Transload parie que la vidéosurveillance peut mesurer chaque expédition LTL : YC P26, lancement sur HN, ~50 K$/site/mois

Une société de logiciels qui transforme les caméras de sécurité déjà installées dans les terminaux de fret en dimensionneurs automatiques, mesurant chaque expédition LTL au fil de son passage dans le flux normal du quai, sans nouveau matériel.

Que la vision par ordinateur monoculaire sur les caméras de vidéosurveillance déjà présentes dans les terminaux peut mesurer chaque expédition LTL, permettant ainsi aux transporteurs de récupérer la sous-facturation sans modifier le flux de travail du quai.

Les trois fondateurs — Nils, Julius et Jago — ont étudié ensemble à la TU Munich et se connaissaient depuis huit ans lorsqu'ils ont lancé transload en 2026. Jago a grandi dans le secteur grâce à l'activité de transport LTL et de cross-docking de sa famille. Leur première idée était une IA pour optimiser les trajets des chariots élévateurs à l'intérieur des terminaux de cross-dock, mais après avoir échangé avec plus de 50 entreprises de transport, ils ont surtout entendu parler des dimensions du fret — et ont réalisé que les progrès récents de l'estimation de profondeur métrique monoculaire permettaient de reconstituer une structure 3D précise à partir d'images de caméras ordinaires, sans LiDAR.

L'entreprise a rejoint la promotion Printemps 2026 (P26) de Y Combinator et s'est lancée publiquement sur Hacker News le 8 juin 2026, puis sur Launch YC le 21 juin 2026. Son système en deux étapes associe l'horodatage d'un scan de code-barres à la bonne expédition dans la vidéo — en raisonnant sur le regard, l'orientation du corps et le mouvement — puis segmente l'objet et estime une boîte englobante 3D métrique, avec aujourd'hui une erreur absolue moyenne inférieure à 1,5 pouce. Les fondateurs indiquent travailler avec plusieurs transporteurs LTL, un client présentant des erreurs de dimensions sur environ 10 % des expéditions contrôlées, et affirment que la détection de ces écarts vaut environ 50 K$ par site et par mois.

En production avec des clients pilotes et en montée en charge de la mesure elle-même : l'équipe indique que sa priorité est de pousser la précision des boîtes englobantes sous le pouce à couverture complète, le premier cas d'usage payant étant la récupération de revenus — identifier les expéditions sous-dimensionnées et corriger la facturation — avant de passer à l'optimisation de l'utilisation des remorques.

La fraude ou l'erreur de dimensions est mesurable et récurrente : chaque expédition sous-déclarée représente un manque à gagner, si bien que le client peut calculer le retour sur investissement par terminal avant d'acheter.

La vidéosurveillance existante supprime l'obstacle à l'adoption : ni déplacement de chariot élévateur, ni congestion du quai, ni nouveau flux de travail, ce qui explique pourquoi les stations de dimensionnement dédiées ne faisaient qu'échantillonner le fret.

Le seuil technique vient de bouger : une profondeur métrique monoculaire bon marché a rendu possible une mesure 3D précise à partir de caméras ordinaires, sans matériel LiDAR.

Un angle d'attaque étroit maintient la concentration : la récupération de revenus sur les expéditions LTL sous-facturées est un problème que les fondateurs ont vérifié au cours de plus de 50 conversations avec des entreprises de transport.

Choisir le problème que les clients mentionnent dans chaque conversation, puis réutiliser les actifs qu'ils possèdent déjà : l'absence de nouveau matériel a rendu possible la vente aux terminaux.

Au 2 septembre 2026, transload est en production avec des pilotes : son profil YC (promotion Printemps 2026) indique que 15 % des expéditions de ses clients s'avèrent plus volumineuses que déclaré, ce qui représente environ 50 K$ par site et par mois en refacturations et en utilisation des remorques, et selon son lancement sur Hacker News, elle travaille avec plusieurs transporteurs LTL, l'un présentant environ 10 % d'erreurs de dimensions sur les expéditions contrôlées. L'équipe de trois personnes à San Francisco se concentre sur la précision de mesure, visant moins d'un pouce d'erreur moyenne à couverture complète.