Logistique : quand les algorithmes quantiques optimisent les tournées

Un camion de livraison qui zigzague, c’est de l’argent et du carbone qui partent en fumée. Multipliez-le par des milliers de véhicules, des millions d’arrêts et des contraintes mouvantes — trafic, météo, créneaux horaires —, et vous obtenez l’un des casse-têtes les plus coûteux de l’économie moderne. C’est précisément le genre de problème pour lequel les algorithmes quantiques semblent taillés. Reste à savoir ce qu’ils tiennent, aujourd’hui, sur le terrain.

Un problème qui explose à chaque arrêt

L’optimisation des tournées appartient à une famille mathématique redoutable, celle du « problème du voyageur de commerce » : dans quel ordre visiter une série de points pour minimiser la distance ? La difficulté n’est pas l’idée, mais le nombre de combinaisons, qui croît de façon vertigineuse à chaque arrêt ajouté. Au-delà de quelques dizaines de points, plus aucun ordinateur classique ne peut toutes les explorer. On se rabat alors sur des approximations, plus ou moins bonnes selon les méthodes.

Or les algorithmes quantiques explorent ce paysage de solutions différemment, en exploitant la superposition pour évaluer simultanément de nombreuses configurations. L’approche la plus mûre en logistique est le recuit quantique, popularisé par l’entreprise D-Wave : on laisse un système physique glisser vers son état de plus basse énergie, qui correspond à la meilleure solution. C’est une cousine des techniques détaillées dans notre dossier sur la méthode de l’annélation quantique pour l’industrie.

Lisbonne 2019 : le premier vrai test

L’exemple fondateur est signé Volkswagen. En novembre 2019, le constructeur a réalisé à Lisbonne le premier usage réel d’un ordinateur quantique pour la gestion du trafic¹. Neuf bus de la compagnie CARRIS, circulant pendant le salon WebSummit, ont reçu des itinéraires recalculés individuellement et en quasi-temps réel par un ordinateur D-Wave². Le système, développé avec les spécialistes Hexad et PTV Group, reliait 26 arrêts en quatre lignes et visait simultanément plusieurs objectifs : réduire les temps de trajet, équilibrer la charge du réseau et diminuer les émissions². Résultat tangible : moins de retards, des passagers arrivés plus vite, même aux heures de pointe¹.

L’exemple a valeur de symbole. Il ne s’agissait pas d’une simulation de laboratoire, mais d’un déploiement opérationnel, sur de vrais bus, dans une vraie ville congestionnée.

DHL, IBM et la promesse des kilomètres économisés

Les géants du colis ont suivi. DHL a mené avec D-Wave des essais d’optimisation de tournées de coursiers, avec des gains d’efficacité de 5 à 10 %, réduisant d’autant les kilomètres parcourus et le CO2 associé ; dans des villes encombrées, le routage quantique a permis de retrancher jusqu’à 10 % de la distance roulée³. L’entreprise s’est aussi associée à IBM pour des systèmes intégrant douanes, retards, météo et prix du carburant dans un même modèle de planification³.

L’enjeu environnemental donne tout son poids à ces pourcentages. Le transport représente environ un quart des émissions mondiales de gaz à effet de serre et reste dépendant à 95 % des énergies fossiles⁴. En 2023, ses émissions de CO2 ont atteint 8,24 gigatonnes, en hausse de près de 4 % sur un an, les camions de fret pesant à eux seuls près de 30 % des émissions du transport routier⁴. Sur une telle base, retrancher 10 % de kilomètres à des flottes entières n’est pas un détail comptable : c’est un levier climatique. Cet enjeu rejoint celui, plus large, que nous explorons dans l’impact de l’informatique quantique sur la modélisation du climat.

Le routage en ville n’est d’ailleurs qu’une facette. L’optimisation quantique s’attaque aussi à la planification d’entrepôt, à l’affectation des engins et au chargement du fret, où les contraintes se chevauchent. Le port de Los Angeles a déployé un moteur quantique hybride pour répartir les camions entre les grues : utilisation des grues en hausse de près de 40 %, livraisons par grue augmentées de plus de 60 % et temps d’enlèvement des camions réduits jusqu’à deux heures⁵. Le transporteur de fret aérien Amerijet, avec Quantum-South, a optimisé le chargement de ses avions et gagné jusqu’à 30 % de charge utile⁵. Ce ne sont plus des démonstrations, mais des outils en production.

Quantique « pur » ou quantique « inspiré » ?

Une nuance s’impose, que les fournisseurs sérieux ne cachent pas. Une bonne part des gains annoncés ne vient pas d’un ordinateur quantique au sens strict, mais d’algorithmes « inspirés du quantique » tournant sur des machines classiques, ou de flux hybrides associant les deux. Sur les problèmes de routage réels, l’avantage d’une machine quantique pure face aux meilleurs solveurs classiques demeure limité et débattu³. Des travaux de 2025 montrent toutefois des résultats prometteurs sur des cas concrets, comme l’optimisation de chariots autonomes en entrepôt ou la logistique du froid, via des moteurs de recuit quantique⁶. Pour les entreprises, la distinction technique importe moins que le résultat opérationnel : ce qui compte, c’est le gain mesuré, qu’il provienne d’un véritable processeur quantique ou d’un solveur qui en imite la logique.

La trajectoire ressemble à celle d’autres secteurs : le quantique progresse moins par rupture que par hybridation, souvent main dans la main avec l’intelligence artificielle. C’est tout l’objet de la convergence entre IA et informatique quantique, où l’IA anticipe la demande et le quantique affine l’allocation des ressources.

Le signal à surveiller

Les coûts d’implémentation élevés, l’immaturité technologique et les fragilités de cybersécurité freinent encore l’adoption à grande échelle³. Mais la direction est claire : DHL elle-même juge que le quantique pourrait transformer la logistique « dans la prochaine décennie »³. Le bon indicateur à guetter n’est pas la prochaine annonce de partenariat, mais le premier transporteur qui passera d’un pilote ponctuel à un déploiement permanent sur l’ensemble de ses flottes — et qui publiera des chiffres vérifiés de carburant et d’émissions économisés. Ce jour-là, l’optimisation quantique aura quitté la vitrine pour le tableau de bord. En attendant, le calendrier dépend aussi de la maturité des machines, dont notre dossier rappelle le caractère encore incertain.