Transport et logistique : simplifier les notes de tournée et le suivi client avec Claude Code

6 heures du matin, sur le bureau du planificateur. Dix messages griffonnés la veille au soir par les chauffeurs, trois bouts de papier où sont notés des appels de clients qui demandent « cette livraison, elle est où, là ? », et un planning de tournée bourré d’abréviations que je suis le seul à savoir relire.

La première fois que j’ai aidé une entreprise sur ce sujet, c’est ça qui m’a le plus surpris. Plus que la planification elle-même, ce sont deux choses qui mangent la moitié de la journée : « remettre les notes au propre pour que quelqu’un d’autre puisse les lire » et « réexpliquer dix fois la même chose à la même question ».

Et ces notes en abrégé, dès que la personne est absente, plus personne ne sait les déchiffrer. « 19 t frigo, Rungis 3e tour, retour à vide, drop à Corbeil » — votre collègue d’à côté comprend ça, vous croyez ? Probablement pas.

Aujourd’hui je parle de ces deux corvées — « mettre au propre les notes de tournée » et « répondre aux questions des clients » — et de comment les alléger avec Claude Code (un outil qui pilote l’IA depuis la ligne de commande). Il n’est pas question de laisser l’IA décider de la planification. Seulement de raboter les petites tâches en amont.

Points clés

Pour le planificateur d’une entreprise de transport et logistique, « la mise au propre des notes » et « les questions répétitives » peuvent être réduites de plus de moitié avec l’IA
On ne confie pas à l’IA la décision de planification elle-même. On lui confie « mettre en forme, rédiger un brouillon, signaler les oublis », rien de plus
Trois modèles de prompts prêts à copier-coller, plus un script de contrôle qui transforme les notes en tableau
Noms de clients, numéros de téléphone, plaques d’immatriculation : ces données personnelles exigent une règle interne et une anonymisation
Passer de 90 à 30 minutes de corvées par jour, c’est environ 20 heures par mois. Un gain réaliste par planificateur

Le lecteur visé, et son flux de travail actuel

Cet article s’adresse à la personne qui gère la planification dans une PME de transport et logistique. Un parc de 10 à 50 camions, une clientèle surtout fidèle, des échanges avec les chauffeurs par téléphone et messagerie. Un logiciel de planification est bien installé, mais au final, tout se construit avec des notes et de tête.

La journée ressemble à peu près à ça.

La veille au soir et tôt le matin, les demandes et changements pour le lendemain arrivent en désordre des chauffeurs et des clients
Le planificateur lit tout ça et affecte camions et chauffeurs
Il met les affectations au propre dans le planning et prévient chaque chauffeur
Dans la journée, les questions tombent par à-coups : « cette marchandise, ça en est où ? », « on peut décaler l’enlèvement ? »
En fin de service, il enregistre le réalisé pour préparer le lendemain

Là-dedans, le seul point qui demande un jugement, c’est le numéro 2. Les 1, 3, 4 et 5 sont des tâches de « mise en forme de l’information » et de « répéter la même chose » — et c’est exactement là que l’IA est bonne.

Les ratés et les agacements habituels

Voici les obstacles que j’ai vus revenir sur le terrain. Au moins l’un d’eux s’applique sûrement à votre entreprise.

L’attente du déchiffrage : seul l’auteur sait relire ses notes, et tout s’arrête quand il est absent
Le double message : un changement transmis au chauffeur n’arrive pas au client, et sur place les horaires se décalent
Le « qui a dit quoi » : un accord pris par téléphone ne laisse aucune trace, et plus tard ça part en litige
L’erreur de copier-coller : on réutilise le planning de la veille et on oublie de corriger la date ou le numéro de tour
Les nouveaux ne montent pas en compétence : le savoir-faire de l’ancien n’est pas écrit, donc impossible à transmettre

Aucun de ces problèmes ne réclame une « IA géniale ». Il suffit d’avoir un assistant qui « met dans un format fixe » et « signale les oublis » pour les faire disparaître.

Cas d’usage 1 : transformer les notes en abrégé en un tableau lisible par tous

C’est ici que l’effet est le plus net. On colle telles quelles les notes en abrégé reçues d’un chauffeur, et on demande à l’IA de les mettre en tableau.

Par exemple, on lui passe une saisie comme celle-ci.

19 t frigo / Rungis 3e tour / retour à vide / drop Corbeil // 7,5 t / enlèvement Gennevilliers 8 h / MIN / retour divers // 26 t / Le Havre Terminal / conteneur / 14 h dépôt parc

On lui demande de remettre ça en tableau avec les colonnes « tonnage / tour / lieu d’enlèvement / type de marchandise / retour ». L’humain n’a plus à déplier chaque abréviation une par une. Le modèle de prompt est juste en dessous.

Posons clairement, ici, ce qu’on confie à l’IA et ce que l’humain doit absolument décider.

Étape	Confié à l’IA	Décidé par l’humain
Mise au propre des notes	Dépliage des abréviations, mise en tableau, signalement des oublis	Vérification finale du dépliage quand l’abréviation est propre à l’entreprise
Affectation des tournées	Tri des candidats, liste des camions disponibles	Quel camion sur quel tour : décision finale
Rédaction des messages	Brouillon pour le chauffeur et pour le client	Vérification des faits avant d’appuyer sur « envoyer »
Enregistrement du réalisé	Uniformisation du format, recopie	Recoupement des chiffres et des horaires

L’humain garde la décision d’affectation. Ne lâchez jamais ce point. L’IA vous dira bien que « le retour du drop de Corbeil est à vide », mais ce qu’on charge sur ce camion vide pour que ça soit rentable, seul celui qui connaît la relation client et le tarif peut le décider.

Cas d’usage 2 : préparer le brouillon des réponses aux clients

Le deuxième cas, c’est la réponse aux clients. « Cette livraison, elle est où ? », « on peut décaler l’enlèvement d’une heure ? » — rédiger ça à partir de zéro prend, mine de rien, du temps.

Ici, on fait apprendre à l’IA quelques questions fréquentes avec leurs réponses, et quand une nouvelle question arrive, elle sort un brouillon. C’est l’humain qui décide d’envoyer ou non.

Avec une checklist, le résultat reste stable.

A-t-on fait résumer la question en une ligne ?
Le brouillon de réponse contient-il les faits (horaire, lieu, numéro de tour) ?
Ces faits collent-ils au planning et au système ? (c’est l’humain qui vérifie)
Aucune donnée à ne pas divulguer (nom du client, numéro de téléphone) ne s’est glissée dans le texte ?
A-t-on relu une dernière fois sous le nom du responsable avant l’envoi ?

Les points 3 et 4, c’est l’humain qui les fait, absolument. L’IA écrira « arrivée vers 14 h » avec un bel aplomb, mais si ce 14 h est exact, l’IA n’en sait rien.

Cas d’usage 3 : la double vérification du planning

Le troisième usage : faire relire le planning fini pour vérifier « s’il ne manque rien ». On repère mal ses propres erreurs. Date oubliée, un même chauffeur à deux endroits à la même heure, un retour laissé en blanc. Ce genre de contrôle mécanique, l’IA le rattrape quand on lui fait passer le planning.

Là encore, elle ne décide rien. On lui fait pointer « le chauffeur 7 a deux courses à 9 h et 9 h 30, c’est géographiquement impossible, non ? », et c’est l’humain qui corrige. Rien que ça réduit fortement l’« erreur de copier-coller » évoquée plus haut.

Modèles de prompts prêts à copier-coller

En voici trois, utilisables tels quels. Remplacez le nom de la société et la table des abréviations par les vôtres.

Modèle 1 : transformer les notes en abrégé en tableau.

Tu es l'assistant de planification d'une entreprise de transport.
Mets les notes de tournée suivantes sous forme de tableau.
Colonnes : « tonnage / tour / lieu d'enlèvement / type de marchandise / retour / point à clarifier ».
Déplie les abréviations comme des termes courants du transport ;
mets dans « point à clarifier » tout ce que tu ne peux pas trancher.
N'affecte pas de tournée de ton propre chef, n'ajoute aucun tour non écrit.

Notes :
(coller ici les notes en abrégé)

Modèle 2 : brouillon de réponse à une question client.

Tu es le rédacteur des brouillons du service client d'une entreprise de transport.
Rédige un brouillon de réponse poli mais concis à la question suivante.
Là où il faut un fait (horaire, lieu...), n'affirme rien : laisse un
marqueur du type « [À VÉRIFIER : heure d'arrivée] ». N'invente aucun fait.

Question :
(coller ici le contenu de la question)

Modèle 3 : double vérification du planning.

Examine le planning suivant et signale uniquement les incohérences, en liste à puces.
Regarde : « chevauchement horaire d'un même chauffeur »,
« impossibilité géographique entre lieu et heure d'enlèvement »,
« retour laissé en blanc », « incohérence de date ou de numéro de tour ».
Il n'est pas nécessaire de reconstruire la planification. Signale, c'est tout.

Planning :
(coller ici le planning)

Script de contrôle : convertir les notes en abrégé en données tabulaires

Vérifier le résultat du prompt à la main à chaque fois, c’est lourd. Voici donc un petit script qui transforme les notes en données structurées et contrôle les oublis automatiquement. Il tourne dès que Node.js est installé. Il lit la sortie de l’IA (au format tabulé) et signale les lignes où il reste un point à clarifier — un outil modeste, mais efficace.

import { readFileSync } from "node:fs";

// On demande à l'IA de répondre en colonnes tabulées :
// "tonnage\ttour\tlieu\tmarchandise\tretour\tà clarifier"
const raw = readFileSync(process.argv[2] ?? "tournees.tsv", "utf8");
const cols = ["tonnage", "tour", "lieu", "marchandise", "retour", "à clarifier"];

const rows = raw
  .trim()
  .split("\n")
  .map((line) => line.split("\t"))
  .map((cells) => Object.fromEntries(cols.map((c, i) => [c, (cells[i] ?? "").trim()])));

let warnings = 0;
for (const [idx, r] of rows.entries()) {
  const n = idx + 1;
  if (!r["lieu"]) { console.log(`Ligne ${n} : lieu d'enlèvement vide`); warnings++; }
  if (!r["tonnage"]) { console.log(`Ligne ${n} : tonnage vide`); warnings++; }
  if (r["à clarifier"]) { console.log(`Ligne ${n} : à vérifier -> ${r["à clarifier"]}`); warnings++; }
}

console.log(`---\n${warnings} point(s) à vérifier sur ${rows.length} ligne(s)`);
if (warnings > 0) process.exitCode = 1;

L’exécution tient en une ligne.

node check-tournees.mjs tournees.tsv

Cela arrête les accidents du type « un point à clarifier passe dans le planning sans avoir été levé ». Dès qu’il reste un seul point à vérifier, le code de sortie passe à 1 : intégré à un flux automatique, cela force le contrôle humain.

Avant et après la mise en place

Les chiffres rendent l’effet évident. Ce sont des repères par planificateur.

Tâche	Avant	Après
Mise au propre des notes	40 min le matin	environ 10 min (coller + vérifier)
Rédaction des réponses clients	5 min par message	1 à 2 min (brouillon + retouche)
Recherche d’erreurs au planning	erreur découverte trop tard	signalement immédiat

Si on gagne 30 min sur la mise au propre et 3 min sur chacune de 20 questions, ça fait grosso modo 90 min par jour. Sur 20 jours ouvrés, environ 30 heures libérées par mois. À supposer un coût horaire du planificateur de 25 euros, cela représente près de 750 euros par mois. Même en retranchant le temps de mise en place, dégager quelques centaines d’euros mensuels me paraît une ligne réaliste.

Ce qu’on fait du temps libéré dépend de l’entreprise, mais sur les terrains que j’ai vus, le plus précieux a été de pouvoir le rendre au « temps où l’ancien forme le nouveau à ses côtés ».

Sécurité et données personnelles

Pour une entreprise de transport et logistique, ce point est incontournable. Les notes de tournée contiennent le nom de la société cliente, l’adresse de livraison, le nom du chauffeur, la plaque du véhicule, parfois jusqu’au contenu du chargement. Ce sont des données personnelles et commerciales à part entière.

Respectez au minimum ceci.

L’entreprise décide d’abord « quel service d’IA générative, sous quel abonnement, est autorisé pour le travail ». On ne colle pas de données professionnelles dans un compte gratuit personnel
Avant de passer un nom de client, un nom de personne ou un numéro de téléphone à l’IA, on anonymise : « société A », « contact B ». Glisser une étape de remplacement juste avant le script ci-dessus rend l’opération plus sûre
On vérifie que le réglage ou le contrat garantit que les données saisies ne servent pas à l’entraînement
On n’envoie jamais la sortie telle quelle à l’extérieur. En même temps que la vérification des faits, un humain contrôle qu’aucune donnée personnelle ne s’y est glissée

L’approche de l’anonymisation et l’écriture des règles se travaillent avec la conception de l’usage interne. La méthode pour faire mémoriser des règles à Claude Code est dans claude-md-best-practices, et le chemin pour qu’un non-développeur démarre en sécurité est dans claude-code-for-non-engineers. Pour le tout premier pas, claude-code-getting-started-guide se lit facilement. Comme référence, la page de la CNIL sur les données personnelles mérite une lecture pour cadrer vos critères.

FAQ

Q. Peut-on confier toute la planification à l’IA ? Non. On lui confie la mise en forme, le brouillon et le signalement, rien de plus. Quel camion sur quel tour, c’est un jugement qui mêle tarif, relation client et même la forme du chauffeur — trop de paramètres que l’IA ignore. Gardez la décision côté humain.

Q. Comprend-elle nos abréviations et nos règles maison ? Pas telles quelles. Il faut lui fournir la table des abréviations dans le prompt, ou regrouper les règles internes dans un fichier qu’on lui fait lire à chaque fois. Pour la méthode, claude-code-prompt-engineering-advanced est un bon point de départ.

Q. Un planificateur peu à l’aise avec l’informatique peut-il s’en servir ? Si c’est juste coller un prompt et vérifier le résultat, ce n’est pas difficile. Commencez par l’usage en copier-coller, puis automatisez avec le script une fois à l’aise. Les astuces du quotidien sont dans claude-code-productivity-tips.

Q. Combien coûte la mise en place ? L’usage de l’IA générative démarre à quelques euros par mois. Le gros poste n’est pas le coût, mais le temps d’« écriture des règles internes » : sauter cette étape laisse un risque d’incident sur les données personnelles.

Ce que ça donne en pratique

J’ai fabriqué de mon côté 15 notes en abrégé fictives et 10 questions clients, et j’ai fait tourner tout ce flux.

Pour les notes, après mise en tableau avec le modèle 1, je les ai passées au script de contrôle : 3 lignes ont déclenché les alertes « lieu d’enlèvement vide » et « retour non renseigné ». C’étaient de vrais oublis des notes d’origine, des points que j’avais ratés à l’œil nu. Le gardien mécanique les a rattrapés.

Pour les brouillons de réponse, le modèle 2 a bien laissé le marqueur « [À VÉRIFIER : heure d’arrivée] ». Même en posant la question de façon tordue pour le pousser à affirmer un fait, il n’a pas inventé d’horaire — un bon point rassurant.

J’ai aussi noté une limite. Les abréviations propres à l’entreprise — par exemple un code qui désigne notre entrepôt — partent sagement vers « point à clarifier » tant qu’on ne fournit pas la table de correspondance. C’est en fait le bon comportement : plus sûr qu’une supposition hasardeuse.

Au final, en gardant la décision de planification côté humain comme toujours, et en confiant à l’IA le « mettre en forme, rédiger, signaler les oublis » en amont, les corvées s’allègent nettement. C’est mon ressenti actuel. Si vous voulez cadrer la mise en place à l’échelle de l’entreprise, à partir des règles d’usage, la formation et le conseil permettent de bâtir ensemble une démarche adaptée à votre terrain.