Le transport et la logistique se composent d'un mélange de travail dont la nature diffère fortement. La planification et le routage, le traitement des commandes, le traitement documentaire lors du transport transfrontalier, la communication de suivi avec les clients, la planification de l'entretien du matériel et le traitement administratif des trajets et des factures occupent ensemble une grande partie des heures de bureau. Il y a en outre le travail de conduite et d'exécution proprement dit : charger, décharger, conduire, contrôler physiquement le chargement. Ces deux univers ne réagissent pas de la même manière à ce que l'IA peut reprendre. Le traitement documentaire et la planification sont numériques et répétitifs ; le travail physique ne l'est souvent pas, ou seulement après des investissements considérables dans les capteurs et la technologie des véhicules.
Les circonstances qui déterminent le résultat ne sont pas les mêmes partout. Une entreprise qui roule principalement sur le territoire national et sur des itinéraires fixes a une complexité de planification différente d'une entreprise avec des chargements internationaux variables et des formalités douanières. Un parc de véhicules disposant de données de capteurs offre à l'IA une base d'entraînement ; un parc sans ces données, non. La réglementation relative aux temps de conduite et de repos, aux douanes et aux matières dangereuses est en outre un élément auquel les applications d'IA doivent se conformer, ce qui ralentit le déploiement dans les endroits où ces règles sont strictement appliquées.
Dans la planification et l'optimisation des itinéraires, il est déjà visible à de nombreux endroits que le logiciel effectue la majeure partie du travail de calcul, un planificateur évaluant le résultat et le corrigeant sur la base de connaissances que le système n'a pas : un chauffeur qui vient de rentrer de congé, un client qui préfère ne pas recevoir de visite tôt le matin. C'est le modèle intermédiaire des trois schémas qui traversent l'ensemble du secteur : l'IA porte la majeure partie du travail, un humain approuve ou rejette avec motivation. Le contrôle documentaire pour les envois internationaux évolue à un rythme comparable, les systèmes signalant les écarts et un employé traitant les exceptions.
La communication avec les clients sur le statut des envois est déjà largement automatisée dans un certain nombre d'entreprises : un système qui signale les écarts sans qu'un humain rédige chaque message. La planification de l'entretien du matériel suit un autre schéma : l'entretien prédictif basé sur les données de capteurs peut indiquer quand un véhicule nécessite une attention, mais l'évaluation de savoir si cet entretien doit avoir lieu immédiatement ou peut attendre un arrêt planifié reste un travail humain tant que les conséquences d'une mauvaise estimation sont importantes. Et la conduite du véhicule proprement dite reste, dans la grande majorité du secteur, un travail humain, même là où la technologie autonome est testée.
La différence entre les entreprises qui organisent déjà les choses ainsi et celles qui ne le font pas réside rarement dans l'ambition. Elle réside dans les données disponibles, dans la part de routine du processus par rapport à la part d'exceptions, et dans la manière dont la responsabilité en cas d'erreur est organisée. Un service de planification disposant de plusieurs années de données de trajets peut entraîner un système qu'un service sans cet historique ne peut pas construire. Ce n'est pas un choix que l'on fait, c'est une position de départ que l'on a ou que l'on n'a pas.
Une stratégie pour le transport et la logistique repose souvent sur une hypothèse quant à la localisation des avantages de coûts et des points de blocage : par exemple que la capacité de planification est rare et coûteuse, ou que le traitement documentaire lors du passage des frontières a un délai fixe que les concurrents ne peuvent pas non plus réduire. Si l'IA augmente cette capacité de planification ou réduit ce délai dans une partie du secteur, le terrain de jeu se déplace sans annonce préalable. Le plan reste debout sur le papier, tandis que l'hypothèse qui le sous-tend n'est déjà plus valable.
C'est exactement le schéma qui se joue aussi dans d'autres secteurs, avec son propre rythme et sa propre cause : comment les services aux entreprises sont confrontés à l'évolution des tâches de conseil et du traitement administratif, comment le commerce de détail gère la gestion automatisée des stocks et le contact client, et ce que cela signifie pour une stratégie lorsqu'une hypothèse devient caduque sans préavis. Le mécanisme sous-jacent est chaque fois le même : l'IA n'est pas un projet distinct avec une date de lancement, c'est un changement dans la structure de coûts et la vitesse de certaines tâches qui, à un moment donné, fait s'effondrer l'hypothèse sous-jacente.
Ceci n'est pas une déclaration sur ce qu'une entreprise individuelle devrait faire avec son effectif. Les décisions concernant les fonctions et le nombre d'équivalents temps plein relèvent de l'employeur, et si ces choix sont liés à une réorganisation, des exigences légales propres s'appliquent, indépendamment de ce qui est décrit ici. Ce dont il est question sur cette page, c'est la question de savoir quel travail est effectivement reprenable, partiellement reprenable sous contrôle, ou reste un travail humain, et ce que cela signifie pour les hypothèses sur lesquelles une stratégie est construite.
La question de savoir quel travail dans votre entreprise peut effectivement être repris par l'IA ne trouve pas de réponse au niveau sectoriel. Cela nécessite d'examiner son propre processus, ses propres données et ses propres exceptions ; c'est ce que le scan de travail de FTE TO AI cartographie tâche par tâche. Une première étape, plus large que la seule répartition du travail, consiste à appliquer la méthode pour cartographier soi-même un horizon de changements à sa propre stratégie. Ceux qui préfèrent commencer directement par les hypothèses elles-mêmes peuvent effectuer le contrôle d'hypothèses gratuit : un court parcours dans lequel vous identifiez les principales hypothèses derrière votre stratégie et voyez, pour chacune, quand elle a été confirmée pour la dernière fois. L'épreuve de résistance complète, avec des données sectorielles, un autoplacement de l'équipe de direction et une liste d'hypothèses continue, est en cours de développement.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.