquement d'« algorithmes de planification intelligents », pas d'IA.

À première vue, c'est un détail. Dans le contexte de cet article, c'est un signe de transparence. Alors que de nombreux éditeurs emploient « IA » sans expliquer la technologie qui se trouve derrière, ces trois-là s'abstiennent de l'enjoliver là où cela compte. Le logiciel optimise des tournées, les algorithmes produisent des résultats fiables, et le bénéfice est mesurable.

Comment fonctionne réellement l'optimisation de tournées

D'abord, une délimitation. Cet article ne traite pas de la simple navigation d'un point A à un point B, que Google Maps résout déjà de manière très fiable. Ce problème est relativement maîtrisable, et les systèmes de navigation actuels le calculent presque en temps réel.

Le vrai défi pour les répartiteurs et les transporteurs est ailleurs : planifier des tournées complexes avec de nombreux arrêts, plusieurs véhicules et beaucoup de contraintes. Créneaux de livraison, capacité de chargement, temps de conduite, horaires des chauffeurs, météo, restrictions de circulation. Tout doit être pris en compte simultanément, y compris quand les conditions changent au dernier moment.

Dès une vingtaine d'arrêts, il existe plus d'ordres possibles qu'un humain ne peut raisonnablement en examiner. Ajoutez plusieurs véhicules, des exigences de temps de conduite et d'autres contraintes, et le nombre de combinaisons explose. C'est pourquoi un logiciel d'optimisation de tournées professionnel ne teste pas chaque option. Il utilise des méthodes spécialisées pour trouver une très bonne solution en peu de temps.

La base, ce sont des algorithmes mathématiques. Il ne s'agit ni d'intuition ni de devinettes ; c'est une recherche structurée dans un espace de solutions. Le résultat est efficace, automatisé et reproductible. Et c'est important : ces algorithmes ne sont pas nouveaux. Des méthodes comme le branch and bound, l'algorithme des économies (Clarke-Wright) et les métaheuristiques pour le problème de tournées de véhicules (VRP) existent depuis les années 1950 et 1960 — des décennies avant que « l'IA » ne devienne un argument de vente. Elles n'ont rien à voir avec l'IA popularisée par ChatGPT.

C'est ce logiciel d'optimisation qui constitue le véritable produit vendu sous le nom de « planification de tournées par IA » ou de « planificateur intelligent ». Techniquement, ce sont des mathématiques, pas un système qui pense. Ce qui montre aussi clairement pourquoi un chatbot est le mauvais outil pour ce travail : il ne calcule pas de manière fiable une tournée optimisée, il produit des suggestions à partir de probabilités.

Même si une vraie IA était utilisée, vous obtiendriez de moins bonnes tournées et paieriez plus

Supposons qu'un éditeur utilise réellement un modèle de langage comme ChatGPT pour planifier les tournées. Qu'est-ce que cela donnerait en pratique ?

Vous obtiendriez de moins bonnes tournées. Un assistant fondé sur un modèle de langage devine au lieu de calculer. Il ne fait pas d'optimisation combinatoire et n'est pas déterministe — la même entrée peut produire des suggestions différentes, sans garantie qu'aucune soit mathématiquement bonne. Avec quelques dizaines d'arrêts, le système devient peu fiable. Avec des volumes de commandes réels, c'est sans espoir.

Vous recevriez une facture plus élevée. Les coûts sont facturés à la requête et augmentent avec le nombre d'arrêts. Planifier 50 arrêts avec un tel outil ne serait pas un abonnement mensuel fixe, mais un problème de coûts permanent.

Vous attendriez plus longtemps. Au lieu de quelques millisecondes, une requête prend des secondes, sans compter d'éventuelles limites de débit. Pour un répartiteur qui distribue 200 commandes le matin tout en surveillant les temps de conduite, le carburant et la satisfaction client, c'est un vrai problème. Une planification en quelques secondes ne serait pas possible.

Conclusion : un logiciel d'optimisation éprouvé, qui existe depuis des décennies, est mature, immédiatement utilisable et mieux adapté à la tâche. Un outil fondé sur un modèle de langage serait plus lent, plus cher et moins fiable.

Où se trouve réellement l'IA, et pourquoi ce n'est pas l'IA que vous imaginez

L'optimisation de tournées moderne contient bel et bien du machine learning. On le trouve surtout dans la prévision du trafic. Combien de temps prendra un tronçon à une heure donnée ? Comment évolue le trafic en ce moment ? Quelles conditions météo influencent le temps de trajet ? C'est du véritable machine learning, et c'est une forme d'IA qui fonctionne bien ici.

Mais voici le point décisif. Ce type d'IA n'est pas nouveau. Google Maps utilisait le machine learning pour prévoir le trafic et les heures d'arrivée des années avant la vague actuelle de l'IA. À l'époque, presque personne ne l'appelait « planificateur d'itinéraire par IA », parce que c'était simplement du bon travail d'ingénierie.

Il existe donc deux sortes d'« IA », et la différence entre elles explique presque tout.

L'IA que vous imaginez en 2026, c'est ChatGPT — un assistant ou un chatbot. Quelque chose avec qui l'on converse, qui semble réfléchir, donne des recommandations personnalisées, génère des images et des graphiques et répond avec souplesse à ce que vous voulez.

Le machine learning, lui, est un logiciel qui repère des régularités dans de très grandes quantités de données. Il apprend qu'une route donnée est régulièrement encombrée à 17 heures, ou que certaines conditions météo rendent un itinéraire moins intéressant. Google Maps utilise cette seconde sorte avec succès depuis des années, sans grande bannière « assisté par IA ». Mais ce n'est pas l'image que la plupart des publicités cherchent à vous mettre en tête.

L'IA prévoit le trafic. Elle ne calcule pas la tournée optimale.

Trois niveaux : qui construit l'IA, qui la loue, qui la rebaptise

Imaginez une échelle, de haut en bas.

Niveau 1 : les rares qui la construisent vraiment. Google et une poignée d'entreprises de taille comparable entraînent de véritables modèles de machine learning sur d'énormes quantités de données issues de la conduite réelle. Trafic, météo, temps de trajet et perturbations alimentent les modèles. Leur avantage concurrentiel, c'est le volume de données. Sans des milliards de kilomètres parcourus, pas de modèle fiable.

Niveau 2 : les fournisseurs qui emballent et louent cette technologie. Google Maps Platform, Mapbox, HERE. Ils vendent du machine learning sous forme d'API. Des coordonnées et des arrêts en entrée, des temps de trajet calculés en sortie. Ce sont de vraies applications de machine learning, facturées à la requête.

Niveau 3 : les éditeurs de « planification de tournées par IA » que vous voyez dans les publicités. Ils ne construisent généralement rien de tout cela. Ils louent les données de temps de trajet aux fournisseurs ci-dessus, les injectent dans un solveur d'optimisation libre ou classique et écrivent « assisté par IA », « intelligent » ou « planificateur IA » sur leur page d'accueil.

Le transporteur ou l'éditeur qui vous vend de la « planification de tournées par IA » se situe presque toujours au niveau 3. La seule « IA » de toute la chaîne a été construite au niveau 1, louée via le niveau 2, et elle prévoit le trafic. Elle ne planifie pas votre tournée. Ces éditeurs n'ont pas construit d'IA. Et l'IA qu'ils louent ne fait pas ce que le nom du produit laisse entendre.

Personne ne construit-il donc une vraie planification de tournées par IA ?

Il existe un domaine de recherche actif qui étudie comment appliquer l'IA directement à des problèmes de tournées complexes, y compris les grands modèles de langage, les réseaux de neurones et des assistants IA pour des scénarios logistiques exigeants avec de gros volumes de commandes, une adaptation en temps réel et des imprévus. Cette recherche est réelle, pertinente et à prendre au sérieux.

Son état actuel est cependant bien plus sobre que ce que suggère le marketing. Les approches sont prometteuses mais encore largement expérimentales, et sur des problèmes réels et complexes, elles ne surpassent pas encore de manière fiable les méthodes d'optimisation classiques établies. L'efficacité et la qualité des solutions se dégradent souvent à mesure que le problème grandit — plus d'arrêts, plus de véhicules, plus de contraintes.

Un bon indicateur est l'article de synthèse « Route Optimization Reimagined: Multi-Modal Large Language Models for Next-Generation Vehicle Routing », publié en 2026 dans IEEE Access. Le titre semble avancé. L'évaluation des auteurs eux-mêmes est nettement plus prudente : ils décrivent l'optimisation de tournées par IA comme une approche prometteuse mais encore peu explorée, avec des défis ouverts et un besoin de recherches supplémentaires. Un article évalué par des pairs en 2026 classe donc ces techniques comme un domaine d'avenir, pas comme un standard établi de l'industrie.

Une évaluation honnête reconnaît aussi que les algorithmes d'optimisation classiques peuvent atteindre leurs limites dans des situations très dynamiques, riches en données et en temps réel, avec de nombreux imprévus. C'est précisément pour cela que la recherche est active. Cela ne signifie pas que les éditeurs peuvent déjà proposer un « outil IA » pleinement mature ou un « planificateur IA » prêt pour la production pour la planification de tournées complexes.

Comment vérifier ce que votre éditeur utilise vraiment

Transformez la critique en test. Posez ces questions à tout éditeur de « planification de tournées par IA » ou de « planificateur intelligent ».

Qu'est-ce qui optimise exactement la tournée ?

Bonne réponse : « Nous utilisons OR-Tools, VROOM ou notre propre solveur fondé sur un algorithme précis. » Honnête, vérifiable et explicable.

Mauvaise réponse : « Notre assistant IA calcule la meilleure tournée. » Sans détails, c'est un mot à la mode, pas du contenu.

Un réseau de neurones intervient-il dans la décision de tournée, ou seulement dans les estimations de trafic et en temps réel ?

Bonne réponse : « L'IA intervient dans les prévisions de temps de trajet et de trafic. Les tournées sont calculées par un algorithme d'optimisation. » Honnête et exact.

Mauvaise réponse : « Notre outil IA planifie intelligemment toute la tournée. » C'est soit faux, soit invérifiable.

D'où viennent vos données de trafic en temps réel ?

Bonne réponse : « Nous utilisons l'API Google Maps Platform, HERE ou Mapbox. » Transparent, et c'est le niveau 2.

Mauvaise réponse : des détours, du flou, ou une « IA propriétaire » sans détails.

Comment mesurez-vous l'efficacité et la qualité des tournées ?

Bonne réponse : des indicateurs concrets — carburant économisé, temps de conduite réduit, coûts de tournée plus bas, plus de commandes par tournée.

Mauvaise réponse : « Notre IA optimise en continu et s'adapte. » Sans mesure, cela ne veut pas dire grand-chose.

Comment le système gère-t-il les imprévus ?

Bonne réponse : une description claire de l'adaptation en temps réel aux bouchons, à la météo et aux changements de dernière minute, ainsi que des limites du système.

Mauvaise réponse : « Notre IA intelligente réagit avec souplesse à tout. » Sans explication, cela ne vaut rien.

Ce que dirait une étiquette honnête de « planification de tournées par IA »

Les conséquences financières d'une communication trompeuse sur l'IA sont concrètes. Les entreprises peuvent payer un supplément pour une mise à niveau technologique qui, en pratique, consiste surtout en une nouvelle étiquette. Au lieu d'améliorations mesurables, elles paient pour une promesse qui n'a pas été correctement démontrée.

À plus long terme, cela nuit aussi au secteur. Quand « IA » est employé sans discernement, les véritables progrès de la planification intelligente perdent en crédibilité, et les technologies qui ouvrent réellement de nouvelles possibilités risquent d'être rangées elles aussi dans la catégorie du battage médiatique.

Une évaluation équitable compte ici. Le logiciel derrière beaucoup de ces produits est souvent efficace et a fait ses preuves en pratique. Les algorithmes d'optimisation de tournées comme OR-Tools et VROOM sont des outils matures qui apportent chaque jour une vraie valeur à la logistique. Le problème n'est pas forcément le produit ; c'est la façon dont il est vendu.

Une étiquette honnête ressemblerait à peu près à ceci :

Optimisation de tournées fondée sur des algorithmes éprouvés, complétée par une prévision du trafic en temps réel à base d'IA. Efficace, automatisée et réglable avec souplesse.

Ce serait précis, techniquement exact, et malgré tout convaincant.

Que retenir ? Posez les questions de la check-list. Exigez des réponses concrètes sur les algorithmes, l'efficacité, les sources de données et les résultats mesurables. N'acceptez pas de formules vagues comme « notre assistant IA » ou « notre outil intelligent » tant qu'on ne vous a pas dit clairement quelle technologie se trouve réellement derrière. Les éditeurs qui répondent de manière ouverte et précise méritent votre confiance et votre budget.

Questions fréquentes

La planification de tournées par IA est-elle vraiment meilleure que la planification classique ?

Non. Aujourd'hui, pratiquement tous les éditeurs utilisent les mêmes algorithmes d'optimisation sous-jacents, vieux de plusieurs décennies. Certains font de la publicité trompeuse avec « l'IA ». L'étiquette ne rend pas le logiciel meilleur. Ce qui compte, c'est l'algorithme derrière, pas le mot marketing devant.

Google Maps utilise-t-il l'IA pour la navigation ?

Oui, mais une autre sorte d'IA que celle que suggèrent beaucoup d'éditeurs. Google Maps utilise le machine learning pour prévoir le trafic et les heures d'arrivée. Il ne planifie pas de tournées à nombreux arrêts. Il prévoit surtout combien de temps prendra un tronçon.

ChatGPT peut-il planifier des tournées ?

Techniquement, un modèle de langage peut produire de simples suggestions d'itinéraire. Pour une planification de tournées professionnelle, c'est le mauvais outil central. Il ne calcule pas de solution mathématiquement optimisée ; il génère des réponses à partir de probabilités. Dès qu'il y a plusieurs arrêts, véhicules et règles, il lui manque la fiabilité, la reproductibilité et la qualité d'optimisation. S'y ajoutent des coûts d'API récurrents, bien supérieurs à ceux des algorithmes classiques.

Existe-t-il une IA qui planifie les tournées seule, sans algorithmes classiques ?

Oui, mais seulement dans la recherche. Les réseaux de neurones et les grands modèles de langage sont activement testés pour cela. D'après la littérature évaluée par des pairs de 2026, la situation est prometteuse mais pas encore assez fiable pour un usage en production, surtout avec de grandes flottes et de nombreuses contraintes.

Le logiciel peut-il être bon même s'il n'est pas de la « vraie IA » ?

Souvent, oui. Les algorithmes d'optimisation derrière ces outils ont fait leurs preuves depuis des décennies et donnent de très bons résultats en pratique. Le problème n'est pas le logiciel ; c'est l'étiquette trompeuse.