Le transport et la logistique reposent sur la planification, le routage, le chargement et le déchargement, la documentation et la communication entre des maillons qui se voient rarement. Une grande partie du travail consiste à combiner des règles fixes avec des circonstances变iables : la météo, le trafic, la disponibilité des chauffeurs et du matériel, les règles douanières, les accords clients qui varient selon la mission. Il y a également du travail qui repose sur des actions physiques à un endroit précis, et du travail qui repose sur la confiance entre des personnes qui se connaissent depuis des années : le planificateur qui sait quel chauffeur peut gérer un trajet difficile, l'expéditeur qui sait quel client est flexible sur une date de livraison.
Cette combinaison détermine où le travail d'IA peut prendre le relais et où non. La planification et le routage consistent en grande partie en une optimisation dans le cadre de règles, et c'est précisément le type de travail sur lequel les systèmes obtiennent de bons résultats dès lors que les données sont correctes. Les actions physiques sur place et l'appréciation d'une situation exceptionnelle restent surtout un travail humain, car elles nécessitent quelque chose qui ne rentre pas dans un formulaire.
Trois types de travail se mêlent dans chaque processus logistique. Il y a le travail qu'un système peut déjà reprendre, comme le recalcul d'un itinéraire en cas de fermeture de route ou le remplissage de la documentation standard sur la base d'envois précédents. Il y a le travail partiellement repris, avec une personne qui évalue le résultat et l'approuve ou le rejette : une planification proposée qu'un planificateur examine encore avant de prendre la route, une heure d'arrivée estimée qu'un collaborateur corrige sur la base de connaissances que le système n'a pas. Et il y a le travail qui reste un travail humain, comme la négociation avec un client au sujet d'une livraison difficile ou l'appréciation d'une situation sur le terrain qui ne figure pas dans les données.
Dans une entreprise, ce glissement est déjà bien avancé : les planificateurs travaillent avec un système qui propose des itinéraires et n'escalade que les exceptions, ce qui libère des heures pour le type de travail qui nécessite réellement des personnes. Dans une autre entreprise, tout le monde effectue encore manuellement ce qu'un système pourrait déjà proposer, non pas par manque de volonté mais parce que les données ne sont pas en ordre, que les systèmes ne communiquent pas entre eux, ou que personne n'a déterminé qui peut approuver une proposition d'un système et qui ne le peut pas. La différence réside rarement dans la technique. Elle réside dans le fait que l'organisation ait ou non mis en place les conditions permettant de réellement déplacer le travail.
Une direction qui déclare « nous voulons une planification pilotée par l'IA » entend rarement la même chose que le service planification qui doit l'exécuter. Pour la direction, il s'agit d'une économie sur des heures libérées. Pour le service planification, il s'agit d'une question sur qui reste responsable si un système propose un itinéraire qui, après coup, s'avère incorrect. Cette différence d'interprétation est précisément l'endroit où la distinction entre un objectif et une ambition devient pertinente : un objectif est mesurable et limité dans le temps, une ambition décrit une direction qui doit encore être traduite en ce qui change réellement dans le travail.
Cette traduction porte sur huit dimensions de disposition à agir : l'organisation a-t-elle ses données en ordre, les processus sont-ils suffisamment décrits pour être transférés à un système, y a-t-il quelqu'un habilité à approuver le résultat, la technologie est-elle intégrée à ce qui fonctionne déjà, et ainsi de suite. Une ambition qui bute déjà sur la première porte — parce que personne ne sait quelles données se trouvent où — est une ambition différente de celle qui bute sur la dernière porte, parce que les droits de décision n'ont jamais été fixés. Les deux se produisent dans le transport, et les deux appellent une conversation différente de « nous mettons en œuvre l'IA ».
Cette conversation touche parfois à la question de ce qu'il advient du travail existant lorsqu'une tâche disparaît. Des exigences légales propres s'appliquent à cet égard, indépendamment de ce qu'un test de disposition à agir peut dire sur la capacité.
La tension entre ce qu'un système peut reprendre et ce qu'une organisation peut supporter ne se joue pas uniquement dans le transport. Dans les services aux entreprises, des questions comparables se posent quant aux ambitions IA présentes dans le conseil et les services, où le travail est moins physique mais où l'arbitrage entre automatisation et confiance revient de façon comparable. Et au sein même du transport, un autre schéma se manifeste souvent : le service planification a formulé une ambition qui entre en conflit avec celle du service opérations, et personne n'a nommé ce conflit avant que le projet ne s'enlise. La conduite à tenir lorsque des objectifs de service se contrarient mutuellement est décrite dans une approche pour des objectifs de service qui se contrarient.
La question sous-jacente n'est généralement pas de savoir si l'IA fonctionne dans le transport, mais quel travail, au sein de votre propre entreprise, est réellement transférable et quel travail reste un travail humain ; c'est précisément ce que le scan de travail de FTE TO AI cartographie tâche par tâche. Pour ceux qui souhaitent d'abord savoir où se situe leur propre organisation, il existe le contrôle de disposition à agir gratuit : huit questions courtes, une par dimension, avec une image de là où vous êtes le plus avancé et là où vous l'êtes le moins. Le test d'ambition complet, avec les quatre couches et la traduction en rôles et droits de décision, est en cours de développement.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.