Comment nous avons remplacé 6 heures quotidiennes de saisie manuelle par un pipeline IA qui traite plus de 2 400 enregistrements d'expédition en 97 minutes — économisant 340 000 $ par an.
TransGlobal Logistics gérait plus de 2 400 enregistrements d'expédition quotidiens répartis sur quatre systèmes de transporteurs, deux plateformes de gestion d'entrepôt et un ERP hérité construit en 2011. Leur équipe opérationnelle de 12 personnes passait en moyenne 6 heures par jour à copier des données entre systèmes, valider des adresses, vérifier les codes douaniers et rapprocher manuellement les factures.
Le processus manuel créait trois problèmes critiques. Premièrement, un taux d'erreur de 4,2 % dans les données d'expédition provoquait des échecs de livraison coûtant 18 000 $/mois en frais de réacheminement. Deuxièmement, l'équipe opérationnelle ne pouvait pas passer à l'échelle — chaque augmentation de 15 % du volume de commandes nécessitait une nouvelle embauche. Troisièmement, un décalage de données de 4 à 6 heures entre les systèmes empêchait le service client de fournir des mises à jour de suivi en temps réel, entraînant un taux de plainte de 23 % sur les demandes de statut de livraison.
TransGlobal avait essayé deux solutions RPA avant de nous contacter. Les deux ont échoué car les données d'entrée étaient semi-structurées — e-mails de transporteurs, factures PDF et documents douaniers numérisés que l'automatisation basée sur des règles ne pouvait pas analyser de manière fiable.
Nous avons construit un pipeline de données piloté par ML qui combinait la compréhension de documents (via les capacités de vision de Claude) avec une automatisation de flux de travail structurée utilisant Apache Airflow. Le système gère le cycle de vie complet : ingestion de documents depuis e-mail/SFTP, extraction et validation de données à l'aide de LLM, transformation selon le schéma de l'ERP, et envoi de mises à jour vers tous les systèmes connectés en temps quasi réel.
L'architecture suit une conception en trois couches. La couche d'ingestion surveille 6 sources de données (pièces jointes e-mail, API de transporteurs, dépôts SFTP, PDF numérisés, événements webhook et téléchargements manuels) et normalise tout dans une file d'attente de traitement. La couche d'intelligence utilise l'API Claude avec des prompts personnalisés affinés sur 8 000 enregistrements d'expédition historiques pour extraire des données structurées à partir de documents non structurés — y compris des formulaires douaniers manuscrits. La couche d'orchestration, construite sur Apache Airflow, gère 47 flux de travail automatisés avec routage conditionnel, gestion des erreurs et escalade humaine pour les cas limites.
Nous avons déployé le système dans des conteneurs Docker derrière un reverse proxy Nginx, avec un tableau de bord Next.js qui offre à l'équipe opérationnelle une visibilité complète sur l'état du pipeline, les files d'exceptions et les métriques de traitement.
Cartographie des 6 sources de données, documentation de 47 flux de travail manuels, analyse de 3 mois de journaux d'erreurs et identification des 12 candidats à l'automatisation à plus fort impact.
Construction et validation des prompts d'extraction à l'aide de 8 000 enregistrements historiques. Précision de 99,1 % obtenue sur les données structurées des transporteurs et 96,8 % sur les documents douaniers semi-structurés.
Développement de la couche d'orchestration Airflow, de la logique de gestion des exceptions, du tableau de bord de surveillance Next.js et des adaptateurs d'intégration pour les 6 systèmes sources.
Exécution du pipeline IA en parallèle du traitement manuel pendant 3 semaines. Comparaison quotidienne des résultats, affinement des cas limites et formation de l'équipe opérationnelle.
La plateforme a été mise en ligne à la semaine 14 et a atteint sa capacité d'automatisation complète en 5 jours ouvrables. L'équipe opérationnelle est passée de la saisie de données à la gestion des exceptions et à la communication client — un travail qui nécessite réellement un jugement humain.
Sans engagement. Dites-nous ce dont vous avez besoin et nous vous dirons comment nous le résoudrions.
“Nous sommes passés de la crainte des arriérés de données du lundi matin à tout avoir traité avant que l'équipe finisse son premier café. L'amélioration de la précision à elle seule a payé le projet dès le premier trimestre.”
— VP des Opérations, TransGlobal Logistics
Si votre équipe passe des heures sur le traitement manuel de données, nous pouvons vous montrer exactement où l'automatisation IA s'intègre et quel ROI attendre.
Consultation gratuite · Nous répondons généralement sous 24 heures