IA dans le transport : cas d'usage, ROI et roadmap 2026
pour PME et ETI TRM françaises.

L'optimisation de tournée vendue par les TMS est générique. Le vrai gain est sur vos contraintes propriétaires.

Tous les éditeurs TMS poussent un module « optimisation IA ». Le modèle est en général un VRP standard, calé sur des contraintes génériques (temps de trajet, fenêtres horaires, capacité). Sur ce socle, OR-Tools (Google, open-source Apache 2.0) couvre à lui seul l'essentiel — gratuit en runtime, utilisé en production par de grands logisticiens.

Le différentiel ne se joue pas là. Il se joue sur les contraintes que votre TMS standard ne sait pas modéliser :

• Frigo multi-températures — écart consigne température, compatibilité produits, ouverture limitée des portes.
• ADR / matières dangereuses — quantités cumulées par véhicule, restrictions tunnels, formation conducteur, plan de sûreté.
• Citerne, vrac, exceptionnel — compatibilité produits, lavage, gabarit, autorisations préfectorales.
• KPI métier propriétaires — taux de remplissage en m³ sur lots citerne, retours à vide par OD, écart consigne température. Aucun TMS ne sait les tracker en standard.

Conséquence : à 100 véhicules, le TMS suffit. À 500, le coût SaaS par véhicule a quintuplé alors que le coût marginal informatique est nul — et vous payez pour une optimisation qui ignore ce qui fait votre marge.

C'est la bascule où le custom devient rentable : un VRP OR-Tools taillé sur vos contraintes, un ML de prédiction de la demande entraîné sur 18-24 mois de votre historique, un agent exploitation qui digère vos 200 clients récurrents avec leurs spécificités. Geodis, Heppner et STEF n'ont pas acheté un module IA d'éditeur TMS — ils ont fait construire (DCbrain, 7Opteam, équipe interne).