OneRail exploite l'IA de Nvidia pour optimiser la livraison en temps réel sur le dernier kilomètre

OneRail a lancé une plateforme de livraison basée sur l'intelligence artificielle et s'appuyant sur la technologie Nvidia afin d'aider les détaillants, les grossistes et les distributeurs à déterminer les modes de livraison les plus efficaces pour chaque commande.

Baptisé OmniSTAR, ce système évalue différents canaux de livraison — notamment les flottes internes, les transporteurs, les services de colis et d’autres modes logistiques — afin d’identifier la solution la plus rentable qui respecte les accords de niveau de service, selon OneRail.

La plateforme intègre le moteur d’optimisation des décisions cuOpt et le logiciel de traitement de données cuDF de Nvidia aux indicateurs de tarification et de performance propres à OneRail. L’infrastructure de calcul accéléré de Nvidia prend en charge les calculs d’itinéraires et de modes de livraison.

Selon OneRail, le système réduit les temps de calcul jusqu’à 10 fois. Des tâches qui nécessitaient auparavant 20 minutes peuvent désormais être effectuées en moins de deux minutes, tandis que les calculs hebdomadaires sont ramenés à environ deux jours.

OneRail affirme que ce traitement accéléré permet une optimisation au cœur même des opérations de livraison en temps réel, ce qui permet d’évaluer plusieurs options de traitement avant l’attribution d’une commande.

« Si vous n’êtes pas capable de prendre des décisions à la vitesse de l’éclair, vous renoncez à de la marge », a déclaré M. Catania à CNBC lors d’une interview. « L’exécution des livraisons du dernier kilomètre coûte cher. »

De la prévision aux décisions de livraison

Les systèmes d’IA plus globaux de OneRail exploitent la prédiction et l’optimisation à différentes étapes du processus de livraison. L’entreprise indique que ses modèles d’apprentissage automatique prévoient des facteurs tels que la durée du service, le risque de retard, la probabilité de réussite de la livraison dès la première tentative et les fourchettes de prix attendues.

Ces prévisions alimentent des systèmes d’optimisation qui déterminent les stratégies d’exécution des commandes. Par ailleurs, OneRail explique qu’OmniSTAR compare différents modes d’exécution des commandes afin de sélectionner une option en fonction du coût et des exigences de service.

La recherche sur le routage dynamique des véhicules fait la distinction entre la prévision de conditions changeantes et le recalcul des décisions opérationnelles à mesure que de nouvelles informations apparaissent. Une étude publiée en 2024 dans l’European Journal of Operational Research a identifié la prévision des temps de trajet et la réoptimisation en temps réel comme des domaines distincts de la recherche sur le routage dépendant du temps.

Nvidia cuOpt gère l’optimisation des itinéraires

Nvidia décrit cuOpt comme une bibliothèque d’optimisation open source, accélérée par GPU, conçue pour le routage des véhicules et d’autres problèmes d’optimisation mathématique.

La documentation de Nvidia indique que cuOpt prend en compte les coûts des véhicules, leurs capacités, les temps de trajet, les plages horaires d’exploitation, les lieux de départ et d’autres contraintes lors du calcul des itinéraires. Ses modèles de coûts peuvent intégrer la distance, le temps, le coût monétaire ou une combinaison pondérée de ces indicateurs.

OmniSTAR applique cuOpt à la fois au calcul d’itinéraires et au choix du mode de livraison. OneRail précise que cela permet au système de comparer les options d’exécution disponibles pour une commande et d’identifier l’option la moins coûteuse qui répond aux exigences de service.

OneRail souligne que de nombreux détaillants s’appuient encore sur des règles statiques ou une planification manuelle pour prendre ces décisions, et qu’OmniSTAR est conçu pour évaluer davantage de combinaisons de livraison dans des délais opérationnels plus courts.

Nvidia explique que cuOpt ne teste pas de manière exhaustive tous les itinéraires possibles. Au lieu de cela, le solveur génère des solutions candidates et les améliore de manière itérative à l’aide d’heuristiques accélérées par GPU afin de produire des résultats de haute qualité dans un délai de calcul spécifié.

La plateforme utilise également Nvidia cuDF, une bibliothèque accélérée par GPU pour le traitement des données tabulaires, notamment le filtrage, la jointure et l’agrégation d’ensembles de données.

OneRail combine ces capacités avec ses propres données de livraison et ses modèles opérationnels. Son ensemble de données est issu de millions de livraisons effectuées sur un réseau comprenant plus de 12 millions de chauffeurs et plus de 1 000 partenaires logistiques.

Ces données couvrent la tarification et les performances de livraison pour divers modes de transport. OneRail précise qu’OmniSTAR utilise ces informations pour identifier les règles de livraison qui augmentent les coûts et évaluer l’impact des choix de livraison sur la rentabilité au niveau de chaque article.

L’architecture dévoilée pour OmniSTAR met l’accent sur le traitement des données accéléré par GPU et l’optimisation mathématique. Nvidia décrit cuOpt comme le composant d’optimisation utilisé pour des problèmes tels que le routage des véhicules.

cuOpt étant sans état, tout changement des conditions d’exploitation nécessite de modéliser à nouveau le problème d’optimisation et de le soumettre. Nvidia cite les pannes de véhicules, les absences de chauffeurs, les blocages routiers, le trafic et les nouvelles commandes hautement prioritaires comme exemples de changements déclenchant une réoptimisation dynamique.

OneRail indique qu’OmniSTAR peut réexécuter des scénarios de livraison à mesure que des variables telles que les coûts de carburant, la météo et les conditions d’expédition évoluent. L’entreprise a précédemment déclaré que l’utilisation de cuOpt lui permettait d’évaluer davantage de scénarios d’itinéraires et de recalculer les itinéraires plus rapidement qu’avec son approche précédente.

OmniSTAR entre en production

OmniSTAR est actuellement déployé auprès de certains clients professionnels.

Chez US Foods, OneRail indique que le système a identifié des configurations de livraison réduisant les marges, telles que le transport de produits à faible marge sur de longues distances à l’aide d’équipements plus coûteux. US Foods a ensuite utilisé ces informations pour ajuster ses prix et restructurer certains schémas de livraison, selon OneRail.

OneRail a également déclaré à CNBC qu’un grand distributeur de pneus, dont le nom n’a pas été divulgué, utilisant la plateforme avait réalisé 40 millions de dollars d’économies sur trois ans. L’identité du client n’a pas été révélée, et le chiffre des économies a été fourni par OneRail. La société a également déclaré à CNBC qu’elle s’attendait à ce qu’OmniSTAR dépasse les 6 milliards de dollars de volume brut de marchandises au cours du quatrième trimestre 2026.

CNBC a rapporté que OneRail et Nvidia avaient collaboré sur ce projet pendant trois ans avant son lancement. OneRail a précisé que cette collaboration comprenait une collaboration directe avec l’équipe d’ingénierie cuOpt de Nvidia sur la livraison du dernier kilomètre et l’optimisation logistique à grande échelle, ainsi que sa participation au programme Nvidia Inception.

En mars de cette année, FedEx a lancé FedEx SameDay Local en collaboration avec OneRail, permettant ainsi à ses clients d’accéder à un réseau national de plus de 1 000 prestataires de livraison.

Voir aussi : Un quart de l’activité de Nvidia l’année prochaine proviendra des laboratoires qu’elle finance

Vous souhaitez en savoir plus sur l’IA et le big data auprès des leaders du secteur ? Découvrez l’AI & Big Data Expo qui se tiendra à Amsterdam, en Californie et à Londres. Cet événement complet fait partie du salon TechEx et se déroule en parallèle d’autres événements technologiques de premier plan. Cliquez ici pour plus d’informations.

AI News est une publication de TechForge Media. Découvrez ici d’autres événements et webinaires à venir consacrés aux technologies d’entreprise.