Catégorie : Supply Chain & Transport

Un entrepôt plein de références qui ne sortent pas, et à côté, une rupture sur le produit phare de la semaine : la scène est familière à tous les responsables de site. Derrière ce paradoxe se cache presque toujours la même cause, une prévision de la demande approximative, qui se répercute en cascade sur la gestion des stocks, la planification des équipes et l’affrètement.

La prévision de la demande consiste à estimer, à un horizon donné, les quantités que les clients voudront acheter. Le S&OP (Sales & Operations Planning) est le processus qui confronte cette demande aux capacités de l’entreprise. L’éditeur SAP le décrit comme un processus de management intégré qui construit un consensus entre les fonctions pour équilibrer l’offre et la demande, généralement sur un cycle mensuel. L’intelligence artificielle logistique promet d’améliorer ces deux briques. Mais que change-t-elle concrètement, et à quelles conditions ? Nous verrons d’abord pourquoi la prévision reste le maillon fragile de la chaîne, puis ce que les modèles d’IA apportent, avant d’examiner comment les intégrer dans un S&OP qui tient la route sur le terrain.

Pourquoi la prévision de la demande reste le maillon fragile

Une erreur d’estimation qui s’amplifie dans tous les flux

Une prévision n’est jamais juste, mais son erreur ne se contente pas de rester sur le tableau de planification. Trop optimiste, elle gonfle les stocks, immobilise de la trésorerie et sature les emplacements. Trop prudente, elle provoque des ruptures, des expéditions en urgence et des commandes perdues. Dans les deux cas, l’entrepôt absorbe le choc : pics de réception imprévus, heures supplémentaires, quais encombrés. Une bonne optimisation des stocks commence donc bien en amont de l’entrepôt, au moment où l’on décide de ce qu’il faudra y mettre.

Ce phénomène porte un nom depuis les travaux de Hau Lee, Padmanabhan et Whang, publiés en 1997 : l’effet coup de fouet (« bullwhip effect »). De petites variations de la demande finale se transforment en oscillations de plus en plus fortes à mesure que l’on remonte vers les fournisseurs, parce que chaque maillon corrige sa propre prévision avec ses propres marges de sécurité. Mieux partager une prévision commune est l’un des remèdes classiques.

Où se situent les entreprises aujourd’hui ?

Les repères chiffrés existent, avec des précautions de lecture. Selon une étude de l’APQC relayée par SDC Executive, sur un échantillon de plus de 400 organisations, la précision des prévisions atteint environ 95 % chez les meilleures, 90 % pour la médiane et 80 % chez les moins performantes. La publication ne précise pas la date de collecte : il s’agit d’un ordre de grandeur à manier avec prudence, d’autant que la précision dépend fortement du niveau d’agrégation (famille de produits ou référence, mois ou semaine).

L’écart de quinze points entre les extrêmes paraît modeste sur le papier. Il est considérable en pratique : sur un flux de milliers de palettes par semaine, quelques points de précision séparent un entrepôt serein d’un site qui vit en mode pompier. La question devient alors : que peuvent apporter des modèles plus puissants ?

Ce que l’IA apporte à la prévision

Plus de signaux, une granularité plus fine

Les méthodes statistiques traditionnelles s’appuient surtout sur l’historique des ventes. Les modèles d’apprentissage automatique peuvent y ajouter des variables externes : promotions, calendrier, météo, prix, ruptures chez les concurrents ou données de points de vente. Ils sont aussi capables de produire des prévisions à l’échelle de chaque référence et de chaque site, là où une équipe de planification n’a le temps de traiter que les références les plus importantes. Pour un responsable de gestion des flux logistiques, cela signifie un signal plus précoce sur les pics à venir.

Les ordres de grandeur avancés par le secteur sont parlants, mais ils viennent surtout d’acteurs qui ont intérêt à les mettre en avant. DP World indique ainsi, dans son livre blanc de septembre 2025, que les entreprises utilisant l’IA déclarent jusqu’à 50 % d’erreurs de prévision en moins et 65 % de ventes perdues en moins ; le document ne détaille ni la méthodologie ni l’échantillon, et « jusqu’à » désigne un meilleur cas, pas une moyenne. McKinsey, de son côté, rapportait en 2021 que les premiers adoptants de l’IA dans la supply chain avaient amélioré leurs coûts logistiques d’environ 15 %, leurs niveaux de stock d’environ 35 % et leurs niveaux de service d’environ 65 % par rapport à des concurrents plus lents, sans préciser les bases de calcul. Ces chiffres sont à lire comme des signaux de direction, pas comme des promesses de résultat.

Les limites que les démonstrations oublient

Un modèle d’IA ne vaut que par ses données. Un historique de ventes contaminé par des ruptures (on a vendu moins parce qu’on n’avait rien en stock) apprend une demande faussée. Les produits nouveaux, sans historique, restent difficiles à prévoir. Et un algorithme performant sur le papier peut perdre la confiance des équipes s’il se comporte comme une boîte noire. Mieux vaut des modèles explicables, des écarts expliqués et des planificateurs qui gardent la main sur les cas particuliers.

Le calendrier compte aussi. McKinsey relevait en 2021, dans la même publication, que plus de 60 % des projets de transformation de la planification étaient en retard ou dépassaient leur budget. L’outil n’est donc pas le principal risque : c’est l’intégration dans les pratiques quotidiennes, ce qui nous amène au S&OP.

Intégrer l’IA dans un S&OP qui fonctionne

Un cycle mensuel qui part de la donnée

Dans la description qu’en donne SAP, le cycle S&OP enchaîne la préparation des données (performance du plan, tendances, précision des prévisions), la planification de la demande, la planification de l’offre, une revue de réconciliation entre fonctions, puis la validation par la direction. L’IA s’insère naturellement dans les deux premières étapes : elle produit une prévision de départ et met en évidence les écarts significatifs. Les réunions peuvent alors se concentrer sur les arbitrages, au lieu de reconstruire les chiffres.

Côté entrepôt, ce lien avec le WMS est précieux. Une prévision par semaine et par famille de produits permet d’anticiper les besoins en emplacements, en préparateurs et en quais, plutôt que de les découvrir le lundi matin. Réciproquement, les données réelles du WMS (taux de service, ruptures, retours) nourrissent les modèles et améliorent leur apprentissage.

Quatre réflexes pour démarrer sans s’égarer

Première étape : mesurer. Sans indicateur d’erreur de prévision suivi par famille de produits, impossible de savoir si l’IA apporte quelque chose. Deuxième étape : nettoyer, en corrigeant l’historique des ruptures et des promotions exceptionnelles. Troisième étape : tester sur un périmètre limité, par exemple une catégorie à forte rotation, en comparant l’IA à la méthode actuelle sur plusieurs cycles. Quatrième étape : clarifier le rôle des humains, qui ajustent la prévision avec des informations que le modèle ne voit pas (un client qui prévient d’un gros volume, un chantier qui bloque une route).

Enfin, un point souvent oublié : une meilleure prévision ne suffit pas si les décisions suivent mal. Si les délais d’approvisionnement sont longs ou si les capacités de stockage sont rigides, une prévision parfaite ne résout pas tout. Elle réduit l’incertitude, elle ne supprime pas les contraintes.

Conclusion : de la prévision à la décision

La prévision de la demande reste le point de départ de toute la chaîne : elle conditionne les stocks, les effectifs et les transports. L’intelligence artificielle logistique en améliore la finesse et la rapidité, mais elle n’a de valeur que si les données sont propres, les indicateurs suivis et les équipes impliquées dans le S&OP. Les chiffres publiés par les éditeurs et les cabinets sont encourageants, tout en restant, pour une bonne part, déclaratifs.

La prochaine étape se joue déjà : des plans qui se recalculent en continu à partir des signaux du terrain, et des planificateurs qui passent moins de temps à produire des chiffres et davantage à décider. Pour un directeur de site, la question utile n’est plus « faut-il de l’IA ? » mais « quelle décision de mon S&OP gagnerait le plus à être mieux éclairée ? »

Références et sources

• McKinsey & Company, « Succeeding in the AI supply-chain revolution », 30 avril 2021 (gains des premiers adoptants : logistique ≈ 15 %, stocks ≈ 35 %, service ≈ 65 % ; plus de 60 % des projets de planification en retard ou hors budget) : mckinsey.com. Source datée, méthodologie non détaillée.
• APQC, « Metric of the Month: How Top Performers Improve Forecast Accuracy in Supply Chain Planning » (95 % / 90 % / 80 %), relayé par SDC Executive, date non indiquée : sdcexec.com. Source secondaire.
• DP World, « Smarter, Safer, Stronger: How AI Can Transform the Global Supply Chain », septembre 2025 (jusqu’à 50 % d’erreurs de prévision en moins, 65 % de ventes perdues en moins, chiffres déclaratifs), cité par Trax Technologies : traxtech.com. Source secondaire.
• SAP, « What is sales and operations planning (S&OP)? » (définition et étapes du cycle) : sap.com.
• Lee, H., Padmanabhan, V., Whang, S., « The Bullwhip Effect in Supply Chains », 1997 (référence historique sur l’effet coup de fouet, cité sans chiffre) : hbr.org.

Par Midane RAMDANI

Un entrepôt ne vous prévient jamais avant de dérailler. Le pic de commandes arrive, un quai sature, un fournisseur décale sa livraison de quatre jours, et c’est le terrain qui absorbe le choc. Et si l’on pouvait vivre ces scénarios une première fois sans risque, sur un double virtuel du site ? C’est la promesse du jumeau numérique appliqué à la supply chain.

Un jumeau numérique est un modèle virtuel d’un objet, d’un site ou d’un réseau réels, alimenté en continu par des données (WMS, ERP, capteurs, transport) afin de comprendre son état, d’anticiper les évolutions et de tester des décisions. Appliqué à la gestion des flux logistiques, il peut représenter un entrepôt, un réseau de distribution, voire toute une chaîne d’approvisionnement de bout en bout. La question centrale est la suivante : dans quelle mesure ce double numérique améliore-t-il réellement la décision des managers, et à quelles conditions ? Nous verrons d’abord ce qu’est un jumeau numérique et ce qu’il n’est pas, puis ce que disent les études chiffrées, avant d’aborder les cas d’usage en entrepôt et les freins à lever pour réussir.

1. Jumeau numérique de la supply chain : de quoi parle-t-on exactement ?

Une maquette vivante, pas un simple tableau de bord

Un tableau de bord vous dit ce qui s’est passé. Un jumeau numérique vous permet de demander « que se passe-t-il si ? ». Sa force tient à deux caractéristiques : il est connecté aux données réelles, donc il reflète l’état courant du site, et il est capable de simuler, donc il projette l’effet d’une décision avant de l’appliquer. Gartner le définit de manière générale comme un modèle numérique d’un objet physique, conçu pour comprendre son état, réagir aux changements et créer de la valeur.

Dans un entrepôt, cela signifie par exemple reproduire l’implantation des allées, les zones de picking, les flux de chariots et les règles du WMS, puis rejouer une journée type avec 30 % de commandes en plus. Le WMS reste la source des données de stock et d’activité, mais le jumeau y ajoute la dimension prospective qui lui manque souvent.

Du site isolé au réseau de bout en bout

On distingue généralement plusieurs niveaux. Le jumeau d’un équipement (un convoyeur, un robot) relève de la maintenance. Le jumeau d’un site simule les flux internes. Enfin, le jumeau de la chaîne d’approvisionnement relie usines, entrepôts, transporteurs et fournisseurs pour piloter les stocks et les délais à l’échelle du réseau. C’est ce dernier niveau qui intéresse les directeurs supply chain, car c’est là que se jouent l’optimisation des stocks et la résilience face aux aléas.

Une précision utile : le terme est parfois employé à tort pour désigner n’importe quelle visualisation 3D. Un analyste de Gartner cité par LeMagIT en 2021 soulignait déjà que l’expression est devenue un peu fourre-tout. Sans flux de données réel ni capacité de simulation, il s’agit d’une belle maquette, pas d’un jumeau.

2. Ce que disent les chiffres : adoption et bénéfices mesurés

Une adoption déjà largement engagée

Selon une enquête Gartner menée en janvier 2023 auprès de 380 responsables de chaîne d’approvisionnement, 60 % des dirigeants interrogés pilotent ou prévoient de mettre en œuvre un jumeau numérique de supply chain, et 40 % le jugent « important et disruptif ». Attention toutefois : ces données ont près de trois ans et mesurent une intention autant qu’un déploiement effectif. Elles montrent un intérêt massif, pas une généralisation avérée.

Le contraste avec l’état des lieux de 2019 est instructif. À l’époque, Gartner relevait que 13 % seulement des 599 organisations sondées utilisaient des jumeaux numériques (hors France, l’étude couvrant la Chine, l’Allemagne, l’Inde, le Japon, le Royaume-Uni et les États-Unis), tandis que 62 % envisageaient de s’y mettre. Là encore, il s’agit de données anciennes, à lire comme un ordre de grandeur de la dynamique plutôt que comme une photographie actuelle.

Des gains opérationnels documentés par BCG

Côté résultats, BCG publie en juillet 2024 des chiffres issus de son outil de jumeau numérique de chaîne de valeur, auprès de premiers adoptants : une amélioration de 20 % à 30 % de la précision des prévisions, une réduction de 50 % à 80 % des retards et arrêts grâce à la détection précoce des risques, et une baisse de 3 % à 6 % des coûts d’achat. Ces résultats proviennent d’un éditeur-conseil qui vend la solution : ils doivent être considérés comme des ordres de grandeur favorables, pas comme des garanties.

Le cas client détaillé est parlant : un aciériste a modélisé 50 sites de production, plus de 300 entrepôts et plus de 20 000 références. Le simulateur a permis d’anticiper les risques jusqu’à 12 semaines à l’avance, d’améliorer l’EBITDA de 2 points de pourcentage et de réduire les stocks de 15 %. Dans une équipe achats, 85 % des activités de planification ont été automatisées et le cycle de planification raccourci de moitié. Pour un responsable de gestion des stocks, ces ordres de grandeur illustrent le potentiel de la simulation, à condition que les données de départ soient fiables.

3. Cas d’usage concrets en entrepôt et en transport

Tester avant d’investir : implantation, robotisation, flux

Le premier terrain de jeu est la conception et la reconfiguration. Avant d’acheter des robots mobiles ou de modifier l’implantation des allées, on peut simuler le trajet des préparateurs, la saturation des quais ou l’effet d’un nouveau découpage des zones. Pour la robotisation d’entrepôt, c’est précieux : on valide le nombre de robots utile et on repère les goulots d’étranglement avant de signer le bon de commande, au lieu de les découvrir à la mise en service.

Le même raisonnement s’applique au slotting et au dimensionnement des équipes. Rejouer un pic d’activité sur le modèle permet d’ajuster plannings, intérimaires et créneaux de quai en amont. C’est un levier direct sur les temps morts et les heures supplémentaires, deux sujets que tout chef d’équipe connaît bien.

Anticiper les aléas et piloter la résilience

À l’échelle du réseau, le jumeau sert à répondre à des questions de crise : que devient le niveau de service si un transporteur défaille, si un port se bloque, si un fournisseur clé livre avec trois semaines de retard ? En croisant données internes et signaux externes, il aide à repérer les maillons fragiles et à préparer des plans B. C’est là que l’intelligence artificielle logistique trouve un terrain naturel : les algorithmes de prévision alimentent le modèle, et le modèle teste les réponses possibles.

L’angle environnemental n’est pas en reste. Simuler des tournées et des schémas de transport différents permet de comparer leur impact, ce qui nourrit le calcul de l’empreinte carbone de la supply chain et la réflexion sur le dernier kilomètre. Précision de rigueur : les sources consultées ici ne chiffrent pas ce gain carbone, il relève donc d’un usage plausible plutôt que d’un résultat démontré.

4. Les freins à lever et la méthode pour démarrer

La donnée d’abord, la technologie ensuite

Le premier obstacle n’est presque jamais l’outil, c’est la donnée. LeMagIT rappelait en 2021 que l’intégration entre silos informatiques (ERP, MES, PLM, IoT), le nettoyage des données et la gestion des données de référence conditionnent la réussite. Un jumeau nourri d’un stock théorique qui ne correspond pas au stock réel reproduira fidèlement… vos erreurs. D’où l’intérêt de fiabiliser d’abord inventaires, adresses d’emplacement et référentiels articles.

S’ajoutent des freins humains et organisationnels : compétences à développer, difficulté à partager l’information avec les partenaires extérieurs, et nécessité de préserver la confidentialité de chacun. Gartner notait aussi que l’intégration de plusieurs jumeaux exige des compétences d’intégration (API) et soulève des questions de licences.

Démarrer petit, prouver, puis étendre

La démarche la plus sûre consiste à choisir un cas d’usage borné, avec un indicateur clair : par exemple, valider le dimensionnement des quais d’un site, ou simuler l’effet d’une nouvelle règle de réapprovisionnement sur un périmètre de références. On mesure, on convainc les équipes avec un résultat tangible, puis on étend. Dans le cas client rapporté par BCG, les bénéfices sont apparus dans les trois mois suivant le début de la mission, ce qui montre qu’un démarrage ciblé peut produire des résultats rapides, sans que cela vaille pour tous les contextes.

Enfin, impliquez le terrain dès le départ. Les chefs d’équipe connaissent les contournements et les contraintes que les données ne montrent pas. Un jumeau numérique qui ignore ce savoir-faire sera contesté ; celui qui l’intègre devient un outil de dialogue entre exploitation, méthodes et direction.

Conclusion : un outil de décision, pas une baguette magique

Le jumeau numérique de la supply chain répond à un vrai besoin : décider avec davantage de visibilité dans un environnement où les aléas se multiplient. Les études disponibles montrent un intérêt fort des dirigeants et des gains prometteurs chez les premiers adoptants, mais elles émanent en partie d’éditeurs et de cabinets qui vendent ces solutions, et reposent sur des données qu’il faut lire avec prudence. Sa valeur dépend avant tout de la qualité des données et de l’appropriation par les équipes.

À l’horizon des prochaines années, la combinaison du jumeau numérique, de l’IA générative et de la robotisation pourrait rapprocher la simulation de la décision quotidienne : un manager testerait son plan de la semaine comme il consulte aujourd’hui sa météo. Reste à savoir si nos organisations sauront mettre leurs données en ordre assez vite pour en profiter. Et votre entrepôt, est-il prêt à avoir un jumeau ?

Références et sources

• BCG, « Using Digital Twins to Manage Complex Supply Chains », 29 juillet 2024 (prévisions +20 à 30 %, retards -50 à 80 %, achats -3 à 6 %, cas de l’aciériste) : bcg.com
• Gartner, enquête de janvier 2023 auprès de 380 responsables supply chain (60 % et 40 %), relayée par Chain Store Age : chainstoreage.com (source secondaire)
• Gartner, étude de février 2019 sur 599 organisations (13 % et 62 %), relayée par LeMagIT : lemagit.fr (source secondaire, donnée ancienne)
• LeMagIT, « Les premiers jours des jumeaux numériques dans la supply chain », 16 mars 2021 (freins liés aux données et à l’organisation) : lemagit.fr (source secondaire, datée)

Par Midane RAMDANI

Un camion qui s’arrête six à huit heures sur un quai pour « faire le plein » : voilà ce que beaucoup de responsables d’exploitation ont encore du mal à imaginer. Pourtant, la décarbonation du transport routier de marchandises est désormais un sujet de planification industrielle autant que d’écologie. Le transport routier de marchandises désigne l’ensemble des flux de fret acheminés par poids lourds ; sa décarbonation vise à réduire ses émissions de gaz à effet de serre, principalement en remplaçant le diesel par l’électricité, d’autres énergies alternatives et une meilleure organisation des flux logistiques.

L’enjeu est considérable. Selon la mission d’information de l’Assemblée nationale sur la décarbonation des poids lourds, les camions lourds représentaient en 2024 environ 21,7 % des émissions du secteur des transports et 7,3 % des émissions nationales. Or l’adoption des modèles électriques reste lente : comment passer d’un parc quasi exclusivement diesel à une flotte bas-carbone sans dégrader le service ni la rentabilité ? Nous verrons d’abord où en est réellement le marché, puis l’équation économique du coût total de possession, enfin ce que la recharge change dans la gestion des flux logistiques et des sites.

Un marché encore minuscule face à des objectifs très ambitieux

Où en est le parc de poids lourds électriques ?

Le diagnostic publié en 2026 par la Direction générale des entreprises sur l’électrification du transport routier de marchandises estime les émissions du fret routier à environ 27 millions de tonnes d’équivalent CO2 en 2024 (hors véhicules utilitaires légers). Dans le même document, la part des camions lourds électriques dans les immatriculations neuves est évaluée à 1,5 % en 2024 puis 2 % en 2025, et la part de ces véhicules dans le parc roulant à environ 0,5 % fin 2025. La trajectoire de la stratégie nationale bas-carbone (SNBC) vise 50 % des immatriculations en 2030, soit environ 20 000 véhicules par an, et environ 12 % du parc.

L’écart entre la réalité et la cible est donc massif. Les rapporteurs de la mission parlementaire, présentée le 20 mai 2026, le disent sans détour : la croissance actuelle des immatriculations de poids lourds électriques est très loin de permettre d’atteindre l’objectif de 50 % en 2030. À titre de comparaison, un article de presse spécialisée du 16 juillet 2026 (source secondaire, à prendre avec prudence) indique que le diesel pèse encore 92 % des immatriculations de camions en France et que les transporteurs attendent de nouvelles aides à l’achat avant de s’engager, ce qui expliquerait un léger repli des ventes électriques au deuxième trimestre.

Le cadre réglementaire pousse dans le même sens

Au niveau européen, le règlement (UE) 2024/1610 impose aux constructeurs une baisse des émissions moyennes des camions neufs de 15 % en 2025, 43 % en 2030, 65 % en 2035 et 90 % en 2040 par rapport à 2019. Autrement dit, l’offre de véhicules zéro émission va s’élargir, que la demande soit prête ou non. Le règlement AFIR (UE) 2023/1804 prévoit de son côté des bornes pour poids lourds tous les 60 km environ sur les axes principaux du réseau transeuropéen d’ici 2030, avec la moitié de l’objectif attendue fin 2027.

Pour un chef d’exploitation, le message est clair : ne pas anticiper revient à subir. Les contrats de transport signés aujourd’hui couvrent souvent des horizons de trois à cinq ans, soit exactement la période durant laquelle les exigences des donneurs d’ordre en matière d’empreinte carbone de la supply chain vont se durcir.

Coût total de possession : l’équation qui décide de tout

Un prix d’achat deux à trois fois supérieur

Selon le diagnostic de la DGE, un camion électrique coûte aujourd’hui deux à trois fois plus cher qu’un équivalent thermique avant subventions, selon le tonnage. Le carburant étant le deuxième poste de dépenses d’une entreprise de transport routier, à environ un quart du chiffre d’affaires selon la même source, l’électricité peut pourtant rééquilibrer la balance à l’usage. Le même document anticipe un croisement des courbes de coût total de possession entre thermique et électrique autour de 2028-2029, tandis que la mission parlementaire évoque une compétitivité de l’électrique à partir de 2030.

Les aides publiques jouent ici un rôle décisif. D’après le communiqué de l’Assemblée nationale, l’aide à l’achat atteint aujourd’hui 61 000 euros et doit dépasser 100 000 euros pour les véhicules les plus lourds entre le 1er juin 2026 et 2029, grâce aux certificats d’économies d’énergie. Les rapporteurs recommandent aussi une réduction de 25 % de la taxe sur l’électricité pour les transporteurs électriques et un relèvement du poids autorisé par essieu moteur, de 12 à 14 tonnes, afin de compenser le poids des batteries.

Savoir où l’électrique est déjà rentable

Une autonomie de 500 à 600 km, contre jusqu’à 3 000 km pour un thermique selon la DGE, rend l’électrique particulièrement pertinent sur les tournées régulières, au retour quotidien au dépôt : distribution régionale, approvisionnement de magasins, navettes entre plateformes logistiques. C’est là que la maîtrise de la planification des tournées et des temps de chargement/déchargement fait la différence. Un exemple concret : un distributeur régional qui boucle 250 km par jour avec retour au dépôt chaque nuit dispose de plusieurs heures de recharge « gratuites » en dehors de l’activité, alors qu’un camion longue distance en relais devra s’appuyer sur un réseau public encore en construction.

La bonne démarche consiste donc à segmenter la flotte par type de rotation plutôt qu’à raisonner « tout électrique ou rien ». On identifie les lignes à kilométrage prévisible, on mesure le coût au kilomètre, on simule la recharge, puis on déploie par étapes. C’est un travail de données, au même titre que l’optimisation des stocks ou le pilotage d’un entrepôt par indicateurs.

La recharge sur site : un nouveau métier pour l’entrepôt

Investissement, foncier et sécurité incendie

La recharge se fera majoritairement sur site, de nuit ou pendant les opérations de chargement et de déchargement, selon la DGE, qui estime que l’accès public restera marginal car relativement coûteux. À titre d’illustration, un site accueillant dix camions avec des bornes d’environ 200 kW peut représenter entre 350 000 et 500 000 euros d’investissement, hors équipements de prévention. Ces derniers ajoutent 10 à 25 % au budget selon l’estimation d’un adhérent de l’organisation professionnelle Union TLF citée dans le rapport, et le respect d’une distance d’au moins 10 mètres avec les bâtiments peut ajouter 5 à 15 % supplémentaires.

Pour un directeur de site, cela signifie intégrer la recharge dès la conception du plan de masse : emprise foncière, puissance électrique disponible, clauses du bail lorsque l’entrepôt est loué, relation avec l’assureur et les pompiers. Le rapport relève d’ailleurs que les assureurs disposent de peu de données de sinistralité sur les poids lourds électriques et que les services d’incendie n’ont pas encore de méthode d’intervention standard. Les données de sécurité présentées restent rassurantes mais contextualisées : aux Pays-Bas, un seul des 3 570 camions électriques et hybrides en circulation fin 2024 a été concerné par un incendie, sans atteinte de la batterie.

Orchestrer la recharge avec les flux du quai

La recharge introduit une contrainte nouvelle dans la gestion des flux logistiques : le temps d’immobilisation n’est plus seulement du temps de manutention, c’est aussi de l’énergie à ravitailler. Concrètement, la prise de rendez-vous quai, le planning des équipes de chargement et le pilotage de la puissance disponible deviennent liés. Un WMS et un système de gestion des quais capables de synchroniser les créneaux avec l’état de charge des véhicules éviteront les files d’attente et les pics de consommation électrique qui renchérissent la facture.

Les équipes ont leur part de travail : formation des conducteurs à l’éco-conduite adaptée à l’électrique, consignes de branchement et de débranchement, repérage des anomalies, gestion des priorités sur le parking. Comme dans toute conduite du changement en logistique, c’est l’adhésion du terrain qui décide du succès, bien plus que la borne elle-même.

Conclusion : préparer le dépôt avant d’acheter le camion

Les chiffres officiels dessinent un paradoxe : le camion électrique est encore marginal, mais sa montée en puissance est inscrite dans les règlements européens et dans les trajectoires nationales. Le coût total de possession devrait devenir favorable à la fin de la décennie, et les aides augmentent. La vraie question pour les entreprises n’est donc plus « faut-il y aller ? » mais « sur quelles rotations, avec quelle infrastructure et quelle organisation ? ». Ceux qui cartographient dès maintenant leurs tournées, leur puissance électrique et leurs contraintes foncières seront en position d’acheter au bon moment.

Demain, l’hydrogène, les biocarburants et les routes électrifiées pourront compléter ce paysage ; en attendant, la décarbonation du transport routier se jouera d’abord dans les cours de dépôt et dans les plannings d’exploitation. Et chez vous, quelle est la première rotation que vous pourriez électrifier ?

Références et sources

• Assemblée nationale, communiqué « Décarbonation des poids lourds : 21 recommandations pour donner une impulsion forte à l’électrification » (mission flash, 20 mai 2026) : assemblee-nationale.fr (21,7 % des émissions des transports et 7,3 % des émissions nationales en 2024 ; aides de 61 000 euros puis plus de 100 000 euros ; recommandations fiscales et de poids par essieu).
• Direction générale des entreprises, « Diagnostic – Électrification du transport routier de marchandises » (2026, date précise non indiquée dans l’extrait consulté) : entreprises.gouv.fr (27 MtCO2e, parts d’immatriculations, coût total de possession, recharge, coûts d’infrastructure, données de sécurité).
• Règlement (UE) 2024/1610 sur les normes de CO2 des poids lourds et règlement (UE) 2023/1804 (AFIR), tels que cités dans le diagnostic ci-dessus.
• Auto-infos, « Toujours dans l’incertitude, la France ne suit pas la croissance européenne sur le marché du camion », 16 juillet 2026 (source secondaire, presse spécialisée) : auto-infos.fr (92 % de diesel dans les immatriculations de camions en France).

Par Midane RAMDANI

Un client demande à son prestataire combien de CO₂ a émis la livraison de ses palettes, et la réponse tient en un haussement d’épaules. Cette scène, beaucoup de responsables logistiques la connaissent : on sait au centime près ce que coûte un trajet, rarement ce qu’il émet. Or la mesure de l’empreinte carbone de la supply chain devient une exigence commerciale et réglementaire à part entière.

L’empreinte carbone supply chain désigne l’ensemble des gaz à effet de serre, exprimés en équivalent CO₂, générés par les flux physiques d’une entreprise : transport amont et aval, exploitation des entrepôts, emballages, retours. Dans les bilans carbone, une large part de ces émissions relève du scope 3, c’est-à-dire des émissions indirectes situées chez les fournisseurs et les transporteurs plutôt que sur vos propres sites. La question qui s’impose est donc la suivante : comment un responsable de site ou un directeur supply chain peut-il mesurer de façon crédible les émissions de ses flux logistiques, puis les réduire sans dégrader le service ? Nous verrons d’abord pourquoi le transport pèse lourd, puis comment la norme ISO 14083 et l’obligation Info-GES structurent la mesure, avant de détailler les leviers d’action et la manière de piloter la trajectoire.

1. Pourquoi le transport concentre l’enjeu climatique de la logistique

Un secteur qui ne décarbone pas au rythme des autres

Selon le service statistique du ministère de la Transition écologique (SDES), les transports représentent 34 % des émissions nationales de gaz à effet de serre en 2024 hors transport international aérien et maritime, soit environ 125 millions de tonnes d’équivalent CO₂. En intégrant ces transports internationaux, la part atteint 37,4 %. Le même document souligne que les émissions du secteur sont restées à peu près stables depuis 1990, alors que les autres secteurs ont réduit les leurs d’environ 42 %.

La route domine largement ce bilan : 94 % des émissions du transport, dont environ 22 % pour les poids lourds et 15 % pour les véhicules utilitaires légers. Ces derniers sont précisément ceux de la livraison urbaine et du dernier kilomètre, ce qui explique pourquoi les flux de proximité attirent autant l’attention des collectivités et des donneurs d’ordre.

La route, colonne vertébrale des flux de marchandises

Côté activité, la route assure 89 % des 344 milliards de tonnes-kilomètres de fret terrestre en 2024, contre 9 % pour le fer et 2 % pour la voie d’eau (SDES). Autrement dit, l’essentiel de la gestion des flux logistiques repose sur un mode dont les émissions sont directement liées au carburant consommé, donc mesurables avec précision pour peu que les données remontent.

À l’échelle des entreprises, le constat est comparable. Le rapport 2022 du CDP, relayé par le Boston Consulting Group, indique que les chaînes d’approvisionnement génèrent en moyenne 11,4 fois plus d’émissions que les opérations internes des entreprises déclarantes. Il s’agit d’une moyenne ancienne et d’une source secondaire : elle donne un ordre de grandeur, pas une valeur à reprendre telle quelle dans votre propre bilan.

2. Mesurer : le cadre ISO 14083 et l’obligation d’information CO₂

ISO 14083, un langage commun pour les émissions de transport

Publiée en mars 2023, la norme ISO 14083 propose une méthode unique pour quantifier et déclarer les émissions des chaînes de transport, de passagers comme de marchandises. Elle s’appuie sur des travaux antérieurs comme la norme européenne EN 16258 et le cadre GLEC, et couvre aussi les opérations de hubs : ports, terminaux, plateformes. Le calcul se fait par « éléments de chaîne de transport », regroupés en catégories d’opérations qui partagent le mode, le trajet ou le type de contrat.

Deux principes méritent d’être retenus. D’abord, l’intensité d’émission s’exprime en CO₂e par tonne-kilomètre et intègre les kilomètres parcourus à vide, ce qui valorise le remplissage des camions. Ensuite, la norme recommande de privilégier des données primaires, c’est-à-dire issues de la consommation réelle de carburant, et de documenter tout recours à des données secondaires. C’est un point décisif : un calcul fondé uniquement sur des moyennes sectorielles ne récompense aucun effort d’optimisation.

Info-GES : une obligation qui descend jusqu’aux contrats

En France, l’article L1431-3 du Code des transports impose depuis 2015 à toute personne qui commercialise ou organise une prestation de transport d’informer son client sur les gaz à effet de serre émis. Selon la synthèse de l’éditeur Dashdoc (source secondaire, à confronter aux textes officiels), l’information sur les émissions de CO₂ des prestations doit être communiquée aux clients par les transporteurs depuis le 1er janvier 2025, la méthode de référence étant l’ISO 14083. Pour vérifier le périmètre exact de votre obligation, le plus sûr reste de consulter les ressources de l’ADEME et un conseil juridique.

Concrètement, un chargeur peut désormais exiger de ses prestataires des émissions par prestation, calculées selon une méthode comparable. C’est une évolution pour les appels d’offres transport : le critère carbone s’ajoute au prix, au délai et à la qualité de service, et alimente le bilan scope 3 du donneur d’ordre.

Fiabiliser les données : le vrai chantier

Dans la pratique, la difficulté n’est pas la formule mais la donnée. Il faut relier chaque expédition à un véhicule, une distance, un taux de remplissage et une consommation. Les systèmes de gestion du transport (TMS), les données télématiques et les outils de facturation permettent de consolider ces informations, tandis que le WMS apporte les volumes, poids et cadences de départ des entrepôts. Un exemple parlant : un chargeur qui regroupe ses enlèvements par tournée constate vite l’effet du remplissage sur l’intensité par tonne-kilomètre, parce que les kilomètres à vide pèsent dans le calcul.

Une démarche réaliste consiste à démarrer par les flux les plus volumineux, à demander à chaque transporteur sa méthode et ses données sources, puis à élargir. Mieux vaut un périmètre restreint mais documenté qu’un chiffre global invérifiable.

3. Réduire : les leviers qui comptent vraiment

Réduire les kilomètres inutiles avant de changer d’énergie

Le premier levier est rarement technologique : c’est l’optimisation des stocks et des tournées. Mieux positionner les références, fiabiliser la gestion des stocks pour limiter les expéditions urgentes, mutualiser les flux, réduire les trajets à vide : chaque kilomètre évité est une émission évitée et un coût en moins. La planification des chargements et l’ajustement des fréquences de livraison produisent souvent des gains plus rapides que le renouvellement d’une flotte.

Le report modal vers le fer ou le fluvial est un second levier, pertinent sur les flux massifiés et réguliers. Son poids reste limité par la structure actuelle du fret, où la route assure près de neuf tonnes-kilomètres sur dix, mais il mérite d’être étudié lignes par lignes plutôt qu’écarté par principe.

Énergies, flotte et entrepôt : décarboner l’exploitation

Sur la partie énergie, les options dépendent du type de flux : véhicules électriques ou vélos cargos pour la livraison urbaine, carburants alternatifs ou motorisations adaptées pour les longues distances. La robotisation d’entrepôt, l’éclairage LED, le pilotage du chauffage et du froid, ainsi que le pilotage fin de l’énergie par le WMS et la supervision, complètent le dispositif côté site. Ces actions sont moins visibles que la flotte mais elles se mesurent facilement et se pilotent localement.

L’intelligence artificielle logistique peut aider à prévoir la demande, à construire des tournées plus compactes et à repérer les écarts de consommation. Elle reste un outil : sans données propres et sans arbitrage clair entre coût, délai et carbone, elle ne fait qu’accélérer des décisions mal cadrées.

Embarquer les transporteurs et les achats

Le CDP observe que beaucoup d’entreprises s’engagent peu auprès de leurs fournisseurs : dans son rapport 2022, 39 % des entreprises engagent leurs fournisseurs sur le climat, et une sur dix seulement inscrit des exigences climatiques dans les contrats. Pour un responsable supply chain, cela ouvre un terrain concret : intégrer dans les cahiers des charges transport des clauses de reporting CO₂ selon l’ISO 14083, des objectifs de remplissage et un suivi régulier, au même titre que les indicateurs de service.

4. Piloter la trajectoire dans la durée

Mesurer n’a de sens que si les chiffres entrent dans le pilotage quotidien. Concrètement, il s’agit d’ajouter quelques indicateurs aux tableaux de bord existants : émissions par tonne-kilomètre, par commande ou par palette expédiée, taux de remplissage, part de kilomètres à vide, consommation énergétique par site. Ces indicateurs gagnent à être présentés avec les KPI de coût et de service, afin que le carbone devienne un critère d’arbitrage ordinaire, pas un sujet annexe réservé à la direction RSE.

Il faut aussi accepter l’imprécision initiale. Les premiers calculs mêlent souvent données réelles et estimations ; l’essentiel est de le dire, de documenter les hypothèses et d’améliorer la qualité d’année en année. Les équipes d’exploitation, que l’on associe tôt aux revues mensuelles, deviennent alors les meilleurs relais des actions de terrain, de la préparation des chargements à la discipline de remplissage.

Conclusion : du reporting subi à l’avantage compétitif

L’empreinte carbone de la supply chain se joue en grande partie dans le transport, un secteur qui pèse plus d’un tiers des émissions françaises et dont la route assure l’essentiel de l’activité. Avec l’ISO 14083 et l’information CO₂ sur les prestations, la mesure se standardise ; elle reste à fiabiliser flux par flux, avec des données primaires. Les leviers les plus rentables, moins de kilomètres, meilleur remplissage, stocks mieux positionnés, rejoignent d’ailleurs la logique de performance économique.

À l’avenir, la donnée carbone devrait circuler aussi naturellement que le suivi de colis, de la commande à la facture, et départager de plus en plus souvent les prestataires lors des appels d’offres. La vraie question pour votre site est simple : à quelle date saurez-vous dire, pour chaque expédition, ce qu’elle a émis ?

Références et sources

• SDES, ministère de la Transition écologique, Transports et environnement en France : état des connaissances en 2025 (part des transports dans les émissions 2024 : 34 % et 37,4 % ; route 94 % ; poids lourds 22 % ; véhicules utilitaires légers 15 % ; 89 % des 344 milliards de tonnes-kilomètres ; évolution depuis 1990).
• Dashdoc, Carbon footprint legal obligations for road transport (article L1431-3, obligation de communication des émissions de CO₂ depuis le 1er janvier 2025, ISO 14083 ; source secondaire d’un éditeur de logiciels).
• Cozero, Reporting on ISO 14083: what logistics companies need to know (norme publiée en mars 2023, EN 16258, GLEC, données primaires ; source secondaire).
• Boston Consulting Group, Climate change starts with supply chains (reprise du rapport CDP Supply Chain 2022 : 11,4 fois plus d’émissions que les opérations internes ; 39 % d’engagement des fournisseurs ; source secondaire et données de 2022).

Par Midane RAMDANI