Des algorithmes pour diminuer le trafic routier

Catherine Martellini Collaboration spéciale
L’IA est utilisée pour développer des outils afin de mieux prévoir le transport des marchandises, contribuant ainsi à réduire la congestion routière.
Getty Images L’IA est utilisée pour développer des outils afin de mieux prévoir le transport des marchandises, contribuant ainsi à réduire la congestion routière.

Ce texte fait partie du cahier spécial Intelligence artificielle

Des commandes à quelques jours d’intervalle à une même adresse, des camions de livraison à moitié vides… Un projet de la nouvelle Chaire en planification des systèmes intelligents de logistique et de transport à l’ESG UQAM pourrait non seulement améliorer l’industrie du transport de marchandises dans les prochaines années, mais aussi réduire les gaz à effet de serre.

La pandémie aura certainement révélé au grand jour certains problèmes liés à la logistique et au transport de marchandises. « Les consommateurs pouvaient recevoir de certains détaillants deux commandes distinctes à trois jours d’intervalle chez eux, alors que cela aurait pu être combiné en un seul envoi », note Christian Lafrance, président-directeur général de ClearDestination, une entreprise montréalaise qui fournit des solutions pour la gestion intégrée de la logistique et du transport.

Deux commandes signifient donc l’envoi de deux camions, entraînant un plus grand nombre de véhicules sur les routes et contribuant à augmenter la congestion routière. « Quand on pense qu’un camion de 26 pieds consomme environ un litre aux deux kilomètres, cette mauvaise planification a aussi un effet majeur sur les gaz à effet de serre », ajoute-t-il.

La recherche de solutions à ces problèmes fait notamment partie des objectifs de la Chaire. « Nous cherchons de nouvelles façons de faire en logistique et en transport, qui permettront que les expéditeurs de marchandises économisent de l’argent, que ceux qui les transportent et les entreposent en gagnent davantage, que les clients obtiennent leurs commandes à temps et qu’il y ait moins de véhicules sur les routes », résume Teodor Gabriel Crainic, le professeur de recherche opérationnelle, logistique et transport qui dirige cette nouvelle Chaire de l’École des sciences de la gestion de l’UQAM.

Le Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG) et ClearDestination ont investi ensemble 3,9 millions de dollars sur quatre ans dans la création de cette Chaire.

Quand la science s’allie à l’industrie

Depuis de nombreuses années déjà, ClearDestination permet à une cinquantaine de grands manufacturiers et distributeurs de suivre leurs livraisons au moyen de sa plateforme depuis leur point d’origine jusqu’au consommateur.

« Après avoir développé la propriété intellectuelle pour y arriver et opérationnaliser tout ça à l’échelle du pays, on a vu la limite : l’air dans le réseau logistique », explique Christian Lafrance. Il entend par là les conteneurs et les camions qui ne sont pas toujours bien remplis en raison des demandes souvent difficilement prévisibles.

Une équipe de l’entreprise a donc commencé depuis mars à travailler avec une vingtaine de chercheurs de la Chaire pour passer à l’autre étape. « En plus de l’important investissement financier de ClearDestination, l’entreprise fournira également des ressources humaines dans le projet, de même que des données massives, le nerf de la guerre de nos jours », précise M. Crainic.

En effet, si la méthodologie du projet porte principalement sur la recherche opérationnelle, elle s’appuie aussi fortement sur l’apprentissage machine, un sous-domaine de l’intelligence artificielle (IA), qui consiste à développer des systèmes qui apprendront en fonction des données reçues.

L’IA permettra de mieux surveiller le comportement des différents acteurs de l’industrie, de mieux prévoir le transport et d’inclure des critères plus intangibles qui pourraient influer sur les décisions, comme les nouvelles habitudes des consommateurs.

« Une fois que l’on réussira à construire ces modèles, l’ensemble des entreprises pourront prendre de meilleures décisions, comme déterminer que les commandes d’un même client seront livrées le mercredi au lieu du mardi, un délai qui épargne un véhicule, ou encore, d’opter pour un mode de livraison, que ce soit le train ou le bateau », donne-t-il en exemple.

Très complexe, la multimodalité est d’ailleurs un aspect très important pour ClearDestination, dont les activités se concentraient principalement au Canada dans les dernières années, mais qui souhaite élargir sa capacité pour y inclure n’importe quelle destination dans le monde.

« Avec tous les outils en main, nos clients pourront décider lequel des modes de transport — un train, un navire, un camion, une camionnette ou une voiture — sera le plus efficace, en temps, en argent et en incidence sur les gaz à effet de serre », mentionne Christian Lafrance.

De nombreux chercheurs de renom, notamment Walter Rei, professeur au Département d’analytique, opérations et technologies de l’information de l’ESG UQAM, et Michel Gendreau, professeur au Département de mathématiques et de génie industriel à Polytechnique Montréal, collaboreront avec lui aux recherches. Tous sont membres du Centre interuniversitaire de recherche sur les réseaux d’entreprises, la logistique et le transport, qui est reconnu mondialement et où se déroulera une bonne partie du projet.

Même si les principaux travaux de la Chaire seront effectués à travers ce projet, M. Crainic précise que sa mission est beaucoup plus large.

« La science développée servira à créer des méthodes et des outils que l’industrie et les gouvernements pourront utiliser pour améliorer le fonctionnement et la performance économique et environnementale des systèmes de transport et de logistique », souligne-t-il.