Une filière en retard d'adoption — et c'est une opportunité

Je vais être direct. La logistique et le transport de marchandises sont en retard sur l'intelligence artificielle. Moins d'une entreprise sur dix de la filière l'avait intégrée en 2025, alors que le secteur fait tourner près de 1,8 million d'emplois en France. On pourrait s'en inquiéter. Moi, j'y vois autre chose : le bon moment pour démarrer, justement parce que tout le monde n'y est pas encore. Reste à le faire bien — et c'est là que ça se joue.

Depuis quelques mois, un document circule chez les dirigeants de la filière : le guide « Adoption de l'IA — filière logistique et transport de marchandises », coordonné début 2026 par France Logistique avec la DGE et l'AI Cargo Foundation, dans le cadre du plan public « Osez l'IA ». Ce n'est pas un livre blanc d'éditeur de logiciel. C'est un cadre institutionnel, chiffré, sans hype. Il dit une chose simple, et je la partage : l'IA n'est pas une fin en soi. C'est un outil pour augmenter la logistique, maillon par maillon. Encore faut-il savoir par quel maillon commencer.

Cet article, je l'écris en dirigeant, pas en vendeur de technologie. J'ai passé des années à piloter de l'industrie avant de fonder ACTUKO. Je sais ce que c'est qu'un projet qui se lance en grande pompe et qui meurt dans un tiroir. L'IA en logistique, c'est exactement le terrain où ce risque est maximal. Voilà comment l'éviter.

Commençons par le constat, parce qu'il est têtu. En 2025, selon une enquête Bpifrance, moins de 10 % des entreprises de transport et logistique déclaraient avoir intégré l'IA. C'est en dessous des autres secteurs de l'économie. Une filière essentielle, structurante, présente sur tout le territoire — et largement à la traîne sur l'outil qui redessine déjà les autres industries.

Beaucoup de dirigeants lisent ce chiffre comme un reproche. Je le lis comme un signal. Quand un marché entier n'a pas encore bougé, celui qui s'y met tôt, intelligemment, sur un cas précis, prend une avance réelle. Pas une avance de communication. Une avance opérationnelle : moins de ressaisies, moins de litiges, des tournées mieux remplies, des délais tenus. Ce sont des points de marge et des clients qui restent.

Et le contexte pousse dans ce sens. La même année, 34 % des établissements de la branche déclaraient des difficultés de recrutement (AFT). Quand on peine à recruter des exploitants, des planificateurs, des agents de quai, automatiser les tâches répétitives n'est plus un luxe. C'est une façon de redonner du temps aux équipes qu'on a, sur ce qui compte vraiment.

Trois familles d'IA à combiner : générative, prédictive, optimisation

Quand on parle d'IA, beaucoup ne pensent qu'à ChatGPT. C'est une partie du sujet, pas le tout. Le guide distingue clairement trois familles, et la valeur naît surtout de leur combinaison. Si vous deviez retenir une grille de lecture, c'est celle-ci.

L'IA générative : produire et résumer

Celle que tout le monde connaît. Elle rédige, reformule, résume, traduit, extrait l'information d'un document. En logistique, ses terrains naturels sont l'analyse documentaire (CMR, bons de livraison, fiches de sécurité, e-mails clients), la rédaction de comptes rendus, la préparation de réponses. C'est souvent la porte d'entrée, parce que le gain se voit vite et que l'investissement de départ est modeste.

L'IA prédictive : anticiper

Elle ne produit pas du texte, elle estime ce qui va arriver. Heure d'arrivée réelle d'un camion (ETA), volumes à venir, risques de rupture, pics d'activité. C'est l'IA qui transforme un pilotage réactif — on subit — en pilotage anticipé — on prépare. Elle demande des données propres et un peu d'historique, mais son effet sur la qualité de service est considérable.

L'IA d'optimisation : décider mieux

Elle calcule la meilleure combinaison sous contraintes : tournées, plans de chargement, affectation des ressources, ordonnancement d'un entrepôt. C'est elle qui réduit les kilomètres à vide, équilibre les charges, fait tenir un planning impossible à la main. Couplée à la prédictive, elle devient redoutable : on anticipe le volume, puis on optimise l'exécution.

Où l'IA crée déjà de la valeur dans la filière

Assez de théorie. Où est-ce que ça marche concrètement ? L'enquête AFT relayée par le rapport OPTL 2025 donne une photographie utile des usages réellement déployés. Elle montre une chose intéressante : les entreprises commencent par le plus accessible, pas par le plus spectaculaire.

Source : enquête AFT, rapport OPTL 2025. Ce tableau raconte une stratégie implicite, et elle est saine. La bureautique arrive en tête (65 %) parce que c'est là que le risque est le plus faible et le gain le plus immédiat : rédiger, résumer, traiter des e-mails. Viennent ensuite le transport et les tournées (44 %), puis la facturation (39 %). La traçabilité et la réception-expédition ferment la marche — des sujets plus techniques, plus liés aux systèmes en place.

La leçon pour un dirigeant qui démarre ? Inutile de viser tout de suite l'orchestration complète de votre entrepôt par IA. Les entreprises qui avancent commencent par le bord de la pelouse, là où la mise en œuvre est simple et la valeur visible. On peut résumer les terrains de jeu en quatre grands blocs.

• Le transport. Plans de transport, optimisation des tournées, estimation des ETA, réduction des kilomètres à vide. C'est souvent là que le ROI se mesure le plus vite.
• L'intralogistique. Réapprovisionnement, ordonnancement d'entrepôt, affectation des ressources, préparation de commandes. Le cœur de la performance opérationnelle.
• Le support et les fonctions transverses. Planification RH, réponses clients, comptes rendus, suivi qualité. Là où l'IA générative redonne du temps aux équipes.
• Les documents. Lecture automatique des CMR, bons de livraison, factures, fiches de sécurité. Un gisement énorme et peu glamour — donc souvent négligé, à tort.

Ils l'ont fait — preuves terrain

Je me méfie des promesses. Ce qui me convainc, ce sont les résultats. Le guide en documente plusieurs, et ils couvrent volontairement des tailles d'entreprise différentes — parce que la question « est-ce que c'est réservé aux grands groupes ? » mérite une réponse claire. Non.

FM Logistic : 98 % de lecture automatique, temps de traitement divisé par 10

Sur le traitement documentaire — un poste répétitif, chronophage, source d'erreurs — FM Logistic atteint 98 % de lecture automatique de ses documents et divise par 10 le temps de traitement. Ce n'est pas une démo de laboratoire. C'est du quotidien d'exploitation. Et c'est exactement le type de cas « fréquent, répétitif, douloureux » par lequel je conseille de commencer : à la clé, du temps rendu aux équipes et beaucoup moins de ressaisies.

GXO : un réapprovisionnement proactif qui se confirme à 90 %

Chez GXO, un agent IA génère des propositions de réapprovisionnement. Le chiffre qui compte est celui de la pertinence : plus de 90 % des tâches générées par l'agent sont suivies d'une commande. Autrement dit, l'IA ne crée pas du bruit que les équipes doivent trier — elle propose juste, presque à chaque fois. C'est la différence entre un outil qui aide et un outil qui agace.

Une PME de 50 salariés : l'IA n'est pas réservée aux grands

Le cas qui parle le plus à mes interlocuteurs n'est pas celui d'un géant. C'est celui d'une PME d'une cinquantaine de salariés qui a mis l'IA dans son exploitation transport : un agent qui crée les ordres de transport à partir des e-mails et des PDF reçus. Pas de service informatique pléthorique, pas de budget démesuré. Un problème précis, un outil ciblé, des heures de saisie économisées chaque semaine. Voilà le vrai sujet : la taille n'est pas la barrière. La méthode l'est.

La vraie transformation est culturelle, pas technologique

Voilà le point que je martèle à chaque mission. On croit que l'IA est un problème de technologie. C'est faux. C'est d'abord un problème de personnes, d'habitudes, de confiance. La technologie, aujourd'hui, est mûre. Ce qui bloque, c'est l'adhésion.

Un agent IA qui crée les ordres de transport ne sert à rien si l'exploitant ne lui fait pas confiance et continue de tout ressaisir « pour être sûr ». Un outil de prédiction des volumes ne change rien si le planificateur l'ignore. La valeur ne se décrète pas dans un comité de direction. Elle se construit sur le terrain, avec ceux qui font le métier.

C'est pour ça que la formation est centrale. 66 % des PME et ETI accompagnent l'adoption de l'IA par la formation (Bpifrance) — et ce n'est pas un hasard. Acculturer les dirigeants d'abord, puis les équipes. Expliquer ce que l'outil fait, ce qu'il ne fait pas, où l'humain garde la main. Co-construire le cas d'usage avec ceux qui connaissent les vraies contraintes du quai et de la route, pas le rêver depuis un bureau.

Les pièges à éviter, du « Shadow AI » au « POC éternel »

Le guide liste 11 pièges qui font échouer les projets d'IA en logistique. Je ne vais pas tous les paraphraser — mais en voici les plus fréquents, ceux que je vois revenir mission après mission. Connaître ces pièges, c'est déjà la moitié du chemin.

• Partir de la techno, pas du problème. L'erreur numéro un. On achète un outil « parce que c'est de l'IA », puis on cherche à quoi il pourrait servir. C'est l'inverse : on part d'un problème terrain mesurable, et on cherche l'outil qui le règle.
• Le « Shadow AI ». Des collaborateurs qui utilisent des outils IA grand public, en cachette, avec des données de l'entreprise. Pratique, mais ingérable côté sécurité et confidentialité. Mieux vaut encadrer que faire semblant que ça n'existe pas.
• Le « POC éternel ». Le projet pilote qu'on prolonge indéfiniment, qu'on n'industrialise jamais, qui finit en démonstration sans suite. Un POC doit avoir une date de fin et un critère de décision : on déploie, ou on arrête.
• La boîte noire sans réversibilité. S'enfermer dans un outil qu'on ne comprend pas et qu'on ne peut plus quitter. Toujours garder la maîtrise de ses données et une porte de sortie.
• Mal mesurer le retour. Lancer sans indicateurs définis à l'avance. Sans chiffres de départ, impossible de prouver le gain — ni le coût réel, y compris environnemental.

Le fil rouge de ces pièges ? Le manque de cadrage. Aucun n'est une fatalité technique. Tous viennent d'un projet mal posé au départ. C'est précisément là qu'un regard extérieur, qui a vu d'autres terrains, fait gagner des mois.

Souveraineté, cybersécurité, RGPD, environnement : les garde-fous

On ne déploie pas l'IA dans le vide. Une exploitation transport manipule des données sensibles : clients, itinéraires, marchandises, parfois données personnelles. Les garde-fous comptent autant que les gains. Quatre sujets à traiter dès l'amont, pas après coup.

• La souveraineté. Privilégier des solutions françaises ou européennes quand c'est possible. Savoir où vivent ses données, sous quelle juridiction, est devenu un choix stratégique — pas un détail technique.
• La cybersécurité. Brancher une IA, c'est ouvrir une porte. Elle doit être sécurisée comme le reste du système d'information, avec les mêmes exigences.
• Le RGPD. Données personnelles des chauffeurs, des contacts clients, des destinataires : le cadre s'applique pleinement. La conformité se pense en amont du projet, pas en rattrapage.
• L'impact environnemental. Le numérique représentait 4,4 % de l'empreinte carbone de la France en 2022 (ADEME). L'IA consomme. Mesurer son empreinte fait partie d'un déploiement responsable — d'autant que la logistique travaille déjà sa décarbonation.

Ces garde-fous ne sont pas des freins. Ce sont les conditions pour avancer sereinement, et pour pouvoir l'expliquer à ses clients comme à ses équipes. Une IA maîtrisée est un argument commercial. Une IA subie est un risque.

Votre plan en 5 étapes pour démarrer

Le guide propose 8 étapes-clés. Pour un dirigeant qui veut passer à l'action sans se noyer, je les ramène à 5 mouvements simples. C'est la trame que j'utilise en accompagnement.

• Identifier un cas d'usage « fréquent + répétitif + douloureux ». Pas le plus impressionnant : le plus utile. Une tâche que vos équipes font tous les jours, qui prend du temps, qui génère des erreurs. La saisie d'ordres de transport, le traitement documentaire, les ETA : autant de bons candidats.
• Fixer 3 indicateurs AVANT de commencer. Temps gagné, taux d'erreur, satisfaction des équipes, kilomètres à vide… Choisissez-en trois et mesurez-les à l'état initial. Sans ce point zéro, vous ne pourrez jamais prouver le gain.
• Tester petit, vite, avec les équipes concernées. Un périmètre restreint, une durée définie, les bonnes personnes autour de la table. On co-construit, on ne plaque pas.
• Mesurer, puis décider. À l'échéance du test, on compare aux trois indicateurs. On industrialise si ça marche, on arrête si ça ne marche pas. Pas de POC éternel.
• Industrialiser et acculturer. Déployer plus largement, former, encadrer les usages (souveraineté, sécurité, RGPD), puis passer au cas d'usage suivant. L'IA se construit par itérations, pas par grand soir.

C'est tout. Rien d'ésotérique. Une méthode de bon sens, appliquée avec rigueur. La différence entre les projets qui réussissent et ceux qui échouent ne tient pas à la sophistication de l'outil — elle tient à la discipline de la démarche.

Mon conseil de dirigeant à dirigeant : testez tôt, sur un cas simple et mesurable, plutôt que de subir l'IA plus tard sous contrainte. La filière est en retard ; ceux qui démarrent maintenant, proprement, prendront une longueur d'avance qui ne se rattrape pas en un trimestre. C'est exactement le type d'accompagnement que je mène avec KONSULTIA : vous aider à choisir votre premier cas d'usage, le cadrer, fixer les bons indicateurs, et mesurer les gains — sans jargon et sans projet hors-sol.