Grab développe sa propre robotique pour réduire les coûts de livraison

L'augmentation des coûts de main-d'œuvre et la réduction des marges bénéficiaires sur les livraisons poussent les principaux opérateurs de plateformes tels que Grab à explorer l'automatisation. Leur acquisition de la start-up Infermove, spécialisée dans la mobilité robotique, représente une étape stratégique pour développer leur expertise interne en robotique.

Grab opère à une échelle où de légères améliorations en matière d'efficacité peuvent avoir un impact significatif. Sa plateforme facilite des millions de livraisons à travers l'Asie du Sud-Est, dont beaucoup sont effectuées par des scooters et des vélos circulant dans des environnements urbains densément peuplés. Cette complexité limite intrinsèquement la mesure dans laquelle l'automatisation peut remplacer les travailleurs humains. En acquérant une entreprise spécialisée dans les robots adaptés à des environnements réels imprévisibles, Grab affiche sa conviction que l'intelligence artificielle dans le monde physique a suffisamment mûri pour être déployée au-delà des programmes pilotes contrôlés.

Automatisation des livraisons à proximité des fonctions commerciales essentielles

Au lieu de dépendre de systèmes standardisés et prêts à l'emploi, Grab choisit d'internaliser le cycle de développement. La technologie d'Infermove est conçue pour apprendre à partir de données de mouvement réelles, y compris les schémas de véhicules de livraison non motorisés. Concrètement, cela signifie que les robots sont formés à la manière dont les gens se déplacent réellement sur les trottoirs, les passages piétons et les points de livraison encombrés, plutôt que dans des environnements simulés idéalisés.

Pour un géant de la livraison comme Grab, cette différence est cruciale. Les simulations facilitent le développement initial, mais ne tiennent souvent pas compte des scénarios inhabituels qui caractérisent la logistique urbaine dans le monde réel. L'internalisation de ce processus d'apprentissage permet à Grab de façonner le fonctionnement de l'automatisation dans le cadre de ses limites opérationnelles spécifiques, au lieu de restructurer l'ensemble de son réseau de livraison pour s'adapter à une solution tierce.

Du point de vue de la stratégie d'entreprise, la valeur fondamentale réside dans un contrôle accru. Le fait de posséder la technologie sous-jacente confère à Grab une plus grande influence sur la vitesse de déploiement, la portée opérationnelle et les décisions en matière de rapport coût-bénéfice. Cela réduit également la dépendance à long terme vis-à-vis de fournisseurs externes dont les objectifs stratégiques peuvent ne pas correspondre à la présence régionale ou aux conditions économiques de Grab.

L'automatisation n'est toutefois pas présentée comme un remplacement complet du personnel de livraison humain. Même si les robots prennent en charge certains segments du flux de travail, les personnes restent essentielles à la prestation des services. Grab semble se concentrer sur des applications ciblées, telles que les tâches répétitives et à courte distance dans les segments structurés du premier ou du dernier kilomètre. Dans ces domaines, les robots pourraient aider à gérer les pics de demande, à réduire les retards pendant les périodes de forte activité et à alléger la pression en cas de pénurie de main-d'œuvre.

Contrôler les coûts tout en maintenant la qualité du service

Lors d'une réunion interne en décembre dernier, le directeur technique de Grab, Suthen Thomas, a qualifié les progrès d'Infermove d'« impressionnants », soulignant à la fois ses capacités techniques et ses premières applications commerciales. Il a également déclaré que la start-up continuerait à fonctionner de manière indépendante, son fondateur lui rendant directement compte. Cette structure indique que Grab privilégie l'efficacité de l'exécution et la continuité des activités plutôt qu'une fusion organisationnelle rapide.

Cette stratégie reflète une tendance plus large parmi les grandes plateformes numériques. Plutôt que de considérer l'IA comme une couche supplémentaire ajoutée aux processus existants, les entreprises l'intègrent plus profondément dans leurs opérations fondamentales. Dans le domaine de la livraison et de la logistique, cela signifie de plus en plus passer de la simple optimisation logicielle à une automatisation tangible, où les risques et les coûts sont plus importants, mais où les gains potentiels sont plus fondamentaux.

Le moment est important. La demande de livraison à la demande ne cesse d'augmenter, mais les marges de rentabilité restent limitées. Les clients attendent un service plus rapide et des coûts plus bas, tandis que les opérateurs sont confrontés à une augmentation des salaires, des prix du carburant et de la réglementation. Dans ce contexte, l'automatisation passe d'une expérience novatrice à un outil nécessaire pour maintenir les normes de service sans sacrifier la viabilité financière.

Le fait de rapprocher le développement de la robotique des opérations de base peut également permettre de mieux aligner les incitations autour de l'utilisation des données. La formation des systèmes d'IA physiques nécessite de grandes quantités de données réelles, que les plateformes de livraison comme Grab génèrent déjà à grande échelle. Le maintien de cette boucle de rétroaction en interne peut accélérer les cycles de développement et réduire au minimum la nécessité de partager des données opérationnelles sensibles avec des tiers.

Des limites persistent. Les robots conçus pour les trottoirs et les trajets courts ne sont pas prêts à remplacer complètement les coursiers humains sur l'ensemble d'un réseau dans un avenir proche. Les conditions météorologiques, les réglementations locales et l'adoption par les clients continueront de dicter les domaines dans lesquels l'automatisation est pratiquement viable. L'expansion dans plusieurs pays introduit une complexité supplémentaire en raison de la grande diversité des infrastructures et des cadres juridiques.

Les projections du secteur indiquent une croissance rapide de la robotique pour la livraison du dernier kilomètre, mais ces chiffres de marché fournissent des indications pratiques limitées aux opérateurs. Une question plus urgente est de savoir si l'automatisation peut réduire le coût par livraison sans créer de nouveaux points de défaillance. La réponse dépend moins de la taille globale du marché que de la fiabilité des performances dans des environnements actifs et imprévisibles.

Du point de vue de l'entreprise, l'acquisition d'Infermove n'est pas seulement un pari sur la robotique en tant que secteur de produits. Il s'agit d'une manœuvre stratégique visant à renforcer le lien entre l'intelligence artificielle, les données et les opérations physiques. Pour les entreprises de plateforme dont les fondements sont la logistique et la mobilité, cette intégration plus profonde pourrait devenir un facteur décisif pour soutenir la croissance dans un contexte de pression constante sur les coûts.

Voir aussi : The Law Society : les lois actuelles sont adaptées à l'ère de l'IA

Vous souhaitez découvrir les perspectives des leaders du secteur sur l'IA et le big data ? Rendez-vous à l'AI & Big Data Expo qui se tiendra à Amsterdam, en Californie et à Londres. Cet événement complet fait partie de TechEx et se déroule en même temps que d'autres rassemblements technologiques de premier plan. Cliquez ici pour plus de détails.

AI News est alimenté par TechForge Media. Découvrez d'autres événements et webinaires à venir sur les technologies d'entreprise en cliquant sur ce lien.