Revue de NextBillion.ai, fournisseur de logiciels de planification de Supply Chain

By Léon Levinas-Ménard

Dernière mise à jour: avril, 2025

Retour à Étude de marché

NextBillion.ai, fondée en 2020 par une équipe incluant Gaurav Bubna, Ajay Bulusu et Shaolin Zheng, se positionne comme une plateforme API‑first dans la technologie de localisation, spécialisée dans la planification d’itinéraires, la cartographie et l’optimisation logistique pour des défis complexes de supply chain. L’entreprise propose une suite d’APIs et de SDKs permettant aux entreprises de générer des itinéraires de livraison multi‑arrêts sous diverses contraintes du monde réel (telles que les fenêtres temporelles, la capacité des véhicules, et même des matrices personnalisées de distance/durée12), de calculer de grandes matrices de distances (jusqu’à 5000×5000 éléments) pour des estimations précises d’ETA et des distances entre emplacements3, et de déployer des cartes personnalisées et modifiables avec suivi en temps réel, géorepérage et capacités de répartition. Conçue avec une architecture modulaire, la solution de NextBillion.ai accepte des entrées détaillées sur les véhicules, les missions et les emplacements, traite des contraintes rappelant les techniques classiques de recherche opérationnelle, et prend en charge des options de déploiement flexibles – des clouds multi‑locataires aux installations privées voire sur‑site—assurant une intégration fluide avec les systèmes ERP et de gestion de flotte existants4. Bien que l’entreprise vante fréquemment l’utilisation de machine learning et d’AI dans ses articles de blog56, un examen approfondi de sa documentation suggère que ses décisions de routage intelligentes reposent principalement sur des méthodes d’optimisation bien établies, augmentées par des améliorations sélectives de ML, incitant ainsi les utilisateurs potentiels à tester rigoureusement le système dans leurs conditions spécifiques.

Présentation du produit

Ce qu’il offre

NextBillion.ai propose une suite complète d’outils comprenant:

  • Optimisation d’itinéraires: Génère des itinéraires de livraison multi‑arrêts tout en tenant compte de nombreuses contraintes du monde réel (par exemple, les fenêtres temporelles, la capacité des véhicules, les compétences des conducteurs) comme démontré dans leurs tutoriels API1.
  • Calculs de matrices de distances: Calcule des matrices étendues — jusqu’à 5000×5000 éléments — pour des estimations précises d’ETA et des distances entre localisations3.
  • Cartographie & Navigation: Fournit des cartes personnalisables et modifiables intégrées avec des fonctionnalités telles que le suivi en temps réel et le géorepérage, soutenant une visualisation logistique avancée.
  • Répartition et gestion de terrain: Complète l’API de routage principale avec des solutions conçues spécifiquement pour la gestion de flotte et les opérations de répartition.

Comment cela fonctionne

La plateforme est construite autour d’une architecture modulaire dans laquelle diverses APIs s’imbriquent pour résoudre des variantes classiques du Problème de Routage de Véhicules (VRP). Elle accepte des objets d’entrée détaillés — couvrant les véhicules, les missions (ou expéditions) et les emplacements — et traite des contraintes complexes (notamment les fenêtres temporelles, les limites de capacité, et même des matrices de coûts personnalisées) afin d’obtenir des itinéraires optimisés. L’accent mis par la solution sur la configurabilité permet aux utilisateurs de fournir des données sur mesure (par exemple, des matrices personnalisées de distance/durée) et de choisir parmi divers modèles de déploiement, que ce soit sur le cloud, le cloud privé, ou sur‑site4. Cette flexibilité assure que les entreprises peuvent intégrer NextBillion.ai de façon fluide avec leurs systèmes ERP, télématiques ou de gestion de flotte existants.

Fondements technologiques

Techniques algorithmiques et d’optimisation

NextBillion.ai exploite une gamme d’heuristiques d’optimisation classiques pour résoudre les défis du VRP. Ses APIs sont conçues pour gérer des contraintes détaillées et permettre des objectifs personnalisés, assurant des performances robustes dans des contextes complexes. Bien que l’entreprise mette en avant l’utilisation de machine learning pour permettre une adaptation des données en temps réel et des ajustements prédictifs56, un examen de la documentation technique révèle que « l’intelligence » derrière les décisions de routage repose principalement sur des méthodes établies de recherche opérationnelle — renforcées, plutôt que remplacées, par des améliorations incrémentales de ML.

Flexibilité de déploiement et évolutivité

Un atout majeur de la plateforme est sa polyvalence en matière de déploiement. NextBillion.ai prend en charge des options de déploiement sur cloud multi‑locataire, cloud privé et sur‑site, répondant ainsi aux secteurs aux exigences strictes en matière de sécurité des données et de conformité4. Son approche API‑first, combinée aux capacités d’intégration modulaire, garantit également l’évolutivité et une interopérabilité fluide avec les systèmes existants, bien que la promesse de solutions hautement personnalisables demande une configuration significative et une expertise technique continue.

Modèle de tarification et revendications commerciales

NextBillion.ai adopte une stratégie de tarification flexible et basée sur la valeur, qui peut être adaptée selon l’utilisation par commande, par actif, ou par appel API7. Bien que le modèle de tarification semble transparent et ajustable, l’usage intensif de mots à la mode tels que « AI » et « advanced optimization » par l’entreprise doit être abordé avec un certain scepticisme. La documentation technique indique que son moteur de routage principal repose sur des techniques d’optimisation classiques, avec le machine learning jouant un rôle supplémentaire. Cette dépendance aux méthodologies établies, tout en assurant la robustesse, peut également introduire des complexités dans la mise en œuvre et l’intégration que les clients potentiels doivent soigneusement valider en fonction de leurs besoins opérationnels.

NextBillion.ai vs Lokad

NextBillion.ai et Lokad abordent tous deux les défis dans le domaine de la supply chain, bien que leurs approches divergent significativement. NextBillion.ai est avant tout une plateforme API‑first, basée sur la localisation, dédiée à la planification d’itinéraires, à la cartographie et à l’optimisation logistique. Elle excelle dans la résolution du Problème de Routage de Véhicules grâce à des options de déploiement flexibles — y compris des modèles sur‑site qui séduisent les organisations aux exigences strictes de gouvernance des données. En revanche, Lokad — fondée en 2008 et basée à Paris — met l’accent sur une approche globale d’optimisation quantitative de supply chain. La plateforme propriétaire de Lokad exploite un langage spécifique (Envision) et des techniques sophistiquées telles que la prévision probabiliste, le deep learning, et la programmation différentiable pour orienter les décisions concernant les stocks, la production et la tarification8910. Alors que NextBillion.ai se concentre sur l’optimisation des itinéraires physiques et des données cartographiques en utilisant des méthodologies classiques de recherche opérationnelle renforcées par des composants ML sélectifs, Lokad offre une solution de bout en bout pour la gestion prédictive de la supply chain qui automatise des décisions complexes et multi‑étapes au sein d’un système exclusivement cloud et fortement intégré. En fin de compte, bien que les deux plateformes fournissent des insights basés sur les données, NextBillion.ai propose une solution spécialisée pour le routage et l’intelligence de localisation, tandis que Lokad livre un moteur d’optimisation plus large et holistique pour la prise de décision en supply chain.

Conclusion

NextBillion.ai offre une solution robuste et personnalisable pour la planification d’itinéraires, la cartographie, et l’optimisation logistique qui répond efficacement aux contraintes du monde réel dans les opérations complexes de supply chain. Son architecture API‑first et modulaire ainsi que ses options de déploiement flexibles en font une option attrayante pour les entreprises nécessitant une intégration sans faille avec les systèmes existants. Cependant, malgré les fréquents recours de l’entreprise à l’AI de pointe, une lecture attentive de sa documentation technique suggère que son moteur principal repose sur des techniques d’optimisation classiques renforcées par des améliorations incrémentales de machine learning. Les entreprises envisageant NextBillion.ai devraient être prêtes à investir dans une intégration approfondie et une configuration continue pour exploiter pleinement ses capacités — un engagement qui contraste avec des offres plus complètes, exclusivement cloud, comme la plateforme de Lokad pour l’optimisation de la supply chain de bout en bout.

Sources

  1. Basic Route Optimization Tutorial ↩︎ ↩︎

  2. Custom Duration & Distance Matrix Tutorial ↩︎

  3. Solutions – Logistics ↩︎ ↩︎

  4. On-Premise Deployment ↩︎ ↩︎ ↩︎

  5. Machine Learning in Route Optimization Algorithms ↩︎ ↩︎

  6. Using AI for Dynamic Route Optimization ↩︎ ↩︎

  7. Pricing Page ↩︎

  8. Naked Forecasts Considered Harmful ↩︎

  9. The Lokad Platform ↩︎

  10. Forecasting via Deep Learning (2018) ↩︎