ANALYSETRANSPORT & LOGISTIQUE
L'IA dans le transport et la logistique : moitié moins d'adoption, deux fois plus de pression
Le transport utilise l'IA deux fois moins que la moyenne, pendant que défaillances et pénurie de conducteurs compriment le secteur. Six familles de cas d'usage documentées et cinq décisions à 90 jours pour rejoindre les premiers équipés.
Le secteur né de l'optimisation est le dernier à s'en équiper
Commençons par le paradoxe qui structure tout ce rapport. Le transport et la logistique sont, historiquement, l'industrie de l'optimisation : tournées, remplissage, ordonnancement — le métier consiste à faire mieux avec les mêmes camions. Or c'est précisément ce secteur qui adopte le moins l'intelligence artificielle. Aux États-Unis, 7,9 % des entreprises du transport et de l'entreposage déclarent utiliser l'IA, contre 23,2 % en moyenne tous secteurs confondus (US Census Bureau). Un rapport de un à trois — et ce n'est pas une anomalie américaine.
L'Europe reproduit le même écart, à un niveau près. Dans l'Union, 11,15 % des entreprises du secteur transports-entreposage utilisaient des technologies d'IA en 2025, contre 20 % pour l'ensemble des entreprises (Eurostat). En France, la coupe sectorielle officielle donne 9 % pour les transports et l'entreposage, contre 18 % toutes entreprises confondues (INSEE). Trois géographies, trois instituts statistiques, une même proportion : le transport utilise l'IA moitié moins que la moyenne de l'économie. Le mouvement général, lui, accélère partout — 26 % d'entreprises utilisatrices en Allemagne (Destatis), environ 35 % au Royaume-Uni à l'été 2026, près du triple de 2023 (ONS).
Un même écart, trois continents : le transport adopte moitié moins que la moyenne
Une nuance d'honnêteté s'impose, et elle change la lecture : ce retard est en train de se combler à grande vitesse. Dans l'Union européenne, le taux d'adoption du secteur a plus que doublé en deux ans — 5,26 % en 2023, 8,13 % en 2024, 11,15 % en 2025 (Eurostat). La ligne de départ est basse, mais la pente est l'une des plus fortes de l'économie. Pour un dirigeant de transport ou de logistique, ces deux chiffres racontent la même histoire sous deux angles : la majorité de vos concurrents n'a pas encore structuré sa démarche — et cette situation ne durera pas.
Le paradoxe n'est qu'apparent, et le comprendre aide à en sortir. Si le secteur de l'optimisation s'équipe si lentement, ce n'est pas par indifférence à l'efficacité — c'est que sa donnée est plus fragmentée que celle de presque tout autre secteur : un TMS par ici, une télématique par là, des bons de livraison encore papier, des e-mails de cotation par milliers, et une part du savoir dans la tête des exploitants. Or toutes les réussites documentées dans ce rapport commencent par le même actif : une donnée d'exploitation consolidée. C'est le fil rouge des six familles de cas d'usage que nous verrons plus loin.
Marges sous pression, camions sans conducteurs
Ce retard d'équipement serait anecdotique dans un secteur confortable. Il ne l'est pas. À l'échelle européenne, environ 502 000 postes de conducteurs sont non pourvus, soit 13 % des effectifs, et deux transporteurs sur trois déclarent refuser des contrats faute de conducteurs — pendant que 660 500 conducteurs partiront à la retraite d'ici 2030 (IRU). La pression sur la capacité est déjà continentale.
En France, cette tension se double d'une forte pression économique : 645 entreprises de transport de marchandises ont disparu au deuxième trimestre 2025 — environ dix par jour ouvré, en hausse de 55 % sur deux ans, le pire bilan depuis 2020 (Union TLF). Le transport et l'entreposage pèsent lourd — plus de 1,5 million de salariés fin 2024, près de 267 milliards d'euros de chiffre d'affaires, et une dépense totale de transport de 536,8 milliards d'euros (SDES) ; en comptant l'ensemble de la filière, environ 10 % du PIB et 2,1 millions d'emplois (Union TLF). Ce poids repose sur des marges structurellement minces, que la conjoncture comprime encore : le secteur perd des entreprises par le bas et de la capacité par le haut.
En France toujours, la demande se déforme plus qu'elle ne faiblit. Le e-commerce français a atteint 196,4 milliards d'euros en 2025, avec 3,2 milliards de transactions (+11 %) — et près d'une livraison sur deux passe désormais par des modes hors domicile, points relais et consignes (Fevad) : des flux plus fragmentés, des colis plus nombreux, des tournées plus denses à orchestrer. Pour le dirigeant, la conclusion de ce tableau est arithmétique : quand la capacité manque et que les marges se compriment, chaque kilomètre à vide, chaque heure d'attente à quai et chaque devis perdu coûtent plus cher qu'avant. C'est exactement le terrain de jeu de l'IA — et c'est pour cette raison que le retard d'adoption du secteur est une anomalie qui se corrigera, avec ou sans vous.
Moitié moins d'IA que la moyenne, deux fois plus de pression que la plupart des secteurs : cet écart-là est une décision en attente.
Beaucoup d'expériences, presque pas de stratégies
Là où l'IA est entrée dans les organisations logistiques, le problème a changé de nature : il ne s'agit plus d'essayer, mais de structurer. 71 % des professionnels de la supply chain déclarent que l'IA est en train de transformer leurs chaînes, et 48 % jugent son impact « significatif ou plus » — un bond de 25 points en un an (MHI / Deloitte). Mais parmi les organisations qui ont déployé de l'IA ces douze derniers mois, 23 % seulement disposent d'une stratégie formalisée ; la majorité avance projet par projet, sans cadre ni mesure (Gartner). L'expérimentation est là — la méthode manque.
Or la génération d'outils qui arrive ne laissera pas le temps de flotter. Les dépenses en logiciels de supply chain dotés d'IA agentique — des agents qui cotent, réservent, appellent et replanifient seuls — passeraient de moins de 2 milliards de dollars en 2025 à 53 milliards en 2030, la part d'entreprises utilisatrices passant de 5 % à 60 % (Gartner) ; 70 % des grandes organisations auraient adopté la prévision de la demande par IA à cet horizon (Gartner). Les dirigeants en tirent déjà les conséquences sociales : 55 % s'attendent à ce que l'IA agentique réduise leurs recrutements de débutants, et 51 % anticipent une réduction globale des effectifs (Gartner) — une perspective à manier avec prudence dans un secteur qui, dans le même temps, cherche un demi-million de conducteurs.
L'expérimentation sans la méthode — et la vague qui arrive
Ce contraste — un secteur sous-équipé, des outils qui s'industrialisent à grande vitesse — définit la question utile pour un comité de direction de transport ou de logistique. Elle n'est pas « faut-il y aller », ni même « quand » : elle est « par quelle famille de cas d'usage, avec quelle donnée, et avec quelle discipline de mesure ». La suite de ce rapport y répond avec les déploiements documentés — des géants américains aux transporteurs et messagers français.
Six familles de cas d'usage, une logique commune
Les déploiements menés à terme dans le secteur dessinent six familles de cas d'usage, qui partagent trois traits : la tâche est répétée à très haute fréquence, son coût actuel est mesurable, et l'amélioration se traduit directement en kilomètres évités, en heures gagnées ou en capacité récupérée. L'intérêt de les passer en revue n'est pas de les collectionner — c'est de reconnaître celle qui correspond à votre situation, et l'état de donnée qu'elle exige.
L'optimisation des tournées et du réseau. C'est la famille fondatrice — celle dont le secteur a lui-même écrit la preuve. Le système ORION d'UPS, déployé sur environ 55 000 tournées quotidiennes, économise de l'ordre de 100 millions de miles et 10 millions de gallons de carburant par an, pour 300 à 400 millions de dollars d'économies annuelles — des chiffres publiés dès les années 2016-2020, avant même la vague actuelle d'IA (UPS). La mécanique vaut à toute échelle : Geodis cite +10 % de colis par camion chez un distributeur français grâce à l'optimisation du remplissage, et 10 à 15 % de véhicules en moins sur son réseau pharmaceutique allemand piloté par jumeau numérique (Geodis). Et la précision du dernier kilomètre devient un actif en soi : la cartographie générative d'Amazon a rattaché 2,8 millions d'adresses d'appartements au bon bâtiment et identifié le stationnement pour 4 millions d'adresses (Amazon).
Le devis et la cotation de fret. C'est la famille qui va le plus vite, parce que la matière première — l'e-mail entrant — existe déjà par milliers chaque jour. Chez C.H. Robinson, des agents d'IA générative lisent les demandes, cotent et prennent les rendez-vous : plus de 3 millions de tâches d'expédition exécutées sans intervention humaine, environ 10 000 transactions automatisées par jour, et une acceptation de chargement en moins de 90 secondes là où le traitement manuel prenait jusqu'à quatre heures (C.H. Robinson). Uber Freight a fait passer 1,6 milliard de dollars de fret par son infrastructure d'IA en douze mois, avec plus de trente agents intégrés au TMS (Uber Freight) ; Kuehne+Nagel industrialise la tarification spot en fret aérien (Kuehne+Nagel). Dans un métier où le premier qui répond gagne le chargement, la vitesse de cotation est du chiffre d'affaires.
Le service client et la visibilité. C'est la famille où la France vient de publier l'un des cas les plus nets d'Europe. L'agent autonome de Chronopost — évolution du chatbot Leonard, construit avec ILLUIN Technology — comprend la demande en langage naturel, déclenche les actions correctives et résout 85 % des demandes de bout en bout sans rappel, avec des réponses 40 % plus rapides aux destinataires et une satisfaction équivalente aux conseillers humains sur plus de 100 000 appels de test (Chronopost). UPS vise 98 % des demandes de service client prises en charge par des assistants IA fin 2026 (UPS) ; DHL déploie mondialement des agents vocaux pour les prises de rendez-vous transporteurs et les appels de statut (DHL) ; Maersk équipe 450 navires pour affiner le suivi intelligent de ses conteneurs frigorifiques (Maersk). Le client n'achète plus seulement un acheminement : il achète la réponse à « où est mon colis, où est mon conteneur ».
L'entrepôt. C'est la famille des volumes — et le gisement y reste immense : environ 26 % des entrepôts dans le monde seront automatisés d'ici 2027, ce qui signifie que trois entrepôts sur quatre ne le sont toujours pas (Interact Analysis). Les trajectoires des grands donnent la mesure de ce qui se joue : Walmart vise 65 % de ses magasins approvisionnés par des centres automatisés avec des coûts unitaires améliorés d'environ 20 % (Walmart) ; FedEx fait charger ses remorques par les robots à deux bras de Dexterity, passés du pilote à l'échelle opérationnelle à son hub de Hagerstown (FedEx) ; DHL ajoute un millier de robots à ses seules opérations britanniques (DHL) ; JD prévoit 3 millions de robots sur cinq ans (JD.com). L'effet croît avec les flux — chantier de second temps pour un acteur intermédiaire, de premier temps pour un réseau multi-sites.
La prévision et la capacité. Cette famille attaque le problème le plus cher du secteur : dimensionner des moyens rares. Les références transversales bornent le gain — erreurs de prévision réduites de 20 à 50 %, coûts d'entreposage de 5 à 10 % (McKinsey) — et les premiers équipés ont pris une avance mesurée : coûts logistiques améliorés de 15 %, niveaux de stocks de 35 %, niveaux de service de 65 % par rapport aux concurrents plus lents (McKinsey). Le terrain confirme à toute échelle : Dachser prévoit les volumes entrants de ses agences jusqu'à 25 semaines à l'avance à partir de son historique d'expéditions (Dachser), et les nouveaux modèles de prévision d'Amazon gagnent 10 à 20 % de précision selon l'horizon (Amazon). Le prérequis est toujours le même : un historique d'exploitation propre, au niveau de la tournée et du client.
La documentation et la douane. C'est enfin la famille la plus discrète et l'une des plus rentables, parce que le transport est un métier de papiers : lettres de voiture, déclarations, litiges, appels d'offres. Maersk a lancé une plateforme douanière dopée à l'IA sur un constat de marché éloquent — 5 à 6 % de droits de douane surpayés en moyenne, 20 % des retards d'expédition liés à une mauvaise préparation documentaire (Maersk). Kuehne+Nagel fait préparer ses déclarations par son assistant Claire (Kuehne+Nagel) ; DHL fait rédiger propositions commerciales et synthèses par IA générative (DHL) ; Geodis pré-remplit 80 % de ses réponses d'appels d'offres (Geodis) ; et CMA CGM a engagé 100 millions d'euros sur cinq ans avec Mistral AI, réclamations clients et gestion documentaire en tête (CMA CGM). La standardisation européenne des données de transport — le règlement eFTI — va rendre cette matière encore plus exploitable : la donnée structurée est le carburant de toutes les familles précédentes.
Deux vitesses de retour — et ce qui les conditionne
Six familles, un point commun : la donnée d'exploitation consolidée. Le transporteur qui la structure sert ses clients, ses exploitants — et se rend lisible par les agents qui répartiront demain le fret.
La preuve en français
L'objection classique — « ces résultats sont des résultats de géants américains » — ne tient plus. Les acteurs français du transport et de la logistique documentent désormais leurs propres déploiements, avec les mêmes règles que partout ailleurs : un périmètre étroit, une donnée préparée, un résultat mesuré. Quatre cas récents suffisent à le montrer.
Mis bout à bout, ces cas dessinent le portrait-robot du déploiement qui aboutit à l'échelle française : aucun ne commence par la technologie de pointe, tous commencent par l'actif de données qui existait déjà — les appels et messages SAV chez Chronopost, les documents de fret chez CMA CGM, l'historique d'exploitation chez Geodis, les wagons instrumentés chez Rail Logistics Europe. La marche d'entrée n'est pas capitalistique : elle est organisationnelle.
Le rail réglementaire : la conformité fait partie du chiffrage
Ce retard d'équipement serait anecdotique dans un secteur confortable. Il ne l'est pas. À l'échelle européenne, environ 502 000 postes de conducteurs sont non pourvus, soit 13 % des effectifs, et deux transporteurs sur trois déclarent refuser des contrats faute de conducteurs — pendant que 660 500 conducteurs partiront à la retraite d'ici 2030 (IRU). La pression sur la capacité est déjà continentale.
En France, cette tension se double d'une forte pression économique : 645 entreprises de transport de marchandises ont disparu au deuxième trimestre 2025 — environ dix par jour ouvré, en hausse de 55 % sur deux ans, le pire bilan depuis 2020 (Union TLF). Le transport et l'entreposage pèsent lourd — plus de 1,5 million de salariés fin 2024, près de 267 milliards d'euros de chiffre d'affaires, et une dépense totale de transport de 536,8 milliards d'euros (SDES) ; en comptant l'ensemble de la filière, environ 10 % du PIB et 2,1 millions d'emplois (Union TLF). Ce poids repose sur des marges structurellement minces, que la conjoncture comprime encore : le secteur perd des entreprises par le bas et de la capacité par le haut.
En France toujours, la demande se déforme plus qu'elle ne faiblit. Le e-commerce français a atteint 196,4 milliards d'euros en 2025, avec 3,2 milliards de transactions (+11 %) — et près d'une livraison sur deux passe désormais par des modes hors domicile, points relais et consignes (Fevad) : des flux plus fragmentés, des colis plus nombreux, des tournées plus denses à orchestrer. Pour le dirigeant, la conclusion de ce tableau est arithmétique : quand la capacité manque et que les marges se compriment, chaque kilomètre à vide, chaque heure d'attente à quai et chaque devis perdu coûtent plus cher qu'avant. C'est exactement le terrain de jeu de l'IA — et c'est pour cette raison que le retard d'adoption du secteur est une anomalie qui se corrigera, avec ou sans vous.