Le secteur des transports est privé d’une couche de connaissance

Malgré les avancées constantes des grands modèles de langage et de l’IA agentique, les entreprises du secteur des transports ne parviennent toujours pas à exploiter pleinement le potentiel de l’IA. Pourtant, ce n’est certainement pas par manque de données.

Le secteur des transports est particulièrement bien placé pour tirer parti de l’IA. Il génère en continu d’importants volumes de données provenant de la télématique, des capteurs, des transactions et des systèmes opérationnels. Riches, dynamiques et fortement contextualisées, ces données font du transport l’un des secteurs les plus prometteurs pour la prédiction, l’optimisation et la prise de décision alimentées par l’IA. Pourtant, la majorité de ces données demeure cloisonnée au sein de la chaîne de transport.

Cette fragmentation expose les organisations à des problèmes opérationnels qui peuvent sembler isolés à première vue, mais dont les effets se répercutent rapidement sur la planification, le service à la clientèle, la maintenance et la gestion financière. Ce qui débute comme un simple incident technique devient souvent un enjeu de coordination humaine mobilisant de multiples équipes, systèmes et processus décisionnels.

Relier le transport sans relier les données

La plupart des organisations du secteur des transports ont investi massivement dans la collecte et le stockage de données. Pourtant, ces données demeurent souvent cloisonnées au sein de fonctions distinctes, ce qui empêche d’obtenir une vision unifiée de la situation et de déterminer efficacement les mesures à prendre.

Un sondage de Deloitte révèle que 59 % des dirigeants considèrent la qualité des données comme un enjeu majeur.

Un incident, trois problèmes

Imaginez un violent orage immobilisant plusieurs aéronefs, forçant la fermeture d’une autoroute ou interrompant une liaison maritime.

Les équipes opérationnelles doivent alors évaluer les répercussions sur la disponibilité des appareils, l’affectation des équipages, la capacité des terminaux et les itinéraires des passagers. À partir de ce moment, une grande partie de la réponse repose encore sur une coordination manuelle entre de multiples fonctions :

• Coordination. Plusieurs équipes se concertent au moyen d’appels, de courriels et de tableaux de bord.
• Planification. Les planificateurs déterminent manuellement quels vols ou quelles expéditions doivent être annulés ou retardés.
• Réacheminement. Les agents de transport aérien réservent de nouveau les itinéraires des passagers et organisent l’hébergement ainsi que les bons de repas. Les agents de fret réacheminent les expéditions et coordonnent les véhicules, les conducteurs et les transporteurs. Les clients attendent les mises à jour et communiquent souvent avec le centre de contact.

Le rétablissement des activités peut prendre plusieurs heures et continue de dépendre largement de la coordination humaine. Bien qu’essentielle, cette intervention peut ralentir la prise de décision et accroître le risque d’erreurs lorsque de multiples équipes, systèmes et processus doivent être coordonnés simultanément.

Des données connectées pour des analyses et des décisions plus éclairées

À l’inverse, les organisations dont les agents d’IA s’appuient sur des données fiables et connectées peuvent réagir aux perturbations avec plus de rapidité, de confiance et de coordination.

Une couche de connaissance connectée, aussi appelée ontologie, établit des définitions communes et une compréhension partagée à l’échelle de l’organisation. Grâce à cette fondation commune, l’IA peut comprendre les liens entre les données opérationnelles, les données clients, les données sur la main-d’œuvre et les données financières. Elle peut ensuite mettre cette compréhension à profit pour soutenir la prise de décision à l’échelle de l’entreprise.

Exemple : couche de connaissance dans le transport aérien  

Une couche, trois solutions

Grâce à cette couche de connaissance, les agents d’IA peuvent automatiser une grande partie des activités nécessaires pour gérer ce type de perturbation.

• Coordination. Cette fois, l’IA détecte la perturbation en temps réel à partir des données météorologiques et opérationnelles et amorce immédiatement la coordination des interventions.
• Planification. L’IA optimise le plan de rétablissement en sélectionnant les annulations qui minimisent les répercussions sur les passagers, les terminaux et les expéditions, tout en réduisant les coûts opérationnels.
• Réacheminement. L’IA réachemine automatiquement les passagers et les expéditions, coordonne les besoins en hébergement, les bons de repas et la gestion des bagages, puis propose des solutions de rechange personnalisées. Les passagers peuvent ainsi recevoir en quelques minutes de nouveaux itinéraires et leurs cartes d’embarquement numériques, souvent avant même d’avoir à en faire la demande.

Lorsqu’elle s’appuie sur une couche de connaissance pleinement intégrée, l’IA peut accélérer considérablement les activités de rétablissement et améliorer la cohérence des décisions. Les équipes peuvent alors concentrer leur attention sur les situations exceptionnelles, les validations nécessaires et les décisions qui nécessitent un jugement humain. Cette approche favorise une réponse plus rapide et mieux coordonnée, tout en maintenant une supervision appropriée.

Comment Deloitte peut vous aider

Une couche de connaissance doit représenter les relations entre les données, les processus et les fonctions à l’échelle de l’entreprise. Les organisations ont donc besoin d’un partenaire qui comprend à la fois la complexité des activités de transport et l’évolution rapide du paysage de l’IA. Deloitte combine une solide expérience sectorielle à des capacités de pointe en données, en infonuagique, en ontologies et en ingénierie de l’IA afin d’aider les organisations à mettre en place la fondation de connaissances connectées nécessaire au déploiement de l’IA agentique à grande échelle.

Notre expérience couvre l’ensemble de l’écosystème du transport, notamment l’aviation, le rail, les ports, le transport collectif, la logistique, les opérations clients, la gestion des actifs, l’optimisation de la main-d’œuvre et la transformation des fonctions financières. Nous comprenons comment les décisions opérationnelles influencent les résultats d’affaires et comment des informations cloisonnées peuvent limiter la valeur des investissements en IA. Nous pouvons également vous accompagner dans les enjeux liés à l’adoption, à la gouvernance et au modèle opérationnel, particulièrement dans les environnements où les droits décisionnels sont complexes et répartis entre de multiples intervenants.

Prêt à commencer? Poursuivons la conversation.