{"id":12399,"date":"2026-01-13T07:38:49","date_gmt":"2026-01-13T07:38:49","guid":{"rendered":"https:\/\/focalx.ai\/non-categorise\/la-verite-surprenante-sur-la-prevention-des-degats\/"},"modified":"2026-03-24T11:01:19","modified_gmt":"2026-03-24T11:01:19","slug":"prevention-dommages-logistique-vehicules","status":"publish","type":"post","link":"https:\/\/focalx.ai\/fr\/logistique-des-vehicules-finis\/prevention-dommages-logistique-vehicules\/","title":{"rendered":"La v\u00e9rit\u00e9 surprenante sur la \u00ab\u00a0pr\u00e9vention des d\u00e9g\u00e2ts"},"content":{"rendered":"<p>La pr\u00e9vention des dommages ne consiste pas \u00e0 trouver davantage de d\u00e9fauts, mais \u00e0 r\u00e9duire les dommages r\u00e9p\u00e9t\u00e9s en transformant les r\u00e9sultats de l&rsquo;inspection en d\u00e9cisions sur les causes profondes et en actions correctives v\u00e9rifi\u00e9es. Dans la logistique des v\u00e9hicules finis, la plupart des organisations disposent d\u00e9j\u00e0 d&rsquo;une forme ou d&rsquo;une autre d&rsquo;inspection, de prise de photos ou de documentation sur les r\u00e9clamations ; le probl\u00e8me est que la boucle op\u00e9rationnelle s&rsquo;arr\u00eate souvent \u00e0 \u00ab\u00a0d\u00e9tect\u00e9\u00a0\u00bb ou \u00ab\u00a0signal\u00e9\u00a0\u00bb. Cet article explique \u00e0 quoi ressemble la pr\u00e9vention dans la pratique, comment ex\u00e9cuter une boucle de r\u00e9duction r\u00e9p\u00e9t\u00e9e (d\u00e9tection \u2192 point chaud \u2192 action \u2192 v\u00e9rification), et pourquoi un rythme op\u00e9rationnel mensuel est typiquement le moment o\u00f9 la pr\u00e9vention devient mesurable.  <\/p>\n<h2>Explication principale : la pr\u00e9vention signifie moins de r\u00e9cidives, pas plus de r\u00e9sultats.<\/h2>\n<p>La pr\u00e9vention est un r\u00e9sultat. Le r\u00e9sultat est que le m\u00eame type de dommage se produit moins souvent, dans la m\u00eame voie, avec le m\u00eame transporteur, au m\u00eame point nodal ou dans les m\u00eames conditions de manutention. Pour ce faire, il faut deux choses que la d\u00e9tection pure ne permet pas : (1) un moyen d&rsquo;identifier les points chauds et les causes probables avec suffisamment de pr\u00e9cision pour agir, et (2) une gouvernance pour s&rsquo;assurer que les actions sont men\u00e9es \u00e0 bien et valid\u00e9es dans les flux suivants.  <\/p>\n<p>De nombreux r\u00e9seaux d\u00e9finissent involontairement la \u00ab\u00a0pr\u00e9vention\u00a0\u00bb comme \u00ab\u00a0nous d\u00e9tectons davantage\u00a0\u00bb parce que la d\u00e9tection est visible : plus de photos, plus d&rsquo;exceptions, plus de dossiers de demande d&rsquo;indemnisation. Mais si le taux de r\u00e9cidive reste inchang\u00e9, alors le processus ne fait qu&rsquo;am\u00e9liorer la documentation. La documentation est n\u00e9cessaire pour les litiges et les indemnisations, mais elle ne modifie pas \u00e0 elle seule le comportement de traitement. La d\u00e9finition pratique que nous utilisons est simple : il y a pr\u00e9vention lorsque les occurrences r\u00e9p\u00e9t\u00e9es diminuent apr\u00e8s des actions correctives cibl\u00e9es, m\u00eame si la sensibilit\u00e9 de la d\u00e9tection reste la m\u00eame ou s&rsquo;am\u00e9liore.   <\/p>\n<h2>D\u00e9tection \u2260 pr\u00e9vention<\/h2>\n<p>La d\u00e9tection est la capacit\u00e9 d&rsquo;identifier et de documenter un \u00e9tat - dommage, probl\u00e8me d&rsquo;arrimage ou exception de manutention - \u00e0 un moment donn\u00e9. Une <a href=\"https:\/\/focalx.ai\/vehicle-inspection\/damage-inspection\/\">inspection des dommages subis par un v\u00e9hicule<\/a> cr\u00e9e des preuves, des horodatages et des enregistrements de l&rsquo;\u00e9tat du v\u00e9hicule. Ces preuves sont pr\u00e9cieuses, mais elles ne constituent pas un contr\u00f4le pr\u00e9ventif si elles ne d\u00e9clenchent pas syst\u00e9matiquement les \u00e9tapes suivantes qui modifient ce qui se passe en amont.  <\/p>\n<p>En termes de FVL, la d\u00e9tection ne devient une pr\u00e9vention que lorsqu&rsquo;elle est li\u00e9e \u00e0 l&rsquo;apprentissage au niveau du couloir et du fournisseur. Si un terminal, un transporteur ou un compos\u00e9 peut continuer \u00e0 utiliser les m\u00eames m\u00e9thodes apr\u00e8s des exceptions r\u00e9p\u00e9t\u00e9es, la couche d&rsquo;inspection fonctionne comme une piste d&rsquo;audit plut\u00f4t que comme un m\u00e9canisme de contr\u00f4le. La pr\u00e9vention passe par la r\u00e9duction des sch\u00e9mas r\u00e9p\u00e9titifs tels que les marques de sangle r\u00e9currentes, les \u00e9raflures de pare-chocs r\u00e9p\u00e9t\u00e9es lors du m\u00eame transfert ou les dommages r\u00e9currents caus\u00e9s par les r\u00e9troviseurs sur un pont ou un itin\u00e9raire sp\u00e9cifique.  <\/p>\n<h2>Ce \u00e0 quoi ressemble la pr\u00e9vention d&rsquo;un point de vue op\u00e9rationnel : la r\u00e9duction des rejets en tant qu&rsquo;indicateur de performance (KPI)<\/h2>\n<p>La pr\u00e9vention se traduit par une diminution mesurable de la r\u00e9p\u00e9tition des dommages apr\u00e8s une intervention. C&rsquo;est pourquoi la r\u00e9duction de la r\u00e9p\u00e9tition des dommages - par voie, fournisseur, n\u0153ud, pont, type d&rsquo;outil ou \u00e9tape de manutention - est l&rsquo;indicateur de performance cl\u00e9 pratique. C&rsquo;est \u00e9galement la raison pour laquelle les \u00e9quipes qui traitent la pr\u00e9vention comme un indicateur de performance permanent tendent \u00e0 surpasser les \u00e9quipes qui la traitent comme un \u00ab\u00a0projet de dommages\u00a0\u00bb ponctuel.  <\/p>\n<p>Pour que la r\u00e9duction de la r\u00e9p\u00e9tition soit mesurable, les organisations ont besoin de d\u00e9finitions coh\u00e9rentes pour les exceptions, d&rsquo;une cat\u00e9gorisation coh\u00e9rente des observations et d&rsquo;une cadence simple pour examiner les tendances. En pratique, la pr\u00e9vention est plus facile \u00e0 g\u00e9rer lorsqu&rsquo;elle est r\u00e9gie comme d&rsquo;autres ICP op\u00e9rationnels : surveill\u00e9e, discut\u00e9e, attribu\u00e9e et rev\u00e9rifi\u00e9e. Pour un cadrage plus approfondi des ICP, consultez notre point de vue sur les <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-securement-exceptions-kpi\/\">exceptions de s\u00e9curisation en tant qu&rsquo;ICP<\/a>.  <\/p>\n<h2>La boucle : d\u00e9tection \u2192 point chaud \u2192 action \u2192 v\u00e9rification<\/h2>\n<p>La boucle est le m\u00e9canisme op\u00e9rationnel qui convertit les inspections en moins d&rsquo;incidents. L&rsquo;objectif de la boucle n&rsquo;est pas de cr\u00e9er davantage de rapports, mais de r\u00e9duire le nombre de r\u00e9p\u00e9titions en rendant la cha\u00eene des causes et des effets visible et applicable. Il s&rsquo;agit du m\u00eame principe de boucle ferm\u00e9e que nous d\u00e9crivons dans les <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-closed-loop-inspections-value\/\">inspections en boucle ferm\u00e9e<\/a>.  <\/p>\n<ul>\n<li><b>D\u00e9tecter<\/b>: Saisissez les conditions et les exceptions de mani\u00e8re coh\u00e9rente aux bons n\u0153uds (points de transfert, chargement\/d\u00e9chargement, pr\u00e9-d\u00e9part, arriv\u00e9e), avec suffisamment de structure pour analyser les sch\u00e9mas.<\/li>\n<li><b>Point n\u00e9vralgique<\/b>: Regroupez les donn\u00e9es par voie, n\u0153ud, fournisseur, position du pont, outil d&rsquo;arrimage et type de dommage afin d&rsquo;isoler les endroits o\u00f9 se concentrent les r\u00e9cidives plut\u00f4t que d&rsquo;\u00e9parpiller l&rsquo;attention sur des \u00e9v\u00e9nements isol\u00e9s.<\/li>\n<li><b>Action<\/b>: Attribuez des actions correctives qui modifient un processus, un outil, une \u00e9tape de traitement, un axe de formation ou une d\u00e9cision du fournisseur - en ciblant le point sensible plut\u00f4t qu&rsquo;en diffusant un message g\u00e9n\u00e9rique de \u00ab\u00a0prudence\u00a0\u00bb.<\/li>\n<li><b>V\u00e9rifiez<\/b>: V\u00e9rifiez \u00e0 nouveau le m\u00eame point chaud au cours des cycles suivants pour confirmer que la fr\u00e9quence et la gravit\u00e9 des r\u00e9p\u00e9titions diminuent et pour distinguer l&rsquo;am\u00e9lioration r\u00e9elle de la variance al\u00e9atoire.<\/li>\n<\/ul>\n<p>C&rsquo;est \u00e9galement dans cette boucle que de nombreux r\u00e9seaux \u00e9chouent : des actions sont propos\u00e9es, mais ne sont pas suivies jusqu&rsquo;\u00e0 leur ach\u00e8vement ; ou bien l&rsquo;ach\u00e8vement est revendiqu\u00e9, mais n&rsquo;est pas v\u00e9rifi\u00e9 par le flux du mois suivant. Lorsque la v\u00e9rification est int\u00e9gr\u00e9e, la pr\u00e9vention devient visible dans les chiffres plut\u00f4t que dans les r\u00e9cits. <\/p>\n<h2>Ce que nous avons observ\u00e9 dans nos donn\u00e9es : deux leviers de pr\u00e9vention pratiques<\/h2>\n<p>Dans le cadre de notre travail avec les acteurs de la logistique automobile, nous constatons r\u00e9guli\u00e8rement que deux leviers permettent de convertir les signaux d&rsquo;inspection en moins d&rsquo;incidents et moins de litiges. Ces deux leviers reposent sur l&rsquo;existence d&rsquo;une \u00ab\u00a0source de v\u00e9rit\u00e9\u00a0\u00bb coh\u00e9rente sur ce qui s&rsquo;est pass\u00e9, o\u00f9 et dans quelles conditions de manutention. <\/p>\n<p>Tout d&rsquo;abord, la pr\u00e9vention commence souvent par la qualit\u00e9 de l&rsquo;arrimage. Lorsqu&rsquo;un mauvais arrimage est d\u00e9tect\u00e9 et corrig\u00e9 dans les op\u00e9rations ferroviaires, routi\u00e8res ou par camion, il devient possible de distinguer les erreurs isol\u00e9es des risques syst\u00e9matiques. Cela permet de prendre des d\u00e9cisions telles que l&rsquo;abandon des fournisseurs \u00e0 haut risque ou le remplacement des outils et m\u00e9thodes d&rsquo;arrimage \u00e0 haut risque qui sont r\u00e9guli\u00e8rement associ\u00e9s \u00e0 des incidents. Au fil du temps, le r\u00e9sultat op\u00e9rationnel est une diminution des incidents, ce qui se traduit g\u00e9n\u00e9ralement par une diminution des r\u00e9clamations et des retards li\u00e9s aux cycles de reprise, de mise en attente et d&rsquo;inspection ou d&rsquo;escalade. C&rsquo;est pourquoi nous insistons sur le fait que <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-damage-starts-with-securement\/\">les dommages commencent par la s\u00e9curisation<\/a> dans les conversations de pr\u00e9vention en amont.    <\/p>\n<p>Deuxi\u00e8mement, la pr\u00e9vention n\u00e9cessite des changements structurels cibl\u00e9s lorsque des points chauds indiquent une zone \u00e0 haut risque. Lorsqu&rsquo;un orchestrateur ou un \u00e9quipementier peut voir des r\u00e9p\u00e9titions concentr\u00e9es par voie, par n\u0153ud ou par \u00e9tape de traitement, il peut former un groupe de travail cibl\u00e9 pour modifier les conditions du processus qui cr\u00e9ent des dommages. D&rsquo;apr\u00e8s notre exp\u00e9rience, le fait de disposer d&rsquo;un registre partag\u00e9 et fiable des exceptions permet aux parties prenantes de comparer les performances des diff\u00e9rents fournisseurs, d&rsquo;identifier les sch\u00e9mas de mauvaise manipulation et de responsabiliser les acteurs sans avoir recours \u00e0 une escalade anecdotique. Cela permet de r\u00e9duire les conflits r\u00e9currents sur la responsabilit\u00e9 et d&rsquo;aider la compensation \u00e0 suivre les preuves plut\u00f4t que la revendication la plus bruyante. Le mod\u00e8le de gouvernance repose sur <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-one-source-of-truth-many-views\/\">une seule source de v\u00e9rit\u00e9<\/a>, mais avec des vues adapt\u00e9es aux r\u00f4les des \u00e9quipementiers, des prestataires de services logistiques, des terminaux et des transporteurs.    <\/p>\n<p>Dans les deux cas, l&rsquo;effet pr\u00e9ventif ne provient pas de l&rsquo;inspection elle-m\u00eame. Il provient de la couche de d\u00e9cision et d&rsquo;action qui suit l&rsquo;inspection, transformant les exceptions en choix de fournisseurs, en changements d&rsquo;outillage et en contr\u00f4les de processus. Cette transition est exactement ce que nous entendons par \u00a0\u00bb <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-photo-to-action-workflows\/\">flux de travail de la photo \u00e0 l&rsquo;action\u00a0\u00bb<\/a>.  <\/p>\n<h2>Conception de l&rsquo;action : arr\u00eater le prochain incident, pas le dernier litige<\/h2>\n<p>Les mesures correctives doivent \u00eatre con\u00e7ues de mani\u00e8re \u00e0 emp\u00eacher que l&rsquo;incident suivant ne se produise dans les m\u00eames conditions. Cela signifie que les actions sont plus efficaces lorsqu&rsquo;elles sont sp\u00e9cifiques \u00e0 un point chaud : une m\u00e9thode d&rsquo;arrimage sur un service ferroviaire particulier, un point de contact r\u00e9current lors des d\u00e9placements dans les gares de triage ou une contrainte de manutention sur un pont ou une configuration de rampe sp\u00e9cifique. Lorsque les \u00e9quipes agissent au point d&rsquo;introduction des dommages, la pr\u00e9vention intervient plus t\u00f4t dans la cha\u00eene et les r\u00e9sultats sont plus faciles \u00e0 v\u00e9rifier.  <\/p>\n<p>En pratique, c&rsquo;est la raison pour laquelle les contr\u00f4les avant le d\u00e9part et les corrections en amont sont importants. Si une exception est identifi\u00e9e alors que le v\u00e9hicule est encore sous le contr\u00f4le op\u00e9rationnel de la partie responsable, l&rsquo;action peut emp\u00eacher un incident de se propager en aval et de devenir une r\u00e9clamation, un retard ou un litige multipartite. Nous r\u00e9sumons cette logique op\u00e9rationnelle dans l&rsquo;<a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/vehicle-logistics-damage-prevention-2\/\">arr\u00eat avant le d\u00e9part<\/a>.  <\/p>\n<h2>Ex\u00e9cutez-la tous les mois<\/h2>\n<p>L&rsquo;ex\u00e9cution mensuelle de la boucle cr\u00e9e un rythme de fonctionnement suffisamment fr\u00e9quent pour d\u00e9tecter les changements de tendance, mais pas trop pour que les \u00e9quipes passent leur temps \u00e0 r\u00e9agir aux bruits quotidiens. Une cadence mensuelle s&rsquo;aligne \u00e9galement sur les cycles typiques de gouvernance logistique : examens des fournisseurs, discussions sur les performances des voies et rapports sur les tendances en mati\u00e8re de r\u00e9clamations. <\/p>\n<p><strong>Il est facile de mettre en place un cycle mensuel viable :<\/strong><\/p>\n<ul>\n<li>Examinez les sch\u00e9mas de r\u00e9p\u00e9tition par voie, n\u0153ud, fournisseur et type de dommage, en vous concentrant sur la concentration plut\u00f4t que sur le volume.<\/li>\n<li>S\u00e9lectionnez un petit nombre de points chauds pour lesquels des actions cibl\u00e9es sont possibles au cours du prochain cycle.<\/li>\n<li>Attribuer des responsables et des d\u00e9lais pour les actions correctives, y compris les changements d&rsquo;outils, de proc\u00e9dures, de formation ou d&rsquo;affectation des fournisseurs.<\/li>\n<li>Le mois suivant, v\u00e9rifiez si le taux de r\u00e9p\u00e9tition du m\u00eame hotspot a diminu\u00e9, et non si le volume de rapports a chang\u00e9.<\/li>\n<\/ul>\n<p>C&rsquo;est \u00e9galement \u00e0 ce stade que la pr\u00e9vention devient un indicateur de responsabilit\u00e9 plut\u00f4t qu&rsquo;une initiative. Si la pr\u00e9vention est suivie comme d&rsquo;autres ICP op\u00e9rationnels, il est plus facile d&rsquo;y consacrer des ressources et plus difficile de l&rsquo;ignorer. La <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/damage-prevention-kpi\/\">pr\u00e9vention des dommages en tant qu&rsquo;ICP<\/a> refl\u00e8te notre point de vue.  <\/p>\n<h2>Contexte de la technologie et de l&rsquo;automatisation : comment l&rsquo;IA contribue \u00e0 la r\u00e9duction des rejets<\/h2>\n<p>L&rsquo;inspection bas\u00e9e sur l&rsquo;IA et le traitement des exceptions soutiennent la pr\u00e9vention lorsqu&rsquo;ils rendent la boucle coh\u00e9rente \u00e0 l&rsquo;\u00e9chelle. Dans les grands r\u00e9seaux FVL, l&rsquo;inspection manuelle et les archives photographiques non structur\u00e9es produisent souvent des \u00e9tiquettes incoh\u00e9rentes, des lacunes dans la couverture et une comparabilit\u00e9 limit\u00e9e entre les sites et les fournisseurs. La vision par ordinateur standardise la mani\u00e8re dont les dommages et les exceptions sont identifi\u00e9s et cat\u00e9goris\u00e9s, ce qui est une condition pr\u00e9alable \u00e0 une analyse cr\u00e9dible des points chauds et \u00e0 une comparaison \u00e9quitable des fournisseurs.  <\/p>\n<p>L&rsquo;automatisation est particuli\u00e8rement importante \u00e0 trois \u00e9gards. Premi\u00e8rement, elle am\u00e9liore la coh\u00e9rence de la d\u00e9tection entre les n\u0153uds, ce qui permet une analyse des tendances qui n&rsquo;est pas biais\u00e9e par la variabilit\u00e9 des inspecteurs. Deuxi\u00e8mement, elle acc\u00e9l\u00e8re le passage de la preuve \u00e0 l&rsquo;action en structurant les exceptions de mani\u00e8re \u00e0 ce qu&rsquo;elles puissent \u00eatre attribu\u00e9es, suivies et v\u00e9rifi\u00e9es plut\u00f4t qu&rsquo;enfouies dans des fils de courriels et des PDF. Troisi\u00e8mement, il soutient la gouvernance en conservant un enregistrement op\u00e9rationnel partag\u00e9 de ce qui a \u00e9t\u00e9 observ\u00e9, quand et dans quelles conditions, de sorte que les discussions pr\u00e9ventives se concentrent sur les sch\u00e9mas r\u00e9p\u00e9titifs et les actions correctives, et non sur le r\u00e9examen de cas individuels.   <\/p>\n<h2>Conclusion<\/h2>\n<p>La pr\u00e9vention des dommages dans la logistique des v\u00e9hicules finis n&rsquo;est pas synonyme d&rsquo;intensit\u00e9 de l&rsquo;inspection. La pr\u00e9vention est la r\u00e9duction mesurable des mod\u00e8les de dommages r\u00e9p\u00e9t\u00e9s, obtenue gr\u00e2ce \u00e0 l&rsquo;apprentissage des causes profondes, aux actions correctives et \u00e0 la v\u00e9rification. La d\u00e9tection reste essentielle, mais elle ne devient pr\u00e9ventive que lorsqu&rsquo;elle alimente une boucle op\u00e9rationnelle ferm\u00e9e : d\u00e9tection \u2192 point chaud \u2192 action \u2192 v\u00e9rification.  <\/p>\n<p>Dans la pratique, nous constatons que la pr\u00e9vention devient r\u00e9elle gr\u00e2ce \u00e0 deux leviers : le renforcement des contr\u00f4les de s\u00e9curit\u00e9 et l&rsquo;utilisation d&rsquo;une source de v\u00e9rit\u00e9 partag\u00e9e pour conduire \u00e0 des changements structurels cibl\u00e9s et \u00e0 la responsabilisation des fournisseurs. Lorsque les parties prenantes font tourner la boucle tous les mois et mesurent les r\u00e9ductions r\u00e9p\u00e9t\u00e9es, elles r\u00e9duisent les incidents et les litiges et stabilisent les performances op\u00e9rationnelles sur l&rsquo;ensemble des voies et des n\u0153uds. <\/p>\n","protected":false},"excerpt":{"rendered":"<p>La pr\u00e9vention des dommages ne consiste pas \u00e0 trouver davantage de d\u00e9fauts, mais \u00e0 r\u00e9duire les dommages r\u00e9p\u00e9t\u00e9s en transformant [&hellip;]<\/p>\n","protected":false},"author":12,"featured_media":10250,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"%%post_title%%","_seopress_titles_desc":"La pr\u00e9vention des dommages dans le cadre de FVL consiste \u00e0 r\u00e9duire les incidents r\u00e9p\u00e9t\u00e9s, et pas seulement \u00e0 en d\u00e9tecter d'autres, en transformant les inspections en actions qui am\u00e9liorent le contr\u00f4le.","_seopress_robots_index":"","content-type":"","site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[145,172,162],"tags":[],"class_list":["post-12399","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-logistique-des-vehicules-finis","category-operations-transport-vehicules","category-operations-ferroviaires"],"acf":[],"_links":{"self":[{"href":"https:\/\/focalx.ai\/fr\/wp-json\/wp\/v2\/posts\/12399","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/focalx.ai\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/focalx.ai\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/focalx.ai\/fr\/wp-json\/wp\/v2\/users\/12"}],"replies":[{"embeddable":true,"href":"https:\/\/focalx.ai\/fr\/wp-json\/wp\/v2\/comments?post=12399"}],"version-history":[{"count":0,"href":"https:\/\/focalx.ai\/fr\/wp-json\/wp\/v2\/posts\/12399\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/focalx.ai\/fr\/wp-json\/wp\/v2\/media\/10250"}],"wp:attachment":[{"href":"https:\/\/focalx.ai\/fr\/wp-json\/wp\/v2\/media?parent=12399"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/focalx.ai\/fr\/wp-json\/wp\/v2\/categories?post=12399"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/focalx.ai\/fr\/wp-json\/wp\/v2\/tags?post=12399"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}