La Poste russe : OCR et robots trient environ 8 millions de courriers par jour

• PostTech: как устроена OCR-сортировка писем (5 проекций, 40 000 писем/час, SMAB, Сортмастер, видеокодирование, АСЦ Внуково) — Habr (блог PostTech / Почта России), 2020
• Что умеет Почта России и какие технологии развивает (объёмы, робот-манипулятор 4 сек, нейросети для маршрутов, свёрнутые роботы-курьеры) — Hi-Tech Mail.ru, n/a
• «Почта России» внедряет систему моделирования маршрутов с ИИ («Сколково» + «Тераплан», 2024–2026; 54 млн км маршрутов в месяц) — CNews, 2024-05-28
• Почта России внедрила ИИ-систему для оптимизации логистики (платформа «Тераплан», до 30 млн операций ежедневно) — Online47, 2026-04-08
• Почта России: проекты искусственного интеллекта (голосовой ассистент на Yandex SpeechKit, 92–95%) — TAdviser, n/a
• Динамика доставки в срок 2013–2016: письма 54% → 85%, посылки 52% → 95% — РБК Тренды, 2022-01
• Генеральный директор АО «Почта России» — Михаил Волков — Почта России, n/a
• Главой Почты России стал Михаил Волков — Forbes Russia, 2023-01

Contexte

La Poste russe est l'un des plus grands systèmes logistiques du pays : environ 38 000 bureaux de poste, 311 000 employés, environ 2,6 milliards de lettres et environ 400 millions de colis par an — environ 8 millions de courriers par jour (Hi-Tech Mail.ru). Le revers de la médaille est une économie difficile : les volumes de courrier papier diminuent d'année en année (les documents de 2024 citent déjà 1,3 milliard de lettres et 240 millions de colis annuels — CNews), et chaque opération de tri manuel pèse sur les coûts unitaires.

Le réseau de tri de l'entreprise comprend 1 100 nœuds de différents niveaux : macro-régional, régional et local. Le fleuron est le centre de tri automatisé de Vnukovo — 64 000 m², capable de traiter 3 millions d'articles par jour ; l'équipement provenait de Toshiba, Siemens et Vanderlande, tandis que la couche logicielle autour a été écrite en interne par l'équipe PostTech. Quand le document technique a été publié (2020), l'entreprise prévoyait 36 nouveaux centres logistiques d'ici 2022 — le tri a été délibérément concentré dans de grands « centres » où l'automatisation est rentable grâce au volume. Mikhail Volkov est PDG de l'entreprise depuis janvier 2023.

L'automatisation du tri fait partie d'une modernisation logistique de plusieurs années qui a commencé bien avant l'engouement pour l'IA : de 2013 à 2016, la part des lettres livrées à temps est passée de 54 % à 85 %, et celle des colis de 52 % à 95 % (RBC Trends). L'aspect technique du tri est décrit en détail et sans détour par l'équipe PostTech sur son blog Habr d'entreprise — des protocoles utilisés pour communiquer avec les contrôleurs de machines au sort des enveloppes avec une écriture illisible. C'est cette publication qui rend ce cas vérifiable : un exemple rare d'une entreprise d'État exposant les détails internes de son système informatique de production.

Problème

Le tri manuel ne s'adapte pas à ces volumes : des millions d'enveloppes et de colis par jour avec des adresses manuscrites et imprimées de qualité variable. Chaque article doit être lu, son code postal et son adresse déterminés et vérifiés, et l'article acheminé correctement — en fractions de seconde, sinon le convoyeur du centre logistique s'arrête. En chiffres : la bande se déplace à 1,8 mètre par seconde, et la décision d'acheminement doit être prise en environ une seconde — avant le premier croisement où un pousseur éjecte ou non la lettre dans le bon conduit.

Le principal ennemi de la reconnaissance automatique est le courrier réel. Codes postaux manuscrits, encre fanée, enveloppes froissées, adresses écrites par-dessus d'autres, codes-barres endommagés. Le dilemme classique du concepteur du système : exiger une confiance OCR à cent pour cent et le flux s'arrête ; laisser la machine « deviner » et les lettres se font acheminer dans les mauvaises directions, le coût de l'erreur se mesurant en jours d'expédition en retour.

Un problème d'ingénierie distinct est la variété d'équipements. Les machines de tri de différents fabricants (Toshiba, Siemens, Vanderlande) utilisent des protocoles différents, et sans une couche logicielle unifiée, chaque centre devient une île isolée avec sa propre logique. Enfin, le tri n'est que la moitié de la tâche : même un article parfaitement trié parcourt un itinéraire que quelqu'un doit construire, et la longueur mensuelle des itinéraires de la Poste russe totalise 54 millions de kilomètres (CNews). L'optimisation manuelle de ce réseau se heurte aux mêmes limites des capacités humaines que la lecture d'enveloppes.

Solution

Dans les « usines » logistiques de la Poste, le tri des lettres fonctionne de la manière suivante. Une lettre sur la bande passe sous une caméra qui photographie l'article en cinq projections — la qualité de reconnaissance est déjà gagnée à la capture d'image. OCR trouve le texte dans les clichés, lit le code postal et l'adresse, et les vérifie ; la machine de tri des lettres traite 40 000 lettres par heure — les fameux 11 lettres par seconde (Vnukovo utilise deux de ces machines pour 80 000 lettres par heure, et le centre dans son ensemble traite 125 000 lettres par heure). La machine de tri des colis trie jusqu'à 8 000 colis par heure, et un manipulateur robotisé effectue le tri des colis à 4 secondes par article.

La décision architecturale clé est la boucle humaine : si le texte est illisible, la photo de l'article est automatiquement envoyée à la saisie vidéo — un opérateur qui saisit manuellement le code postal à partir de l'image. L'humain soutient l'automatisation au lieu d'arrêter tout le flux : le convoyeur ne s'arrête jamais à cause d'une mauvaise écriture, et les lettres non lues par la machine se réintègrent le flux après saisie manuelle. Les articles problématiques reçoivent un conduit « Rejet » à la fin de la bande, et les opérateurs lisent les codes-barres endommagés avec des lecteurs portables.

Sous le capot se trouve la propre plateforme logicielle de PostTech — SMAB (Sorting Machine Automation Bridge), qui lie les machines de différents fabricants dans un seul système : elle communique avec les contrôleurs via le protocole industriel OPC UA, les événements transitent entre les appareils via un courtier MQTT, et les décisions d'acheminement proviennent du service « Sortmaster » (la machine demande littéralement : « où mettre le code postal 107037 ? »). La pile est Spring, PostgreSQL, Vert.x, Consul, React, Docker (Habr, blog PostTech).

La boucle suivante est l'acheminement. En mai 2024, la Poste, en collaboration avec la Fondation Skolkovo (groupe VEB.RF), a commencé à déployer un système intelligent de modélisation logistique sur la plateforme Teraplan : l'IA analyse les données d'itinéraires historiques, prévoit les flux d'articles entrants à chaque étape de la chaîne, et propose des itinéraires optimaux tout en supprimant les nœuds de transport inutiles ; le programme s'étend de 2024 à 2026. En avril 2026, le système était en service : il fusionne les données sur le mouvement du courrier entre les centres de tri, construit les itinéraires pour différents types de transport, et permet à l'entreprise de simuler des scénarios de réseau sur jusqu'à 30 millions d'opérations quotidiennement (CNews, Online47).

Le centre de contact exécute un assistant vocal sur Yandex SpeechKit avec une précision de reconnaissance vocale de 92 à 95 % (TAdviser) — un cas de réutilisation de la technologie vocale prête à l'emploi au lieu du développement d'ASR interne. Il y a eu aussi des expériences fermées : les essais de robots de livraison Yandex (2021-2023) ont été arrêtés en raison des coûts d'équipement élevés (Hi-Tech Mail.ru) — un détail qui garde l'image du portefeuille technologique de la Poste réaliste.

Résultat

Le pipeline automatisé soutient un flux à l'échelle nationale. Chiffres opérationnels confirmés : 40 000 lettres par heure sur la machine de tri des lettres (11 par seconde), jusqu'à 8 000 colis par heure sur la machine de tri des colis, 3 millions d'articles par jour — la capacité du centre de Vnukovo seul, 4 secondes par coli pour le manipulateur robotisé, photographie à cinq projections pour OCR, et une précision de reconnaissance vocale de 92 à 95 % pour l'assistant vocal. Depuis 2026, une boucle d'acheminement s'est ajoutée à la boucle de tri : la plateforme Teraplan planifie le transport sur un réseau de 1 100 nœuds de tri et 38 000 bureaux de poste.

Les effets de la boucle d'acheminement sont jusqu'à présent décrits qualitativement, non quantitativement : on prétend que les temps de planification sont réduits, les coûts opérationnels sont plus bas, et la précision des prévisions s'améliore par regroupement des flux logistiques — aucun chiffre public mesuré pour Teraplan n'existe encore, ce qui reflète honnêtement l'étape du projet. Ce qui est totalement absent du dossier public — et vaut la peine d'être déclaré : l'entreprise n'a pas divulgué l'effet financier de l'automatisation du tri. La dynamique de qualité intégrale (livraison à temps : lettres 54 % → 85 %, colis 52 % → 95 % de 2013 à 2016) se rapporte à la modernisation logistique dans son ensemble — nouveaux centres, transport, processus — pas uniquement à OCR. La part des articles automatiquement reconnus et le coût de la saisie vidéo ne sont pas non plus publiés. Un cadre distinct est la dynamique du volume : le pic « 8 millions d'articles par jour » appartient aux documents d'aperçu antérieurs, tandis que les publications de 2024 citent déjà un flux de lettres annuel de 1,3 milliard.

À notre avis, l'essence d'ingénierie de ce cas n'est pas OCR en soi (les services postaux du monde entier reconnaissent les adresses depuis des décennies) mais une architecture de défaillance honnête : cinq projections à la capture, la machine décide en une seconde, tout ce qui est illisible va à un codeur vidéo humain, ce qui est désespéré va à rejet. C'est un convoyeur conçu autour de l'hypothèse que l'IA fera des erreurs — et donc il ne s'arrête jamais. L'ordre inverse — « d'abord croire en une précision de 100 %, puis être surpris » — aurait coûté à la Poste des convoyeurs arrêtés.

Une deuxième observation : la plateforme SMAB qui liait les machines Toshiba, Siemens et Vanderlande ensemble avec une seule couche de protocole est, à notre avis, la partie la plus sous-estimée du cas. Le logiciel d'intégration ne fait jamais de communiqués de presse, mais c'est ce qui transforme un ensemble de machines importées coûteuses en un réseau gérable — et il reste avec l'entreprise quand les fournisseurs de matériel changent.

Leçons

1. La boucle humaine est une architecture fonctionnelle pour OCR sur des données désordonnées : les articles non reconnus vont à un codeur vidéo humain, donc la mauvaise écriture n'arrête jamais le convoyeur.
2. Concevez en supposant que l'IA se trompe : cinq projections à la capture, une seconde pour décider, saisie manuelle et un conduit de rejet pour le reste — le système reste vivant précisément grâce à ces « sorties d'urgence ».
3. Le débit (40 000 lettres/heure, 4 sec/coli) est la métrique de tri honnête ; l'entreprise ne publie pas d'économies en roubles, et l'affaire ne doit pas les inventer.
4. La photographie à cinq projections montre que la qualité OCR est gagnée à la capture d'image, pas seulement dans le modèle de reconnaissance.
5. La couche d'intégration vaut plus que les machines individuelles : la plateforme SMAB (OPC UA + MQTT) liait l'équipement Toshiba, Siemens et Vanderlande en un seul réseau et reste un actif quand les fournisseurs changent.
6. Les indicateurs de qualité intégrale (livraison à temps) ont augmenté au fil des années de modernisation globale — attribuer l'effet entier à une seule technologie serait incorrect.
7. La technologie prête à l'emploi et les expériences fermées font partie d'un portefeuille mature : SpeechKit couvrait le centre de contact sans ASR interne, et les robots de livraison ont été honnêtement arrêtés quand l'économie a échoué.

Questions fréquentes