Entrepot de livraisons

Amazon utilise l’IA pour réduire la quantité d’emballage de ses colis

© alvarez

La firme de Jeff Bezos a mis au point une solution de machine learning pour prédire le type d’emballage le plus optimal pour l’envoi d’un produit donné. Cette IA lui permet de réduire ses coûts et selon l'enseigne..., son empreinte environnementale. Voeu pieux ?

Dans un billet de blog consacré à la recherche Amazon Science, Matthew Bales explique comment le machine learning – associé au traitement du natural language processing et de la vision par ordinateur – permet de réduire efficacement les déchets d’emballage. Celui qui dirige l'apprentissage automatique au sein de l'équipe Customer Packaging Experience d'Amazon décrit comment la plateforme d’apprentissage automatique Amazon SageMaker lui permet de déterminer la bonne quantité d’emballage à utiliser lors des expéditions de colis.

Une réponse - on espère - à l'empreinte carbone colossale de l'enseigne : le site Empreinte carbone estime que l’empreinte carbone du géant s'élevait à 51,17 millions de tonnes métriques équivalent CO2 en 2019.

« Lorsque j'ai commencé chez Amazon en 2017, de nombreux tests logistiques étaient en cours », rapporte dans son billet de blog, Matthew Bales. « Mais aucun ne concernait le mécanisme évolutif capable d’identifier le type d'emballage optimal pour chaque produit. Nous voulions alors être en mesure de prédire un emballage plus léger et plus durable mais toujours aussi protecteur du produit qu’il transporte. C’est là que l'apprentissage automatique est entré en jeu ».

Les commentaires des consommateurs, une mine d’or de données

La plateforme de deep learning d’Amazon devait donc être alimentée par une quantité colossale de données produit et client. Ainsi, l’équipe de recherche a d’abord entraîné son modèle avec les millions de données textuelles des produits en ligne dont elle dispose sur le site de e-commerce : nom, description, prix, dimensions, etc. Mais il fallait coupler ces données à celles concernant l’état du produit arrivé à destination. Savoir si livrer de façon durable restait efficace ou pas.

Les ingénieurs ont donc exploité les commentaires des consommateurs : si l’emballage choisi par l’IA n’était pas suffisamment protecteur et que le produit arrivait endommagé, Amazon récupérait l’information quasiment en temps réel soit via le dispositif de retour, soit dans les commentaires du consommateur. Il analysait alors les mots-clés avec une autre forme d’IA, le natural language processing, pour en déduire la signification. L'IA comprenait que des mots comme « sac » ou « chemise » signifiaient qu’un emballage léger convenait, mais que des mots comme « céramique » ou « tasse » suggéraient une enveloppe rembourrée ou un emballage plus conséquent. L’identification de ces choix d’empaquetage a permis de définir le meilleur packaging d’expédition final. Des données visuelles venaient compléter ce process et les emballages considérés comme efficaces par l’IA ont directement été certifiés. Les autres passaient par une vérification humaine.

Trois millions de tonnes d’emballages en moins

Ces outils ont aidé Amazon à être plus durable au cours des six dernières années. L'entreprise a déclaré que l’utilisation de l'IA lui a permis d’économiser trois millions de tonnes d’emballages, soit 33 % de sa consommation de carton en moins. Cette économie servira à préparer plus de 2 milliards de boîtes de différentes tailles. Un progrès en adéquation avec « Shipment zero », le programme d’Amazon qui vise à atteindre une empreinte carbone neutre pour toutes ses livraisons, avec un objectif de neutralité carbone pour la moitié des livraisons Amazon d'ici 2030. L'histoire ne dit pas si l'enseigne a pu baisser son nombre de retours. Ce qui aurait pour le coup un vrai impact environnemental. Rappelons qu'en 2020, les ventes en ligne ont enregistré une croissance de 8,5% l'année dernière en France.

commentaires

Participer à la conversation

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.