AGV et AMR dans l'industrie : navigation IoT, architecture et intégration ERP

AGV et AMR dans l’industrie : navigation autonome, orchestration IoT et intégration ERP pour la logistique 4.0

La logistique interne des sites industriels et des entrepôts connaît une transformation profonde. Les chariots manuels et les convoyeurs fixes laissent progressivement place à des flottes de véhicules autonomes capables de transporter des charges, d’éviter les obstacles et de communiquer en temps réel avec les systèmes d’information de l’entreprise. AGV (Automated Guided Vehicles) et AMR (Autonomous Mobile Robots) ne sont pas de simples engins roulants : ce sont des systèmes cyber-physiques complexes dont la performance repose sur l’intégration de multiples technologies — navigation, IoT, contrôle-commande et connectivité aux ERP.

Cet article détaille l’architecture technique des solutions AGV/AMR, les protocoles de communication industriel, les stratégies de navigation, et les clés d’une intégration réussie dans le système d’information de l’entreprise. Il s’adresse aux directeurs industriels, chefs de projet automatisme et CTO qui évaluent ces technologies pour leurs opérations.

AGV vs AMR : comprendre les différences architecturales

Avant d’aborder les aspects techniques, il est essentiel de distinguer deux catégories de robots mobiles qui répondent à des besoins différents.

AGV : guidage par infrastructure

Les AGV (Automated Guided Vehicles) se déplacent sur des trajectoires prédéfinies matérialisées par des marqueurs physiques — bandes magnétiques, fils inductifs, rubans réfléchissants ou transpondeurs enterrés. Leur système de navigation est déterministe : le robot suit un chemin fixe, s’arrête à des points précis, et ne prend pas de décision autonome face à l’imprévu. Si un obstacle bloque la trajectoire, l’AGV s’arrête et attend qu’il soit retiré.

Architecture typique d’un AGV :

Contrôleur embarqué : microcontrôleur 32 bits (STM32, ESP32) ou automate compact (PLC) pour l’exécution du chemin
Guidage : capteurs magnétiques, laser line-following, ou induction pour le suivi de piste
Sécurité : scanner laser SICK/Keyence pour la détection d’obstacles avec arrêt d’urgence
Communication : Wi-Fi industriel (2.4 GHz) ou UHF pour la supervision
Supervision : système centralisé (traffic manager) qui gère les intersections et les priorités

AMR : navigation autonome sans infrastructure

Les AMR (Autonomous Mobile Robots) représentent un saut technologique. Ils ne nécessitent aucun marqueur physique : ils construisent une carte de l’environnement en temps réel, localisent leur position à l’intérieur de cette carte, et planifient dynamiquement leur trajectoire pour atteindre leur destination. Si un obstacle imprévu (palette déplacée, piéton, chariot élévateur) bloque le chemin, l’AMR recalcule un itinéraire alternatif sans intervention humaine.

Architecture type d’un AMR industriel :

Calculateur principal : NVIDIA Jetson (Orin/TX2) ou Intel NUC, exécutant ROS 2 (Humble/Iron)
Fusion de capteurs : LiDAR 2D/3D pour la cartographie SLAM, caméra stéréo pour la détection d’obstacles, IMU pour l’odométrie, encodeurs roues pour la mesure de déplacement
Localisation : SLAM adaptatif (Cartographer, RTAB-Map, ou ORB-SLAM3) avec mise à jour en continu de la carte
Planification de mouvement : Nav2 (ROS 2) avec A* ou Dijkstra pour le global planner, DWA ou TEB pour le local planner
Sécurité : double circuit redondant (scanner laser PLd + boutons d’arrêt d’urgence matériels) conformément à la norme ISO 13849
Connectivité : Wi-Fi 5/6 (5 GHz) avec handover seamless, 4G/5G pour le suivi à distance
Communication : MQTT ou OPC UA pour la télésupervision, API REST pour l’intégration ERP

Navigation autonome : les technologies fondamentales

La capacité d’un AMR à se déplacer sans intervention humaine repose sur trois briques technologiques qui fonctionnent en boucle fermée à une fréquence de 10 à 50 Hz.

Localisation : où suis-je ?

Contrairement aux AGV qui connaissent leur position par comptage d’impulsions sur une bande magnétique, les AMR utilisent le SLAM (Simultaneous Localization And Mapping) pour construire et maintenir une carte de l’environnement tout en s’y localisant.

Le SLAM 2D (basé LiDAR) est le standard industriel le plus répandu. Il offre une précision centimétrique (2-5 cm) et fonctionne dans des environnements structurés comme les entrepôts et les ateliers. Google Cartographer et RTAB-Map sont les implémentations les plus matures, avec une gestion efficace de la boucle de fermeture (loop closure) pour corriger la dérive d’odométrie.

Le SLAM 3D (basé LiDAR 3D ou caméra RGB-D) émerge dans les environnements complexes avec des rayonnages hauts, des sols irréguliers ou des espaces extérieurs semi-structurés. Il consomme davantage de ressources de calcul (GPU nécessaire) mais offre une robustesse accrue.

Pour les applications industrielles, un facteur critique est la stabilité de la carte de référence. Les ateliers de production évoluent : des palettes sont déplacées, des machines sont réinstallées, des zones de stockage temporaire apparaissent et disparaissent. Une carte SLAM figée devient rapidement obsolète. Les AMR avancés implémentent une mise à jour différentielle de la carte : les obstacles dynamiques sont marqués comme temporaires (couche de bruit), tandis que les changements permanents (nouveau mur, nouveau rayonnage) sont intégrés après validation.

Planification de trajectoire : comment y aller ?

Une fois localisé, l’AMR doit déterminer le chemin optimal vers sa destination. Cette fonction est assurée par le global planner, qui calcule une trajectoire à grande échelle, et le local planner, qui ajuste cette trajectoire à courte portée en fonction des obstacles dynamiques.

Le global planner utilise classiquement A* (A-star) sur une grille de coût, où chaque cellule de la carte est pondérée par un coût de passage. Les zones interdites (murs, machines) ont un coût infini, les zones recommandées (couloirs, allées de circulation) ont un coût faible. Dijkstra garantit le chemin le plus court mais explore plus de nœuds, ce qui le rend plus coûteux en calcul.

Le local planner ajuste la trajectoire en temps réel :

DWA (Dynamic Window Approach) : échantillonne les couples (vitesse linéaire, vitesse angulaire) accessibles dans la fenêtre dynamique (contraintes d’accélération et de freinage), évalue chaque échantillon selon des critères de progression vers l’objectif, d’évitement d’obstacle et de vitesse, et sélectionne le meilleur. Simple, efficace, mais peut rester bloqué dans des configurations en cul-de-sac.
TEB (Timed Elastic Band) : représente la trajectoire comme un « élastique » déformable entre la position actuelle et l’objectif, avec des contraintes de temps (durée du trajet), d’énergie (accélérations), de sécurité (distance aux obstacles). Plus flexible que DWA, il gère mieux les espaces étroits.
MPC (Model Predictive Control) : anticipe la trajectoire sur un horizon temporel (2-5 secondes) en résolvant un problème d’optimisation sous contraintes cinématiques et dynamiques. Utilisé sur les AMR les plus récents, il offre la meilleure fluidité de mouvement mais nécessite une puissance de calcul significative.

Détection et évitement d’obstacles

La couche de sécurité repose sur deux niveaux en cascade :

Sécurité primaire (matérielle) : scanners laser PLd (Performance Level d) conformes ISO 13849 et CEI 61496. Ces scanners sont câblés directement sur le circuit de sécurité et provoquent un arrêt d’urgence immédiat (catégorie 0, temps d’arrêt < 100 ms) si un obstacle pénètre dans la zone de protection. Ce niveau est obligatoire pour tout robot mobile industriel de plus de 200 kg ou évoluant en présence d’opérateurs.
Sécurité secondaire (logicielle) : l’algorithme de local planning intègre une couche d’évitement réactif. Contrairement à la sécurité primaire qui provoque un arrêt brutal, cette couche permet un contournement fluide. Les données des capteurs (LiDAR, caméra, ultrason) sont fusionnées dans un « costmap » local qui met à jour la grille de coût en temps réel.

Supervision IoT : l’orchestration des flottes

Un AGV ou AMR isolé a une utilité limitée. La valeur réelle émerge de la supervision et de l’orchestration d’une flotte entière. C’est là que l’IoT industriel entre en jeu.

Architecture de communication

La supervision des robots mobiles suit classiquement une architecture en trois couches :

Couche terrain (robot → passerelle) : chaque robot embarque un module de communication qui remonte en continu ses données télémétriques : position, vitesse, état de charge batterie, code erreur, charges transportées. Le protocole MQTT est privilégié pour sa légèreté, sa gestion des connexions intermittentes (QoS 1/2) et sa structure publish/subscribe qui facilite le découplage entre producteurs et consommateurs de données. La latence typique est de 50 à 200 ms sur Wi-Fi 5 GHz en environnement industriel.

Couche supervision (passerelle → contrôleur de flotte) : le contrôleur de flotte (fleet manager) centralise les données de l’ensemble des robots. Il assure :

L’allocation des missions : priorisation, affectation du robot le plus proche
La gestion du trafic : prévention des collisions aux intersections, zones à accès exclusif
La coordination multi-robots : synchronisation des livraisons, équilibrage de charge
La gestion des batteries : déclenchement des missions de recharge autonome
La remontée d’alertes : défaut moteur, batterie faible, obstacle persistant

Couche entreprise (contrôleur de flotte → ERP/WMS) : l’intégration au système d’information de l’entreprise est réalisée via des API REST ou des connecteurs OPC UA. Chaque mission (déplacement d’une palette du point A au point B) est traduite en tâche interprétable par le fleet manager. Les mises à jour de statut (livré, en transit, échoué) sont synchronisées avec l’ERP en temps réel.

Protocoles et standards

Protocole	Usage	Latence typique	Avantage principal
MQTT	Télémétrie robot, alertes, commandes	50-200 ms	Léger, QoS, pub/sub
OPC UA	Intégration supervision et ERP	100-500 ms	Sémantique standardisée, sécurité intégrée
HTTP/REST	API fleet manager, missions	200-1000 ms	Universalité, facilité d’intégration
VDA 5050	Standard communication AGV/AMR	100-300 ms	Interopérabilité multi-constructeurs

Le standard VDA 5050 (développé par l’association allemande de l’industrie automobile) mérite une attention particulière. C’est désormais le protocole de référence pour l’interopérabilité des flottes de robots mobiles en Europe. Il définit un modèle de données commun (état, position, charge, erreurs) et une interface MQTT standardisée. L’adoption de VDA 5050 permet de mixer des robots de différents fabricants dans une même flotte, supervisés par un seul contrôleur.

Intégration ERP et WMS : le maillon critique

L’intégration des AGV/AMR avec l’ERP (Enterprise Resource Planning) et le WMS (Warehouse Management System) est souvent le point le plus complexe du projet, et paradoxalement celui qui détermine le retour sur investissement.

Cas d’usage typique : approvisionnement de lignes de production

Scénario concret : un atelier d’assemblage reçoit ses composants depuis le stock central. Sans robot mobile, des caristes approvisionnent les lignes selon un planning fixe (tournée toutes les 2 heures), ce qui génère des ruptures ou des surstocks aux postes de travail.

Avec des AMR, le flux devient dynamique :

Le WMS détecte que le stock au poste de travail n°3 passe sous le seuil critique
Une mission d’approvisionnement est générée automatiquement via l’API REST du fleet manager
Le fleet manager sélectionne l’AMR le plus proche de la zone de picking, dont la batterie est suffisante
L’AMR navigue jusqu’à l’emplacement de picking, où un opérateur dépose les pièces sur son plateau
L’AMR rejoint le poste de travail n°3, évitant dynamiquement les obstacles sur son chemin
Le WMS confirme la réception et met à jour les stocks
L’ERP enregistre l’opération pour le calcul des coûts de production (time-driven activity-based costing)

Ce flux entièrement automatisé réduit les temps d’attente de 60 à 80 % par rapport à une tournée fixe, et supprime les erreurs de picking liées à la saisie manuelle.

Défis techniques d’intégration

L’intégration soulève plusieurs défis techniques :

Hétérogénéité des données : le WMS manipule des notions de stock, d’emplacement et d’ordre de préparation, tandis que l’AMR manipule des notions de position (x, y, θ), de mission (id, statut) et de charge (poids, dimensions). Une couche de mapping sémantique est nécessaire pour faire le lien entre un emplacement WMS (ex: « ALLÉE-A3-BAIL-05 ») et une coordonnées cartésiennes sur la carte SLAM.
Latence et fiabilité réseau : dans un environnement Wi-Fi industriel, les pertes de paquets peuvent atteindre 1 à 3 % en présence d’interférences. L’intégration doit tolérer des micro-coupures sans perte de missions. Le pattern Outbox (messages mis en file avant envoi) est recommandé pour garantir la résilience.
Priorisation des missions : en production réelle, certaines missions sont urgentes (réapprovisionnement d’une ligne en arrêt) tandis que d’autres sont programmables (transfert de déchets vers l’expédition). Le fleet manager doit implémenter une politique de priorisation avec préemption possible.
Sécurité fonctionnelle : une commande erronée (envoyer un AMR dans une zone à accès restreint) peut causer des dommages matériels ou des blessures. L’intégration doit inclure des garde-fous : validation des zones autorisées, limitation de vitesse selon la zone, et principe du « fail safe » en cas de perte de communication.

Retour sur investissement : que peut-on attendre d’un projet AGV/AMR ?

Les données de terrain, issues de déploiements récents dans l’industrie manufacturière européenne, permettent d’établir des ordres de grandeur fiables.

Indicateur	AMR (flotte 5-10 unités)	AGV (flotte 5-10 unités)
Coût unitaire (fourchette basse)	25 000 – 40 000 €	15 000 – 25 000 €
Coût d’infrastructure par site	5 000 – 10 000 € (réseau Wi-Fi + bornes recharge)	30 000 – 80 000 € (marquage au sol, transpondeurs, câbles)
Réduction des déplacements manuels	60-80 %	50-65 %
Disponibilité opérationnelle	85-92 %	90-95 %
Temps d’adaptation aux changements d’atelier	Immédiat (carte mise à jour dynamiquement)	1-3 jours (repose des marqueurs)
Retour sur investissement typique	12-24 mois	18-36 mois
Réduction des accidents logistiques	70-90 %	60-80 %

Au-delà des chiffres, le bénéfice le plus significatif pour les PME est souvent la flexibilité opérationnelle : pouvoir réaffecter les robots à de nouvelles missions en quelques heures (et non en quelques jours) est un avantage concurrentiel déterminant dans un environnement économique où les cycles de production changent fréquemment.

Bonnes pratiques pour un déploiement réussi

Phase 1 : Audit et caractérisation de l’environnement

Cartographier les flux logistiques existants (tours de chariot, fréquences, poids, distances)
Mesurer la largeur des allées, l’état des sols, les pentes, les seuils de porte
Identifier les zones à contrainte de sécurité (présence d’opérateurs, croisements avec chariots manuels)
Évaluer la couverture Wi-Fi et la latence (test de ping pendant 24 h)
Définir les interfaces ERP/WMS nécessaires (API existantes, middleware, connecteurs VDA 5050)

Phase 2 : Preuve de concept (POC)

Déployer 1 à 2 robots sur un périmètre réduit (ex: un atelier, 3 postes de travail)
Valider la couverture réseau, la fiabilité de localisation SLAM, la gestion des obstacles réels
Tester l’intégration ERP/WMS avec des missions réelles (20-30 itérations)
Mesurer les KPI : temps de mission, taux d’échec, temps de recharge, disponibilité

Phase 3 : Industrialisation

Déployer la flotte par phase (3 robots par phase), avec validation des flux à chaque étape
Former les opérateurs à l’interaction avec les robots (signalétique, zone de sécurité, procédure en cas d’arrêt)
Mettre en place la supervision IoT et les alertes automatiques
Configurer les scénarios de dégradation : panne réseau, blocage prolongé, batterie défaillante

Phase 4 : Exploitation et optimisation continue

Analyser les données de télémétrie pour optimiser les trajets (replanification des allées, ajustement des seuils de recharge)
Mettre à jour la carte SLAM périodiquement (mensuel ou trimestriel selon l’évolution de l’atelier)
Étendre la flotte en fonction des retours terrain
Évaluer le passage à des fonctionnalités avancées : convoyage multi-sites, intégration avec les machines-outils via OPC UA

Conclusion

Les AGV et AMR ne sont plus des technologies de démonstration. Ils sont devenus des outils de production matures, dont l’adoption s’accélère dans l’industrie manufacturière européenne. Le choix entre AGV et AMR dépend principalement de la stabilité de l’environnement, du besoin de flexibilité et du budget d’infrastructure.

La clé d’un projet réussi réside dans une approche systémique : la robotique mobile n’est pas un projet d’automatisme isolé, c’est un projet de transformation industrielle qui touche au système d’information, à la logistique, à la sécurité et à l’organisation du travail. L’intégration avec l’ERP et le WMS, la supervision IoT de la flotte, et la mise en place d’indicateurs de performance sont autant d’éléments qui déterminent le retour sur investissement final bien plus que le choix du robot lui-même.

Vous envisagez de déployer des robots mobiles dans votre usine ou entrepôt ? IOTINNOV accompagne les PME et ETI industrielles dans la conception, l’intégration et la supervision de flottes AGV/AMR — de l’audit initial jusqu’à la mise en production et le suivi IoT continu. Contactez-nous pour échanger sur votre projet.