GE Aerospace réduit ses délais de 60 % — et ce n’est pas grâce à l’IA

GE Aerospace a réduit de 60 % le délai de production de ses composants critiques au deuxième trimestre 2026. Résultat direct : une hausse de 50 % des livraisons de moteurs F110 sur la période. Le chiffre a de quoi attirer l’attention dans un secteur où les délais de fabrication se comptent en mois.

Ce qui mérite l’attention, c’est la méthode. Interrogé sur l’origine de ce gain lors de la présentation des résultats, Larry Culp, le PDG, cite deux leviers de son modèle d’excellence opérationnelle maison : la consolidation d’étapes de process, et la réduction des distances parcourues par les opérateurs. Rien d’autre. Pas d’algorithme, pas de robot.

Autrement dit, le résultat qui fait la couverture vient de deux principes lean vieux de soixante ans. Et c’est une leçon directement transposable en entrepôt, où le picking obéit exactement à la même arithmétique.

Où l’IA intervient réellement chez GE — et où elle n’intervient pas

L’intelligence artificielle est bien présente dans la démarche de GE Aerospace, mais pas là où on l’attend. Elle sert à affiner l’identification des signaux de demande : le nombre de signaux suivis a été divisé par deux, et les temps de traitement réduits de 90 % sur 190 pièces au sein de l’équipe dédiée aux aubes de turbine.

C’est un gain réel, mais il porte sur la planification, pas sur la production. Le raccourcissement des délais de 60 % vient d’ailleurs : de la suppression d’étapes et de mètres parcourus.

Un troisième volet mérite d’être noté, parce qu’il est souvent négligé : le travail avec les fournisseurs. Avec GKN, qui fabrique des carters de soufflante, GE a construit des instructions de travail visuelles détaillées, augmenté la capacité et déployé une technologie d’inspection en 3D — avec à la clé 90 % de temps d’inspection en moins. Là encore, l’essentiel du gain vient de la standardisation du geste et de la clarté des consignes, pas d’une couche logicielle.

En entrepôt, le picking obéit à la même arithmétique

La transposition est immédiate. Le picking peut représenter jusqu’à 60 % du temps total consacré à la préparation d’une commande, et sa composante dominante n’est ni le prélèvement ni le contrôle : c’est le déplacement. L’opérateur passe l’essentiel de son temps à marcher entre deux prélèvements.

Ce constat a une conséquence qu’on sous-estime systématiquement. Optimiser le geste de prélèvement — le rendre plus rapide de deux secondes — produit un gain marginal. Supprimer trente mètres de marche entre deux emplacements produit un gain d’un tout autre ordre, sur chaque ligne de commande, toute la journée, tous les jours.

Et pourtant, c’est le levier qu’on active en dernier. Parce qu’il n’a rien de spectaculaire, parce qu’il ne se présente pas bien en comité de direction, et parce qu’il ne s’achète pas — contrairement à un système automatisé, qui se commande, s’installe et se photographie.

Sur le papier, un mètre parcouru est une unité de coût. Dans une allée, c’est autre chose.

Prenez un entrepôt avec une mezzanine sur trois ou quatre niveaux, un jour de forte chaleur, dans un bâtiment non climatisé. Une mission de picking mal construite envoie le préparateur monter chercher deux articles au deuxième niveau, redescendre, remonter au troisième, redescendre encore. La distance affichée dans le rapport de productivité ne dit rien de cet effort-là. Ce qu’elle produit, en revanche, se voit très vite : les missions débordent, les expéditions décrochent en fin de journée, et la fatigue accumulée dans des escaliers, autour d’engins de manutention, fait monter le risque d’accident.

C’est le paramétrage du WMS qui décide de tout ça. Une mission bien construite regroupe les prélèvements par niveau et par zone. Et rien n’oblige à les calibrer toutes pareil : dix articles dans une allée et quarante répartis sur trois étages ne demandent pas le même effort — un WMS bien réglé sait faire cette différence, encore faut-il le lui demander.

Les leviers de picking qui ne coûtent presque rien

Avant d’envisager un investissement lourd, trois familles d’actions réduisent la distance parcourue sans modifier l’infrastructure.

Le slotting vient en premier. Placer les références à forte rotation près des zones de sortie et à hauteur de prélèvement, reléguer les références dormantes en périphérie et en hauteur. C’est de l’analyse de données de commandes, pas de la mécanique. Et comme le mix de références évolue, un slotting figé se dégrade : le rejouer périodiquement fait partie du travail.

Le regroupement de commandes ensuite. Le batch picking consiste à traiter plusieurs commandes en une seule tournée, en prélevant simultanément les références communes. Le nombre de lignes reste identique, la distance parcourue s’effondre. Le picking par zone segmente l’entrepôt en secteurs affectés à des opérateurs dédiés, ce qui limite les parcours cumulés — approche particulièrement adaptée aux grandes surfaces.

Le chemin de prélèvement enfin. C’est le WMS qui décide de l’ordre dans lequel les emplacements sont visités. Un chemin mal paramétré fait remonter et redescendre une allée deux fois. Ce réglage est gratuit, il vit dans le paramétrage, et il est rarement rouvert après la mise en service.

Ces trois leviers de picking partagent une caractéristique : ils relèvent de l’organisation et du paramétrage, pas de l’investissement. Ils sont aussi cumulatifs — un bon slotting rend le batch picking plus efficace, qui rend l’optimisation du chemin plus rentable.

Le lean est-il dépassé par l’IA ?

L’objection est prévisible : ces méthodes datent, l’intelligence artificielle a changé la donne, et raisonner en mètres parcourus relèverait d’une autre époque.

Le cas GE Aerospace y répond de la façon la plus directe qui soit. L’entreprise fait les deux, simultanément, et c’est le lean qui produit le chiffre de couverture. L’IA améliore la prévision ; la réorganisation physique améliore l’exécution. Ce ne sont pas des approches concurrentes, ce sont deux étages différents.

Il y a même une logique de séquencement à respecter. Automatiser un processus de picking mal organisé revient à mécaniser le gaspillage : on fait circuler des bacs plus vite sur un chemin qui n’aurait pas dû exister. Les gains annoncés par un intégrateur sont calculés sur un flux théorique optimisé — si le flux réel ne l’est pas, l’écart se creuse dès la mise en service. Nous détaillons ce mécanisme dans notre article sur ce que les 28 % d’économie d’UPS supposent réellement.

L’ordre logique est donc : organiser d’abord, automatiser ensuite. Non pas parce que l’automatisation serait suspecte, mais parce qu’elle amplifie ce qu’elle trouve — le bon comme le mauvais.

Ce que le cas GE Aerospace change pour le picking en entrepôt

Un gain de 60 % sur des délais de production dans l’aéronautique, obtenu en supprimant des étapes et des mètres, devrait suffire à réhabiliter les méthodes qu’on juge trop simples pour être efficaces.

Sur un site logistique, la question à se poser avant tout arbitrage d’investissement tient en une ligne : combien de mètres un préparateur parcourt-il aujourd’hui pour une ligne de commande, et combien de ces mètres sont évitables sans rien acheter ? Tant que cette réponse n’est pas connue, aucun dossier d’automatisation ne repose sur une base fiable — puisqu’on ignore ce qu’on aurait pu gagner gratuitement.

Le paramétrage du chemin de prélèvement se rejoue en quelques heures. Un slotting se recalcule sur un export de données de commandes. Ces chantiers ne coûtent rien d’autre que du temps d’analyse, et ils conditionnent la rentabilité de tout ce qui viendra après. C’est d’ailleurs une exigence qui devrait figurer dès le cahier des charges d’un projet WMS, plutôt que d’être découverte après le go-live.

FAQ