Prévoir les flux de courrier et de colis pour dimensionner les sites de traitement

Ce qui a été fait

Dans une fiche de cas d’usage publiée sur son site, Probayes, filiale d’IA du groupe La Poste, décrit un projet destiné aux sites de traitement du courrier et du colis : anticiper les flux, améliorer les prévisions, et tenir compte du partage des responsabilités entre des business units qui fournissent des prévisions nationales et des directeurs de plateformes qui les déclinent site par site. La démarche a consisté à analyser le processus existant, à identifier de nouvelles variables et de nouveaux modèles, et à encoder des règles métier issues des experts, notamment le report de charge en cas de jour férié. Probayes souligne aussi les limites d’une démarche uniquement IA et recommande une approche hybride, en accédant à des données plus récentes. Le résultat annoncé : « l’erreur moyenne relative a été réduite de 12 % pour le courrier et le colis, à tous les niveaux d’agrégation ». La fiche n’est pas datée. Une interview de Juliette Baudry, responsable de la donnée et de l’IA de la branche Services-Courrier-Colis, publiée le 22 avril 2024 par l’Agence TCA, confirme que des algorithmes de séries temporelles de prévision des flux, développés en interne, sont déployés depuis 2021 pour aider les plateformes de tri et les sites de distribution à ajuster équipes, transports et organisation, et mentionne Probayes parmi les filiales spécialisées.

Avant de commencer

Outil cité par la source : Modèles de prévision (Probayes / La Poste) ; autres outils cités : Modèles de prévision (Probayes). Éléments entre crochets à remplir : [nom, capacité], [coller], [semaine / mois]. Retirez les données confidentielles qui ne sont pas utiles et vérifiez les conditions d’accès de votre outil. Les fonctionnalités et abonnements disponibles peuvent évoluer.

La méthode, en trois étapes.

1. 01

   Rassembler le contexte

   Repérez les éléments entre crochets du prompt ([nom, capacité], [coller], [semaine / mois]) et préparez ce qu’ils demandent.

2. 02

   Adapter le prompt

   Copiez le prompt ci-dessous, remplacez les éléments entre crochets, puis collez-le dans l’assistant IA que vous utilisez. L’outil cité (Modèles de prévision (Probayes / La Poste)) n’est pas forcément accessible au public..

3. 03

   Relire avant d’utiliser

   Relisez le résultat, corrigez-le si besoin et gardez la décision finale. Les points de vigilance sont détaillés plus bas.

Votre point de départ.

Remplacez les éléments entre crochets, puis adaptez la proposition à votre situation. Ce prompt est rédigé par la rédaction d’iadujour, ce n’est pas une citation de la source.

Site de traitement : [nom, capacité]. Historique de flux et événements (jours fériés, pics, incidents) : [coller]. Horizon demandé : [semaine / mois].

1. Propose une prévision par jour, en t’appuyant uniquement sur les séries fournies, et indique la méthode.
2. Signale les jours où l’historique est trop pauvre ou trop heurté pour être fiable.
3. Liste les leviers (équipes, vacations, transport) sans décider à la place du directeur de site.
N’invente aucune donnée manquante.

Ce qui mérite votre attention