FM Logistic : « Avec l’IA agentique, nous construisons une entreprise logistique augmentée »

Quel est le rôle de l’IA agentique pour FM Logistic ?
Elle doit contribuer à la construction d’une entreprise logistique augmentée, en permettant d’automatiser des tâches redondantes pour se concentrer sur ce qui fait sens, parce que nos équipes passent vraiment trop de temps à faire le lien entre les différents logiciels, à extraire des données, à formater des documents, à faire des relances, etc.

Où et dans quel but ces agents sont-ils déployés ?
Nous ne raisonnons pas par logiciels WMS, TMS, logiciel comptable, etc. mais plutôt par fonctions, avec une exploration sur tous les secteurs de l’entreprise : l’entrepôt, le transport, les fonctions support, la finance, les RH, la QHSE… Par exemple, sur nos entrepôts Seveso, les services QHSE reçoivent de nos clients des fiches de données de sécurité par email. Là, nous couplons l’IA agentique à des robots RPA [automatisation robotisée des processus, NDLR]. Le robot va détecter l’arrivée de cette fiche, l’envoyer vers un agent IA qui va extraire et analyser les informations sur les matières dangereuses, puis va remplir automatiquement les champs dans le WMS. Avec ce couple RPA/Agent, nous estimons un gain de temps de 2200 heures par les équipes QHSE depuis septembre 2024, dont 656 heures sur les 12 derniers mois. Autant de temps libéré pour analyser les données et détecter des problématiques chez des clients.

Quels peuvent être les autres cas d’usage chez FM Logistic ?
Sur la fonction transport, nous avons développé un agent au sein de notre portail client MySCM qui vérifie l’adéquation entre les dates apposées sur les preuves de livraison, par exemple la CMR, et le statut de la commande visible dans le portail. Lorsqu’elle est manuelle, cette tâche peut générer des erreurs. Dans l’agence qui a fait l’objet du test, une personne passait en moyenne 10 heures par mois à contrôler cela. En lui fournissant uniquement la liste des incohérences, l’agent IA, dont le taux de précision d’analyse est estimé à 85%, fait gagner un temps précieux qui se traduit en gains financiers [plusieurs centaines de milliers d’euros par an selon nos informations, NDLR]. A terme, nous envisageons de déployer aussi des agents IA dans le logiciel pour optimiser le remplissage des camions afin d’améliorer l’empreinte carbone et ainsi compenser celle de l’IA.
Autre exemple, notre support informatique s’appuie sur des agents pour améliorer le taux de résolution des incidents informatiques. Nous avons développé un chatbot qui communique avec notre outil ServiceNow de gestion des tickets incidents. Il peut consulter la documentation de certains nouveaux logiciels, par exemple WMS ou TMS, pour essayer de résoudre un problème face à une question de l’utilisateur, ou encore l’aider à créer le ticket via un échange en langage naturel. Un autre usage concerne les équipes de vente avec un agent conversationnel d’aide à la prospection commerciale. Nous utilisons des agents IA pour lire les factures d’électricité et d’eau afin d’analyser la sobriété de nos bâtiments.

Quid du coût et du ROI de l’IA agentique ?
A date, et parce que l’utilisation des agents est très ciblée chez FM Logistic, nous arrivons à faire des calculs de ROI en comparant les gains à nos coûts d’infrastructure, nos coûts de licence côté éditeurs ou nos coûts de tokens. Par contre, nous n’arrivons pas à nous projeter si, à l’avenir, nous souhaitons déployer massivement l’IA agentique dans tous les systèmes. L’incertitude concerne les coûts d’infrastructure, de serveurs, ceux des services via les licences des éditeurs qui peuvent exploser parfois, ce qui rend complexe l’établissement d’un budget global futur de toutes les transformations que l’on pourrait envisager grâce aux agents IA.