Optimisation de la recharge des VE avec l’IA – Des livraisons du dernier kilomètre plus efficaces

Le client exploite une entreprise de logistique du dernier kilomètre dans une grande ville. Dans le cadre de sa stratégie de décarbonation du transport urbain, l’entreprise a investi dans l’électrification de sa flotte. Cependant, elle a été confrontée à des limitations liées au faible nombre de bornes de recharge disponibles et à l’instabilité opérationnelle (pannes de véhicules, retards imprévus, surcharges du réseau).

La flotte comprenait plusieurs dizaines de véhicules électriques (VE) traitant des centaines de livraisons par jour. Pour assurer la fluidité des opérations, un système capable de planifier dynamiquement et efficacement la recharge était nécessaire – quelles que soient les perturbations quotidiennes.

Avec l’augmentation du volume de livraisons réalisées par véhicules électriques, le client devait améliorer le processus de recharge. Les approches traditionnelles — reposant sur des plannings fixes ou une gestion manuelle — se sont révélées insuffisantes face aux contraintes d’infrastructure, à la forte variabilité opérationnelle et aux exigences croissantes en matière d’efficacité économique et environnementale. Les défis clés comprenaient :

• Infrastructure de recharge limitée : Seulement quelques bornes disponibles pour plusieurs dizaines de véhicules
• Forte variabilité opérationnelle : Pannes, retards, embouteillages et changements imprévus dans la disponibilité des véhicules
• Complexité technique : Types de prises variés, profils de batterie différents et comportements de recharge hétérogènes
• Objectifs d’optimisation multiples : Besoin de passer aisément de la réduction des coûts à la réduction de l’empreinte carbone, selon les priorités de l’entreprise

Nous avons commencé par un atelier d’analyse conjoint afin de comprendre le fonctionnement de la flotte et d’identifier les principales contraintes et variables influençant le processus de recharge. Nous avons ensuite développé un modèle abstrait du système de recharge, intégrant :

• La topologie de l’infrastructure et les paramètres électriques des bornes
• Les plannings des véhicules et leurs besoins énergétiques
• Des facteurs aléatoires tels que pannes, embouteillages ou modifications de missions

Ce modèle a servi de base à une solution composée de deux principaux composants :

• Langage spécifique au domaine (DSL – Domain-Specific Language) – Un outil permettant de décrire l’infrastructure, les véhicules et les contraintes opérationnelles de manière compréhensible par les équipes techniques et logistiques. Il permet de configurer et de tester rapidement différents scénarios de recharge sans écrire de code.
• Moteur d’optimisation – Conçu pour résoudre des problèmes décisionnels complexes en temps réel. Le système sélectionne automatiquement le plan de recharge optimal en fonction des données actuelles et de l’objectif défini (réduction des coûts ou des émissions de CO₂), tout en s’adaptant aux événements imprévus en quelques secondes.

La solution a été conçue de manière modulaire et flexible – ce qui la rend également applicable à d’autres contextes, comme l’optimisation de la recharge des bus urbains ou l’utilisation des batteries EV comme systèmes de stockage d’énergie.

La mise en œuvre du système a permis une nette amélioration des processus opérationnels et une utilisation plus efficace de l’infrastructure de recharge. Parmi les principaux avantages :

• Réduction des temps d’arrêt des véhicules grâce à une planification de la recharge optimisée, ce qui a entraîné une meilleure disponibilité de la flotte et une augmentation du nombre de livraisons
• Diminution des coûts d’électricité en rechargeant hors des heures de pointe et en limitant les charges d’urgence
• Réduction des émissions de CO₂ en mode écologique, grâce à l’utilisation de stations alimentées par des énergies renouvelables et à l’évitement des recharges aux heures de forte demande énergétique

Ces bénéfices ont permis au client d’améliorer son efficacité opérationnelle tout en progressant vers ses objectifs de développement durable.