Alors que l’IA devient un socle opérationnel pour l’intralogistique, de nombreuses entreprises restent freinées par des infrastructures IT inadaptées et par un déficit de mécanismes de sécurité et de gouvernance. À Stuttgart, du 24 au 26 mars 2026, les exposants du salon Logimat promettent des réponses très concrètes, du WMS agentique aux jumeaux numériques du transport interne.
L’automatisation des flux intralogistiques change de nature. D’outil d’optimisation ponctuelle, l’intelligence artificielle devient un composant transversal des chaînes de valeur, depuis la prévision de la demande jusqu’au pilotage temps réel des opérations de terrain. C’est le message central porté par LogiMAT 2026, qui réunira à Stuttgart l’ensemble de l’écosystème mondial de l’intralogistique autour d’applications d’IA couvrant le WMS (Warehouse Management System) , le TMS (Transportation Management System) , la robotique et l’identification automatique.
Le salon s’appuie notamment sur une étude conjointe d’IDC et de SAS, selon laquelle de nombreuses organisations ne disposent toujours pas des fondations IT nécessaires pour exploiter pleinement l’IA, ce qui alimente un manque de confiance lié à l’insuffisance des dispositifs de sécurité et de contrôle. Pour Michael Ruchty, directeur de LogiMAT, « l’automatisation et l’IA sont devenues des facteurs critiques de succès », à condition d’être intégrées de bout en bout dans les processus métiers.
Une bascule vers des architectures plus agentiques
Dans le hall dédié aux logiciels, plusieurs éditeurs illustrent cette bascule vers des architectures plus agentiques. Logistics Reply présente GaliLEA Dynamic Intelligence, une plateforme visuelle permettant de configurer des agents capables de lire des sources hétérogènes, de détecter des anomalies et de soutenir la décision opérationnelle en temps réel. Inform expose Demand AI, un service cloud de prévision continue intégré aux ERP existants, tandis que PSI Software met en avant la nouvelle génération de PSIwms, dont le module Batch AI optimise les stratégies de préparation de commandes en combinant règles métiers et apprentissage automatique, avec à la clé réduction des distances parcourues, hausse des cadences de picking et baisse des coûts de traitement.
L’IA s’étend également à la planification des transports internes. Brabender Solutions intègre des mécanismes d’extraction documentaire automatisée dans son TMS, Flexus couple jumeau numérique et IA pour orchestrer chariots, trains logistiques et véhicules autonomes, tandis que Pass Logistics Solutions applique des algorithmes de calcul d’itinéraires adaptés aux flottes électriques. L’objectif commun reste l’anticipation des goulets d’étranglement et la synchronisation dynamique des ressources, avant même que les ruptures opérationnelles n’apparaissent.
Entrepôt auto-apprenant avec contrôle qualité et routage automatisé
Sur le terrain, l’IA descend désormais jusqu’aux opérations unitaires. Element Logic déploie eOperator pour intégrer le picking robotisé dans AutoStore, Advasolutions promeut l’entrepôt auto-apprenant avec contrôle qualité et routage automatisé, et Knapp fédère l’ensemble de ses briques analytiques dans Knapp Brain, présenté comme une plateforme unifiée couvrant prévision, exécution et dernier kilomètre. Côté identification et vision industrielle, Keyence, Imago Technologies ou Continua Systems misent sur des algorithmes capables de détecter précocement dérives de processus, défauts de lecture ou risques de panne dans les environnements AGV (Automated Guided Vehicle ) fortement automatisés.
Pour LogiMAT, cette généralisation d’usages illustre une évolution structurelle du marché, où l’IA devient un instrument d’orchestration opérationnelle, plus qu’un simple moteur d’optimisation. Elle relie désormais prévision, exécution et maintenance prédictive dans une même chaîne de données. Une transformation qui place les DSI et les responsables supply chain face à des arbitrages comme la modernisation des systèmes hérités, l'intégration aux ERP, la sécurisation des flux temps réel et la gouvernance des modèles déployés à grande échelle.
