Vos tournées, plannings et budgets,résolus par la meilleure réponse possible— et démontrée.
JAOT transforme votre problème en modèle mathématique, le résout et démontre qu'aucune meilleure réponse n'existe. Construisez-le avec l'IA, partez d'un modèle de la communauté ou pilotez-le depuis votre propre agent via MCP.
La plateforme d'optimisation pour les humains et les agents IA.
Trois façons d'optimiser
Créez des modèles avec l'IA, utilisez des solutions éprouvées du marketplace communautaire ou connectez votre agent IA via MCP.
Constructeur IA
Décris ton problème d'optimisation en langage courant. Notre IA le traduit en modèle mathématique et le résout.
« Planifie les livraisons de la semaine : 4 camionnettes, 60 arrêts, toutes rentrées à 18h00. »
Marketplace de Modèles
Parcours le marketplace de modèles d'optimisation. Utilise des modèles éprouvés de la communauté ou publie les tiens.
Fertilizer Mix Optimizer — agriculture
MCP pour Agents IA
Connectez Claude, GPT ou tout agent compatible MCP — résolvez des problèmes, dupliquez des modèles de la marketplace et créez des modèles versionnés de bout en bout.
solve_with_template(template_id="fertilizer_mixing")
Quatorze lignes. C'est la donnée qui décide de la taille.
JModel décrit votre problème avec des ensembles et des familles indexées, et JAOT le rend en mathématiques avant de toucher le moindre chiffre. Le même source ci-dessous couvre une usine sur un trimestre ou quatre cents produits sur un an — vous ne réécrivez pas une ligne.
Ce que vous écrivez
set PRODUCTS;set RESOURCES;set WEEKS; param margin{PRODUCTS};param usage{RESOURCES, PRODUCTS};param capacity{RESOURCES, WEEKS};param ceiling{PRODUCTS, WEEKS}; var build{PRODUCTS, WEEKS} integer >= 0; maximize contribution: sum{p in PRODUCTS, w in WEEKS} margin[p] * build[p, w]; subject to plant{r in RESOURCES, w in WEEKS}: sum{p in PRODUCTS} usage[r, p] * build[p, w] <= capacity[r, w]; subject to market{p in PRODUCTS, w in WEEKS}: build[p, w] <= ceiling[p, w];Ce que cela signifie
Les mêmes 14 lignes dans les deux cas. Les tableurs et les modèles écrits à la main grossissent avec les données ; un modèle indexé, non.
Les trois produits à plus forte marge ne figurent pas au plan
Un trimestre d'une usine d'électronique de puissance, résolu et prouvé optimal. Les trois familles les plus rentables sont précisément celles que l'optimum refuse de produire — et le composant que tout le monde accuse d'être le goulet termine le trimestre à moitié inutilisé. C'est exactement ce qu'un tableur rate.
Plan de production du trimestre
22 410 unités · SCIP, optimalité prouvée- Onduleur de traction 800 V2 450 € / unité0 unités
- Unité de gestion de batterie1 780 € / unité0 unités
- Module de charge rapide CC1 320 € / unité0 unités
- Onduleur solaire raccordé au réseau960 € / unité7 460 unités
- Variateur industriel740 € / unité6 290 unités
- Boîtier télématique de flotte410 € / unité8 660 unités
- Concentrateur de capteurs260 € / unité0 unités
Ce qui s'épuise
- Heures de ligne CMSsaturé
- Heures d'étuve de déverminagesaturé
- Microcontrôleurs automobiles112 570 disponibles
- Modules de puissance SiCsaturé
- Heures de test final7 930 disponibles
- Heures de vernissage3 290 disponibles
- Contrat de télématique8 660 livrées, 3 500 exigées
Onduleur de traction 800 V : 2 450 € l'unité, et le plan n'en produit aucun. C'est lui qui pèse le plus sur chacune des 3 limites arrivées à saturation, alors que 112 570 microcontrôleurs automobiles restent inutilisés : en acheter davantage ne changerait rien. Les deux faits viennent de la solution entière que vous allez exécuter, pas d'une relaxation.
Scénarios, mesurés
Demandez ce qu'une unité de plus vous apporterait : JAOT résout à nouveau le modèle perturbé et indique le gain réel, mesuré sur votre MIP et non estimé à partir d'une relaxation.
Des décisions, pas un mur de chiffres
Les solutions reviennent groupées selon la vraie structure d'indices du modèle, avec un résumé honnête du solve : nœud racine, branchement ou limite de temps.
Explication par IA en un clic
Transformez l'analyse en langage clair, fondé uniquement sur vos chiffres réels, jamais inventés.
Il nomme les deux règles qui s'opposent — et innocente les cinq autres
Un client demande un trimestre d'onduleurs de traction que la ligne ne peut pas produire. Un solveur dit « irréalisable » et vous laisse auditer le modèle entier. JAOT retire chaque règle et relance la résolution jusqu'à ne garder que la contradiction, pour que vous sachiez exactement où regarder.
Jusqu'où va chaque limite
7 règles · 2 dans le conflit- Heures de ligne CMS 7 700 onduleurshors de cause
- Heures d'étuve de déverminage 5 240 onduleursen conflit
- Microcontrôleurs automobiles 7 900 onduleurshors de cause
- Modules de puissance SiC 6 600 onduleurshors de cause
- Heures de test final 6 900 onduleurshors de cause
- Heures de vernissage 6 600 onduleurshors de cause
Il n'y a que heures d'étuve de déverminage pour 5 240 onduleurs, et le contrat en demande 6 000. Rien d'autre n'est en cause : JAOT innocente nommément les 5 autres limites. Trouvez-en 7 600 de plus — une seconde étuve pour le trimestre — et le modèle se résout. C'est le chiffre à emporter en négociation.
L'ensemble exact en conflit
JAOT isole l'ensemble minimal de contraintes et de bornes qui ne peuvent pas toutes tenir à la fois, et les met en évidence sur la page de résultats.
Comment corriger, en langage clair
Une explication par IA en un clic nomme les exigences en conflit et propose des corrections concrètes : quelle borne élargir, quelle contrainte assouplir.
Honnête par conception
Quand un modèle est trop grand pour un ensemble exact, JAOT le dit et signale clairement l'explication comme heuristique, jamais une supposition assurée.
Le solveur le plus rapide dépend du modèle
JAOT embarque SCIP, HiGHS, CBC et GLPK. Aucun n'est le meilleur. Le classement change avec le modèle, donc JAOT exécute votre problème sur tous dans les mêmes conditions et montre ce que chacun a fait. Ci-dessous, un trimestre de chargement des étuves de déverminage de l'usine.
Temps total, échelle logarithmique
1 342 variables, 3 558 contraintes- scipA prouvé 17 étuves12,25 s
201 nœuds, 73 617 itérations du simplexe
- highsA prouvé 17 étuves1,51 s
1 nœuds, 4 214 itérations du simplexe
- cbcA prouvé 17 étuves1,53 s
507 nœuds, 11 575 itérations du simplexe
- glpkTemps écoulé58,68 s
A prouvé que rien ne descend sous 17 étuves, après 38 952 nœuds, sans trouver de plan
L'échelle est logarithmique : chaque pas vaut dix fois le précédent, donc la longueur de la barre n'est pas proportionnelle au nombre affiché à côté.
highs a terminé en premier. scip a atteint la même réponse 8,1 fois plus lentement. Sur un autre modèle l'ordre change, et c'est pourquoi une mesure répond à cette question là où une recommandation ne le peut pas.
glpk a consommé les 60 secondes sans trouver de plan, tout en prouvant que rien ne descend sous 17 étuves. C'est à cela que sert la borne.
Chaque solveur a reçu la même limite de 60 secondes et les mêmes 4 threads, l'un après l'autre sur un serveur de 12 cœurs. Les secondes sont comparables à l'intérieur de cette exécution et nulle part ailleurs.
Des conditions identiques
Même limite de temps, même tolérance de gap, même nombre de threads, une machine, une exécution à la fois. Deux solveurs qui partagent une machine se disputent les cœurs, et les secondes ne veulent plus rien dire.
Une matrice entière
Croisez les jeux de données de votre modèle avec les solveurs : les données en lignes, les solveurs en colonnes. Un modèle dont les données changent chaque mois n'a pas de solveur le plus rapide, et les chiffres d'un seul mois désignent le mauvais.
La borne, pas seulement la réponse
Chaque ligne porte la meilleure borne prouvée par le solveur à côté de la réponse trouvée. Une exécution arrêtée par sa limite de temps rapporte l'écart entre les deux, et la réponse seule ne le dit pas.
Les Agents IA Rencontrent l'Optimisation
JAOT est une plateforme d'optimisation nativement accessible aux agents IA. Connecte n'importe quel agent compatible MCP pour résoudre des problèmes d'optimisation de bout en bout.
Découvrir
L'agent trouve JAOT via MCP ou /.well-known/llms.txt
Authentifier
Accès sécurisé avec authentification par clé API
Résoudre
Crée un modèle, définis les paramètres, lance le solveur
Résultats
Obtiens la solution optimisée de manière programmatique
Résolution de Problèmes
- solve_problem
- validate_problem
- solve_multi_objective
- list_available_solvers
Modèles
- list_templates
- get_template
- solve_with_template
E/S de fichiers
- import_preview
- import_and_solve
- export_model
- export_execution
Marketplace
- list_catalog_models
- get_catalog_model
- get_catalog_model_schema
Projets de modèle
- create_model_project
- create_model_project_from_marketplace
- update_model_project_draft
- commit_model_version
- list_project_versions
- get_model_stats
- solve_model_project
- get_model_project
- list_model_projects
Exécution
- execute_model
- get_execution
- get_execution_insights
Analyse
- get_execution_exact_analysis
- analyze_infeasibility
- start_execution_scenario_analysis
- get_execution_scenario_analysis
Comparaison de solveurs
- compare_solvers
- get_solver_comparison
- compare_solvers_on_datasets
- get_solver_comparison_matrix
34 outils, tous appelables par un agent
Conçu pour tous ceux qui optimisent
Pour les Équipes et Entreprises
- Résolvez des problèmes d'optimisation complexes à grande échelle
- Intégration API REST avec n'importe quelle stack technologique
- Collaboration d'équipe et bibliothèque de modèles partagée
- Sécurité et contrôles d'accès de niveau entreprise
Pour les contributeurs et consultants
- Publie tes modèles sur le marketplace communautaire
- Partage ton expertise en optimisation avec des équipes du monde entier
- Atteins des équipes et entreprises dans le monde entier
- Suis l'adoption et l'impact dans tes analytiques
Pour les Étudiants et Chercheurs
- Apprends l'optimisation avec la construction de modèles assistée par IA
- Modèles éducatifs du PL au PLNE
- Commencez simple et évoluez vers des modèles complexes
- Gratuit et open source, idéal pour apprendre
L'optimisation du monde réel, résolue
Créez des modèles sur mesure avec l'IA ou partez de modèles éprouvés de la communauté sur la marketplace.
102 modèles dans 34 secteurs
Parcourir la marketplace- Finance & Investment5
- Logistics & Distribution5
- Human Resources & Workforce4
- Manufacturing & Production4
- Aerospace3
- Agriculture & Farming3
- Chemical Engineering3
- Construction3
- Cutting & Packing3
- Energy & Utilities3
- Facility Location3
- Food & Beverage3
- Forestry3
- General Purpose3
- Government3
- Healthcare & Nutrition3
- Maritime3
- Mining3
- Network & Graph Optimization3
- Pharmaceutical3
- Railway3
- Real Estate3
- Retail & Commerce3
- Supply Chain Management3
- Telecommunications3
- Transportation & Logistics3
- Warehouse3
- Water Management3
- Advertising & Media2
- Education & Academic2
- Environmental & Sustainability2
- Insurance2
- Sports & Recreation2
- Textile2
Routage de Véhicules
Une entreprise de logistique livre à 50 sites avec 8 camions. Les routes optimisées ont réduit la distance totale de 23%, économisant carburant et heures de chauffeur.
Depuis le Marketplace
Planification du Personnel
Un hôpital planifie 120 infirmiers sur 3 quarts en respectant les disponibilités et la réglementation du travail. La planification automatisée a réduit le temps de planification de 8 heures à quelques minutes.
Construit avec l'IA
Allocation de Budget
Une équipe marketing distribue 2M€ sur 12 canaux pour maximiser les conversions. L'optimisation a trouvé une allocation 31% meilleure que la planification manuelle.
Construit avec l'IA
Planification de Production
Un fabricant planifie la production hebdomadaire sur 5 lignes avec des contraintes de matériaux. Les plans optimisés ont augmenté le débit de 15% sans capacité supplémentaire.
Depuis le Marketplace
Réseau de Chaîne d'Approvisionnement
Un détaillant sélectionne les emplacements d'entrepôts pour desservir 200 magasins au coût minimum. L'optimisation du réseau a réduit les dépenses logistiques de 18%.
Depuis le Marketplace
Affectation de Ressources
Un cabinet de conseil affecte 80 consultants à 25 projets en fonction des compétences et disponibilités. L'optimisation a amélioré l'utilisation de 72% à 89%.
Construit avec l'IA
Opérationnel en quelques minutes
Choisissez un modèle ou partez de zéro
Parcourez plus de 100 modèles prédéfinis ou démarrez un modèle vierge dans le studio — canevas visuel, assistant IA, éditeur JSON ou le DSL JModel.
Définissez variables et contraintes visuellement
Utilisez l'interface glisser-déposer pour définir votre modèle d'optimisation. Définissez les objectifs, ajoutez des contraintes et configurez les types de variables.
Résolvez et explorez les résultats
Lancez la résolution et observez les résultats en temps réel. Analysez les valeurs des variables, les données de sensibilité et exportez votre solution.