Les solveurs neuronaux constructifs produisent des tournées de véhicules de bonne qualité en construisant les routes étape par étape, mais leur processus de décision reste opaque : à chaque étape, le modèle choisit un nœud sans rendre explicite quelles variables ont dominé, quelles contraintes ont orienté ce choix, ni quelle modification minime de l'entrée aurait pu l'inverser. Ce séminaire présente un cadre d'explication locale post-hoc développé pour le Multi-Attribute VRP, un problème de routage sous contraintes hétérogènes combinant differents types de contraintes dont les combinaisons actives définissent plusieurs signatures distinctes. Avant de produire des explications, nous évaluons la qualité de la représentation interne de l'encodeur par une étude de sondage post-hoc : des sondes linéaires (régression logistique sur les embeddings figés) et un clustering non supervisé (k-means) mesurent dans quelle mesure les contraintes actives sont linéairement prédictibles et spontanément organisées dans l'espace latent. Ces diagnostics, ROC AUC, Macro-F1, NMI, ARI, rang effectif et rang stable, confirment que l'espace est non dégénéré et structuré par les contraintes, et orientent le choix de la configuration retenue. Nous distinguons ensuite deux régimes de décodage : l'un imposant la faisabilité avant toute sélection, l'autre la vérifiant après coup, et montrons que cette différence architecturale change la nature même de ce qu'il faut expliquer. Le cadre produit cinq vues complémentaires sur chaque décision : attribution par feature (gradient saliency, Integrated Gradients), agrégation par familles de contraintes, lecture contrastive par rapport à la meilleure alternative, proposition de perturbation locale guidée par gradient, et score de sensibilité à la faisabilité. Ces explications sont évaluées par un protocole en quatre axes : fidélité par suppression, concentration, stabilité inter-seeds et sanity checks, dont nous discutons les limites pour les décodeurs softmax séquentiels.