Stratégie & Gouvernance · N° 204
L'IA dans la chaîne logistique : les trois cas d'usage que les ETI industrielles financent vraiment en 2026
Prévision de demande, maintenance prédictive, optimisation des charges de transport. Tout le reste reste au stade de démonstration. Le critère commun des trois projets financés : un gain mesuré en euros par trimestre, prouvé avant le passage en production, avec un responsable métier nommé.

Le premier démonstrateur a bluffé tout le monde. Le vendredi 4 septembre 2026, j'ai demandé ce qui se passait quand la source n'existait pas.
J'ai gardé mes notes telles quelles, y compris les passages gênants.
Le point de départ
« Prévision de demande, maintenance prédictive, optimisation des charges de transport. »
Bertrand Oléron, DSI du Groupe Aquilon Agroalimentaire (France)
Rien de spectaculaire côté organisation : France, des métiers sous tension, et une direction des systèmes d'information qui doit tenir la production tout en préparant l'année suivante. Dans ce type de situation, l'enjeu était de rendre le service utile sans perdre la maîtrise des sources. J'ai choisi de commencer par ce qui était vérifiable, plutôt que par ce qui faisait plaisir à lire.
Ce qui s'est passé, dans l'ordre
- J+00
1. Périmètre documentaire fermé — le point où j'ai compris que le calendrier officiel ne tenait pas.
- J+09
2. Sources datées et versionnées — c'est l'étape qui a pris le plus de temps, et personne ne l'avait vue venir.
- J+18
3. Garde-fous et refus hors domaine. Sur le moment, j'ai trouvé ça superflu ; ça nous a évité deux retours arrière.
- J+27
4. Mesure du taux d'erreur réel : la seule étape qui ait été tenue comme prévu.
- J+36
5. Extension ou arrêt du service. J'en ai gardé une trace écrite prise sur le vif, parce que je savais qu'on me demanderait.
« Tout le reste reste au stade de démonstration. » — cette phrase a été écrite au moment de la revue intermédiaire, avant consolidation des chiffres.
Ce qui a coincé
Le modèle n'était pas le problème : c'est la gouvernance des sources qui déterminait tout. Sans propriétaire nommé par domaine, les réponses errées remontaient.
Les usages non déclarés ont été découverts par la comptabilité des licences, pas par la sécurité. Ce n'était pas un défaut de compétence, c'était un défaut de préparation.
Le référentiel documentaire était à jour dans la forme et faux dans le fond : trois procédures n'avaient jamais été appliquées. Rien de dramatique en soi — mais c'est exactement ce qui fait déborder un planning.
Ce que je fais désormais
- Depuis, chaque domaine documentaire a un responsable nommé, avec une date de revue.
- Aujourd'hui, nous publions les erreurs corrigées par les relecteurs autant que les cas réussis.
- Un cas d'usage qui ne tient pas sa mesure d'erreur est arrêté, et l'arrêt est annoncé.
La suite
Aujourd'hui, il reste de ce dossier une habitude : la revue trimestrielle sur preuves, avec les mêmes personnes dans la pièce. J'ai arrêté de compter sur les procédures seules.
Cadre de référence
- Législation sur l'IA — Commission européenne. Approche par risques, pratiques interdites, calendrier.
- Règlement (UE) 2024/1689 — règles harmonisées sur l'intelligence artificielle (AI Act) — EUR-Lex. ELI officiel vérifié en navigateur, version française.
- Intelligence artificielle (IA) — CNIL. Dossier protection des données et systèmes d'IA.
- L'analyse d'impact relative à la protection des données (AIPD) — CNIL. Méthode, listes de traitements, outil PIA.
- Licence Ouverte 2.0 — data.gouv.fr (Etalab). Conditions de réutilisation des données publiques.
Ces pages officielles externes sont données comme repères : elles ouvrent un nouvel onglet et n'impliquent aucune validation de la part des organismes cités.