Listen à article
Demandez aux cadres des secteurs du voyage, du transport, de la logistique et de l’hôtellerie comment l’IA transforme leur entreprise, et la conversation commence souvent sur un terrain familier : chatbots, prévision de la demande, personnalisation et tarification. Ce sont toutes des applications réelles et utiles, mais elles ne couvrent qu’une partie de l’occasion offerte.
L’IA tournée vers la clientèle attire l’attention parce que les cas d’utilisation sont très visibles et la proposition de valeur peut paraître relativement simple. Le travail le plus lourd consiste à relier l’IA aux décisions opérationnelles qui permettent d’identifier et de résoudre en temps réel un retard, une pénurie ou une panne.
C’est là qu’un changement beaucoup plus fondamental s’opère. L’IA commence à dissoudre la limite entre le parcours client et les opérations, que la structure organisationnelle le reflète ou non.
Un vol retardé n’a jamais vraiment constitué deux événements distincts : un problème de service à la clientèle et un problème opérationnel qui se déroulent en parallèle. C’était toujours un seul événement. Les organisations ont simplement construit différents départements, systèmes, budgets et indicateurs de performance clés autour de ses différentes composantes.
L’IA crée une occasion de les reconnecter.
Le véritable enjeu est la gestion des perturbations
L’une des plus grandes occasions à court terme concerne la gestion des perturbations : les opérations irrégulières, les exceptions et la complexité créée par la météo, les pannes et les retards en cascade.
Ce sont des environnements où l’IA peut analyser un grand nombre de variables interdépendantes et réévaluer continuellement les actions possibles à mesure que les conditions changent.
L’ampleur du défi est visible en Europe aujourd’hui. EUROCONTROL a indiqué que 63 957 vols, soit 25 % de tous les vols, ont été retardés en raison de restrictions de gestion du flux du trafic aérien pendant la semaine du 13 au 19 juillet 2026. La météo a représenté 55 % de tous les retards de gestion du flux du trafic aérien en route au cours de la même période.
Dans des environnements aussi interconnectés, la perturbation ne reste pas isolée. Un événement météorologique peut affecter le positionnement des avions, les équipages, les portes d’embarquement, les opérations au sol et les correspondances des passagers. L’occasion ne consiste pas seulement à prédire qu’une perturbation se produira, mais à déterminer continuellement la meilleure réponse à l’échelle du système élargi.
Le même principe s’applique au-delà de l’aviation.
Carrix, un exploitant international de terminaux maritimes et ferroviaires, travaille avec HCLTech afin d’utiliser AIoT et l’IA de vision pour moderniser les opérations portuaires, en reliant les caméras, les systèmes de gestion de flottes de véhicules et les capteurs pour soutenir la sécurité des travailleurs, la connaissance de la situation, la conformité et la performance opérationnelle.
C’est la tendance à surveiller : décisions à haute fréquence, données opérationnelles riches et coût important quand un incident survient.
Si une feuille de route en IA ne prévoit rien pour les opérations irrégulières, les exceptions ou le rétablissement opérationnel, elle optimise peut-être les parties de l’entreprise qui fonctionnent déjà relativement bien.
L’essor de l’IA est aussi un défi organisationnel
Lorsque l’IA n’arrive pas à prendre de l’ampleur, la technologie n’est souvent qu’une partie du problème. La conception organisationnelle peut être tout aussi déterminante.
Le rapport The AI Impact Imperatives, 2026 de HCLTech renforce ce point. Quarante pour cent des répondants ont mentionné la coordination et la collaboration interfonctionnelles comme un enjeu d’affaires limitant l’adoption de l’IA, alors que 39 % ont relevé des difficultés à aligner les initiatives d’IA à la stratégie d’entreprise.
Ces résultats mettent en lumière la façon dont l’IA opérationnelle transcende directement les frontières organisationnelles traditionnelles.
D’après notre expérience, trois capacités peuvent aider les organisations à dépasser l’étape du projet pilote.
- Le premier est une couche d’orchestration qui considère l’entreprise comme un flux continu de décisions plutôt que comme un ensemble d’applications et de tableaux de bord.
- Le deuxième est la capacité de boucler la boucle entre la connaissance et l’action. Une recommandation que personne n’applique est un coût, pas une capacité.
- Le troisième est le changement organisationnel. Une fois que l’IA commence à contribuer aux décisions opérationnelles, les organisations doivent reconsidérer à qui appartient le processus, où se trouve la responsabilité et comment les équipes sont évaluées.
Les programmes de transformation peuvent investir massivement dans la technologie tout en sous-estimant ces changements. Pour mettre l’IA à l’échelle, les organisations doivent repenser la façon dont les décisions sont prises, et non simplement déployer de meilleurs modèles.
L’expérience client et les opérations sont le même enjeu
L’idée selon laquelle l’expérience client et l’efficacité opérationnelle doivent s’opposer devient de plus en plus difficile à défendre.
L’entretien préventif améliore la fiabilité. La fiabilité améliore la ponctualité. La ponctualité façonne l’expérience des passagers. Les résultats opérationnels et clients découlent de la même décision fondamentale.
Un exemple d’engagement de HCLTech avec un leader mondial du transport, de la logistique et de la livraison montre comment l’efficacité opérationnelle et l’expérience client peuvent progresser ensemble. Une augmentation de 29 % du taux de gestion des demandes par la voix a permis de générer 150 millions de dollars d’économies cumulatives, pendant que les scores globaux d’expérience client se sont améliorés de 1,4 point.
L’efficacité opérationnelle et l’expérience client se sont améliorées ensemble.
La pression pour trouver cet équilibre est aussi visible dans l’industrie hôtelière. En janvier 2026, HOTREC a rapporté que le secteur de l’hôtellerie en Europe manquait encore en moyenne d’environ 10 % de sa main-d’œuvre malgré un certain relâchement des pressions sur le recrutement post-pandémie.
Pour les hôtels, la solution ne peut simplement être de réduire le service au nom de l’efficacité. L’IA et l’automatisation devraient plutôt servir à réduire le travail administratif répétitif, améliorer la gestion des actifs et simplifier les processus afin que les employés consacrent plus de temps aux interactions où l’hospitalité prend tout son sens.
La question n’est pas de savoir si les organisations doivent optimiser leurs opérations ou protéger l’expérience client. C’est plutôt comment le modèle d’exploitation peut offrir les deux.
Ne pas attendre des bases parfaites
Attendre d’avoir une couche parfaite de données et de gouvernance avant d’agir peut devenir une autre raison de retarder le progrès.
Les entreprises du voyage, du transport, de la logistique et de l’hôtellerie opèrent souvent sur des environnements technologiques fragmentés. Un passager, un envoi, un véhicule ou un actif physique peut se retrouver dans plusieurs systèmes bâtis à différentes époques, pour différentes fins et avec des définitions distinctes.
Un effort de plusieurs années pour tout nettoyer et tout consolider avant d’entamer l’IA peut repousser la création de valeur indéfiniment.
Une approche plus pratique consiste à établir juste assez de cohérence sémantique pour relier identités et relations entre les systèmes prioritaires, puis à améliorer la fondation de façon itérative grâce à des boucles de rétroaction serrées.
La plateforme sous-jacente à cette architecture devrait aussi appuyer des services composables, des API et des fonctions Cloud natives pour créer, déployer et surveiller les modèles et agents d’IA. Ce n’est pas seulement une décision technologique à déléguer. Cela détermine où l’orchestration a lieu et à quelle vitesse les perspectives peuvent devenir des actions opérationnelles.
Les organisations doivent aussi décider quelles décisions doivent être prises en périphérie et lesquelles devraient être gérées par des plateformes centralisées. Les décisions nécessitant des réponses immédiates de véhicules, équipements ou infrastructures peuvent exiger l’IA de périphérie. Les décisions nécessitant un contexte d’entreprise plus large, beaucoup de données ou une optimisation interréseau devraient être confiées aux plateformes Cloud.
L’architecture doit suivre la décision.
L’IA agentique augmente les enjeux de la gouvernance
Là où les organisations ne peuvent faire de compromis, c’est sur la gouvernance de l’IA agentique.
À mesure que les systèmes d’IA passent de la recommandation à l’action, les organisations ont besoin de règles explicites pour encadrer l’autonomie.
Qu’est-ce qu’un agent est autorisé à décider seul ? Quand une intervention humaine est-elle nécessaire ? Que se passe-t-il lorsque plusieurs systèmes autonomes ont des objectifs qui s’opposent ? Qui approuve les mises à jour des modèles ou des agents ? Comment les actions sont-elles consignées, surveillées et vérifiées ?
Les politiques de gestion des risques des modèles existantes peuvent être insuffisantes pour des systèmes capables d’agir de façon autonome.
Dans les environnements critiques pour la sécurité, cette lacune de gouvernance peut être aussi lourde de conséquences que l’erreur du modèle lui-même. Les organisations doivent définir à l’avance ce qui constitue un résultat inacceptable, à quel moment une intervention humaine est requise et comment les actions autonomes seront surveillées.
La gouvernance ne peut être ajoutée après l’entrée des systèmes autonomes dans les flux opérationnels. Elle doit faire partie de leur architecture dès le départ.
Des parcours aux flux
L’avantage au cours de ce nouveau cycle n’ira pas nécessairement à celui qui possède la plus grande flotte, le plus vaste réseau ou la base de fidélisation la plus importante.
Il ira de plus en plus aux organisations capables d’orchestrer les flux en temps réel, en sentant, décidant et agissant comme un seul processus connecté, plutôt que trois relais distincts.
Pour une compagnie aérienne, cela pourrait signifier relier la prévision des perturbations à la reprise des équipages, des appareils et des passagers. Pour la logistique, cela pourrait vouloir dire passer de la visibilité des envois à la gestion automatisée des exceptions. Pour les hôtels, cela pourrait vouloir dire relier l’occupation, le personnel, la consommation énergétique et les besoins des clients dans un même portrait opérationnel. Pour les réseaux de transport, cela pourrait vouloir dire comprendre comment un incident touchant un actif affectera l’ensemble du système avant même que les conséquences ne se manifestent.
L’IA dédiée à la clientèle restera importante. Les agents conversationnels s’amélioreront. La personnalisation deviendra plus avancée. La tarification sera plus dynamique.
Mais ces capacités ne sont qu’une couche de la transformation.
La plus grande opportunité apparaît lorsque l’IA touche aux décisions opérationnelles qui déterminent si les parcours, les expéditions et les services fonctionnent sans heurts, se rétablissent rapidement en cas de perturbation et offrent l’expérience attendue par les clients.
