Nous testons l'import d'ordres de transport par IA depuis vos documents

Nous testons actuellement dans LiteTMS un module d'import d'ordres par IA. Il lit un document de transport, prépare un brouillon d'ordre structuré, le rapproche des données déjà présentes dans l'espace de travail et montre précisément à l'exploitant ce qui requiert son attention avant la création définitive de l'ordre.

L'objectif est simple : éviter à l'exploitant de ressaisir des informations qui figurent déjà dans un PDF, un scan, un document bureautique ou un e-mail.

Deux façons de démarrer sans partir d'une page blanche

Les Matchcodes gèrent déjà les opérations récurrentes. L'exploitant peut enregistrer un modèle d'ordre éprouvé, le retrouver par son code ou son nom, et s'en servir comme base pour la prochaine mission similaire. L'itinéraire, l'équipage, les documents, le geofencing et les paramètres financiers peuvent être intégrés dans ce modèle enregistré.

L'importateur IA répond à un besoin différent. L'ordre de transport provient de l'extérieur du système et sa mise en page est celle du client, pas celle de LiteTMS. Au lieu de créer un modèle pour chaque donneur d'ordre, l'exploitant téléverse le document et laisse LiteTMS l'analyser.

L'écran de création d'ordre dispose ainsi de deux raccourcis pratiques : utiliser un Matchcode pour le travail récurrent, ou recourir à l'IA lorsque la source est un document qu'il faudrait sinon recopier champ par champ.

Ce que LiteTMS lit et prépare

Le flux de test actuel prend en charge les fichiers PDF, les formats d'image courants, les fichiers DOC et DOCX ainsi que les e-mails au format EML. Il analyse l'intégralité du document source plutôt que de demander à l'utilisateur d'en copier-coller des extraits.

À partir de ces éléments, il élabore un ordre de transport structuré. Selon les informations contenues dans le document, le brouillon peut inclure :

1. Le donneur d'ordre et un payeur distinct.
2. Les étapes de chargement et de déchargement, adresses, dates, plages horaires, références et coordonnées.
3. La description de la marchandise, le poids, la quantité, le conditionnement, les palettes, les mètres de plancher, le volume, la classe ADR et la température.
4. Les immatriculations du tracteur et de la semi-remorque, les informations conducteur, le prix, la devise, la TVA et les conditions de paiement.

Les informations manquantes ne sont pas inventées : les règles d'extraction interdisent formellement au modèle de deviner un numéro de TVA intracommunautaire, une plaque d'immatriculation, un tarif ou toute autre donnée absente de la source.

L'écran de vérification : là où réside la vraie valeur ajoutée

Lire le fichier ne représente que la moitié du travail. LiteTMS compare ensuite les données extraites avec les fiches déjà enregistrées dans votre entreprise.

Les tiers peuvent être rapprochés par numéro de TVA ou par raison sociale. Les étapes sont associées à des adresses réelles. Les immatriculations sont vérifiées par rapport au parc de véhicules. L'écran de révision distingue clairement une correspondance certaine, une simple suggestion et un élément non reconnu.

Cette distinction est essentielle. Un système qui remplit chaque champ avec une fausse assurance peut masquer des erreurs coûteuses. LiteTMS génère au contraire un récapitulatif de travail clair : quels documents ont été lus, ce qui a été extrait, ce qui a été rapproché, ce qui relève de la suggestion et ce qui exige encore une décision manuelle.

L'exploitant peut sélectionner un autre tiers suggéré, rechercher le lieu exact, corriger les valeurs de marchandise ou de facturation extraites et décider d'affecter ou non un véhicule reconnu. C'est uniquement après cette vérification que l'utilisateur confirme et génère l'ordre via l'éditeur habituel de LiteTMS.

Ce que nous testons actuellement

Le dispositif fonctionne dans LiteTMS et passe ses derniers tests avant d'intégrer le flux standard de création d'ordres. Les documents reçus dans le transport routier sont extrêmement variés : un PDF numérique propre, la photo d'une page, un fil d'e-mails ou un scan annoté à la main posent chacun des défis différents.

Nous évaluons bien plus que la seule précision d'extraction. Nous vérifions si le récapitulatif de rapprochement est suffisamment transparent, si les suggestions incertaines sont clairement signalées et si l'exploitant peut traiter une anomalie plus vite que s'il saisissait l'ordre de A à Z.

Nous déployons cette fonctionnalité de manière progressive en la testant sur un nombre croissant de modèles de documents. Cela nous permet d'affiner la synthèse des correspondances et le processus de correction manuelle avant son lancement général.

Pourquoi cela transforme le quotidien d'un exploitant

La saisie manuelle mobilise l'attention à deux reprises. L'exploitant lit d'abord le document, puis il le relit pour recopier dans le TMS les noms, adresses, dates, références, marchandises et tarifs. La partie la plus exigeante du métier ne commence qu'une fois cette saisie terminée.

L'importation d'ordres par IA reporte cette attention sur les exceptions. Le document se transforme en brouillon, les données de l'entreprise sont rapprochées dès que possible, et l'exploitant se concentre sur une courte liste d'arbitrages. Les Matchcodes font de même pour le trafic récurrent, mais dans l'autre sens : partir d'un modèle interne fiable plutôt que d'un formulaire vierge.

C'est précisément ce gain d'efficacité que nous recherchons : moins de recopiage, plus de temps pour les aspects de l'exploitation qui exigent un véritable discernement.

L'importateur IA est dans sa dernière phase de test et intégrera bientôt le processus standard de création d'ordres. Vous pouvez créer un espace de travail LiteTMS et suivre son évolution sur le blog.