Planification transport : Atoptima intègre une IA transverse à son interface Galia pour interagir directement avec son solveur

Atoptima enrichit Galia, sa plateforme de planification du transport, d’un agent IA. Relié directement au moteur d’optimisation, l’agent peut créer un plan, lancer un calcul, modifier des paramètres ou expliquer un résultat, à partir d’instructions formulées en langage métier. Chez les premiers clients utilisateurs de cette IA, l’analyse d’une solution est dix fois plus rapide qu’une analyse manuelle.

Une IA intégrée dans tout l’écosystème plutôt qu’un module « add-on »

Plusieurs éditeurs de logiciels du secteur de la supply chain ont récemment annoncé avoir ajouté des assistants IA à leur produit, le plus souvent centrés sur la conversation avec l’utilisateur ou sur une étape précise du processus. Atoptima a fait un choix différent : une IA transverse, qui intervient sur l’ensemble du cycle de planification, de la préparation des données jusqu’à l’analyse des résultats. L’IA interagit directement avec le solveur et son modèle de données, supprimant ainsi les frictions en amont et en aval du calcul.

Par exemple, quand on lui demande « Le semi de l’agence Sud est en panne ce matin : réaffecte ses livraisons en bousculant le moins possible les autres tournées », Galia crée une copie du plan, retire le véhicule, relance le solveur et présente les résultats en quelques secondes. Chaque modification est soumise à la validation du planificateur, qui garde la main sur le paramétrage du solveur.

« Notre métier, c’est de calculer la meilleure planification dans le respect de l’intégralité des contraintes métier, et cette responsabilité reste confiée au solveur. En revanche, tout ce qui l’entoure peut aller beaucoup plus vite avec l’IA : préparer les données, piloter le moteur, comprendre ses choix, réagir aux imprévus. Placer l’IA à un tel niveau a été rendu possible en déployant une intégration complète plutôt que de concevoir une brique de plus. D’ailleurs, nous n’avons pas donné de nom à l’agent : ce n’est pas un assistant, c’est Galia qui répond », explique Adrien Duruisseau, COO d’Atoptima.

Trois usages principaux

Explicabilité : comprendre et valider les choix du solveur

« Pourquoi la commande X n’a-t-elle pas été intégrée dans le plan de tournées ? » Galia explique les arbitrages retenus par le moteur, résume la solution et signale les points d’attention. Le planificateur valide ainsi le plan en connaissance de cause, étape par étape : cela apporte une vraie compréhension du résultat avec une construction itérative et interactive du plan. Le solveur n’est plus une boîte noire.

Simulation : piloter l’optimisation en langage métier

« Intègre la commande X dans le plan sans ajouter un véhicule supplémentaire. Tu peux être plus flexible sur les contraintes horaires des clients A et B, mais conserve une contrainte horaire stricte sur les autres clients. » Galia traduit la consigne en paramètres et relance l’optimisation. Elle permet aussi de lancer des simulations avec des scénarios alternatifs et de les comparer, en planification tactique comme stratégique.

Interfaces : fluidifier tout le cycle de planification

Galia s’intègre encore plus aisément aux systèmes existants (ERP, TMS, WMS…), met les données du client au format attendu par le solveur, permet de replanifier jusqu’à la dernière minute face à un aléa et produit des tableaux de bord de KPI personnalisés à la demande.

Au choix : l’IA d’Atoptima ou n’importe quel agent IA

Dans Galia, l’utilisateur peut travailler avec l’IA proposée par Atoptima ou utiliser son propre agent IA, quel qu’il soit, grâce à un connecteur basé sur le protocole ouvert MCP (Model Context Protocol). Il exploite ainsi le solveur depuis ses outils habituels et garde la maîtrise de l’IA qui accède à ses données. Galia ne conserve que deux éléments : la clé d’IA du client, s’il utilise la sienne, et le contexte qu’il choisit de fournir (vocabulaire, spécificités métier, instructions).

« Le planificateur n’a plus besoin de passer par une configuration technique : il formule ce qu’il veut, avec ses mots, et le système s’exécute. Il obtient un plan optimisé et expliqué, avec les arbitrages du solveur et des recommandations, et il garde la main à chaque étape. Quand un aléa survient, la replanification ne prend que quelques secondes. Et il devient très aisé de produire un rapport détaillé de type BI sur un plan de transport produit par Galia », précise Vitor Nesello, CTO d’Atoptima.

À propos d’Atoptima

Basée à Bordeaux, Atoptima développe une suite de solveurs d’optimisation de nouvelle génération pour la supply chain : plans de transport et tournées, chargement 3D, picking et slotting en entrepôt. Sa plateforme Galia permet aux équipes métier de modéliser leurs contraintes au plus près de la réalité du terrain et d’obtenir des plans optimisés, aux niveaux stratégique, tactique et opérationnel. Fondées sur plus de 30 ans d’expertise en optimisation mathématique, ses solutions sont utilisées par des retailers (E.Leclerc, Carrefour, Gedimat), des industriels (Air Liquide, Repsol), des prestataires logistiques (STEF, CEVA Logistics, FM Logistic) ou encore des cabinets de conseil (BCG, PwC).

Contact presse

Eva Payet – Responsable marketing – eva.payet@atoptima.com