Robot Vayu One : l’IA accélère la livraison alimentaire

100 livres de charge utile, 32 km/h et une navigation en piste cyclable sans lidar : sur le papier, le robot livreur Vayu One ressemble moins à un gadget de trottoir qu’à un véritable maillon logistique. Et c’est précisément pour ça que le sujet dépasse la “food delivery” urbaine.

Dans notre série « Intelligence artificielle dans l’industrie manufacturière », on parle souvent de maintenance prédictive, de robotique d’atelier, de contrôle qualité. Pourtant, une grande partie de la valeur (et des pertes) se joue entre l’usine et le consommateur. La réalité ? Une supply chain agroalimentaire peut produire parfaitement… et perdre de l’argent à cause d’une préparation de commandes lente, d’un dernier kilomètre inefficace, ou d’un taux de casse trop élevé.

Le Vayu One est intéressant parce qu’il met en lumière une tendance de fond : l’IA s’étend du champ à l’assiette, et la logistique devient un terrain d’automatisation aussi stratégique que la production.

Pourquoi la livraison autonome devient un sujet “agro” (pas juste urbain)

La livraison autonome n’est pas seulement une question de confort pour les consommateurs. C’est une question de performance industrielle : coûts, délais, qualité, traçabilité.

Dans l’agroalimentaire, le “dernier kilomètre” pèse lourd pour trois raisons :

• Contraintes de température : le froid se paie en énergie, en emballage, en retours.
• Fenêtres de livraison serrées : la promesse « livré en 30 minutes » force des micro-stocks, donc plus de complexité.
• Périssabilité : chaque minute de plus augmente le risque de déclassement, de gaspillage, ou de litiges.

Le parallèle avec l’agriculture de précision est direct : capteurs, modèles, décisions rapides. Sur une ferme, l’IA sert à appliquer la bonne dose au bon endroit. En livraison, l’IA sert à faire passer le bon colis au bon moment par le bon itinéraire, avec le minimum de manipulations.

Phrase à retenir : si l’IA optimise la production, elle doit aussi optimiser la distribution — sinon on déplace juste les inefficacités.

Vayu One : ce qui change par rapport aux petits robots de trottoir

Les robots de livraison “classiques” qui roulent sur les trottoirs ont prouvé qu’ils pouvaient fonctionner… mais avec des limites claires : charge utile faible, vitesse réduite, rayon d’action court, interaction fréquente avec les piétons.

Le Vayu One prend une autre direction : il quitte le trottoir pour la piste cyclable.

Un format et des performances plus proches de la logistique

Selon les informations disponibles, le Vayu One :

• transporte jusqu’à 100 livres (environ 45 kg),
• roule jusqu’à 20 mph (environ 32 km/h),
• adopte un gabarit comparable à un vélo cargo (environ 1 m de large).

Pourquoi c’est important ? Parce que le coût par livraison ne dépend pas seulement de l’autonomie. Il dépend de la quantité transportée, de la vitesse, du nombre d’arrêts et du temps de chargement/déchargement. Avec 45 kg, on commence à parler de tournées plus “rentables” (plusieurs commandes, ou une commande plus volumineuse).

Navigation : le choix “sans lidar” et le pari logiciel

Vayu indique utiliser un modèle basé sur des transformers (probablement une approche type vision + langage / vision + planification) et un ensemble de capteurs passifs pour se passer de lidar.

Concrètement, cela renvoie à deux idées industrielles :

1. Réduire le coût matériel : le lidar peut être coûteux à l’achat et à maintenir.
2. Mettre la valeur dans le logiciel : perception, compréhension de scène, prédiction de trajectoires, gestion d’incertitude.

Dans l’industrie manufacturière, on voit le même mouvement : moins de capteurs “exotiques”, plus de modèles qui tirent parti de caméras et de données opérationnelles. Ça simplifie la maintenance et accélère le déploiement multi-sites.

L’autonomie ne suffit pas : il faut automatiser la manutention

Un détail souvent sous-estimé dans la robotique de livraison : le temps perdu à charger/décharger. Le Vayu One met en avant un mécanisme de déchargement automatique et des interactions en magasin (commande vocale, déplacement autonome dans l’environnement).

Mon point de vue : la victoire se joue là. Beaucoup d’automatisations échouent non pas sur l’algorithme de navigation, mais sur les “petites” étapes :

• qui ouvre/ferme le compartiment ?
• qui scanne, qui vérifie, qui sécurise ?
• que se passe-t-il en cas de substitution d’article ?

Automatiser ces micro-process réduit les coûts, mais surtout stabilise la qualité de service.

Ce que ça dit de l’IA “de bout en bout” : du champ à l’assiette

On a tendance à compartimenter : IA en agriculture d’un côté, IA en logistique de l’autre. Dans la vraie vie, les gains s’additionnent uniquement si les systèmes se parlent.

Même logique que l’agriculture de précision : percevoir → décider → agir

Le triptyque est identique :

1. Percevoir (caméras, capteurs, données de contexte)
2. Décider (modèle, règles métier, arbitrages)
3. Agir (robot, itinéraire, plan de charge)

Sur une exploitation, “agir” peut vouloir dire moduler l’irrigation. Dans la ville, “agir” veut dire se repositionner, choisir une piste cyclable plutôt qu’un trottoir, gérer une intersection, s’arrêter au bon endroit.

Le point commun : l’environnement est incertain. Il y a des humains, des imprévus, des exceptions. Les solutions efficaces sont celles qui prévoient un mode dégradé : arrêt sécurisé, reprise, téléassistance, et remontée d’incidents.

Moins de gaspillage : l’impact caché de la vitesse et de la précision

La réduction du gaspillage ne vient pas uniquement de la production agricole. Elle vient aussi de :

• moins de retards → moins de ruptures de chaîne du froid,
• moins de manipulations → moins de casse,
• meilleure prédictibilité → meilleure planification des stocks.

Un robot plus rapide et plus régulier n’est pas qu’un “plus” marketing. C’est un outil de qualité opérationnelle, comparable à un système de contrôle qualité en ligne dans une usine.

Déploiement réel : réglementation, sécurité et opérationnel

Mettre un robot sur un trottoir est déjà complexe. Le mettre sur une voie publique, même en piste cyclable, monte d’un cran.

Autorisations : le vrai goulot d’étranglement

Vayu affirme avoir obtenu des accords pour opérer sur certaines routes publiques dans certaines villes. C’est un signal fort : la technologie seule ne crée pas le marché. Le marché se crée quand la ville, l’assureur, le gestionnaire de flotte et l’opérateur trouvent un cadre acceptable.

Pour une entreprise agroalimentaire ou un distributeur, la question à poser n’est pas “le robot fonctionne-t-il ?” mais :

• Dans quelles zones peut-il rouler, à quelles heures ?
• Qui est responsable en cas d’incident ?
• Quelle procédure d’arrêt d’urgence et de reprise ?
• Quelle preuve de conformité et de cybersécurité ?

Les magasins et entrepôts : terrains d’IA très concrets

Le robot peut aussi se déplacer dans des environnements “semi-structurés” comme un magasin. Là, on touche au cœur de l’IA appliquée à l’agroalimentaire : préparation de commandes, micro-fulfillment, zones froides.

Les cas d’usage où j’ai vu les meilleurs ROI (humains + robots + IA) partagent trois caractéristiques :

1. Process simple et répétable (ex. tournées fixes, zones dédiées)
2. Mesures de performance claires (temps de cycle, taux d’erreur, casse)
3. Intégration SI solide (WMS/OMS, traçabilité, inventaire)

Comment évaluer un projet de livraison autonome (check-list terrain)

Si vous êtes industriel, distributeur, ou acteur agroalimentaire au Canada et que vous regardez ces technologies pour générer des gains (et pas juste faire une démonstration), voici une grille pragmatique.

1) Mesurez le problème avant de mesurer le robot

Commencez par 30 jours de données :

• coût par commande livrée,
• temps de préparation vs temps de transport,
• taux de retours et motifs,
• incidents “dernier mètre” (accès, attente, client absent).

Sans ça, vous ne saurez pas si l’autonomie améliore vraiment le KPI qui compte.

2) Traitez la livraison comme une flotte industrielle

Une flotte autonome, c’est de la fabrication + de l’exploitation :

• maintenance préventive (batteries, freins, roues),
• disponibilité (uptime),
• gestion des pièces,
• diagnostic à distance.

Dans notre série sur l’IA manufacturière, c’est exactement le même sujet que l’usine : la performance vient de l’exploitation, pas de la démo.

3) Exigez un plan d’exception (pas seulement un plan “happy path”)

Posez noir sur blanc :

• que fait le robot si la piste cyclable est bloquée ?
• que fait-il si un capteur est en défaut ?
• comment gère-t-il la pluie, la neige, le sel (réalité canadienne) ?
• quelle part de téléopération est nécessaire, et à quel coût ?

4) Calculez le ROI avec des hypothèses réalistes

Le ROI crédible inclut :

• coût de flotte (CAPEX/OPEX),
• supervision humaine,
• assurance,
• infrastructure de charge,
• intégration logicielle,
• dépréciation et pièces.

Un robot “pas cher” qui exige une supervision constante coûte souvent plus qu’un service bien opéré.

Ce que Vayu One annonce pour 2026 : une logistique agroalimentaire plus automatisée

Vayu parle d’un accord de déploiement massif (jusqu’à 2 500 robots). Si ce type de volume se confirme dans le marché, on verra deux effets rapides :

• standardisation des pratiques (maintenance, procédures, sécurité),
• pression sur les délais dans la livraison alimentaire, surtout en zones urbaines denses.

Pour l’agroalimentaire, c’est une opportunité… et un avertissement. Opportunité, car l’IA peut réduire coûts et gaspillage sur le dernier kilomètre. Avertissement, car les marques qui n’investissent pas dans la donnée (prévisions, stock, qualité, traçabilité) auront du mal à suivre le rythme.

Si vous travaillez déjà sur la robotique en entrepôt, la maintenance prédictive, ou le contrôle qualité, la prochaine étape logique est de regarder l’IA logistique comme une extension de votre chaîne industrielle.

La question qui reste, et qui mérite d’être posée dès maintenant : dans votre chaîne “du champ à l’assiette”, à quel endroit l’automatisation crée-t-elle le plus de valeur — et où crée-t-elle le plus de risques ?