Pour les expéditeurs nord-américains (NA), il est temps de passer de la simple adoption à la mise en œuvre stratégique de l’automatisation et de l’intelligence artificielle (IA) dans la gestion de la chaîne d’approvisionnement.
L’intelligence artificielle progresse à un rythme exponentiel, mais l’IA sans contexte n’est rien d’autre qu’un simple calcul. Ce qui fera véritablement la différence dans la prochaine ère de transformation de la chaîne d’approvisionnement, ce ne sera pas l’accès aux modèles, mais bien l’accès à des données d’exécution fiables, connectées et issues du monde réel.
La 9e édition de l’enquête annuelle « Descartes Transportation Management Benchmark Survey » recueille les avis des professionnels du transport afin d’identifier les stratégies, les tactiques et les attentes du secteur. Nous analysons en détail les réponses des expéditeurs d’Amérique du Nord (industries manufacturières, détaillants et distributeurs) concernant leurs stratégies et tactiques en matière d’automatisation et d’IA générative, afin d’aider les entreprises à comprendre comment ces technologies sont utilisées pour atteindre leurs objectifs.
L’IA dans la gestion des transports en est encore à ses débuts
Le transport revêt désormais une importance stratégique, mais l’automatisation basée sur l’IA accuse un retard dans certains domaines. Un pourcentage record de 81 % des expéditeurs nord-américains interrogés dans le cadre de l’enquête considèrent la gestion du transport comme un facteur de différenciation ou un atout concurrentiel (contre 67 % l’année dernière). Pourtant, beaucoup s’appuient encore sur des processus manuels, ce qui crée un « déficit d’automatisation » qui nuit à l’efficacité et à l’évolutivité.
Contexte pour les expéditeurs de chargements complets en Amérique du Nord : la rapidité est essentielle à vos activités. Les processus manuels liés à l’approvisionnement en capacité, à la vérification et à l’intégration des transporteurs, aux appels d’offres, au suivi et aux formalités administratives associées ralentissent vos opérations. L’automatisation de ces flux de travail (de la planification des chargements aux mises à jour de statut) permet de libérer des ressources humaines et d’améliorer la qualité du service, ce qui a un impact direct sur votre compétitivité.
Identifier le fossé : les chiffres à l’appui
Seuls 24 % des équipes de transport des expéditeurs d’Amérique du Nord sont entièrement automatisées, tandis qu’un tiers d’entre elles restent en grande partie ou presque entièrement manuelles. Cette réalité frappante signifie que de nombreux expéditeurs consacrent encore un temps excessif aux appels téléphoniques, aux e-mails et aux tableurs.
État actuel de l’automatisation et du niveau de maturité de l’IA
L’IA générative est très répandue, mais son utilisation reste superficielle. Une écrasante majorité (97 %) des expéditeurs nord-américains interrogés utilise l’IA générative dans certaines fonctions liées au transport, les principaux cas d’utilisation étant la saisie de données (47 %), la prévision du fret (47 %) et les chatbots de service client (41 %), qui constituent les trois principales catégories.
Cas d’utilisation de l’IA générative dans la gestion des transports
Toutefois, son utilisation n’est pas généralisée dans toutes les fonctions. 44 % des personnes interrogées qui utilisent l’IA générative l’utilisent dans plus de trois domaines, après quoi le taux d’utilisation chute brutalement.
Nombre d’applications d’IA générative dans les différents flux de travail
Données recalculées afin d’exclure les réponses indiquant une utilisation nulle de l’IA
La plupart des expéditeurs n’en sont qu’à leurs débuts et utilisent l’IA pour des tâches ponctuelles, comme la conversion d’e-mails en données de chargement ou pour répondre à des requêtes simples via des chatbots. La prochaine étape cruciale consiste à tirer parti des solutions d’automatisation et d’IA dans le cadre de multiples flux de travail interconnectés.
Mise en œuvre de l’automatisation des flux de travail basée sur l’IA
Mettre en œuvre l’automatisation et l’IA, c’est intégrer ces capacités directement dans les processus de transport afin qu’elles favorisent l’exécution, et pas seulement l’analyse. Une mise en œuvre stratégique de l’IA générative et de l’IA agentique permet d’optimiser la visibilité et l’efficacité de la chaîne d’approvisionnement de bout en bout.
Pour les expéditeurs internationaux gérant des chaînes d’approvisionnement complexes et multipartites, l’efficacité de l’IA repose sur un élément bien plus fondamental que les algorithmes : un réseau logistique hautement connecté qui recense des milliards de transactions, d’exceptions et de résultats concrets impliquant transporteurs, transitaires, agences douanières et partenaires commerciaux. Les écosystèmes logistiques connectés, tels que le Descartes Global Logistics Network, deviennent le moteur de la productivité de l’IA — et permettent aux chaînes d’approvisionnement des entreprises de passer de la « visibilité des données » à une « autonomie fiable ».
Pour commencer, identifiez les tâches manuelles qui génèrent le plus de frictions (par exemple, les appels d’offres de chargement, les appels de vérification, la planification des quais) et donnez-leur la priorité en vue d’une automatisation pilotée par un système de gestion des transports (TMS) afin d’améliorer la productivité. À mesure que les processus automatisés font leurs preuves et deviennent reproductibles, élargissez le rôle de l’IA en explorant les possibilités de son utilisation dans des applications dynamiques, notamment la planification des chargements, la gestion de la conformité et les négociations tarifaires.
Au fur et à mesure que vous testez, mettez en œuvre et développez vos solutions, la connectivité reste la priorité absolue. Quel que soit le domaine d’application de l’IA générative, les expéditeurs doivent veiller à ce que les outils d’IA s’intègrent au système de gestion des transports (TMS) et aux systèmes connexes afin de renforcer les flux de travail existants, de manière à améliorer en toute transparence les opérations quotidiennes sans ajouter de processus supplémentaires.
C’est là qu’interviennent des solutions telles que Descartes MacroPoint™ OpsForce. OpsForce utilise une IA agentique axée sur les exceptions pour automatiser les tâches critiques liées au transport — n’intervenant que lorsqu’un problème survient ou qu’une non-conformité est détectée —, ce qui vous permet de garder le contrôle tout en éliminant le travail manuel. Entièrement intégrés à Descartes MacroPoint et à votre TMS, ces agents améliorent le suivi de la conformité, la saisie des données et l’exécution des tâches sans ajouter de complexité, de systèmes supplémentaires ni de personnel.
Les données sont sans appel : bien que l’automatisation et l’intelligence artificielle soient largement répandues, leur impact reste limité en l’absence d’un réseau plus étendu et mieux interconnecté. Pour les expéditeurs, combler cette lacune est essentiel pour maintenir leurs performances et leur compétitivité.
