Un wagon ferroviaire peut rester immobilisé parce qu’il manque une information, un document ou une décision. Autour de ce wagon travaillent des personnes compétentes, souvent occupées à rechercher des données, à comparer des versions et à relancer leurs interlocuteurs. L’intelligence artificielle offre la possibilité de repenser ce travail, en confiant à la machine des séquences entières d’exécution et en redonnant aux personnes du temps pour décider et créer.

Lorsque nous pensons à l’IA, nous imaginons presque toujours un chatbot : nous formulons un souhait et attendons qu’il prenne forme. Nous lui demandons une synthèse, une traduction, une présentation. C’est une porte d’entrée utile vers la technologie, mais elle laisse presque intacte l’organisation du travail. L’être humain continue à décomposer le problème, à donner chaque instruction, à transférer les informations d’une application à l’autre et à reconstituer le résultat.

En ce sens, notre approche reste ancrée dans le XXe siècle : nous adoptons une technologie nouvelle tout en conservant la répartition antérieure des tâches. Nous traitons l’IA comme une secrétaire ou un concierge, alors que nous pourrions commencer à la considérer comme un collègue opérationnel auquel confier une mission, avec des objectifs et des limites précis. La responsabilité de cette mission reste entre les mains des personnes.

L’automobile a changé les possibilités de déplacement ; la charrue a transformé le travail agricole. Des innovations de cette ampleur modifient aussi ce qu’une société peut imaginer faire. Leurs coûts sociaux doivent être pris en compte, au même titre que les opportunités qu’elles offrent. J’ai déjà abordé ces thèmes dans mon livre sur l’automatisation. Aujourd’hui, je voudrais pousser la réflexion vers l’espace que nous pouvons rendre à la pensée humaine.

Certaines données permettent de mesurer l’ampleur du changement. Une expérience menée auprès de 758 consultants du Boston Consulting Group, décrite dans un document de travail de Dell’Acqua et de ses collègues en 2023, a montré que, pour les tâches correspondant aux capacités de GPT-4, les utilisateurs de l’IA accomplissaient 12,2 % de tâches supplémentaires et travaillaient 25,1 % plus rapidement. En revanche, sur un problème choisi au-delà de ces capacités, la probabilité d’obtenir une solution correcte diminuait de 19 points de pourcentage. Ces résultats concernent des tâches de conseil spécifiques : le bénéfice doit être vérifié pour chaque processus opérationnel. mitsloan.mit.edu

La leçon organisationnelle est claire : il faut des personnes capables de reconnaître où confier l’exécution à la machine et où exercer leur propre jugement. Même des activités complexes peuvent être accélérées lorsque les données, les outils et les contrôles sont correctement préparés. À elle seule, la complexité apparente d’une tâche renseigne peu sur la possibilité de l’automatiser.

Dans la logistique, un système bien conçu peut relier les commandes, la disponibilité des moyens de transport, les documents de transport et les informations opérationnelles. Une expédition interrompue peut nécessiter de comparer des contrats, des itinéraires et des créneaux de terminaux, tout en recalculant les coûts et en informant les clients. Un système intégré peut coordonner cette séquence et mettre à jour les applications de l’entreprise dans les limites des autorisations reçues. Pour cela, l’IA générative doit travailler avec des algorithmes d’optimisation et des contrôles techniques : interpréter une demande, calculer un plan et autoriser un mouvement sont des fonctions différentes.

Imaginons donc de doter chaque manager d’un environnement d’IA construit autour de son expertise. Le responsable de flotte pourrait se voir confier la mission d’accroître la disponibilité des wagons, tout en respectant les contraintes de maintenance, les coûts et les engagements contractuels. Le système rechercherait les causes des immobilisations, préparerait les alternatives et assurerait le suivi des activités autorisées. Le manager interviendrait sur les exceptions, les priorités et les décisions qui engagent sa responsabilité.

Le rapport au système central de gestion de l’entreprise changerait ainsi. Autour de lui pourraient naître des applications conçues par ceux qui connaissent le travail, capables de coordonner un processus complet. Chaque action devrait être traçable et chaque résultat vérifiable. L’ADN de l’entreprise commencerait à changer lorsque le savoir opérationnel des personnes deviendrait partie intégrante du fonctionnement des systèmes.

Pour le secteur ferroviaire, l’urgence est concrète. Selon Eurostat, en 2025, les principales entreprises ferroviaires de l’Union européenne ont totalisé 368,2 milliards de tonnes-kilomètres de transport de marchandises, soit une baisse de 1,8 % par rapport à 2024 : la quatrième année consécutive de recul. Cette donnée n’attribue pas la baisse à une cause unique. Elle rappelle toutefois la nécessité de rendre le service plus compétitif, y compris par la qualité des processus. Eurostat. La transition a déjà commencé. Dans son rapport semestriel 2026, DB Cargo fait état de cinq cas d’usage mis en œuvre sur une plateforme d’IA agentique, dont deux déjà en production. Le rapport décrit également le développement d’un système qui reconnaît l’état de chargement des wagons à partir d’images et de l’IA, ainsi que des travaux préparatoires pour des applications aux contrôles et à la facturation liés aux règlements relatifs aux wagons. Ce sont des avancées concrètes, à des niveaux de maturité différents. Rapport semestriel 2026 de Deutsche Bahn

Il reste une question politique, au-delà de la question industrielle. Un outil accessible par une conversation peut sembler démocratique alors que la capacité à construire des applications à partir de lui reste concentrée dans quelques organisations. La répartition du pouvoir dépend aussi de l’accès aux données, aux compétences et aux infrastructures, ainsi que de la possibilité de modifier les outils avec lesquels on travaille. Les pionniers peuvent utiliser cet avantage pour concentrer davantage le contrôle, ou pour distribuer la capacité de conception. Dans une entreprise du secteur ferroviaire, cela signifie aussi associer ceux qui travaillent dans les triages, les ateliers et les terminaux. Cela signifie conserver l’accès à ses propres données et construire des applications portables entre modèles et fournisseurs, en réduisant la dépendance aux choix de conception d’une seule plateforme.

Le coût énergétique doit lui aussi entrer dans cette vision. L’Agence internationale de l’énergie estime que l’ensemble des centres de données du monde ont consommé 485 TWh d’électricité en 2025, soit une hausse de 17 % en un an. Sa projection centrale établie en 2026 atteint environ 950 TWh en 2030. Il s’agit de l’ensemble du secteur des centres de données, dont l’IA est une composante, et la valeur future est une prévision. AIE

Une capacité d’exécution accrue peut alimenter la surproduction, des consommations supplémentaires et des activités sans utilité. Redonner à l’être humain une place centrale signifie lui donner les outils pour choisir à quelles fins consacrer cette capacité. Dans la logistique, le bénéfice environnemental devra être mesuré en tenant compte du coût numérique, ainsi que de la réduction des trajets à vide, des attentes et du gaspillage. Le temps récupéré devrait recevoir une destination explicite : concevoir de nouveaux services, développer les compétences, mieux comprendre les clients. Si chaque heure libérée est immédiatement remplie par davantage d’administration, nous perdons une part décisive de l’opportunité. La productivité peut être un résultat de la transformation ; sa valeur la plus ambitieuse est de rendre possible une pensée qui explore de nouvelles frontières.

Dans cette perspective, la logistique ferroviaire ouvre de nombreuses possibilités d’intégration entre l’être humain et la machine.

Donner à chaque expédition une mission opérationnelle. Un agent pourrait suivre un transport de la réservation à la livraison, en détectant à l’avance lorsqu’un retard compromet le créneau de déchargement. Une fois connecté aux systèmes des partenaires, il préparerait des alternatives et coordonnerait les activités autorisées. La personne choisirait les compromis acceptables entre coût et service. Le client recevrait un engagement actualisé, fondé sur des options réellement disponibles.

Transformer l’expérience des cheminots en patrimoine partagé. Y compris pour la sécurité du système. Un responsable de poste ou un technicien pourrait décrire à l’IA un problème récurrent et contribuer à construire une solution. Le système traduirait cette expérience en une proposition de procédure ou en une application, à tester sur des données historiques et à valider sur le terrain. Ceux qui connaissent le travail participeraient à la conception de l’outil, avec une reconnaissance explicite de leur contribution.

Mettre en relation des capacités aujourd’hui séparées. Les entreprises ferroviaires, les détenteurs de wagons et les terminaux pourraient partager certaines disponibilités par des interfaces communes, tout en conservant le contrôle sur les informations. Les agents rechercheraient des combinaisons pour constituer des chargements de retour et utiliser des créneaux opérationnels libres. Les personnes conviendraient des conditions et des engagements. Même de petits opérateurs pourraient accéder à une capacité de coordination aujourd’hui difficile à soutenir individuellement.

Ouvrir un laboratoire permanent de nouveaux services. Managers, techniciens et équipes commerciales pourraient explorer avec l’IA des flux aujourd’hui peu desservis par le rail, en comparant les fréquences, les terminaux, les types de wagons et les solutions de chargement. Un jumeau numérique, c’est-à-dire un modèle du service alimenté par des données opérationnelles, aiderait à tester les scénarios avant d’investir. Les vérifications d’ingénierie resteraient confiées aux spécialistes. Le temps libéré de l’exécution deviendrait ainsi du temps consacré à créer un marché.

Dépasser la logique d’une responsabilité limitée au profit d’une responsabilité à l’échelle du système. La tendance que j’ai déjà décrite à plusieurs reprises, consistant à chercher un responsable pour chaque événement survenant dans un contexte de coopération, est une maladie de ce secteur qui impose de lourds sacrifices. L’IA doit nous mener là où nous ne sommes pas encore parvenus : concevoir la technologie comme un outil de croissance partagée tout au long de la chaîne de transport, en assurant la cohérence de chaque détail technique afin que le transport soit sûr et efficace.

Le marché reconnaîtra la valeur de ceux qui sauront traduire cette intégration en transports fiables et en possibilités qu’ils ne pouvaient pas offrir auparavant. Le progrès sera visible lorsqu’un manager pourra consacrer sa journée à construire une nouvelle solution logistique, tandis que la machine travaillera pour que cette solution devienne un service concret, efficace et sûr.