L'IA agentique dans la gestion de flotte : ce qui est réel

En gestion de flotte, l'IA agentique désigne un logiciel qui pose un geste au nom du gestionnaire, au lieu de lui présenter une recommandation qu'il devra ensuite exécuter à la main. Le logiciel planifie, réachemine ou commande une réparation lui-même. Le terme risque de devenir un mot à la mode collé sur tout ce qui a une fenêtre de clavardage, d'où l'intérêt de bien le définir. La distinction est réelle, même si plusieurs fournisseurs emploient le mot de façon approximative.

Pendant des années, la télématique a fait de l'analytique descriptive et prédictive : des tableaux de bord et des alertes qui disent ce qui s'est passé ou ce qui risque d'arriver. Les systèmes agentiques vont un cran plus loin. Ils créent un calendrier d'entretien, recommandent une réparation précise ou réacheminent un conducteur pour contourner le mauvais temps ou la congestion, sans qu'un répartiteur ait à traiter chaque décision lui-même.

Aujourd'hui, l'IA agentique en gestion de flotte sert à des tâches étroites et précises. Personne n'offre encore de gestionnaire de flotte autonome capable de tout faire. Les exemples qui existent bel et bien : des calendriers d'entretien générés à partir des données réelles sur l'état des véhicules, des recommandations de réparation fondées sur les codes d'anomalie et le réacheminement automatique quand le système détecte du mauvais temps ou de la congestion.

Chacune de ces tâches est une décision bornée, avec des données d'entrée claires et un geste clair à poser. C'est exactement le genre de problème que les systèmes d'IA actuels règlent de façon fiable. Un système qui porterait des jugements d'affaires ouverts serait tout autre chose. Méfiez-vous du fournisseur dont l'argumentaire brouille cette frontière.

Les assistants IA des plateformes télématiques répondent surtout à des questions sur les données de votre flotte; c'est encore une personne qui décide quoi faire de la réponse. Geotab Ace, intégré à MyGeotab, en est un bon exemple : vous demandez en langage courant quels véhicules ont le plus tourné au ralenti ou lesquels ont des anomalies actives, et l'assistant transforme la question en requête dans la base de données, l'exécute et explique le résultat.

Le guide d'utilisation de Geotab décrit les étapes. La question passe d'abord par une couche d'audit, puis un modèle d'IA générative rédige une requête pour Google BigQuery, et un moteur de raisonnement transforme les données obtenues en réponse. Si la question ou la requête échoue à une vérification, Ace répond qu'il ne peut pas répondre. Vous pouvez afficher le SQL derrière une réponse ou télécharger le résultat en CSV, et Ace respecte les accès par groupe de chaque utilisateur. Il peut lire notamment les trajets, les journaux GPS, les zones, les règles et événements, les diagnostics moteur, les évaluations de véhicules électriques, l'analyse de sécurité et les indicateurs des conducteurs; une règle nouvellement ajoutée peut prendre jusqu'à une heure avant d'être indexée.

C'est de l'analytique avec une interface conversationnelle, à une étape d'un agent qui réserverait lui-même une réparation. C'est aussi un bon banc d'essai : si l'assistant donne de mauvaises réponses sur votre flotte, vos données ne sont pas prêtes pour un logiciel qui agit à partir d'elles.

Donnez à un agent les limites que vous donneriez à un nouveau répartiteur : une courte liste de décisions qu'il peut prendre, les données qu'il peut lire, une personne qui approuve tout ce qui sort de cette liste, et un journal de chacune de ses actions. Un système qui montre les données derrière chaque action est un système que vous pouvez vérifier après une erreur.

Les décisions qui touchent des personnes restent entre les mains de personnes. L'avis juridique du guide d'utilisation de Geotab Ace précise que les utilisateurs doivent respecter les lois sur la protection des renseignements personnels et sur l'IA, et qu'ils n'utiliseront pas la fonction pour des décisions liées à l'emploi. Les mesures disciplinaires, les conséquences d'un bulletin de conduite et l'embauche reviennent à un gestionnaire qui a examiné les faits. Au Québec, revoyez vos obligations au titre de la Loi 25 avant qu'un traitement automatisé utilise des renseignements sur vos conducteurs.

Pour une démarche structurée, le National Institute of Standards and Technology (NIST) des États-Unis publie l'AI Risk Management Framework, conçu pour un usage volontaire par les organisations qui conçoivent, développent ou utilisent l'IA. Demandez à tout fournisseur qui vend des fonctions agentiques lesquels de ses contrôles s'en inspirent, et ce que fait l'agent quand ses données d'entrée manquent ou sont périmées.

Ce qui a de la valeur, c'est de rendre les données opérationnelles au lieu de seulement les afficher. Un tableau de bord qui montre un code d'anomalie fait de la visualisation. Un système qui évalue la gravité de ce code et planifie lui-même la bonne réparation rend la donnée opérationnelle. Cette deuxième capacité est nouvelle; « agentique » est simplement le mot de l'année pour la nommer.

Quand vous évaluez les promesses d'un fournisseur, oubliez la question « avez-vous de l'IA agentique? ». Demandez plutôt : « Quelle décision précise votre système prend-il seul, et que se passe-t-il quand il se trompe? » Le fournisseur qui répond avec des exemples concrets vous décrit un vrai produit. Celui qui reste vague vous vend probablement un tableau de bord rebaptisé.

Un agent qui agit sur les données de la flotte ne vaut pas mieux que ces données, et les fournisseurs passent souvent ce point sous silence. Pour planifier l'entretien automatiquement, il faut des lectures d'odomètre et d'heures moteur tirées du véhicule, pas des estimations. Pour trier les codes d'anomalie, il faut les codes avec leur contexte, par exemple savoir si le camion était chargé. Pour réacheminer automatiquement, il faut la position en direct et la fenêtre horaire du client dans le même système. Une flotte dont la télématique produit déjà tout ça proprement, avec des véhicules nommés, des conducteurs identifiés et des géozones chez les clients, peut confier une tâche délimitée à un agent et vérifier les résultats. Une flotte aux données à moitié configurées obtiendra des actions prises avec assurance sur de mauvaises données, ce qui est pire qu'un simple tableau de bord. High Point GPS suit la même séquence dans ses déploiements : mettre les données en ordre, automatiser les rapports, puis laisser le logiciel prendre les décisions étroites dont la flotte a déjà fixé les règles.