Le problème d'ordonnancement de voitures consiste à séquencer des voitures sur une chaine de montage en satisfaisant des contraintes liées à la capacité des différents ateliers de montage positionnés le long de la chaine. On décrit dans cet article un algorithme à base de fourmis pour résoudre ce problème, et on propose deux structures phéromonales complémentaires pour cet algorithme : la première vise à apprendre les bonnes sous séquences de voitures ; la seconde vise à apprendre les voitures critiques. On compare expérimentalement ces deux structures phéromonales, qui ont des performances complémentaires, et on montre que leur combinaison améliore les performances de chacune. On compare finalement l'algorithme ACO combinant les deux structures phéromonales à d'autres approches, et on montre qu'il permet de résoudre plus rapidement une majorité d'instances.