Dossiers > La Supply Chain à l'heure de l'IA : quelles applications concrètes ? > Entretien DASHDOC

‘‘ L’adoption de l’IA passera par des cas d’usage simples, visibles et immédiatement utiles ’’
A. OUAKI, DASHDOC

Arthur OUAKI, cofondateur de DASHDOC.

Entretien réalisé le lundi 23 février 2026 par Frédéric LEGRAS, Directeur du Portail FAQ Logistique dans le cadre du dossier : « La Supply Chain à l’heure de l’IA : quelles applications concrètes ? ».

Dans le transport routier, si l’intelligence artificielle ne se déploie pas encore à grande échelle, des premières applications concrètes existent déjà. Chez Dashdoc, éditeur de TMS historiquement positionné sur la dématérialisation des documents de transport, l’IA est avant tout envisagée comme un levier d’automatisation opérationnelle. A l’occasion de cet échange, Arthur Ouaki, son cofondateur, partage une vision pragmatique : commencer par simplifier le quotidien des exploitants avant d’imaginer des usages plus ambitieux.

Avec mes cofondateurs, nous avons lancé notre première application, Truckfly, en 2015, à la sortie de notre école d’ingénieur. Il s’agissait d’un outil communautaire destiné aux conducteurs routiers. Ce premier succès nous a permis d’entrer dans le secteur du transport.

Dans la continuité, nous nous sommes engagés sur la dématérialisation des CMR, à un moment charnière : en 2016, la France reconnaissait officiellement l’e-CMR après la ratification du protocole additionnel. Après la revente de Truckfly au groupe Michelin en 2018, nous nous sommes consacrés pleinement à Dashdoc. D’abord centré sur les documents de transport, la solution a progressivement évolué vers un TMS complet.

Aujourd’hui, nous comptons environ 2 000 clients, principalement des transporteurs, mais aussi des donneurs d’ordre qui pilotent leurs flux et leur sous-traitance. Nous sommes présents en France, en Belgique, en Espagne et amorçons notre développement en Amérique du Nord.

Si l’intelligence artificielle s’est imposée dans les usages personnels, son intégration dans les outils dédiés au transport reste encore limitée. Les TMS et solutions de télématique embarquent rarement des fonctionnalités basées sur ces technologies, ce qui limite l’exposition concrète des utilisateurs métiers.

Pour autant, l’intérêt est bien réel, d’autant que le secteur traverse une transition générationnelle. De nouveaux dirigeants, plus ouverts au numérique et à l’automatisation, prennent la tête des entreprises. On observe ainsi un regain d’attention pour l’innovation, y compris sur des sujets encore considérés comme secondaires il y a quelques années. Ce contexte favorise l’expérimentation, et l’IA s’inscrit naturellement dans cette dynamique. Nos premières démonstrations de cas d’usage confirment cette tendance, avec des réactions largement positives.

L’enjeu réside désormais dans l’appropriation : comprendre précisément ce que l’IA peut résoudre et comment l’intégrer dans les pratiques opérationnelles.

Je fais souvent le parallèle avec l’e-CMR. À l’époque, le secteur était encore très attaché au papier. Il a fallu expliquer, rassurer et démontrer la valeur ajoutée. Avec l’IA, nous sommes dans une phase comparable : curiosité, parfois enthousiasme, mais aussi interrogations légitimes. Comme pour la dématérialisation, l’adoption passera par des cas d’usage simples, visibles et immédiatement utiles.

C’est sans doute le point structurant. L’IA ne peut produire des résultats pertinents que si les données sont fiables, structurées et correctement exploitées. Or, dans le transport, de nombreuses entreprises restent encore en phase de consolidation sur ce sujet : services IT réduits, systèmes imparfaitement interconnectés, informations parfois incomplètes ou mal saisies.

Avant même d’envisager des projets d’intelligence artificielle, il est donc nécessaire de travailler sur les processus, la qualité des données et la cohérence des outils. L’IA renforce un système déjà organisé, elle ne corrige pas un désordre existant.

Cela étant dit, au-delà de cette dimension structurelle, d’autres freins apparaissent plus directement dans les échanges avec les équipes.

Trois éléments reviennent régulièrement.

D’abord, une préoccupation liée aux conséquences de l’IA sur les effectifs. Beaucoup se demandent si elle pourrait, à terme, menacer leurs postes. Dans les faits, les exploitants transport évoluent déjà sous forte pression : imprévus, arbitrages permanents, priorités mouvantes. L’enjeu n’est pas de substituer la technologie aux collaborateurs, mais de réduire la charge cognitive et de sécuriser la prise de décision.

Ensuite, la question de la sécurité des données. Les outils grand public interrogent légitimement sur l’usage des informations transmises. En environnement B2B, des engagements stricts encadrent le traitement des données. Il est essentiel de clarifier ce cadre.

Enfin, la fiabilité. Une erreur d’une machine est généralement moins bien acceptée que celle d’un collaborateur et peut rapidement entamer la confiance dans l’outil. C’est pourquoi notre approche reste pragmatique : l’IA assiste, mais le contrôle humain demeure, notamment sur des sujets sensibles comme la tarification ou la facturation.

Nous avons choisi de commencer par nous attaquer aux tâches à faible valeur ajoutée : ressaisie, comparaison de documents, vérifications répétitives. Dans le transport, beaucoup de temps est encore consacré à recopier des informations d’un document reçu par e-mail vers un logiciel, ou à solliciter un partenaire pour obtenir une donnée déjà disponible ailleurs. C’est là que l’impact opérationnel est le plus rapide et le plus mesurable.

Sur ces sujets très concrets, nous avons déployé nos premières briques autour de deux applications principales.

La première concerne la création d’ordres de transport à partir d’une confirmation d’affrètement. Dans la majorité des cas, le transporteur reçoit un PDF par e-mail. Les formats sont hétérogènes, non standardisés et nécessitent une ressaisie manuelle. Notre module lit le document, identifie les informations clés (donneur d’ordre, marchandise, horaires, prix, références) puis préremplit la commande dans le TMS. L’utilisateur contrôle et valide. Une saisie qui prenait environ 1 minute 30 passe ainsi à moins de 30 secondes, avec une réduction sensible des erreurs.

La seconde application porte sur le contrôle des factures. Là encore, le travail manuel reste fréquent : comparaison ligne par ligne entre la facture reçue et les données du TMS. L’outil automatise la lecture, effectue le rapprochement et met en évidence les écarts. Les équipes peuvent alors se concentrer sur l’analyse plutôt que sur la vérification systématique.

Nous avançons de manière progressive, en intégrant des briques concrètes, immédiatement utiles. L’objectif n’est pas d’ajouter de la technologie pour la technologie, mais d’apporter des gains mesurables sur le terrain.

Notre approche est également ouverte. Nous nous connectons facilement aux autres outils et préparons l’intégration d’agents capables d’exécuter des actions via API. Nous ne cherchons pas à créer un système fermé, mais à permettre aux entreprises de faire évoluer leur écosystème dans le temps. Cette vision s’inscrit dans une évolution plus large du marché. Le secteur reste encore largement structuré par l’offre des éditeurs, même si les entreprises commencent à vouloir assembler des solutions plus modulaires et mieux adaptées à leurs besoins.

Enfin, notre ancrage terrain fait la différence. Nous passons du temps aux côtés des opérationnels. Observer les gestes répétitifs, les contournements et les points de friction permet d’identifier précisément où l’automatisation peut générer un impact réel.

Des agents IA sont déjà capables d’analyser un e-mail, d’actualiser un planning ou de produire un rapport en langage clair. À court terme, ces briques vont surtout simplifier l’interaction entre les utilisateurs et leurs outils : poser une question, obtenir une synthèse, automatiser une mise à jour.

À moyen terme, l’évolution sera plus structurelle. Aujourd’hui, les systèmes restent largement cloisonnés. L’enjeu sera de permettre aux outils de dialoguer directement entre eux afin de réduire les ruptures d’information et fiabiliser les flux. Cela contribuera à recentrer les équipes sur la gestion des exceptions et les décisions à forte valeur.