Déployer l'IA générative sur un siège logistique sans casser le terrain

Contexte

Un groupe de logistique et de transport, présent sur plusieurs continents, emploie plus de dix mille personnes. Son activité combine un siège concentrant les fonctions de pilotage et un réseau dense d’agences et d’entrepôts où se joue l’exploitation quotidienne.

La direction avait lancé un programme ambitieux d’intégration de l’IA générative. Copilotes de rédaction pour les fonctions support, outils d’optimisation des tournées, assistants de traitement documentaire pour les opérations douanières et la conformité. Le programme avait été conçu et piloté depuis le siège, par une équipe de transformation rattachée à la direction générale.

Le déploiement technique s’était déroulé sans incident majeur. Les outils fonctionnaient. Les équipes du siège les utilisaient. Le terrain, lui, restait largement à l’écart.

Problème

Six mois après le lancement, un écart béant séparait le siège et l’exploitation. Au siège, l’adoption dépassait soixante-dix pour cent. Dans les agences et entrepôts, elle ne dépassait pas quinze pour cent. Les outils d’optimisation des tournées, pourtant conçus pour le terrain, étaient les moins utilisés de tous.

L’enjeu était stratégique. La valeur attendue du programme se situait majoritairement dans l’exploitation, là où les marges d’optimisation étaient les plus importantes. Un déploiement réussi au siège mais absent du terrain capturait une fraction marginale du retour attendu.

La direction de la transformation avait d’abord cru à un problème d’ergonomie ou de formation. Les retours du terrain disaient autre chose. Les outils étaient perçus comme conçus par des gens qui ne connaissaient pas le réel des tournées et des entrepôts.

Intervention

La direction a changé de méthode. Plutôt que de pousser davantage depuis le siège, elle a cherché sur le terrain les profils capables de porter l’adoption de l’intérieur. Pour cela, elle a appliqué le Potential Stack non pas aux cadres du siège, mais aux opérationnels des agences.

L’exercice a fait émerger une population invisible jusque-là. Des chefs d’équipe, des responsables d’entrepôt, des planificateurs de tournées qui ne figuraient sur aucun vivier de talents, mais qui présentaient une combinaison rare. Une connaissance intime du terrain, une curiosité réelle pour les nouveaux outils, et une capacité à expliquer simplement à leurs collègues. Ni les plus diplômés, ni les mieux notés, mais les mieux placés pour faire le pont.

La doctrine Forteresse, Ligne de Front, Laboratoire a structuré la suite. Les opérations critiques engageant la sécurité ou la conformité douanière ont été maintenues en Forteresse, hors de portée de toute injonction à la vitesse. Les tâches d’optimisation et de planification, où l’IA pouvait produire un gain réel, ont été traitées en Ligne de Front. Et quelques agences pilotes, volontaires, ont été érigées en Laboratoire pour tester les usages avant généralisation.

Le déploiement avait échoué non parce que le terrain refusait l’outil, mais parce que personne sur le terrain n’avait été reconnu comme légitime pour le porter. La valeur dormait chez des profils que le siège ne savait même pas nommer.

Les profils repérés par le Potential Stack ont été constitués en réseau de référents, sur la base du volontariat, avec un mandat clair et une reconnaissance formelle. Leur rôle n’était pas de former, mais de traduire. De montrer, sur des cas réels de leur propre agence, ce que l’outil changeait concrètement dans une tournée ou un traitement documentaire.

Le siège a accepté de céder une part de contrôle. Les référents terrain ont obtenu le droit d’adapter certains usages aux réalités locales, là où le déploiement initial imposait un cadre uniforme inadapté à la diversité des agences.

Résultat

En cinq mois, l’adoption sur le terrain est passée de quinze à cinquante-trois pour cent sur les tâches de Ligne de Front. Le gain d’optimisation mesuré sur les tournées des agences ayant un référent actif a atteint dix-huit pour cent, contre des gains négligeables dans les agences sans référent.

Deux effets non prévus sont apparus. D’abord, plusieurs référents terrain, mis en lumière par le dispositif, ont été identifiés comme des candidats sérieux à des fonctions de pilotage qu’ils n’auraient jamais atteintes par la voie classique. Le programme d’adoption avait révélé un vivier de mobilité interne. Ensuite, la remontée des adaptations locales conçues par les référents a permis d’améliorer les outils eux-mêmes, le terrain devenant source de conception et non plus simple destinataire.

Leçons

1. Un déploiement IA piloté uniquement depuis le siège capture la valeur là où elle est la plus faible. La valeur se situe souvent dans l’exploitation, qui exige des relais légitimes de l’intérieur.
2. Le Potential Stack appliqué aux opérationnels, et non aux seuls cadres, révèle des profils capables de porter l’adoption que les viviers classiques ignorent.
3. Distinguer les zones où la vitesse est dangereuse de celles où elle crée de la valeur évite d’imposer l’IA là où la prudence reste la règle, et concentre l’effort là où le gain est réel.
4. Reconnaître formellement des relais terrain et leur céder une marge d’adaptation locale transforme les destinataires d’un déploiement en acteurs de sa conception. L’outil s’améliore par le terrain qui l’utilise.