Le fret vaut plus qu’avant, et il est frappé plus durement. Verisk CargoNet évalue les pertes liées au vol de fret en 2025 à près de 725 millions de dollars, en hausse de 60 pour cent sur 2024, avec une valeur moyenne par vol en progression de 36 pour cent, à 273 990 dollars. Le volume global de la délinquance dans la chaîne logistique, lui, a à peine bougé. Les voleurs sont simplement devenus plus sélectifs sur les remorques qu’ils ouvrent.
Les chargeurs ont répondu en achetant de la visibilité, et l’essentiel de ce qu’ils ont acheté, c’est une carte. Des traceurs, un dashboard, une ligne sur une carte. Cela tient jusqu’à ce que la marchandise entre dans une boîte en acier, où les coordonnées cessent d’arriver et où la carte cesse de servir. Et cela répond à une question qui compte rarement une fois que quelque chose a mal tourné. Personne ne déclare un sinistre pour l’endroit où était son expédition. On le déclare pour ce qui lui est arrivé.
L’occasion se trouve dans les données que la plupart des exploitations collectent déjà et ignorent le plus souvent. Une expédition laisse une empreinte sur tout le parcours : jusqu’où la température est montée et à quelle vitesse, si le conteneur a été exposé à la lumière à un moment, combien d’heures il a roulé et combien il a stationné sur un parc. Ce relevé survit aux coupures de connectivité. Bien lu, il vous dit quand le problème a commencé, ce qui l’a provoqué et quelle expédition de votre tableau mérite votre attention en premier.
Cet article porte sur cette lecture : reconstituer un trajet, prévoir une arrivée et repérer une fraude à partir des données de condition plutôt que des coordonnées.
L’acier bloque le GPS, et aucun firmware n’y changera rien
Un conteneur en acier chargé est une cage de Faraday partielle, et le GPS est déjà un signal faible au départ. Les signaux satellitaires arrivent au sol tout près du plancher de bruit, et quelques millimètres de tôle ondulée suffisent à les éteindre. Empilez ce conteneur en troisième hauteur dans la cale d’un navire et le récepteur n’a plus rien à se mettre sous la dent.
Le placement aide à la marge. Les joints de porte et les ouvertures de ventilation laissent fuir de l’énergie radio, si bien qu’un traceur monté en haut du renfoncement de porte tient mieux le point qu’un boîtier enfoui dans la charge. Cela ne règle pas le problème. Sur un segment maritime ou multimodal, prévoyez des trous qui se comptent en heures ou en jours.
Aucune mise à jour de firmware ne vient à bout de l’acier. La vraie question de conception : que faites-vous des signaux qui, eux, fonctionnent toujours ?
Les signaux qui continuent de parler dans la boîte
La température, la lumière ambiante et le mouvement n’ont besoin d’aucun satellite. Ils continuent de remonter depuis l’intérieur du conteneur et, ensemble, ils portent l’essentiel du récit opérationnel.
| Signal | Ce qu’il vous dit | Ce qu’il ne peut pas dire |
|---|---|---|
| Température | Quand l’excursion a commencé, à quelle vitesse elle s’est installée, si la cause est une porte ou un groupe défaillant | Où se trouvait l’expédition |
| Lumière ambiante | Un conteneur scellé est noir. De la lumière veut dire qu’il a été ouvert, ou que le scellé est compromis | Qui a ouvert, ni si c’était autorisé |
| Mouvement et inclinaison | En roulage ou à l’arrêt, temps d’immobilisation à chaque étape, manutention brutale, changements d’orientation | Sur quel parc il stationne |
Le Minew MTB04 réunit tout cela dans une seule étiquette adhésive, avec une mémoire embarquée pour que les relevés survivent aux coupures de connectivité au lieu d’y disparaître. Ce dernier détail pèse plus lourd qu’il n’en a l’air : un boîtier avec tampon vous donne un relevé de condition continu même quand l’historique de position est criblé de trous.
Comment savoir qu’un conteneur a été ouvert sans point GPS ?
En croisant les signaux plutôt qu’en se fiant à un seul. Un événement lumineux isolé est une preuve faible. Un événement lumineux pendant que le mouvement indique “à l’arrêt”, en dehors de toute fenêtre d’étape planifiée, suivi quelques minutes plus tard d’une marche de température, devient une affirmation précise sur laquelle vous pouvez agir.
Cela compte parce que les scellés physiques ne sont pas le contrôle que l’on imagine. Les voleurs retirent les axes de charnière et font pivoter la porte du côté des gonds, sans toucher au scellé à boulon. Les papiers disent : intact. Le capteur de lumière dit le contraire.
Ce qu’il faut coder, c’est une règle, pas un seuil : lumière au-dessus du niveau de référence, mouvement sous le seuil de déplacement, horodatage en dehors des fenêtres d’étape prévues sur cette ligne. Chacun de ces critères pris isolément produit du bruit. Ensemble, ils produisent une liste courte qui mérite d’être vérifiée.
Estimer l’ETA à partir de l’avancement, pas de la position
L’arrivée se prédit à partir de l’avancement, ce qui rend une trace de position peu fiable bien moins handicapante qu’il n’y paraît. Les données qui portent le signal de l’ETA survivent aux trous :
- Le taux d’activité du mouvement, c’est-à-dire le rapport entre heures de roulage et heures d’arrêt sur ce segment, comparé à l’historique de la ligne
- Le temps d’immobilisation à chaque nœud, là où les plannings dérapent le plus souvent
- Les durées historiques du segment pour la même origine, la même destination, le même transporteur et la même saison
- Les points de localisation que vous obtenez malgré tout : entrée et sortie de terminal, arrivée au port et tout tronçon à ciel ouvert
TagoIO Analytics en fait une prévision sans écrire de code de ML. La prévision saisonnière s’appuie sur une décomposition MSTL avec un modèle ETS choisi automatiquement, de sorte que les cycles hebdomadaires et journaliers du comportement de transport soient modélisés au lieu d’être lissés par la moyenne. La prévision multivariée de la demande fait tourner Prophet alimenté par des prévisions de variables explicatives, quand vous voulez intégrer la météo ou la congestion portuaire au modèle. Le Temps avant seuil calcule sa propre prévision Holt-Winters ou AutoETS, y cherche le franchissement et publie une ETA en heures ainsi qu’un niveau de sévérité que vous configurez une fois pour toutes.
Les sorties arrivent sous forme de variables TagoIO ordinaires : valeurs de prévision avec bornes haute et basse, ETA, niveaux de sévérité. Rien ne change en aval. Les dashboards les tracent, les Actions se déclenchent dessus, et les portails TagoRUN les présentent à vos clients sous votre marque. Une ETA qui se corrige à chaque exécution du modèle vaut bien plus, pour un planificateur, qu’une punaise sur une carte figée depuis quatorze heures.
Comment la détection d’anomalies repère-t-elle la fraude au fret ?
En comparant une expédition au comportement normal appris plutôt qu’à une limite fixe. La fraude produit rarement un relevé franchement aberrant. Elle produit un motif qui ne correspond pas à la façon dont cette ligne se comporte d’habitude.
C’est le seul angle qui fonctionne sur la catégorie de perte qui progresse le plus vite. CargoNet pointe le vol par tromperie, où des chargements confiés à des transporteurs légitimes sont détournés, en contournant les contrôles bâtis autour du processus d’affrètement lui-même. La tromperie ne casse pas de scellé et ne fait sauter aucun seuil. Elle déplace la marchandise. Les vols de fret confirmés ont augmenté de 18 pour cent en 2025 alors même que le volume total de la délinquance restait stable, et c’est exactement à cela que ressemble, dans les chiffres, un basculement vers ce type de montage.
TagoIO Analytics découpe “quelque chose ne va pas” en questions, chacune avec son modèle :
- Ce relevé est-il inhabituel ? Un Isolation Forest note chaque relevé au regard du portrait global de la normale. Température dans la plage, lumière dans la plage, mouvement dans la plage, mais cette combinaison à 03h00 sur une ligne qui ne s’arrête jamais là : correcte prise élément par élément, aberrante prise dans son ensemble.
- De quel régime de fonctionnement s’agit-il ? K-Means apprend les régimes normaux de votre flotte et note chaque relevé selon sa distance au plus proche. Un segment qui ne correspond à aucun régime connu mérite un coup d’œil.
- Quelle unité sort du lot ? Le clustering par densité DBSCAN regroupe les expéditions qui se comportent pareil et signale celle qui n’appartient à aucun groupe. Quarante étiquettes sur la même ligne, une seule avec une signature de mouvement différente : c’est ainsi qu’apparaissent les détournements et les substitutions d’unités.
- Est-ce que quelque chose se dégrade lentement ? Une carte de contrôle EWMA suivie contre une ligne de base saisonnière attrape la dérive lente qui met en échec les seuils fixes. C’est celle qui repère un reefer que l’on maintient sous perfusion pendant des semaines avant qu’une limite de conformité ne soit franchie.
Rien de tout cela n’exige un historique de fraudes annoté. Les modèles s’entraînent sur la télémétrie déjà présente dans les buckets de vos appareils.
L’analyse a posteriori donne la cause, pas seulement l’alarme
Une alerte en temps réel dit que la température a dépassé 8°C. L’analyse a posteriori dit laquelle de deux défaillances très différentes s’est produite.
Une porte ouverte produit une marche : montée franche, puis retour exponentiel dès que la porte se referme. Un groupe frigorifique défaillant produit une dérive : lente, monotone, sans retour. Les deux déclenchent la même alarme de conformité. Une seule est imputable au transporteur, et la forme de la fenêtre d’anomalie vous dit laquelle. Cette distinction fait la différence entre encaisser la perte et se la faire rembourser.
La même reconstitution alimente les dossiers de sinistre avec des preuves horodatées, les registres de chaîne de responsabilité pour les marchandises réglementées, les scorecards par transporteur et par ligne bâtis sur l’historique d’immobilisation et d’excursions, et une analyse de cause racine qui se conclut par une correction précise plutôt que par un haussement d’épaules.
Les mêmes modèles sur des actifs qui ne bougent jamais
Les distributeurs automatiques, les équipements fixes et les installations à poste sont le cas facile. La localisation est déjà connue, donc toute la valeur tient dans les données de condition.
Du mouvement là où il ne devrait pas y en avoir signale un enlèvement ou une manipulation. De la lumière dans une armoire fermée signale un accès. Une tendance de température sur un groupe froid renseigne sur la santé du compresseur, et le Temps avant seuil convertit cette tendance en nombre de jours avant le franchissement, soit une fenêtre de maintenance au lieu d’un appel de client mécontent. Mêmes modèles, même assistant, aucune localisation requise.
Ce qu’il faut pour le construire
Le Minew MTB04 assure la mesure et la remontée. TagoIO ingère le payload, conserve l’historique et fait tourner les modèles. La configuration d’Analytics passe par un assistant guidé : choisir les appareils, choisir les signaux, définir le comportement attendu du modèle, installer. Tout ce qui vient après, c’est la plateforme que vous avez déjà, puisque les dashboards, les Actions, l’API et les portails en marque blanche consomment les prédictions exactement comme des relevés de capteur.
Commencez par TagoIO Analytics pour les modèles et par TagoIO pour la logistique pour les dashboards, le geofencing et les intégrations autour. Le plan gratuit vous donne 5 appareils et 5 dashboards, de quoi brancher une étiquette et voir apparaître la première prévision.
Questions fréquentes
Les traceurs GPS fonctionnent-ils dans les conteneurs maritimes ?
Pas de façon fiable. Un conteneur en acier chargé se comporte comme une cage de Faraday partielle et bloque le faible signal GPS. Les traceurs montés en haut du renfoncement de porte, près des joints ou des ouvertures de ventilation, tiennent mieux le point que les boîtiers enfouis dans la charge, mais des trous de plusieurs jours sur les segments maritimes et multimodaux sont la norme. Les capteurs de condition comme la température, la lumière et le mouvement continuent de remonter quoi qu’il arrive.
Comment savoir si un conteneur maritime a été ouvert pendant le transport ?
Un conteneur scellé est noir à l’intérieur, donc tout relevé de lumière ambiante au-dessus du niveau de référence indique qu’il a été ouvert ou que le scellé est compromis. La lumière seule reste une preuve faible. Croisez-la avec l’état de mouvement et les fenêtres d’étape planifiées sur cette ligne. De la lumière à l’arrêt et en dehors d’une étape prévue, voilà le motif qui mérite vérification, et il attrape aussi l’entrée par les charnières, qui laisse le scellé à boulon intact.
Peut-on prédire l’ETA d’une expédition sans suivi GPS continu ?
Oui. L’ETA vient de l’avancement, pas de la position : taux d’activité du mouvement, temps d’immobilisation à chaque nœud, durées historiques du segment sur cette ligne et les points de position que vous obtenez aux terminaux et aux ports. TagoIO Analytics prévoit la tendance avec MSTL plus AutoETS, et le Temps avant seuil cherche le franchissement d’arrivée dans une prévision Holt-Winters ou AutoETS, puis publie une ETA et un niveau de sévérité sous forme de variables.
Qu’est-ce que la détection d’anomalies dans le suivi du fret ?
C’est noter une expédition par rapport à un comportement normal appris plutôt que par rapport à des seuils fixes. TagoIO utilise Isolation Forest pour les combinaisons de relevés inhabituelles, K-Means pour l’écart au régime de fonctionnement, DBSCAN pour la comparaison entre expéditions d’une même ligne et une carte de contrôle EWMA pour la dérive lente. Les sorties sont un score d’anomalie, un indicateur sur lequel vous pouvez alarmer, et des fenêtres d’anomalie avec heure de début et de fin.
Comment détecter la fraude au fret avec des capteurs IoT ?
En cherchant des motifs plutôt que des relevés isolément mauvais. Un détournement apparaît comme une signature de mouvement et d’immobilisation différente de celle des autres expéditions de la même ligne. Une manipulation apparaît comme des événements lumineux hors des étapes planifiées. Une dégradation lente qui reste sous tous les seuils fixes apparaît comme une dérive contre une ligne de base saisonnière. La comparaison entre expéditions comparables et la détection de dérive attrapent ces cas sans le moindre historique de fraudes annoté.
Combien d’historique de capteurs faut-il avant que les modèles servent à quelque chose ?
Entraînez sur trois à quatre fois plus d’historique que la portée que vous voulez prédire : une prévision à un mois demande trois à quatre mois de données. Les modèles saisonniers ont besoin d’au moins deux cycles complets du motif qu’ils apprennent. L’assistant de configuration TagoIO vérifie votre fenêtre et vous prévient quand elle est trop courte.
Peut-on surveiller avec cela des actifs fixes comme des distributeurs automatiques ?
Oui, et la localisation devient sans objet. Du mouvement là où on n’en attend aucun indique un enlèvement ou une manipulation, de la lumière dans une armoire fermée indique un accès, et la tendance de température renseigne sur la santé du groupe froid. Le Temps avant seuil traduit cette tendance en nombre de jours avant le franchissement, ce qui transforme une panne en maintenance planifiée.
Minew construit la couche capteurs. TagoIO est la couche applicative qui connecte, stocke, modélise et restitue. Voyez l’étiquette MTB04 sur le site de Minew, et TagoIO Analytics pour les modèles décrits ici.
