evidoria

← Retour à la liste

Bonne pratique Importée

Le programme ECIP de l'USPS — Tri des colis assisté par IA dans 195 centres de traitement du courrier

États-Unis d'Amérique · Washington, D.C. · Voir le profil de États-Unis d'Amérique · Voir le profil de Washington, D.C.

Preuves: Descriptif / auto-déclaré Top 66% 53/100 · Demandez à Evidence Copilot à propos de cette pratique

L'USPS a équipé 195 centres de tri de serveurs en périphérie à GPU Nvidia qui lisent codes-barres et adresses, réduisant de plusieurs jours à quelques heures les enquêtes sur colis égarés. L'outil sert seulement au dépannage, sans taux d'erreur publié.

195 centers
Centres de traitement du courrier équipés de serveurs d'IA en périphérie
1,000+ machines
Machines de tri alimentant les données de caméras
20 TB/site/day
Images de colis traitées
129 billion pieces/year
Volume annuel de courrier
7,3 billion packages/year
Volume annuel de colis
231 packages/second
Taux de traitement des colis
~800 CPUs / 2 weeks reduced to 4 GPUs / ~20 minutes
Temps de tâche de calcul (autodéclaré)
8-10 staff over several days reduced to 1-2 staff over a few hours
Temps de recherche des colis perdus (autodéclaré)
Le programme ECIP de l'USPS — Tri des colis assisté par IA dans 195 centres de traitement du courrier

Détails

Maturité
Établie
Promoteur
United States Postal Service (USPS)
Période
2019-2026
Mots-clés
postal services, logistics, public administration, e-commerce

Contexte

L'USPS (service postal des États-Unis) opère à une échelle massive (environ 129 milliards d'envois postaux et 7,3 milliards de colis par an, soit environ 231 colis par seconde) et a lancé en 2019 l'Edge Compute Infrastructure Program (ECIP), installant des serveurs en périphérie HPE équipés chacun de quatre GPU Nvidia V100 dans 195 centres de traitement du courrier afin de suivre ce volume.

Objectifs

Le programme vise à accélérer le traitement par vision par ordinateur des images de colis — lecture des codes-barres et des adresses, vérification de l'affranchissement et signalement des symboles de matières dangereuses ou des étiquettes endommagées — directement en périphérie du centre de traitement plutôt que dans un centre de données central.

Activités

Des caméras installées sur plus de 1 000 machines de tri alimentent les serveurs en périphérie avec environ 20 téraoctets d'images de colis par site et par jour; ces serveurs exécutent des modèles de vision par ordinateur, et une tâche de calcul qui nécessitait auparavant environ 800 processeurs et deux semaines s'exécute désormais sur quatre GPU en environ 20 minutes.

Résultats

Le personnel de l'USPS indique que la recherche d'un colis perdu ou mal acheminé, qui nécessitait auparavant huit à dix agents pendant plusieurs jours, ne prend désormais que quelques heures à une ou deux personnes; cependant, l'USPS elle-même a déclaré que le système ne produit pas de "taux d'erreur" formel, décrivant son usage principal comme le signalement d'anomalies à des fins de dépannage plutôt qu'un indicateur de précision mesuré.

Conclusions

Le livre blanc de 2026 du Bureau de l'Inspecteur général de l'USPS, qui a recensé plus de 35 cas d'usage de l'IA au sein de l'agence, a signalé cette absence d'indicateur de performance publié et vérifié de manière indépendante comme un manque de transparence, alors même que le programme a été répliqué à l'identique dans les 195 sites.

Mise en œuvre

Coût indicatif
Élevé (500 k€–5 M€)
Délai jusqu’aux résultats
Long (> 3 ans)
Personnel et compétences
Package-tracing investigations shifted from 8-10 staff over several days to 1-2 staff over a few hours (self-reported by USPS staff)

Conditions de réussite

  • Camera-equipped sorting machines (1,000+) generating package images at each site
  • Edge GPU servers (HPE, 4x Nvidia V100) co-located at each processing center to handle ~20 TB/site/day
  • High package throughput (~231 packages/second) that justifies edge rather than centralized compute

Modes d’échec courants

  • USPS itself states the system does not produce a formal 'error rate', limiting independent verification of accuracy
  • USPS Office of Inspector General's 2026 white paper flagged this as a transparency gap across the agency's 35+ AI use cases

Où cela s’applique

Type de gouvernance
federal government agency (quasi-independent, self-funded)
Échelle
national, 195 mail-processing centers
Niveau de revenu
high-income

Habituellement financé par

National / regional programmes Own resources / municipal budget

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles