Un algorithme bloque une livraison de composants électroniques à Séoul, et personne ne sait à qui envoyer la facture. Le rapport Alpega 2026 relève qu’environ un expéditeur sur cinq n’a aucune des capacités fondamentales de résilience, sans documenter 45 % d’entreprises asiatiques testant des agents IA. Certains agents peuvent automatiser des tâches et mises à jour opérationnelles selon les préférences de l’utilisateur. Il n’existe pas de régime civil harmonisé et directement applicable propre aux agents logistiques, mais des règles nationales et des initiatives européennes de responsabilité existent.

L’essentiel

  • Le rapport Alpega 2026 ne permet pas d’attribuer le chiffre de 45 % aux entreprises asiatiques testant des agents IA. Des régimes de responsabilité existants et des propositions d’adaptation s’appliquent ou sont envisagés pour les erreurs d’agents IA.
  • Environ un expéditeur sur cinq, dans le périmètre du rapport Alpega, déclare ne disposer d’aucune capacité fondamentale de résilience, exposant les chaînes à un risque accru de perturbations.
  • Blue Yonder traite 25 milliards de prédictions par jour : à cette échelle, une erreur de calibration se propage en heures sur des dizaines de fournisseurs.
  • L’incertitude et la fragmentation des règles de responsabilité peuvent compliquer l’évaluation des risques IA par les assureurs, comme l’a montré le précédent des véhicules autonomes aux États-Unis avant que les États commencent à légiférer.
  • Une décision de justice sur la responsabilité civile des agents IA logistiques pourrait influencer les approches dans d’autres juridictions.

L’adoption court plus vite que les garde-fous

L’Asie est la région du monde où la supply chain est la plus dense, la plus interconnectée et la plus exposée aux ruptures. Les ports de Shanghai, Singapour et Busan traitent ensemble une part considérable du commerce mondial. La pression à l’efficacité y est maximale, ce qui explique l’appétit pour les agents IA.

Ces agents font davantage que de la prédiction. Ils passent des commandes, réorientent des flux, renégocient des délais avec des fournisseurs, détectent des anomalies et déclenchent des alertes. Blue Yonder, l’un des principaux éditeurs mondiaux de logiciels logistiques, annonce 25 milliards de prédictions générées chaque jour sur ses plateformes. À ce volume, les décisions s’enchaînent à une vitesse qui rend la vérification humaine en temps réel très difficile.

Le chiffre de 45 % cache une réalité plus contrastée. Tester un agent IA ne signifie pas lui déléguer des décisions critiques : beaucoup de ces expérimentations restent cantonnées à des alertes ou à des recommandations que l’humain valide encore. Mais la pression concurrentielle pousse vers une autonomie croissante. Les entreprises qui automatisent le plus vite gagnent en réactivité. Celles qui maintiennent des validations humaines systématiques ralentissent.

Le marché récompense l’autonomie. La question de la responsabilité, elle, reste sans réponse.

Ce qui rend la situation particulièrement instable, c’est la donnée que l’Alpega Trends Report relève : environ un expéditeur sur cinq n’a aucune des capacités fondamentales de résilience. L’absence de mécanismes de résilience peut accroître le risque et la durée des perturbations, sans rendre l’arrêt de la chaîne inévitable.

Le précédent des véhicules autonomes

Le secteur de la mobilité autonome a traversé cette impasse, avec des conséquences documentées. Entre 2016 et 2022, les règles américaines de responsabilité et d’assurance des véhicules autonomes restaient fragmentées et évolutives. L’attribution de responsabilité était incomplètement harmonisée et pouvait varier selon les États et les circonstances.

Les États américains ont commencé à légiférer avant 2018, de manière hétérogène. La Californie, la Géorgie, l’Arizona ont adopté des approches différentes sur la responsabilité de l’opérateur. L’Union européenne a mis des années à produire une directive cohérente. Pendant ce temps, des entreprises pionnières ont été exposées à des risques qu’elles ne pouvaient pas assurer, parce que les assureurs refusaient d’évaluer des risques sans jurisprudence.

Le parallèle avec les agents IA logistiques est direct. Un agent qui déclenche une commande erronée, réoriente un navire ou rompt un contrat de livraison peut potentiellement engager des responsabilités financières. L’attribution des responsabilités entre ces acteurs reste incertaine.

Face à cette incertitude, certains assureurs ont limité leur offre de couverture pour les risques liés aux décisions de systèmes autonomes dans les contrats logistiques. Les entreprises pionnières peuvent transférer une partie des risques par assurance et par contrat, mais la disponibilité, le prix et les exclusions de cette couverture restent incertains selon le cas.

Le calcul ne tranche pas les questions de pouvoir

L’approche la plus répandue dans les débats industriels consiste à postuler que le problème se résout par plus de technique : des agents mieux calibrés, des audits algorithmiques plus fréquents, des métriques de fiabilité plus précises. Cette logique a ses mérites. Un agent qui se trompe moins souvent est objectivement préférable à un agent qui se trompe souvent.

Même un agent fiable commettra des erreurs. Lorsqu’une erreur survient, le partage des coûts dépend des dispositions contractuelles en vigueur. Un grand nombre de contrats commerciaux existants ne prévoient pas d’attribution claire de la responsabilité des décisions autonomes.

La chercheuse Samah Karaki, dont les travaux sur les neurosciences sociales éclairent la façon dont les normes collectives façonnent les comportements économiques, formule une thèse qui s’applique ici avec précision : les processus sociaux sont irréductibles à l’optimisation algorithmique. Qui décide des règles, qui supporte les erreurs, qui arbitre les litiges entre un agent IA et un fournisseur humain, ce sont des questions de délibération collective, pas de calibration technique. Son ouvrage L’empathie est politique pose les bases théoriques de cette lecture : les émotions, les normes et les responsabilités sociales ne se laissent pas « optimiser ». Elles se négocient.

Une lecture concurrente, portée par des économistes spécialisés dans la régulation de marché comme Jean Tirole, insisterait davantage sur le rôle des incitations. Si les éditeurs de logiciels supportent une partie de la responsabilité civile en cas d’erreur de leurs agents, ils auront des incitations puissantes à améliorer la fiabilité. La régulation par la responsabilité, dans cette vision, est plus efficace qu’une régulation prescriptive qui tenterait de définir a priori ce qu’un agent a le droit de faire ou non. Cette approche a produit des résultats dans d’autres secteurs à risque, la finance, le médicament, où la menace de la responsabilité a discipliné les acteurs sans étouffer l’innovation.

Les deux lectures ne s’excluent pas. Elles convergent sur un point : le vide actuel présente un problème qui appelle une régulation, et le premier acteur institutionnel à le combler sera suivi ou imité par les autres.

Cette situation rejoint celle que l’automatisation soulève dans d’autres secteurs : lorsque la machine décide, les gains bénéficient à certains acteurs tandis que les risques sont absorbés par d’autres.

Trois architectures de gouvernance émergent, aucune ne domine

Les entreprises pionnières ne restent pas passives face au vide juridique. Face à une application incertaine et fragmentée des cadres existants, elles construisent des solutions contractuelles et organisationnelles complémentaires. Parmi les déploiements en cours en Asie du Sud-Est et en Corée du Sud, plusieurs architectures contractuelles et organisationnelles émergent.

Le premier est le modèle de la responsabilité interne totale. L’entreprise qui déploie l’agent en assume toutes les conséquences, quel que soit l’éditeur. Elle négocie des limites d’autonomie strictes dans ses contrats avec l’éditeur, et elle conserve des équipes humaines capables de prendre le relais en quelques minutes. C’est le modèle le plus prudent. Il préserve le contrôle mais limite l’avantage concurrentiel de l’automatisation.

Le deuxième est le modèle du partage contractuel. L’entreprise cliente et l’éditeur de logiciel négocient des clauses précises sur les catégories de décisions que l’agent peut prendre de façon autonome, et sur les indemnisations prévues en cas d’erreur dans ces catégories. Ces clauses sont complexes à rédiger, elles font l’objet de négociations longues, et elles créent une fragmentation juridique : le même agent IA peut être couvert différemment selon le contrat du client.

Le troisième est le modèle de l’audit externe. Certaines entreprises font appel à des tiers certificateurs qui évaluent la fiabilité des agents sur des scénarios de stress. La certification ne crée pas de responsabilité légale, mais elle fournit un argument en cas de litige et rassure les assureurs suffisamment pour obtenir une couverture partielle. Ce modèle ressemble à ce que le secteur aérien a développé pour la certification des logiciels embarqués, avec des décennies d’avance.

Aucun de ces modèles n’est satisfaisant à grande échelle. Ils sont coûteux, incompatibles entre eux, et créent une fragmentation juridique. Les petits fournisseurs qui n’ont pas le poids pour négocier des clauses équilibrées restent exposés à des risques mal couverts, tandis que les grands acteurs se protègent. Un schéma que l’on retrouve dans d’autres dynamiques de transformation industrielle : les contraintes s’accumulent là où les acteurs ont le moins de marge.

La juridiction qui tranchera en première redéfinira le standard mondial

L’AI Act européen, entré en vigueur en 2024, aborde les systèmes d’IA à haut risque dans son chapitre III, mais il ne crée pas de régime de responsabilité civile directement applicable aux agents IA logistiques. Il impose des obligations de transparence et d’audit, pas de règles d’indemnisation. La Commission européenne a lancé des travaux sur une directive spécifique à la responsabilité de l’IA, mais le calendrier reste incertain et les positions des États membres divergent.

En Asie, la situation est encore plus fragmentée. Singapour disposait déjà d’un cadre volontaire de gouvernance de l’IA publié en 2019 et mis à jour en 2020 ; en 2023, il a lancé l’AI Verify Foundation pour accompagner cette gouvernance. Le Japon travaille sur une approche sectorielle, en commençant par les secteurs les plus critiques. La Chine impose des obligations de traçabilité et de conformité à certains fournisseurs de services d’IA, tout en exigeant que leurs contrats avec les utilisateurs précisent les droits et obligations respectifs. Ces approches diffèrent sans converger vers un standard unique.

Un jugement pourrait avoir une portée persuasive ou contraignante dans une juridiction déterminée, selon la cour qui le rend, mais ne s’imposerait pas automatiquement dans l’ensemble du domaine. La jurisprudence a souvent précédé la régulation préventive dans la résolution des responsabilités liées aux nouvelles technologies, de l’automobile au médicament.

Un cadre européen de responsabilité pourrait affecter les entreprises opérant sur le marché européen, selon son instrument juridique et son champ d’application, comme l’a fait le RGPD pour la protection des données. Un premier jugement dans une autre juridiction pourrait également influencer les approches ailleurs.

La dimension géopolitique de cette question dépasse le secteur logistique. Un premier cadre de responsabilité établi dans un secteur ou une juridiction pourrait servir de point de comparaison pour d’autres secteurs critiques. Le goulot de gouvernance est identique dans chacun de ces secteurs. Sa résolution dans un secteur créera un précédent que les autres secteurs s’approprieront ou auquel ils se compareront.

Gouverner la machine sans l’arrêter

Une fois déployés dans la supply chain, les agents IA modifient durablement les processus et les attentes de compétitivité. Les entreprises qui les déploient reportent les gains à leurs clients et leurs actionnaires ; celles qui maintiennent des approches manuelles perdent en réactivité dans un secteur aux marges serrées. L’adoption progressera ; la question porte sur les conditions qui la rendront équitable et prévisible.

L’incertitude et la fragmentation des règles de responsabilité créent des conditions différentes selon la taille des acteurs. Les grands groupes peuvent davantage accéder aux ressources et à l’expertise pour évaluer les risques, tandis que les PME et transporteurs indépendants disposent de moins de moyens. Cette fragmentation peut favoriser les plus grands acteurs.

Une régulation claire sur la responsabilité pourrait élargir l’adoption en permettant aux assureurs d’évaluer les risques et aux PME de déployer en connaissant leur exposition. La même logique vaut pour la transformation industrielle dans d’autres secteurs : un cadre clair distribue les bénéfices du progrès plus largement.

Les signaux à surveiller pour évaluer quelle trajectoire se dessine sont précis. Une première décision de justice sur la responsabilité civile d’un agent IA logistique dans une juridiction majeure. L’entrée des grands assureurs sur le marché de la couverture des risques IA autonomes. La publication d’une directive européenne sur la responsabilité civile de l’IA. L’adoption, par un grand donneur d’ordres, de clauses contractuelles standard sur la responsabilité des agents, qui créerait une pression en cascade sur toute sa chaîne de fournisseurs.

Chacun de ces signaux, pris isolément, ne changerait pas grand-chose. Leur combinaison dans les prochaines années influencerait le rythme et l’équité de l’adoption par les entreprises.

Sources

  1. Alpega Trends Report 2026, décembre 2025, supply-chain.net
  2. Samah Karaki, L’empathie est politique : Comment les normes sociales façonnent la biologie des sentiments, JC Lattès, editions-jclattes.fr
  3. Blue Yonder, données de volume de prédictions, communications institutionnelles 2025 (blueyonder.com)
  4. Règlement européen sur l’intelligence artificielle (AI Act), Journal officiel de l’Union européenne, 2024, chapitre 4
  5. Monetary Authority of Singapore, Model AI Governance Framework, 2023 (mas.gov.sg)