Introduction À l'échelle mondiale, les taux de retour de l'e-commerce représentent en moyenne 15–25 % des commandes. Sur les marchés européens de la mode, ce chiffre grimpe à 50 %. Dans l'habillement américain, à 60 %. Rien qu'aux États-Unis, les distributeurs traitent chaque année des centaines de milliards de dollars de marchandises retournées. Chacun de ces articles exige une manipulation individuelle : inspection physique, notation de l'état et décision d'orientation prise dans l'incertitude quant à l'état de l'article, à sa complétude et à son potentiel de revente. Malgré cette échelle, la gestion des retours reste l'un des flux les moins automatisés de l'entreposage moderne. Contrairement à la logistique amont ou au fulfillment de commandes, où les états des articles sont prévisibles et les tâches bien définies, les retours arrivent dans un état variable, exigent des séquences d'inspection en plusieurs étapes et imposent des décisions conditionnelles qui changent avec chaque article. Ces propriétés ont rendu le flux réfractaire aux approches d'automatisation classiques, et la plupart des sites continuent de reposer presque entièrement sur le travail manuel. À forte cadence, les évaluateurs humains présentent une variabilité inter-juges importante dans l'appréciation de l'état : le « revendable » de l'un est le « à reconditionner » de l'autre, et la cohérence se dégrade encore d'une équipe et d'un site à l'autre. Mais l'irrégularité humaine est un problème secondaire. Le problème premier est structurel : il n'existe pas de solution automatisée et scalable pour un flux qui traite des centaines de millions d'articles différents par an. C'est cet écart que l'automatisation des retours vise à combler. 15–25 % Taux de retour e-commerce ~50 % Mode (en ligne, UE) ~60 % Habillement (segments US) Automatiser les retours La gestion des retours est depuis longtemps l'un des flux les plus intensifs en main-d'œuvre du commerce de détail, et l'un des moins optimisés. Chaque article exige une manipulation individuelle, une inspection physique, une notation de l'état et une décision d'orientation. À grande échelle, le coût par article de ce processus approche fréquemment la valeur de revente résiduelle de l'article, voire la dépasse purement et simplement. C'est pourquoi de nombreux distributeurs ont historiquement traité les retours comme une perte sèche. Non pas faute de savoir évaluer les marchandises retournées, mais parce que l'économie ne justifiait pas l'effort. Jeter les articles revenait souvent moins cher que de les traiter. Cette approche n'est plus tenable. Les volumes de retours ont augmenté au point que le seul flux entrant crée des goulots d'étranglement importants dans les opérations d'entrepôt. En Europe comme aux États-Unis, les prestataires logistiques consacrent désormais des sites entiers exclusivement à la gestion des retours. Ce qui rend les retours particulièrement réfractaires à l'automatisation, c'est la nature même de la tâche. Contrairement aux opérations de pick-and-place classiques, qui consistent à déplacer un article connu d'un emplacement défini à un autre, la gestion des retours est un flux décisionnel en plusieurs étapes opérant dans une incertitude continue. Chaque article est différent et leur état varie. L'emballage est endommagé, absent ou trompeur. La bonne action à chaque étape dépend de ce qui a été appris aux étapes précédentes. Aucune sous-tâche prise isolément n'est le goulot d'étranglement. Le défi consiste à maîtriser la séquence complète de façon fiable, à cadence, sur un flux d'articles imprévisible. Coûts réduits Le coût de traitement par article baisse, rendant à nouveau viable une inspection détaillée Cohérence Les mêmes critères appliqués à chaque article, à chaque équipe, sur chaque site Sécurité Réduit l'exposition humaine aux objets coupants, contaminés ou inconnus Récupération de valeur Les articles voués au rebut peuvent être évalués pour la revente ou le recyclage Vue d'ensemble de la gestion des retours Au cœur du flux de retours Du moment où un client renvoie un article jusqu'à celui où il est remis en stock, reconditionné ou mis au rebut, l'article traverse une série d'étapes étroitement liées. Chacune introduit sa propre complexité, et chacune dépend des décisions prises avant elle. Scan & déballage Dépliage de l'article Inspection & notation de l'article Reconditionnement Gestion des retours en dual-arm À chaque étape, le robot ne fait pas qu'exécuter : il décide. Remise en rayon, reconditionnement ou rebut ? Cet article est-il réellement inutilisé, ou simplement remballé avec soin ? Doit-il tenter un autre angle de vue avant de se prononcer sur une note ? Ce sont des décisions séquentielles prises dans l'incertitude, et les prendre correctement a un impact direct sur le résultat. Conçu pour la manipulation riche en contacts La gestion des retours exige un type de manipulation que les systèmes à un seul bras ne peuvent tout simplement pas offrir. Ouvrir des colis, déplier des vêtements et inspecter des articles requiert à chaque fois les deux bras en coordination. Ces tâches ne peuvent pas être décomposées en étapes séquentielles à un bras sans ajouter des montages de maintien ou repenser fondamentalement le flux. C'est ce qui distingue la gestion des retours de l'automatisation de pick-and-place classique, où un seul effecteur agit sur des objets prévisibles et géométriquement contraints. Les retours introduisent des matériaux déformables, des états d'objet inconnus et des séquences de manipulation riches en contacts qui nécessitent une force continue répartie sur deux bras. Les compétences de manipulation développées dans des contextes plus simples se reportent comme des briques réutilisables dans des tâches bimanuelles plus complexes : stabilité de préhension, planification de mouvement sensible au contact, suivi d'objet dynamique, tout se transfère. À mesure que la complexité des tâches augmente, les capacités apprises s'empilent au lieu d'obliger le système à repartir de zéro. Transferts & coordination Un bras extrait l'article du bac pendant que l'autre stabilise les objets environnants. Un bras maintient un article en position pendant que l'autre l'inspecte, le scanne ou le réoriente. Les transferts coordonnés entre pinces permettent des séquences fluides en plusieurs étapes. Réorientation Les articles retournés arrivent rarement dans une pose commode. Deux bras peuvent retourner, incliner et faire pivoter les objets pour dégager des étiquettes cachées, inspecter les dessous ou positionner les articles pour le scan. Sachets & matériaux déformables Polybags, papier de soie, emballages souples : les matériaux déformables sont partout dans les retours. Un bras maintient le sachet tendu pendant que l'autre extrait ou insère l'article. Les systèmes à un seul bras peinent avec les matériaux qui changent de forme au contact. Progression naturelle des compétences Le savoir issu du pick-and-place à un bras se transfère directement : planification de préhension, détection d'objets et contrôle du mouvement se reportent tous. Le dual-arm étend ces fondations à la manipulation coordonnée. Gestion des retours en dual-arm Pick & place à un bras Saisir, déplacer, relâcher Interaction dual-arm Tenir, tourner, transmettre Gestion des retours Inspecter, classer, orienter Intelligence visuelle pour la classification de l'état Le système Lens est notre couche d'intelligence visuelle, adaptée aux exigences d'inspection et de classification de la gestion des retours. Là où Cortex contrôle ce que fait le robot, Lens détermine ce que le robot sait de chaque article : son état, sa catégorie et ce qui doit lui arriver ensuite. Les compétences de manipulation développées dans des contextes plus simples se reportent comme des briques réutilisables dans des tâches bimanuelles plus complexes : stabilité de préhension, planification de mouvement sensible au contact, suivi d'objet dynamique, tout se transfère. À mesure que la complexité des tâches augmente, les capacités apprises s'empilent au lieu d'obliger le système à repartir de zéro. Point essentiel : Lens ne fonctionne pas en vase clos. Il travaille directement avec les politiques de manipulation de Cortex. Si une inspection visuelle reste non concluante parce qu'une étiquette est partiellement occultée ou qu'un article est plié de façon à masquer un défaut, Cortex peut activement repositionner l'article pour offrir à Lens une meilleure vue. Le robot ne se contente pas de regarder ce qui est devant lui ; il manipule la scène pour recueillir l'information dont il a besoin. Capture Vues multi-angles Analyse Lens Inférence de l'état Classification Note & confiance ✓ Inutilisé ⚠ Sale ✗ Endommagé Orientation Remise en rayon / Reconditionnement / Rebut Classification Lens – chaussures, comme neuves Classification Lens – carton, ouvert Classification Lens – sac, comme neuf Classification Lens – colis, ouvert Classification Lens – sneaker, comme neuve C'est ce couplage étroit entre perception et action qui fait fonctionner le système. Lens transforme ce que le robot voit en décision, et Cortex transforme cette décision en exécution physique. Pourquoi Cortex 2.0 est conçu pour cela La gestion des retours est exactement le type de problème auquel Cortex 2.0 convient : horizon long, forte incertitude et profondément lié à une variation du monde réel qu'aucun environnement contrôlé ne peut reproduire entièrement. Planification proactive Cortex n'attend pas que les choses tournent mal. Son world model anticipe les résultats en ayant appris que certaines prises sur des cartons déformés tendent à échouer, et qu'une réorientation avant l'inspection donne de meilleurs résultats. Il planifie en amont au lieu de réagir après coup. Apprend de la production Chaque retour traité dans un entrepôt en exploitation apprend quelque chose de nouveau au système. Emballages abîmés, articles inhabituels, cas limites quasi impossibles à simuler : tout cela apparaît naturellement à grande échelle. Cortex transforme ces données d'exploitation en meilleures politiques. Apprentissage sur trajectoire complète Plutôt que d'apprendre uniquement du succès ou de l'échec, Cortex extrait un signal de chaque étape : progrès partiels, quasi-échecs, états instables, rattrapages. Sur des tâches de retours à horizon long, cela rend l'apprentissage nettement plus efficace. Production Gestion des retours en direct Données Trajectoires complètes World model Apprendre & imaginer Politique améliorée Décisions plus fines Performance améliorée Le résultat est un système qui s'améliore à chaque équipe, en apprenant de toute la complexité des retours réels plutôt que de montages de laboratoire simplifiés ou de règles écrites à la main. Ce que Cortex débloque ensuite La gestion des retours représente une classe de manipulation où la réussite dépend d'un raisonnement sur des séquences étendues. Les objets arrivent dans des états imprévisibles et exigent inspection, interaction physique et décisions conditionnelles au fil de l'exécution. Bien la résoudre pose les fondations de domaines plus complexes comme le kitting, l'assemblage et la production, où la diversité des environnements et les contraintes physiques s'intensifient, mais où le besoin d'un raisonnement soutenu reste le même. La gestion des retours marque une transition décisive : des robots qui excellent dans les tâches en une seule étape aux systèmes qui comprennent et pilotent des processus. Cortex 2.0 est conçu exactement pour ce basculement. Pick & place Tâches en une étape Gestion des retours Raisonnement multi-étapes Kitting & assemblage Séquences contraintes Production Interactions complexes Domicile & santé Autonomie en monde ouvert Feuille de route Cortex L'essentiel Les taux de retour de l'e-commerce se situent en moyenne à 15–25 % dans le commerce de détail général, et atteignent jusqu'à 60 % dans la mode. Le volume de marchandises retournées dépasse désormais ce que le traitement manuel peut absorber avec une économie unitaire acceptable. Cortex 2.0 s'attaque directement à cela. La gestion des retours est un flux décisionnel à horizon long où chaque étape dépend du résultat de la précédente, et où l'état de l'article reste inconnu tant qu'il n'a pas été examiné physiquement. Cortex 2.0 raisonne à travers des futurs possibles et s'adapte à chaque étape selon ce qu'il observe. L'évaluation de l'état des articles par Lens injecte des signaux de classification structurés directement dans les décisions d'orientation, avec une réorientation active lorsque les vues ne sont pas concluantes. Point important : le système s'améliore avec le déploiement. Chaque article qu'il traite est un signal d'entraînement réel, issu de véritables retours d'entrepôt et non d'un environnement simulé. La performance progresse en continu, sans que personne ait à mettre à jour des règles ou à déclencher des cycles de réentraînement. Nous recrutons également ! Si cela vous intéresse de nous rejoindre, n'hésitez pas à nous contacter. Les chercheurs intéressés par nos travaux, par des collaborations ou par toute autre question peuvent écrire à research@sereact.ai. Fermer Lightbox