Les agents IA dans la logistique : 7 réflexions sur l'avenir de la supply chain

Constat n° 1 : la frontière entre agents IA et assistants IA s'estompe

Dans l'idéal, un agent IA fonctionne comme un système entièrement autonome, capable de décider lui-même s'il doit ou non consulter un humain. Mais dans la pratique, il agit souvent davantage comme un assistant, n'entreprenant quasiment aucune action sans validation humaine. Selon la qualité des résultats produits par l'IA et les règles définies pour le processus, des formes hybrides se développent, entre agent et assistant. La frontière formelle entre les deux notions s'efface peu à peu, au point que les deux finissent par se confondre.

Constat n° 2 : les agents IA transforment les processus logistiques

Les premiers systèmes basés sur des agents sont en cours de test, notamment aux points de contact entre les différents acteurs de la supply chain. Un exemple : des agents IA saisissent les données d'expédition nécessaires dans les plateformes logistiques. Cela peut inclure des textes et documents non structurés, ainsi que des messages vocaux, provenant aussi bien de personnes que d'autres agents IA. Grâce au nouveau Model Context Protocol (MCP), les grands modèles de langage communiquent de mieux en mieux avec des systèmes et bases de données tiers, ce qui donne naissance à une nouvelle génération d'interfaces de données, au-delà des solutions EDI et API actuelles. Dans les achats et les ventes, les agents IA rassemblent déjà des informations sur les caractéristiques et la disponibilité des produits et services, examinent les conditions contractuelles et les négocient. Certains projets pilotes le démontrent dès aujourd'hui.

Constat n° 3 : les agents IA font des erreurs

Un agent IA ne tire pas toujours les bonnes conclusions et ne déclenche donc pas toujours l'action attendue. C'est un défi de fond dans de nombreux scénarios opérationnels. Même les agents IA les plus performants ne dépassent aujourd'hui pas un taux de précision estimé entre 90 et 95 %. Un autre facteur important entre en jeu : la capacité du système agentique à évaluer la qualité de sa propre décision, à comprendre le processus en cours et à identifier les règles de décision applicables. Cette capacité influence à son tour la qualité des actions de l'agent. Vu ce taux d'erreur inhérent, une évaluation des risques s'impose systématiquement : quel est l'impact d'erreurs occasionnelles, et comment le modèle économique y fait-il face ? Il en découle qu'à ce jour, de nombreux processus ne peuvent pas encore être confiés à des agents IA.

Constat n° 4 : les agents IA font partie de l'équipe

Les agents IA ont des forces et des faiblesses qui rappellent étonnamment celles des personnes au quotidien. Ensemble, ces qualités en font bien plus que de simples logiciels : de véritables membres de l'équipe. Ils sont préparés et formés pour différentes tâches, et sont capables d'interagir avec les humains. À l'avenir, les collaborateurs confieront des tâches à des agents IA et avanceront avec eux, étape par étape, vers le résultat souhaité. Et pas avec un seul agent : plusieurs devront fonctionner en parallèle, car les agents IA ont besoin de temps pour "réfléchir". Pour bien accomplir leurs tâches, ils doivent recevoir en continu le contexte nécessaire, via des données et des instructions (prompts) de qualité. Autrement dit, ils doivent être gérés de façon professionnelle et bien intégrés aux équipes humaines, pour être acceptés comme de véritables "collègues". Ce sont de nouvelles compétences que les responsables et managers, à tous les niveaux, devront acquérir rapidement pour les mettre en pratique.

Constat n° 5 : tout le monde peut créer des agents IA

Au-delà de la gestion et de l'utilisation des agents, leur création, du moins pour des agents simples, devient aussi une partie centrale du quotidien des professionnels de la logistique. Dans une tendance appelée le "citizen development", les entreprises développent des environnements permettant à un grand nombre d'utilisateurs de créer et de déployer des agents IA simples, grâce à un prompting ciblé et à la connexion de sources de données et de systèmes de workflow. Un exemple du quotidien de bureau : les agents Copilot de Microsoft.

Constat n° 6 & 7 : les agents IA n'offrent pas encore de retour sur investissement, façonnent l'avenir

Malgré leur fort potentiel et des premiers gains d'efficacité concrets dans certains processus, les systèmes basés sur des agents ne génèrent souvent pas encore de retour sur investissement. Beaucoup d'agents IA en sont encore au stade du produit minimum viable (MVP), sont testés dans des projets pilotes, et restent loin d'une intégration complète dans les modèles économiques. Les coûts de développement, les licences des systèmes IA, ainsi que la consommation de tokens pour les requêtes vers des grands modèles de langage comme ChatGPT, Claude ou Mistral, ont tous un coût, surtout en cas de dépendance excessive à un seul fournisseur ou LLM. S'y ajoutent les formations nécessaires pour les collaborateurs et le temps qu'il faut pour acquérir de l'expérience dans le travail avec ces agents. Comme pour tout processus d'innovation, un certain investissement est nécessaire pour apprendre à bien utiliser les nouvelles technologies. Mais il faudra progressivement instaurer des KPI spécifiques et des analyses de ROI comme véritables outils de pilotage, afin de bâtir un cadre économique solide pour l'usage de l'intelligence artificielle à moyen terme.

Malgré leurs faiblesses, leurs risques et leurs coûts, les agents IA s'imposeront dans presque tous les processus de la supply chain. C'est un fait que chacun doit avoir à l'esprit. Selon les cas, ils changeront la nature de la collaboration de façon légère ou, parfois, bien plus marquée, mais dans la plupart des cas, ils la rendront plus efficace. Il ne s'agit pas seulement d'agents IA isolés, mais aussi de systèmes multi-agents, qui interagissent entre eux et avec les humains.