Revue de eLogii, fournisseur de logiciels pour Supply Chain

Par Léon Levinas-Ménard

Dernière mise à jour: November, 2025

eLogii est une plateforme cloud pour l’optimisation d’itinéraires et l’exécution des livraisons ou des interventions sur le terrain, exploitée par Brisqq Ltd, une société britannique qui avait à l’origine développé son propre réseau de livraison du dernier kilomètre avant de lancer eLogii en tant que SaaS autonome. Le logiciel modélise les dépôts, véhicules, conducteurs, horaires, compétences, capacités et tâches clients (collectes, livraisons ou interventions sur site) puis calcule des itinéraires de véhicules contraints à l’aide de moteurs d’optimisation intégrés qui résolvent des variantes du Vehicle Routing Problem (VRP) avec fenêtres de temps et riches contraintes opérationnelles. Une fois les itinéraires calculés, ils sont mis à la disposition des répartiteurs via un tableau de bord web, exécutés par les conducteurs avec des applications iOS/Android, et présentés aux clients finaux via des liens de suivi avec des mises à jour en temps réel de l’ETA et la capture de la preuve de livraison. La plateforme offre également une REST API et des webhooks pour l’intégration aux systèmes ERP, WMS, CRM et le e-commerce, et utilise des temps de parcours tenant compte du trafic avec quelques ajustements de machine-learning pour affiner les ETA et les durées de service au fil du temps. Commercialement, eLogii apparaît comme un petit fournisseur SaaS établi (environ une dizaine d’employés et un chiffre d’affaires en millions de dollars à un seul chiffre) positionné résolument dans l’acheminement et l’exécution du dernier kilomètre plutôt que dans la planification globale de la supply chain ou l’optimisation de stocks.

Présentation de eLogii et positionnement

Au cœur, eLogii est une application SaaS multi-locataire pour l’optimisation d’itinéraires et l’exécution d’une main-d’œuvre mobile. Les pages produit publiques la décrivent comme un logiciel de gestion des livraisons et d’optimisation d’itinéraires qui permet aux flottes de planifier des opérations d’une journée, hebdomadaires, sur une plage de dates ou sur plusieurs jours, avec des modes d’optimisation flexibles, un support multi-dépôts et une configuration avancée des contraintes et des objectifs.¹² Les conditions d’utilisation précisent que le service est fourni par Brisqq Ltd, qui exerce sous le nom de “eLogii” et accorde une licence pour accéder au site web eLogii et aux applications associées.³⁴

D’un point de vue technique, eLogii se comprend mieux comme :

Un modèle de données pour les dépôts, véhicules, conducteurs, horaires, capacités, zones et tâches.
Une paire de moteurs d’optimisation (Base et Advanced) qui construisent des itinéraires sous contraintes et objectifs ajustables.⁵⁶⁷
Une interface web de planification où les répartiteurs importent des tâches, configurent l’optimisation et examinent les itinéraires et les indicateurs clés de performance.¹⁸⁹
Applications mobiles pour conducteurs sur iOS et Android pour exécuter des tâches et capturer la preuve de livraison.¹⁰
Une REST API + webhooks utilisée pour intégrer des commandes et transmettre des mises à jour de statut vers des systèmes externes.¹¹¹²¹³
Suivi et notifications qui exposent l’ETA en direct, la localisation du conducteur et le statut des tâches aux clients finaux.¹¹⁴¹⁵¹⁶¹⁷

La plateforme est déployée exclusivement en tant que SaaS cloud (aucune solution sur site n’est proposée) et est également inscrite dans le cadre G-Cloud du gouvernement britannique en tant que solution d’optimisation de livraison cloud prête à l’emploi, avec Brisqq Ltd identifié comme fournisseur.¹⁴

Commercialement, des annuaires et profils SaaS indépendants (Tracxn, CB Insights, IRONPROS, GetLatka) décrivent de manière convergente eLogii comme un petit fournisseur d’optimisation d’itinéraires fondé autour de 2019–2020, comptant environ 10 à 20 employés et générant un chiffre d’affaires de l’ordre de 1,5 million USD par an en 2025.¹⁸¹⁹²⁰²¹ Brisqq lui-même opère depuis 2014–2015 en tant que prestataire de livraison du dernier kilomètre habilité par la technologie, desservant des centaines de marques à Londres et dans d’autres villes.²²²³ La clientèle de eLogii couvre la logistique, les 3PL, le retail et la distribution, le food & grocery, les soins de santé et les opérations de service sur le terrain.¹²¹⁶

Techniquement, les preuves indiquent une pile web moderne assez standard (back-end Node.js + MongoDB, front-end React, applications mobiles hybrides basées sur Cordova) combinée à un moteur d’optimisation VRP configurable et des modèles auxiliaires de machine-learning pour l’affinement des ETA.²⁴⁷¹⁴ Par rapport à l’état de l’art académique en optimisation combinatoire et en prise de décisions probabilistes, l’approche de eLogii semble compétente et configurable mais pas démontrablement au-delà des solveurs VRP commerciaux typiques ; ses allégations “AI” se concentrent principalement sur l’amélioration de l’ETA et des analyses plutôt que sur des politiques de décision apprises de bout en bout.¹⁷¹⁴²⁵²⁶

eLogii vs Lokad

Bien que eLogii et Lokad se positionnent autour de “l’optimisation” dans des contextes de supply chain, ils traitent de couches de problèmes très différentes et utilisent des architectures techniques nettement différentes.

Portée des décisions. eLogii se concentre sur l’acheminement et la répartition au niveau de l’exécution : décider quel conducteur doit visiter quels arrêts et dans quel ordre, sous réserve des capacités des véhicules, des horaires des conducteurs, des fenêtres de temps et des contraintes géographiques.¹⁵⁶ Ses moteurs d’optimisation résolvent une variante du VRP avec fenêtres de temps et capacités, puis envoient ces itinéraires aux applications des conducteurs et aux pages de suivi des clients.⁵⁶⁷¹⁰ Lokad, en revanche, se concentre sur les décisions tactiques et stratégiques de la supply chain telles que la prévision de la demande, le réapprovisionnement des stocks, la planification de la distribution à plusieurs niveaux, la planification de la production et, dans certains cas, la tarification.¹¹¹⁸²⁷²⁸ Plutôt que d’acheminer des camions individuellement, Lokad calcule des prévisions de demande probabilistes puis optimise les quantités commandées, les allocations de stocks et d’autres décisions afin de maximiser les résultats économiques attendus (profit, fonds de roulement, taux de service) à l’échelle de réseaux entiers.

Traitement de l’incertitude. La documentation publique de eLogii décrit des moteurs d’optimisation déterministes améliorés par des temps de parcours tenant compte du trafic et des ETA et durées de service “améliorés par machine-learning”, mais n’expose pas de modèles probabilistes ni de distributions complètes de la demande.⁷¹⁴¹⁵¹⁰ Les moteurs visent à minimiser la durée des itinéraires, la distance ou le nombre de véhicules et à équilibrer les charges de travail, en utilisant des objectifs et des limites de temps configurés par l’utilisateur.⁶⁷ Le matériel publié par Lokad met en avant la prévision probabiliste comme son “paradigme prédictif dominant”, avec des distributions complètes de la demande générées à l’aide de la programmation différentiable, et souligne des preuves objectives provenant du concours de prévision M5, où son équipe s’est classée 6e au classement général et a obtenu la meilleure précision au niveau des SKU sur 909 équipes.²⁹¹¹¹⁸³⁰³¹³² Ces prévisions probabilistes alimentent des algorithmes d’optimisation stochastique conçus pour minimiser le coût monétaire des erreurs dans les décisions de supply chain plutôt que l’erreur de prévision purement statistique.

Architecture et programmabilité. eLogii propose un SaaS basé sur la configuration : les utilisateurs configurent les dépôts, les flottes, les contraintes et les objectifs d’optimisation via le tableau de bord ou l’API ; la logique d’optimisation sous-jacente n’est pas programmable de manière générale.¹⁸⁵⁶⁷ Sa pile technologique est conventionnelle (Node/React/Mongo, applications mobiles via Cordova), et il n’existe aucun DSL public ni de couche de modélisation programmable. Lokad, en revanche, centre sa plateforme sur un langage spécifique au domaine (DSL) appelé Envision, exécuté sur une VM distribuée personnalisée, où toute la logique de prévision et d’optimisation est exprimée sous forme de code.²⁷³⁰²⁸ Cela permet aux clients (avec l’assistance de Lokad) d’encoder des contraintes complexes et des leviers économiques (par exemple, les coûts de détention, les pénalités de rupture de stock, les dépendances de nomenclature, les plannings de maintenance) et d’adapter les modèles au fur et à mesure que les exigences commerciales évoluent.

Profondeur de “AI”. eLogii et plusieurs annuaires tiers décrivent sa plateforme comme “propulsée par l’AI” ou “propulsée par le machine-learning”, en particulier pour les prédictions d’ETA et les analyses.¹²²⁵²⁶ Cependant, le seul cas d’utilisation clairement documenté du ML est pour affiner les ETA et estimer les temps de service sur la base des données historiques et du trafic; la construction de l’itinéraire elle-même est présentée comme un processus d’optimisation basé sur des contraintes.⁷¹⁴¹⁵ Les allégations “AI” de Lokad sont étayées par des documents techniques plus détaillés, incluant la prévision probabiliste, des pipelines de programmation différentiable et des algorithmes d’optimisation stochastique sur mesure, ainsi que des benchmarks publics tels que M5 et des études de cas documentées (par exemple, Air France Industries) montrant des applications à grande échelle.²⁹¹¹¹⁸³⁰³¹³³ En bref, eLogii utilise le ML au niveau de chaque itinéraire; Lokad utilise le ML et la modélisation probabiliste au niveau décisionnel à l’échelle du réseau.

Position dans la pile de la supply chain. eLogii se situe au niveau de l’exécution du dernier kilomètre : il part du principe que les commandes/tâches existent déjà et se concentre sur leur livraison efficace. Il ne prévoit pas la demande, ne calcule pas de plans de réapprovisionnement, ni n’optimise l’inventaire multi-niveaux. Lokad opère en amont en tant que “cerveau” analytique qui génère des distributions de la demande et des recommandations décisionnelles (commandes, allocations, plans de production, tarification), lesquelles sont ensuite intégrées dans les ERP, WMS et, dans certains contextes, dans des systèmes d’exécution comme les TMS ou les moteurs d’acheminement.¹¹⁴¹⁸²⁷³³ Dans une architecture empilée, eLogii se rapprocherait d’un moteur d’itinéraires en aval; Lokad serait un optimiseur décisionnel de couche intermédiaire/supérieure alimentant des plans de haut niveau.

Du point de vue de l’acheteur, ces outils sont donc complémentaires plutôt qu’interchangeables. eLogii est approprié lorsque le principal défi est “nous avons beaucoup de véhicules et d’arrêts; comment les acheminer efficacement et exécuter avec de bonnes ETA et POD ?” Lokad est approprié lorsque le défi est “que devons-nous acheter, où devons-nous stocker cela, et comment planifier la production ou la maintenance dans l’incertitude pour maximiser le profit ou le service ?” Les mélanges conduiraient à des attentes mal alignées: eLogii n’est pas un système complet de planification de la supply chain; Lokad n’est pas un moteur d’acheminement en temps réel.

Historique et contexte de l’entreprise

Identité d’entreprise et origines

La marque eLogii est exploitée par Brisqq Ltd, une entreprise constituée en Angleterre et au Pays de Galles (numéro de société 09226265) qui offrait initialement des livraisons du dernier kilomètre en mode crowdsourcing à Londres.⁴²²²³³⁴ Le site de Brisqq la décrit comme un facilitateur de logistique en tant que service reliant les entreprises à une flotte de livraison en mode crowdsourcing avec des créneaux de livraison d’une heure, desservant près de 1 000 marques de détail.²³ Les conditions d’utilisation de eLogii et les conditions du G-Cloud britannique indiquent que Brisqq Ltd, exerçant sous le nom de eLogii, accorde aux clients une licence pour accéder et utiliser le site web eLogii et les applications associées.³⁴

La marque eLogii est enregistrée en tant que marque britannique, déposée en mars 2020, avec Brisqq Ltd indiqué comme propriétaire; la marque couvre les logiciels et services associés.³⁵ Des annuaires indépendants de startups (EU-Startups, IRONPROS) décrivent eLogii comme faisant partie du “Brisqq Group”, avec Brisqq exploitant l’activité de logistique en tant que service et eLogii fournissant une plateforme de gestion des livraisons cloud et d’optimisation d’itinéraires.³⁵³⁶²⁰

Plusieurs profils indiquent que Brisqq a commencé ses opérations autour de 2014–2015, tandis que eLogii a été lancé plus tard en tant que produit SaaS, vers 2019.²³¹⁸ Tracxn répertorie eLogii comme fondé en 2019,¹⁸ tandis que CB Insights utilise 2020 comme année de création.¹⁹ Cette divergence s’explique vraisemblablement par la différence entre le lancement initial du produit (2019) et les événements ultérieurs de marque d’entreprise et de dépôt de marque (2020).

Fondateurs et direction

Plusieurs sources indépendantes identifient :

Andrew Mukerjee – Fondateur et CEO de Brisqq et co-fondateur / CEO de eLogii.²³¹⁸
Saagar Shah – Co-fondateur et responsable commercial chez eLogii, également Chief Commercial Officer chez Brisqq, auparavant chez Capco, Morgan Stanley et McKinsey.¹⁸³⁶
Leonard Budima – CTO de eLogii (et auparavant de Brisqq), avec une expérience antérieure dans les logiciels d’optimisation des réseaux et des systèmes électriques.²⁴

Les organigrammes publics et les profils professionnels confirment ces rôles et montrent une petite équipe centrale d’ingénieurs et de personnel produit.²⁰²⁴

Financement et propriété

Les informations publiques sur le financement de eLogii lui-même sont rares et quelque peu contradictoires :

Tracxn décrit eLogii comme “unfunded”, sans levées de fonds enregistrées.¹⁸
GetLatka répertorie une “M&A Offer” en avril 2025, mais ne montre pas de transaction achevée; il signale également que eLogii a levé $0 en financement divulgué et compte environ 14 personnes dans son équipe.²¹
Un autre répertoire d’investissement qualifie eLogii de “Seed stage” mais sans préciser les investisseurs ou les montants.¹⁸

En revanche, les opérations antérieures de Brisqq ont été soutenues par plusieurs millions de dollars de financement selon d’anciennes couvertures de presse, bien que les détails précis des levées ne soient pas recensés dans les bases de données de startups grand public utilisées ici.²³

Compte tenu de l’absence de dépôts vérifiables ou de communiqués de presse, la conclusion la plus sûre est qu’aucune levée de fonds à prix documentée publiquement n’existe pour eLogii; il est probablement financé principalement par les flux de trésorerie de Brisqq et des investissements antérieurs plutôt que par le capital-risque traditionnel. Toute étiquette telle que “seed” doit être considérée comme des métadonnées d’annuaire, et non comme des événements de financement confirmés.

Activité de M&A

Tracxn note que Brisqq n’a réalisé aucun investissement ni acquisition, et il n’existe aucune annonce publique indiquant que eLogii a acquis ou a été acquis par une autre entreprise.¹⁸²² L’entrée “M&A Offer” de GetLatka pour eLogii en avril 2025 ne trouve pas de corroboration dans des dépôts indépendants ou dans la couverture médiatique, et doit donc être considérée comme une indication d’intérêt ou de négociation plutôt que comme un accord finalisé.²¹

Taille et organisation

Les effectifs selon les sources sont faibles mais assez cohérents :

Tracxn et IRONPROS indiquent une fourchette de 11 à 50 employés.¹⁸²⁰
Des outils basés sur le contact et GetLatka suggèrent une équipe d’environ 14 personnes en 2025.²¹²⁴

Combiné à des estimations de chiffre d’affaires d’environ 1,5M USD par an, cela place eLogii résolument dans la catégorie des petits fournisseurs SaaS, avec un produit ciblé et une traction commerciale modeste mais non négligeable.²¹

Portée du produit et capacités fonctionnelles

Domaine problématique

eLogii’s core domain is route optimization and delivery / field-service execution. The product pages and help center documents emphasize:

Secteurs : logistique et 3PL, retail et distribution, livraison de produits alimentaires et de restaurants, soins de santé et pharmaceutique, services postaux et de messagerie, et opérations de service sur le terrain telles que la lutte antiparasitaire ou la gestion des installations.¹²¹⁶
Cas d’utilisation : livraison du dernier kilomètre, distribution multi-arrêts, visites de service planifiées, missions de pickup & delivery, et diverses formes d’acheminement de la main-d’œuvre mobile.¹²⁸

Le concept central est la Task, représentant un pickup, une livraison, ou une intervention sur le terrain avec un lieu spécifié, une fenêtre temporelle, une durée de service, une consommation de capacité et des attributs optionnels du client.⁸⁹ Les tasks sont assignées aux drivers et ordonnées en Routes, où chaque route est une séquence de tasks à exécuter par un seul driver pendant un horizon de planification.⁹⁶⁷

Modélisation des données de référence et des opérations

Le modèle de configuration d’eLogii comprend:

Depots – emplacements où les véhicules peuvent démarrer/terminer les routes, se recharger ou stocker des stocks (entrepôts, cuisines centrales, hubs, etc.).⁸⁹
Vehicles – définis avec une capacité (possiblement multidimensionnelle), des attributs, et des assignations aux depots et aux drivers.⁸⁹²⁹
Drivers – disposant d’horaires de travail, d’une appartenance à une équipe, de compétences, de qualifications et de véhicules assignés.⁸⁹²⁹
Dimensions – unités de capacité génériques telles que le poids, le volume, les palettes, les boîtes ou le nombre de commandes utilisées dans le calcul de la capacité et de l’utilisation.⁸
Zones – partitions géographiques de la zone de service (codes postaux ou polygones) utilisées pour les contraintes de zonage et les assignations de drivers.⁸⁹

Ces entités peuvent être configurées via le dashboard, importées via CSV, ou gérées via l’API.⁸⁹¹¹¹²¹³

Optimisation des routes & répartition

L’article d’aide Optimization et la documentation associée définissent l’optimisation comme le processus d’assignation de tasks aux drivers tout en respectant les contraintes et en minimisant l’utilisation des ressources.⁹⁶ Points clés :

L’optimisation peut être exécutée pour :
- Une seule journée.
- Une plage de dates.
- Des routes sur plusieurs jours (tasks s’étendant sur plusieurs jours).
- Des équipes sélectionnées ou des sous-ensembles de tasks/drivers (par exemple, “optimize for selected”).⁹⁶¹⁵²³
Deux moteurs sont exposés :
- Base (default) engine : vise à minimiser la durée totale des routes, en utilisant le moins de drivers possible tout en servant le maximum de tasks, en tenant compte des contraintes telles que les spécifications des véhicules, les compétences, les zones et les heures de travail.⁷¹⁵²³
- Advanced engine : offre un contrôle plus précis sur les objectifs d’optimisation (par exemple, minimiser le coût, la distance, les vehicles, l’heure de fin de route ; équilibrer la charge de travail par jobs, distance, durée ; prioriser les clusters, la priorité/valeur des tasks) et inclut des facteurs de temps d’optimisation réglables, au prix de temps d’exécution plus longs.⁷²⁹
Les deux moteurs supportent la re-optimisation manuelle et l’auto-optimisation déclenchée par des actions telles que l’ajout de tasks ou la sélection de routes et en cliquant sur “Reoptimize”.⁹³⁷¹⁷

Le but principal est de compléter le maximum de tasks aussi efficacement que possible en utilisant le moins de drivers possible, sous réserve de contraintes telles que la capacité, les fenêtres temporelles, les zones et les plannings des drivers.⁹⁶⁷ Il s’agit d’un VRP classique avec fenêtres temporelles et contraintes riches.

Exécution et workflow des drivers

Les drivers interagissent via le Driver App, disponible sur iOS et Android.¹⁰ L’application :

Permet aux drivers de se connecter avec un identifiant d’organisation, un nom d’utilisateur et un mot de passe.
Affiche les tasks et routes assignées sous forme de listes et sur une carte.
Fournit la navigation via des applications de cartographie externes (Google Maps, Waze, HERE, Yandex).
Permet aux drivers de mettre à jour le statut des tasks (arrivé, complété, échoué, etc.) et de recueillir la preuve de livraison (signatures, photos, notes).¹⁰³⁸

Les mises à jour du statut des tasks alimentent le système central, permettant un suivi en direct et le recalcul des ETA.¹⁴¹⁵

Suivi, notifications et expérience utilisateur client

eLogii supporte les notifications email et SMS déclenchées par des événements du cycle de vie des tasks (par exemple, route démarrée, driver à proximité, complétée), contenant des liens de suivi où les clients finaux peuvent visualiser :

ETA en direct.
Position en direct du driver.
Historique/événements des tasks.
Preuve de livraison.
Formulaires d’évaluation/retour.¹¹⁴¹⁵¹⁶¹⁷

Les pages de suivi peuvent être en marque blanche avec l’image de marque du client et limitées afin d’afficher uniquement certains champs.¹¹⁶¹⁷

Analyses et rapports

Les supports marketing et pages comparatives font référence aux analyses et calculs de coûts dans le cadre de la plateforme, y compris :

KPI opérationnels (tasks complétées, performance à l’heure, utilisation des drivers).
Estimation des coûts et consommation de carburant.
Comparaisons de performances historiques (par exemple, ETA prévues vs réelles).¹²¹⁶³⁹

La documentation se concentre davantage sur la configuration opérationnelle que sur l’analytique, mais les avis clients mentionnent des dashboards et du reporting comme parties intégrantes du produit.⁴⁰

Moteurs d’optimisation, “AI” et profondeur technique

Noyau d’optimisation déterministe

L’article Optimization Engines offre le regard le plus clair sur les internals du solveur.⁷ Le Base engine :

Utilise des informations historiques et actuelles sur les routes (conditions de circulation, vitesses moyennes de déplacement) pour calculer les temps de trajet.
Construit des routes sous contraintes (spécifications des véhicules, compétences, zones, horaires des drivers, fenêtres temporelles, capacité).
Minimise la durée totale des routes et tend donc à utiliser le plus petit nombre de drivers capable de servir toutes les tasks.
Supporte des routes sur plusieurs jours et des rechargements automatiques en depot lorsque la capacité est dépassée.⁷²⁹¹⁵

Le Advanced engine :

S’appuie sur le même modèle de données mais expose des fonctions objectifs personnalisées, où les utilisateurs peuvent prioriser différentes métriques : nombre de tasks, coût, distance, durée, vehicles, heure de fin de route, clustering, priorité de task, etc.
Inclut des modes d’équilibrage de charge : “most efficient route”, “balance number of routes” (selon les jobs, la durée ou la distance), ou “use all drivers / finish as soon as possible”.
Dispose de contrôles pour les facteurs de temps d’optimisation et les limites de temps, permettant aux utilisateurs de faire un compromis entre la qualité de la solution et le temps d’exécution.⁷²⁹

Cette configuration est cohérente avec un solveur de VRP métaheuristique (par exemple, large neighborhood search, tabu search, algorithmes génétiques), bien que les algorithmes spécifiques ne soient pas divulgués. La présence de limites de temps et de multiples objectifs suggère fortement une recherche heuristique plutôt qu’une optimisation exacte en nombres entiers mixtes.

Calcul de l’ETA et trafic

La documentation ETA d’eLogii décrit une couche distincte pour la mise à l’échelle de l’ETA et le calcul de l’ETA des routes.¹⁴ Éléments clés :

Les temps de trajet peuvent inclure des données de trafic statiques ou dynamiques, selon la configuration et le fournisseur de cartes.
Le système maintient à la fois des ETA prévus (au moment de la planification) et des ETA en direct, mettant à jour ces derniers à mesure que les drivers avancent et que de nouvelles informations arrivent.¹⁴¹⁵
Les utilisateurs peuvent désactiver les mises à jour en direct de l’ETA s’ils préfèrent conserver les estimations originales constantes.¹⁵

Le site marketing principal affirme que “eLogii offre les ETA les plus précis du marché [et] les ETA sont constamment améliorés par le Machine Learning à mesure que les données réelles circulent sur la plateforme.”¹² CB Insights résume également eLogii en fournissant des “machine learning-powered ETA predictions.”¹⁹ Ensemble, cela indique que le machine learning est principalement appliqué pour calibrer les temps de trajet et les durées de service basés sur des données d’exécution historiques, et non pour remplacer le noyau combinatoire d’optimisation.

Revendications “AI-powered”

Des listes tierces telles que Omdena et Daidu.ai décrivent eLogii comme une “plateforme logistique AI-powered” avec une optimisation de routes intelligente et de l’analytique.²⁵²⁶ Cependant, aucune source publique (documentation, articles, brevets, code open-source) ne détaille l’architecture de ces composants AI au-delà des indices sur l’ETA et l’analytique ci-dessus.

Une lecture technique prudente est donc la suivante :

L’optimisation centrale demeure un solveur de VRP basé sur les contraintes, avec des heuristiques d’OR classiques.
Le machine learning semble être utilisé au niveau de la prédiction d’ETA et de l’analyse des performances, et non comme un apprenant de politique général pour la construction de routes.

En conséquence, bien qu’il soit exact de dire qu’eLogii utilise un routing amélioré par ML, il serait trompeur de le considérer comme un système de décision profondément natif en AI au sens des plateformes qui implémentent une optimisation décisionnelle probabiliste de bout en bout.

Architecture et pile technologique

Architecture de haut niveau

D’après la documentation API, le centre d’aide, et le comportement général de la plateforme, nous pouvons déduire :

Back-end cloud multi-locataire :
- API REST sur HTTPS (api.elogii.com et sous-domaines sandbox) avec des URLs basées sur les ressources et des charges JSON.¹¹¹²¹³
- Ressources pour tasks, customers, depots, drivers, vehicles, routes, zones et jobs d’optimisation.¹¹¹²¹³
- Webhooks pour une intégration pilotée par les événements avec des systèmes externes.¹¹¹³
Dashboard web :
- Application monopage à dash.elogii.com ou similaire, utilisée pour la configuration, la planification et l’analytique.¹⁸⁹
- Fournit des vues de carte et de chronologie des tasks, des routes des drivers et des résultats d’optimisation.¹²⁸
Applications mobiles :
- Applications iOS/Android construites avec Cordova et des frameworks JavaScript, utilisées par les drivers pour exécuter des tasks et capturer des PODs.¹⁰²⁴
Fournisseurs de cartographie :
- Intégration avec des moteurs de cartes et de navigation externes (Google Maps, Waze, HERE, Yandex) pour le géocodage et la navigation.¹⁰³⁸
Service d’optimisation :
- Service back-end invoqué lorsque les utilisateurs cliquent sur “Optimize” dans l’écran de planification ou via l’API ; utilise le Base ou l’Advanced engine ainsi que toute option ou présélection d’optimisation personnalisée.⁹⁷²⁹¹³¹⁷

Ce schéma global est largement aligné avec d’autres plateformes SaaS logistiques modernes.

Langages et frameworks

eLogii ne publie pas de pile technologique officielle, mais plusieurs profils de développeurs sur des sites indépendants (par exemple, TheOrg) indiquent que les ingénieurs travaillant sur eLogii utilisaient :

Node.js avec le framework Hapi et Mongoose (ORM MongoDB) sur le back-end.
MongoDB comme principale base de données.
React pour l’interface utilisateur du dashboard monopage.
Cordova pour des applications mobiles hybrides.²⁴

Ces indices, combinés au comportement observable de l’application, permettent de déduire qu’eLogii fonctionne sur une pile JavaScript (Node + React + MongoDB) avec des applications drivers basées sur Cordova — techniquement conventionnels et bien connus, plutôt qu’exotiques.

Déploiement et méthodologie de lancement

Processus d’intégration

Les guides Getting Started décrivent une séquence typique d’implémentation :⁸⁵⁹

Configuration du compte et connexion sur le dashboard web.
Paramètres de l’organisation, notamment la configuration du fuseau horaire (critique pour des ETA corrects et des horizons de planification).
Configuration des données de référence :
- Définir les depots, dimensions, vehicles, drivers et équipes.
- Configurer les horaires de travail des drivers et les exceptions.
Ingestion de tasks :
- Créer des tasks manuellement, importer des CSV avec des adresses (géocodées à l’import), ou envoyer des tasks via l’API depuis des ERP, WMS, CRM, e-commerce, etc.⁸⁹¹¹¹³
Planification et optimisation :
- Utiliser l’écran de planification pour une journée ou une plage spécifique, visualiser les tasks non assignées et les drivers disponibles, et lancer l’optimisation avec le Base ou l’Advanced engine.⁹⁷²⁹
Exécution :
- Les drivers installent et se connectent à l’application, suivent leur route, mettent à jour le statut des tasks et collectent des PODs.¹⁰
Suivi et notifications :
- Configurer les modèles de notifications et les liens de suivi ; surveiller les ETA en direct et la complétion des tasks depuis le dashboard.¹⁴¹⁵¹⁶
Intégration et automatisation :
- Utiliser des clés API, des webhooks et l’auto-optimisation pour intégrer avec les systèmes en amont et automatiser certaines parties du flux.¹¹¹³³⁷¹⁷

Modèle de déploiement

eLogii est vendu exclusivement en tant que cloud service; aucune option de déploiement sur site n’est annoncée. Cela est cohérent avec :

La documentation G-Cloud décrivant le service comme “Software as a Service”.⁴
Des pages de tarification publique et de comparaison de plans mettant en avant des niveaux d’abonnement avec différents bundles de fonctionnalités plutôt que des licences perpétuelles.²³

Les implémentations concernent donc principalement l’intégration de données et la configuration plutôt que l’installation du logiciel.

Expérience rapportée par les utilisateurs

Les avis utilisateurs sur les principaux annuaires de logiciels (Capterra, SoftwareAdvice, SourceForge) mettent systématiquement en avant :

La convivialité de l’interface.
La facilité d’implémentation par rapport aux outils legacy.
La capacité de passer de petites flottes à des opérations multi-sites.⁴⁰

Ce sont des observations anecdotiques qui corroborent globalement le positionnement d’eLogii en tant que SaaS relativement léger et déployé rapidement plutôt qu’une suite d’entreprise lourde.

Clients, secteurs et géographies

Clients nommés (auto-déclarés)

Les supports marketing et les annonces d’emploi d’eLogii listent plusieurs clients nommés :

Northern Care Alliance / NHS (UK) – Trust NHS cité comme utilisant eLogii pour améliorer la logistique des installations.¹²⁴⁰
Porcelanosa – Groupe espagnol de céramiques/carrelages, cité comme client mondial.⁴⁰
Ananas – Acteur du e-commerce présenté dans une étude de cas.²¹⁶
Vergo Pest Management (anciennement Terminix UK) – Sujet d’une étude de cas sur l’optimisation du service sur le terrain.¹⁶¹⁷
Richburns et Baycorp – Clients de recouvrement de créances et de services sur le terrain, présentés dans des études de cas axées sur l’efficacité des routes et la digitalisation.¹⁶⁴¹
Une annonce d’emploi pour un rédacteur senior de contenu chez Brisqq indique explicitement que la technologie d’eLogii est “approuvée par des clients mondiaux, dont Porcelanosa, Ananas et le UK National Health Service.”⁴⁰

Important avertissement : ces références sont auto-déclarées par eLogii/Brisqq ; aucune confirmation indépendante via des communiqués de presse des clients ou une couverture médiatique tierce n’a été trouvée dans les sources consultées. Elles sont donc plausibles mais non vérifiées de manière externe.

Secteur et géographie

Selon les sources, eLogii est systématiquement positionné comme :

Servant les industries du retail, e-commerce, grocery, logistics/3PL, healthcare, postal/courier et field-service.¹²¹⁶³⁵²⁰²⁵
Basé à London, UK, avec des opérations pouvant supporter un routage multi-pays.¹²²³⁵¹⁹²⁰

L’inclusion dans le cadre G-Cloud du Royaume-Uni et la présence dans les places de marché du secteur public suggèrent au moins une certaine adoption dans le contexte gouvernemental ou quasi-gouvernemental du Royaume-Uni.⁴ eLogii est également répertorié par des analystes en technologie logistique et des sites de comparaison comme l’une des plusieurs offres SaaS d’optimisation de routes.¹⁶³⁵²⁵³⁹

Échelle de clients

Aucun chiffre officiel sur le nombre de clients n’est divulgué, mais :

Brisqq affirme que près de 1 000 marques utilisent ses opérations de logistics-as-a-service.²³
GetLatka estime le revenu d’eLogii à environ USD 1.5M en 2025.²¹
Les principales plateformes d’avis logiciels hébergent des dizaines de critiques pour eLogii, ce qui implique au moins des dizaines (probablement plus) de clients payants ou en essai.⁴⁰

Dans l’ensemble, cela soutient l’image d’une adoption commerciale modérée : eLogii n’est ni un produit expérimental minuscule ni un important fournisseur d’entreprise, mais un petit acteur SaaS actif.

Maturité commerciale et position sur le marché

Synthèse des éléments:

Âge : eLogii est sur le marché depuis environ 2019–2020.¹⁸¹⁹
Équipe : environ 14 employés, en légère expansion au fil du temps.²⁰²¹²⁴
Revenu : environ USD 1.5M/an en 2025, selon une estimation externe.²¹
Financement : aucun tour documenté publiquement ; probablement financé par les fondateurs/société mère plutôt que par des fonds de capital-risque.¹⁸¹⁹²¹
Base de clients : répartie sur plusieurs secteurs, avec un mélange de déploiements de SMB à mid-market, ainsi que quelques grands noms revendiqués mais non validés de manière indépendante.¹²¹⁶⁴¹⁴⁰

Ce profil est cohérent avec un petit fournisseur SaaS bien établi possédant une niche clairement définie (optimisation d’itinéraire et exécution) et plusieurs années d’utilisation réelle, mais sans le capital ni l’envergure d’un grand fournisseur de logiciels de planification d’entreprise.

Lacunes, incertitudes et divergences

Quelques points restent incertains ou contradictoires:

Année de fondation – Tracxn et certaines biographies indiquent 2019 ; CB Insights et certains annuaires mentionnent 2020.¹⁸¹⁹ Cela reflète probablement la différence entre le lancement initial du produit et des étapes ultérieures de création d’entreprise/marque.
Financement et F&A – Les annuaires divergent sur le fait qu’eLogii ait bénéficié d’un financement « seed » ou soit entièrement non financé ; GetLatka évoque une « offre de F&A » sans preuve de concrétisation.¹⁸¹⁹²¹ En l’absence de dépôts formels, il est plus prudent de traiter ces éléments comme non vérifiés.
Références clients – Les clients nommés (NHS, Porcelanosa, Ananas, Vergo, Richburns, Baycorp) ne figurent que dans le marketing et les supports de recrutement d’eLogii ; aucune communication de presse indépendante ne confirme des déploiements spécifiques.¹⁶¹⁷⁴¹⁴⁰
Profondeur de l’IA – eLogii et des sites tiers utilisent fréquemment l’expression « AI-powered »,¹²²⁵²⁶ mais la seule utilisation concrètement décrite du ML concerne l’estimation de l’ETA et la détermination des temps de service ; il n’existe aucun détail technique public ni aucun benchmarking pour des composants d’IA plus poussés.

Ces incertitudes ne remettent pas en cause la caractérisation principale d’eLogii en tant que plateforme d’optimisation d’itinéraire et d’exécution, mais elles limitent la possibilité d’évaluer ses affirmations concernant le financement, les grands clients et la sophistication de son IA.

Conclusion

D’un point de vue strictement technique et fondé sur des preuves, eLogii offre une plateforme SaaS compétente et configurable pour l’optimisation des itinéraires du dernier kilomètre et l’exécution d’une main-d’œuvre mobile, exploitée par Brisqq Ltd à Londres et utilisée dans divers contextes logistiques, de vente au détail et de services sur le terrain. Les capacités de la plateforme — VRP sur plusieurs jours, contraintes riches, applications pour conducteurs, liens de suivi, notifications et intégrations — sont bien documentées et globalement comparables aux offres commerciales contemporaines d’optimisation d’itinéraire.¹⁵⁶⁷¹⁰

Les moteurs d’optimisation sont clairement conçus autour de la recherche opérationnelle classique : un solveur VRP heuristique de base et un moteur avancé avec plusieurs objectifs et modes d’équilibrage de charge, tous deux ajustables avec des limites de temps et des préréglages.⁶⁷²⁹ Le machine learning semble jouer un rôle ciblé dans le raffinement des ETA et des durées de service plutôt que de piloter la construction fondamentale des itinéraires.⁷¹⁴¹⁵ En conséquence, le positionnement « AI-powered » d’eLogii doit être interprété comme un routage optimisé par une approche OR associée à des améliorations ML, et non comme un système décisionnel fondamentalement natif en IA.

Architecturalement, eLogii utilise une pile technologique Node/React/Mongo grand public avec des clients mobiles basés sur Cordova, emballée en tant que SaaS multi-locataire avec des API REST et des webhooks.¹¹¹²¹³²⁴ Ce design est pragmatique et familier, mais pas inhabituel. Commercialement, l’entreprise a atteint une échelle modeste mais stable (quelques millions de revenu annuel, environ une douzaine d’employés, plusieurs dizaines ou plus de clients) sans financement de capital-risque publiquement visible.¹⁸²⁰²¹

Par rapport à Lokad, eLogii opère à un niveau différent de la pile technologique de la supply chain : il optimise les itinéraires des véhicules et orchestre l’exécution, tandis que Lokad optimise ce qu’il faut acheter, stocker, produire ou tarifer dans l’incertitude en utilisant la prévision probabiliste et des modèles de décision personnalisés.¹¹⁴¹⁸²⁷³⁰³¹³³ Pour les organisations disposant déjà d’une planification robuste de la demande et des stocks mais manquant d’outils modernes d’itinéraire et d’exécution, eLogii peut combler un important manque du dernier kilomètre. Pour celles cherchant une optimisation end-to-end tenant compte de l’incertitude de l’ensemble de leur supply chain, un outil comme Lokad cible une classe de problème bien plus large.

En résumé, eLogii se caractérise le mieux comme un fournisseur spécialisé dans l’optimisation des itinéraires et l’exécution de livraisons, doté d’un moteur solide basé sur la recherche opérationnelle, d’améliorations modestes en ML et d’une traction sur le marché à petite échelle mais réelle. Ses points forts résident dans la flexibilité opérationnelle et les fonctionnalités d’exécution ; ses limites se situent dans le manque de transparence sur les algorithmes internes, les preuves limitées d’aptitudes d’IA approfondies et une empreinte commerciale adaptée à un petit SaaS indépendant plutôt qu’à une grande plateforme d’entreprise.