Comparatif
Optimiseurs de plannings d'équipage : les cinq familles d'outils, comparées
Les outils de planning d'équipage se répartissent en cinq familles : le module de planning d'une suite d'opérations, le vérificateur de conformité, la plateforme d'optimisation générique à assembler, l'optimiseur réseau des grandes compagnies, et l'add-on d'optimisation vertical connecté par API. Elles ne résolvent pas le même problème, et les comparer fonctionnalité par fonctionnalité n'a donc pas de sens.
Ce comparatif est publié par un éditeur qui appartient à la cinquième famille : autant l'écrire d'emblée. Il ne cite aucun concurrent, parce que comparer des marques vieillit mal et n'aide personne à décider. Comparer des modèles d'outil permet en revanche de situer n'importe quelle solution du marché, y compris celles qui n'existent pas encore.
Quelles sont les cinq familles ?
1. Le module de planning d'une suite d'opérations. Une brique parmi d'autres dans un système qui couvre les vols, les devis, la maintenance et les documents. Sa force est l'intégration native des données ; sa profondeur d'optimisation varie énormément d'un éditeur à l'autre.
2. Le vérificateur de conformité. Un outil qui contrôle un planning construit par un humain : il calcule les compteurs, signale les dépassements de FDP, alerte sur les qualifications expirées. Il ne génère rien. Beaucoup d'outils présentés comme des « optimiseurs » appartiennent en réalité à cette famille.
3. La plateforme d'optimisation générique. Un solveur de contraintes, souvent excellent, mais qui ne connaît rien à l'aéronautique tant que quelqu'un ne lui a pas modélisé les règles. C'est une brique technologique, pas un produit métier : le modèle FTL, les qualifications, les patterns de vacation restent à écrire, puis à maintenir.
4. L'optimiseur réseau des grandes compagnies. Conçu pour la chaîne complète du transporteur régulier : construction des rotations (crew pairing), affectation par ancienneté ou par préférences pondérées, intégration au réseau et aux plateformes de correspondance. Puissance maximale, projet long, souvent déployé avec une équipe de recherche opérationnelle dédiée. La recherche active du domaine donne l'échelle : sur des instances mensuelles de crew pairing allant jusqu'à 50 000 vols, guider le solveur par apprentissage automatique réduit le coût de solution de 6,8 à 8,5 % et le coût des contraintes globales de 70 à 78 % (Yaakoubi, Soumis & Lacoste-Julien, 2020) ; sur des problèmes voisins de planification véhicules-équipages, la sélection de colonnes par apprentissage fait gagner jusqu'à 30 % de temps de calcul (Morabit, Desaulniers & Lodi, 2021). Seule cette famille mobilise un tel niveau d'ingénierie, et un opérateur de taille moyenne n'a pas besoin de le porter lui-même.
5. L'add-on d'optimisation vertical. Un outil spécialisé sur la génération et l'optimisation de rosters, livré avec les règles du métier déjà modélisées, qui se connecte par API au système d'opérations existant. Il ne remplace rien : il ajoute une couche de calcul au-dessus des données en place.
Comment se comparent-elles ?
| Critère | Module de suite | Vérificateur | Plateforme générique | Optimiseur réseau | Add-on vertical |
|---|---|---|---|---|---|
| Génère-t-il un planning ? | Variable | Non | Oui, une fois modélisé | Oui | Oui |
| Règles métier fournies | Partiellement | Oui (contrôle) | Non, à écrire | Oui | Oui, paramétrables |
| Prérequis | La suite elle-même | Un planning existant | Une équipe capable de modéliser | Un programme de vols structuré | Un système d'opérations en place |
| Délai de mise en œuvre | Nul si déjà équipé | Court | Long (développement) | Long (projet) | Quelques semaines (intégration API) |
| Adaptabilité aux règles internes | Selon l'éditeur | Bonne | Totale | Bonne, via projet | Paramétrage par opérateur |
| Recalcul après aléa | Variable | Sans objet | À développer | Oui | Oui |
| Coût de possession | Inclus ou module | Faible | Développement et maintenance | Élevé | Abonnement |
Aucune colonne n'est « meilleure ». Chacune répond à une situation de départ différente, et c'est le point de départ, pas le tableau, qui doit dicter le choix.
Quand chaque famille est-elle le bon choix ?
- Le module de suite l'emporte quand vous n'avez pas encore de système d'opérations structuré, ou quand la priorité est de consolider des outils épars plutôt que d'optimiser le planning (voir notre comparatif add-on d'optimisation ou suite tout-en-un). C'est aussi le bon choix si votre problème de planning est réellement simple : peu de navigants, peu de qualifications, peu d'aléas.
- Le vérificateur l'emporte quand la construction manuelle du planning ne vous pose pas de problème mais que la sécurité juridique vous en pose un. Il coûte peu, se déploie vite, et supprime la classe d'erreurs la plus coûteuse. Il ne vous fera jamais gagner de temps de construction, en revanche.
- La plateforme générique l'emporte quand votre problème est réellement atypique et que vous disposez d'une équipe capable de le modéliser et de le maintenir dans la durée. C'est un choix « build » assumé, avec ses avantages : contrôle total du modèle, indépendance vis-à-vis d'un éditeur.
- L'optimiseur réseau l'emporte pour une compagnie régulière de grande taille : programme de vols répétitif, crew pairing à construire, systèmes d'ancienneté ou d'enchères de préférences, gains d'échelle qui justifient un projet pluriannuel.
- L'add-on vertical l'emporte quand vous êtes satisfait de votre système d'opérations, que votre problème est la profondeur d'optimisation et la vitesse de recalcul, et que vous ne voulez ni chantier SI, ni équipe de recherche opérationnelle.
Comment classer un éditeur dans une famille ?
Cinq questions suffisent, et elles se posent avant la démonstration :
- « Votre outil génère-t-il un planning, ou vérifie-t-il celui que je construis ? » C'est la question qui sépare la famille 2 des autres, et elle est rarement posée aussi frontalement.
- « Les règles réglementaires sont-elles livrées, ou à modéliser ? » Sépare la famille 3 des produits métier. La question de suivi compte autant : qui les met à jour quand la réglementation change ?
- « Que devient mon système d'opérations actuel ? » Sépare le remplacement de l'add-on, et détermine à elle seule l'ampleur du projet.
- « Combien de temps prend une re-génération après un aléa, sur un mois déjà publié ? » Sépare les outils pensés pour la construction ex ante de ceux pensés pour l'exploitation. C'est le chiffre qui compte au quotidien.
- « Puis-je encoder mes propres règles sans passer par vous ? » Sépare le produit paramétrable du projet sur mesure, et détermine votre autonomie à trois ans.
Où se situe SkAI Tech, et où ne se situe-t-il pas ?
SkAI Tech appartient à la cinquième famille : un add-on cloud connecté par API au système d'opérations existant, en production avec FL3XX, Cyberjet et Leon Software. Il génère les patterns ON/OFF selon les règles applicables, optimise l'affectation vol/équipage et suit les indicateurs clés des équipages dans un tableau de bord personnalisable. Le socle réglementaire couvre l'ORO.FTL, le Part 91 et le Part 135, complété par les règles régionales et internes paramétrées par opérateur. Les données sont hébergées à Paris, dans un cadre conforme au RGPD.
Ce que cela donne chez les opérateurs équipés : 12 minutes de temps moyen de génération d'un planning et 20 % de déviations de planning en moins. Ces résultats sont observés sur les déploiements SkAI Tech 2025-2026, sur un périmètre de plus de 70 avions et 900 navigants, et varient selon la taille de flotte et le modèle d'exploitation.
Ce que ce modèle ne fait pas, et qu'il vaut mieux dire avant une démonstration :
- il ne remplace pas votre système de gestion des opérations, et il en suppose un : sans source de données structurée en amont, il n'a rien à optimiser ;
- il n'est pas une plateforme de développement : si votre besoin est de modéliser vous-même un problème d'optimisation inédit, une plateforme générique est plus adaptée ;
- il ne couvre pas la chaîne complète du très grand transporteur régulier : crew pairing réseau, systèmes d'ancienneté et d'enchères de préférences relèvent de la quatrième famille ;
- il n'est ni un FRMS, ni un modèle de fatigue certifié : il applique les règles de fatigue que vous définissez, il ne les valide pas à votre place.
Vous choisissez un outil pour votre direction des opérations ? Voyez ce que SkAI Tech apporte aux responsables des opérations.
FAQ
Un « optimiseur » qui ne fait que vérifier la conformité, est-ce fréquent ?
Assez, oui, moins par mauvaise foi que par glissement de vocabulaire. La distinction est pourtant nette : la vérification répond « ce planning est-il légal ? », l'optimisation répond « quel est le meilleur planning légal selon mes objectifs ? ». Les deux fonctions ont de la valeur ; il faut juste savoir laquelle on achète.
Peut-on combiner plusieurs familles ?
C'est le cas le plus courant en pratique : une suite d'opérations comme socle de données, un add-on d'optimisation par-dessus, et parfois un vérificateur indépendant pour l'audit. La question à trancher est celle de la source de vérité. Il en faut une seule, sans quoi les réconciliations coûtent plus cher que l'optimisation ne rapporte.
Comment comparer des outils dont les modèles de prix diffèrent ?
En ramenant tout à un coût complet sur trois ans : licence ou abonnement, intégration, paramétrage, maintenance des règles, et surtout coût interne en jours-homme de vos équipes. Une plateforme générique peu chère à l'achat peut être la plus coûteuse une fois le développement et la maintenance comptés.
Faut-il une équipe technique pour exploiter un optimiseur ?
Cela dépend de la famille. Une plateforme générique en exige une ; un optimiseur réseau s'accompagne souvent d'une équipe de recherche opérationnelle ; un add-on vertical est prévu pour être exploité par les planificateurs eux-mêmes. C'est un critère de choix au moins aussi déterminant que la qualité de l'algorithme.
Sources
- FAQ et page Intégrations de ce site : positionnement add-on, connexions en production (FL3XX, Cyberjet, Leon Software), socle réglementaire, hébergement des données.
- Indicateurs SkAI Tech (données propriétaires) : temps moyen de génération et réduction des déviations observés sur les déploiements 2025-2026, sur plus de 70 avions et 900 navigants, variables selon la taille de flotte et le modèle d'exploitation.
- Yaakoubi, Y., Soumis, F. & Lacoste-Julien, S. (2020), Machine learning in airline crew pairing to construct initial clusters for dynamic constraint aggregation, EURO Journal on Transportation and Logistics 9(4), DOI 10.1016/j.ejtl.2020.100020 : réduction de 6,8 à 8,5 % du coût de solution et de 70 à 78 % du coût des contraintes globales, sur des instances allant jusqu'à 50 000 vols.
- Morabit, M., Desaulniers, G. & Lodi, A. (2021), Machine-Learning-Based Column Selection for Column Generation, Transportation Science 55(4), 815-831, DOI 10.1287/trsc.2021.1045 : jusqu'à 30 % de temps de calcul en moins.