L’intelligence artificielle entraîne des changements concrets dans le secteur du camionnage

Les véhicules hautement autonomes s’appuient sur un large éventail de données lorsque les systèmes qui actionnent l’accélérateur, freinent ou suivent les courbes de l’autoroute sont déclenchés.

Les conducteurs de camions traditionnels se fient à leurs sens, mais avec un véhicule autonome, c’est la technologie qui lit l’environnement à l’aide d’outils tels que les caméras, les radars et les lasers impulsionnels du LiDAR. Les ondes radar suivent l’espace entre le camion et les véhicules environnants, tandis que le LiDAR crée une carte 3D précise de l’environnement. Les caméras surveillent les marquages et les formes des voies de circulation.

L’intelligence artificielle (IA) rassemble tout cela, traite les informations et décide précisément comment réagir.

Les «superpouvoirs» de l’IA dans le secteur du camionnage

Alors que de nombreuses discussions sur l’IA dans le secteur du transport routier se concentrent sur les véhicules autonomes, la technologie a déjà fait des percées dans d’autres applications industrielles. Elle procure au gardien de la guérite de la gare de triage, aux employés de bureau et aux gestionnaires de terminaux une expérience futuriste.

Les décisions fondées sur les données aident les responsables de la sécurité à réduire les accidents en identifiant les comportements de conduite à risque et en mettant en évidence les actions positives. Les systèmes de répartition efficaces, quant à eux, optimisent les itinéraires et améliorent les revenus, tout en permettant aux camionneurs de rentrer chez eux plus fréquemment afin de les fidéliser.

L’intelligence artificielle ne remplace pas les humains et ne supprime pas d’emplois, assure Jessica Kim, responsable du marketing chez Pitstop, entreprise qui propose un logiciel de maintenance prédictive des flottes. «L’IA donne aux gens des superpouvoirs qui les rendent plus efficaces.»

Normalement, un camionneur doit s’inscrire auprès d’un gardien de guérite lorsqu’il effectue une livraison ou une cueillette de marchandises. Il peut aussi devoir se rendre dans un bureau d’expédition où un employé traite les documents et l’oriente vers un quai de chargement.

Patrice Boies, vice-président de Nuvoola AI chargé du développement commercial et des partenariats, souligne que des tâches comme celles-ci peuvent être effectuées à faible coût, plus rapidement et avec plus de précision grâce à l’aide de décisions basées sur l’IA.

Plutôt que de se fier à l’œil humain, les caméras et les logiciels peuvent identifier les caractères verticaux ou horizontaux, les numéros de plaque, les numéros de série des remorques ainsi que les noms et les numéros du matériel roulant, tandis que les logiciels organisent tous ces éléments dans des registres.

Kiosques intelligents

L’entreprise teste actuellement un kiosque intelligent utilisé pour traiter les visiteurs, reconnaître les données biométriques et les voix, en plus de traiter les documents. Sa «compréhension du langage naturel» permet même de traduire les langues en temps réel.

Les employés du poste de garde ou du bureau d’expédition deviendront-ils superflus? «Nous visons à rationaliser l’efficacité et la productivité, sans nécessairement remplacer l’homme», explique M. Boies.

Cependant, le kiosque offre un retour d’investissement, informe-t-il. Le salaire moyen d’un gardien ou d’un employé est d’environ 25 dollars l’heure, et peut atteindre 40 dollars l’heure si l’on y ajoute les avantages sociaux. «L’exploitation du kiosque ne coûterait que 1 ou 2 dollars l’heure, selon que le contrat est conclu pour 24, 36 ou 48 mois», précise-t-il.

Le gardien pourrait alors être libre d’assurer la sécurité et d’effectuer des rondes dans un établissement, ajoute-t-il.

Ces systèmes peuvent même examiner de plus près le fret transporté par un camion. Les scientifiques de données de Nuvoola, par exemple, cherchent dans le contexte du camionnage forestier à peser des chargements de grumes, à mesurer l’espace entre elles et à vérifier leurs anneaux pour révéler l’âge et la densité du produit.

«Il n’y a pas de limite à la technologie», affirme M. Boies.

Maintenance prédictive

Pitstop fait appel à la maintenance prédictive pour aider les responsables à décider des véhicules à placer dans les aires de service. Vedant Khattar, directeur technique de Pitstop, révèle que la première source de données est brute, ce qui inclut la télématique, les codes d’erreur, la tension de la batterie et du démarrage, la température de l’huile, etc. «Elles proviennent de tous les capteurs auxquels nous pouvons accéder», spécifie-t-il.

L’historique de l’entretien ou les données sur le terrain ajoutent des éléments tels que l’entretien effectué par le mécanicien et les pièces qui ont été remplacées. Les données d’inspection du véhicule par le chauffeur sont ensuite comparées aux relevés des capteurs.

«Nous avons créé des algorithmes pour les moteurs, les freins, les batteries et les codes de défaut prioritaires», déclare M. Khattar.

Des programmes de maintenance intelligents peuvent alors proposer des alertes ainsi que des rapports exploitables et compréhensibles. «Pitstop est le point de contact qui permet non seulement d’obtenir des données des fabricants d’équipements et des partenaires de services techniques, mais aussi de les traduire en quelque chose que l’utilisateur final peut comprendre et auquel il peut réagir», soutient Jessica Kim.

En fin de compte, le véritable pouvoir de l’IA apparaît lorsque les données sont réunies pour prédire un besoin.

Par exemple, en utilisant des données géolocalisées, des informations telles que la météo, le trafic et même les feux de forêt pourraient permettre aux expéditeurs et aux destinataires de savoir pourquoi un chauffeur est en retard.

Les employés humains prennent des décisions en utilisant des informations similaires, mais cela prend du temps.

Décisions d’orientation

Les gestionnaires de flotte qui examinent les données brutes peuvent également prendre des décisions basées sur l’utilisation, comme effectuer une vidange d’huile après un nombre «x» de kilomètres. Ceux qui disposent de systèmes télématiques peuvent s’appuyer sur des déclencheurs automatisés qui les informent lorsqu’un véhicule a parcouru un certain nombre de kilomètres ou fonctionné un certain nombre d’heures. Mais l’IA ajoute des données supplémentaires pour déterminer exactement quels véhicules ont besoin d’une attention particulière.

Le logiciel Pitstop, entre autres, marque les alertes comme critiques, majeures ou mineures. Une alerte critique signifie que le véhicule doit être soumis à un entretien dès que possible, une alerte majeure signifie qu’il peut attendre l’entretien préventif programmé (EP) s’il doit avoir lieu dans le mois, et une alerte mineure peut attendre l’EP suivant.

Plus ces systèmes collectent de données, plus les décisions sont précises.

«Il faut avoir accès aux données pour entraîner les modèles», explique M. Khattar. «Nous prévoyons un taux de précision de 95 % au bout de six mois, et l’IA s’améliore constamment grâce au retour d’information.»

Jessica Kim insiste sur le fait que les gens devront quand même s’impliquer.

«Nous sommes vos analystes», dit-elle. «L’IA est autant puissante que les personnes qui l’utilisent pour agir en fonction de ce qu’elle fournit.»