Retour aux articles
IA en transport : pourquoi les projets échouent
Technologies IA transport routier flotte numérique Québec

IA en transport : pourquoi les projets échouent

Seulement 13 % des dirigeants technologiques tirent un rendement majeur de l'IA, selon Gartner. Au moment de préparer le budget 2027, la bonne question n'est pas « faut-il faire de l'IA ? », mais « quelle tâche précise vaut la peine d'être testée, et comment le prouver en 90 jours ? ».

Les chiffres des derniers jours

  • Gartner a sondé 2 002 DSI et dirigeants technologiques : 13 % disent obtenir un rendement « majeur ou transformateur » de l'IA, et 51 % s'attendent à ce qu'elle fasse augmenter leurs coûts technologiques.

  • Torsten Slok, économiste en chef d'Apollo, constate un rendement financier « nul » pour les grandes entreprises américaines en dehors de la tech : leurs marges et leur revenu par employé n'ont presque pas bougé.

  • Dans le transport, Supply Chain Dive (contenu commandité par Shipwell) décrit un écart entre la direction et le terrain. Selon un sondage de Kinaxis, 64 % des responsables des opérations jugent difficile la détection d'anomalies par l'IA, contre 32 % des dirigeants.

Ces chiffres ne disent pas que l'IA est inutile. Ils disent que la plupart des entreprises ne peuvent pas encore démontrer un gain.

Pourquoi la plupart des projets ne rapportent rien

Les causes reviennent souvent :

  • on part de l'outil (« où mettre de l'IA ? ») au lieu du problème (« où le travail se brise-t-il ? ») ;

  • personne n'a mesuré la situation de départ, donc aucun gain ne peut être prouvé ;

  • le périmètre est trop large pour isoler un effet ;

  • les équipes terrain ne font pas confiance à l'outil et le contournent ;

  • aucun critère d'arrêt n'est fixé, alors le projet continue par inertie.

Trois tâches où l'IA se mesure facilement

Tâche Ce que l'IA fait Indicateur à suivre
Saisie des connaissements Lit le document et préremplit le TMS Minutes par document, taux d'erreurs
Appels de suivi Répond aux demandes de statut, signale les retards Demandes traitées par un humain, délai de réponse
Répartition Propose une affectation que le répartiteur valide Temps de planification, kilomètres à vide

Ces tâches ont un volume élevé, un coût actuel calculable, et un humain garde la décision finale. La répartition est la plus exigeante : on commence par un outil qui recommande seulement.

Le test des 90 jours

Avant de signer, fixez cinq règles :

  1. Une seule tâche, sur un périmètre réduit (un client, un terminal).

  2. Une mesure de départ, relevée pendant deux à quatre semaines.

  3. Un indicateur et un garde-fou : le gain visé, et la qualité à ne pas dégrader.

  4. Un budget plafond tout compris : licences, intégration, temps interne.

  5. Un seuil de décision écrit à l'avance.

Au 90e jour : seuil atteint, on étend ; gain partiel avec une cause claire, on corrige une fois ; sinon, on arrête. Arrêter n'est pas un échec : c'est le test qui a fait son travail.

Les coûts cachés à surveiller

  • Les abonnements qui s'empilent, module après module.

  • Le coût à l'utilisation, qui grimpe avec le volume. Une étude de l'Université du Shandong sur des assistants de programmation montre qu'à modèle et tâches identiques, le coût peut tripler selon l'outil utilisé, sans meilleur résultat.

  • L'intégration et la maintenance avec le TMS, à refaire quand les formats changent.

  • Le temps de l'équipe pour vérifier les résultats et gérer les exceptions.

Pour 2027, inutile de prévoir une grande ligne « IA ». Prévoyez plutôt un test : une tâche, un plafond, un indicateur et une date de décision. Les entreprises qui tireront un vrai rendement de l'IA seront celles qui auront choisi la bonne tâche et accepté d'arrêter ce qui ne rapporte pas.

Sources

Consultées le 26 octobre 2026.