Vos données sont votre rempart (à condition qu'elles soient connectées) - SERIE INTELLIGENCE FLOTTES PARTIE 2

Unification des données, catalogues de connaissances et pourquoi la fragmentation des données de flotte est le véritable obstacle à l'IA 

GOOGLE CLOUD NEXT 2026 — SÉRIE INTELLIGENCE FLOTTES - PARTIE  2 de 5

Dans la première partie de cette série, j'ai avancé un argument simple : l'ère des projets pilotes en intelligence artificielle pour la gestion de flottes est terminée. L'infrastructure est prête pour la production, les coûts ont chuté, et les entreprises qui bougent maintenant vont se bâtir un avantage que les retardataires ne pourront pas facilement combler.

Mais il y a un prérequis dont aucun fournisseur d'IA ne veut parler, parce que ce n'est pas glamour et que ça ne tient pas sur une diapositive. Avant de pouvoir profiter de quelque capacité d'IA que ce soit annoncée au Google Cloud Next 2026, il faut d'abord régler le problème des données. Et dans notre industrie, le problème des données, ce n'est pas qu'on en manque. C'est que nos données sont éparpillées, cloisonnées, incohérentes, et souvent invisibles aux systèmes qui en ont le plus besoin.

Cet article porte sur la raison pour laquelle vos données, et non votre IA, sont votre véritable avantage concurrentiel, et sur ce que l'infrastructure annoncée la semaine dernière signifie pour les entreprises de transport sérieuses dans leur volonté d'en bâtir un.

La taxe de fragmentation

Chaque flotte avec laquelle je travaille paie une taxe cachée que j'appelle la taxe de fragmentation. C'est le coût d'opérer avec des données déconnectées, pas en licences logicielles, mais en heures que votre équipe d'exploitation passe à réconcilier manuellement de l'information qui devrait circuler automatiquement.

Votre équipe d'exploitation vit dans un TMS pour gérer les charges et les expéditions, une plateforme de télématique et de DCÉ pour le suivi des véhicules et la conformité, un système de gestion de la maintenance pour les bons de travail et les pièces, et une solution de routage pour la répartition et la navigation. Chaque système fonctionne. Mais ils se parlent à peine. Votre répartiteur ne peut pas voir l'état de la maintenance en temps réel quand il assigne une charge. Votre directeur de la sécurité examine les événements de caméra embarquée dans une plateforme, puis les croise manuellement avec les dossiers de formation des conducteurs dans une autre. Votre comptable réconcilie les reçus de carburant avec les itinéraires à l'aide d'un tableur auquel personne ne fait entièrement confiance. Les données existent, elles vivent simplement dans quatre ou cinq applications distinctes avec une capacité limitée ou nulle d'échanger données et perspectives entre elles.

Ce n'est pas un problème technologique au sens traditionnel. Chacun de ces systèmes individuels fonctionne. Le problème, c'est l'espace blanc entre eux, les brèches où l'information tombe, où le contexte se perd, où les humains deviennent la couche d'intégration parce que les machines ne sont pas capables de se parler.

Maintenant, multipliez cette taxe par chaque camion, chaque conducteur, chaque itinéraire, chaque semaine. Pour une flotte de taille moyenne, la taxe de fragmentation se mesure en dizaines de milliers de dollars annuellement. Pour les grandes opérations, elle se mesure en millions. Et elle est presque entièrement invisible, parce qu'elle est intégrée dans le fonctionnement de l'industrie depuis si longtemps que la plupart des gens l'acceptent comme le coût normal de faire des affaires.

À quoi ressemble réellement une architecture de données connectée

Les annonces les plus significatives au Cloud Next n'avaient rien à voir avec les agents IA, les robots conversationnels ou l'automatisation. Elles portaient sur l'infrastructure de données, la plomberie qui fait fonctionner tout le reste.

Trois capacités m'ont semblé directement pertinentes pour les opérations de flotte :

Premièrement, le concept d'un catalogue de connaissances qui comprend ce que vos données signifient, pas seulement où elles se trouvent. Pensez-y comme un bibliothécaire pour vos données de flotte. Aujourd'hui, si quelqu'un demande « quel est notre coût moyen de carburant par mile pour les véhicules de Classe 8 sur les routes transfrontalières ? », répondre à cette question exige de puiser dans au moins trois systèmes en espérant que les définitions concordent. Un catalogue de connaissances standardise ces définitions, cartographie les relations et rend cette question instantanément accessible, par un humain ou par un agent IA.

Deuxièmement, la capacité d'unifier les données à travers différents systèmes de stockage sans les déplacer. C'est critique pour notre industrie, parce que les données de flotte vivent partout, fournisseurs de télématique, plateformes TMS, systèmes ERP, plateformes de conformité, réseaux de carburant tiers. L'approche traditionnelle consistait à construire un entrepôt de données et à tout y copier. La nouvelle approche laisse les données là où elles sont et construit une couche logique qui lit à travers l'ensemble. Moins de coûts, moins de complexité, moins de risque que les données soient périmées au moment où elles arrivent.

Troisièmement, et celle-ci a des implications pratiques immédiates, le traitement intelligent de documents à grande échelle. Les opérations de flotte fonctionnent sur des documents : connaissements, preuves de livraison, rapports d'inspection, déclarations douanières, bons de travail de maintenance, reçus de carburant. La plupart de ces documents sont encore traités manuellement ou semi-manuellement. Les capacités d'intelligence documentaire que j'ai vues peuvent extraire des données structurées à partir de documents non structurés, les classifier, les valider par rapport à vos dossiers existants et les acheminer vers le bon système, le tout sans intervention humaine, à moins que quelque chose soit signalé comme anomalie.

C'est un domaine où nous avançons déjà. AttriX GoRoute ne se limite pas à la navigation et au flux de travail du conducteur, il effectue la numérisation de documents avec un OCR alimenté par une intelligence artificielle multicouche qui extrait le contenu des connaissements au point de capture. Ces données extraites sont transférées directement vers les plateformes TMS pour une facturation instantanée, éliminant le délai de plusieurs jours que la plupart des transporteurs acceptent encore comme normal. Mais ce qui m'enthousiasme le plus, c'est ce qui vient ensuite : nos outils d'IA conversationnelle permettent aux gestionnaires et aux conducteurs d'avoir des conversations interactives sur chaque document numérisé et chaque connaissement, poser des questions, vérifier des détails, signaler des écarts, en langage naturel. Le document devient une source de données vivante, pas une image statique dans un système de classement. L'infrastructure annoncée au Cloud Next rendra ce type de pipeline documentaire intelligent accessible à toute l'industrie. Nous sommes déjà en train de le construire.

Où se positionne AttriX

C'est ici que je dois être direct, parce que ça touche à quelque chose que j'ai passé des années à bâtir et à quelque chose que je crois que l'industrie comprend fondamentalement mal.

La plupart des plateformes de DCÉ, TMS et gestion de maintenance offrent une version d'analytique intégrée, des tableaux de bord natifs, des rapports préformatés, même des modules IA qui promettent de faire remonter des perspectives automatiquement. Et pour un survol générique, ça fonctionne assez bien. Mais voici le problème : ils appliquent des filtres génériques, des structures de données génériques et des repères génériques à une industrie où aucune opération ne ressemble à une autre.

Chez AttriX, nous avons construit Lighthouse BI, notre plateforme d'intelligence d'affaires, opérant sur une infrastructure infonuagique d'entreprise, exactement pour cette raison. Pas pour remplacer les analytiques qui viennent avec votre fournisseur de télématique, mais pour aller au-delà. Pour bâtir un environnement de données où l'intelligence de flotte est gouvernée, nettoyée, structurée et rendue fiable grâce à quelque chose qu'aucun algorithme seul ne peut fournir : l'expertise humaine spécialisée dans le domaine.

Qu'est-ce que ça veut dire concrètement ? Ça veut dire que notre équipe, des gens qui ont passé leur carrière dans les opérations de flotte, la maintenance, la conformité et la finance du transport, travaille directement avec les données avant qu'elles n'atteignent un tableau de bord ou un modèle d'IA. Ils comprennent qu'une anomalie de carburant pour un transporteur réfrigéré longue distance n'est pas la même chose qu'une anomalie de carburant pour une flotte régionale de construction. Ils savent que les patterns d'heures de service pour une opération transfrontalière en équipe racontent une histoire complètement différente de ceux d'une opération locale en camion porteur. Ils reconnaissent qu'un pic de coûts de maintenance en hiver pour une flotte qui roule le corridor de la 401 est normal, alors que le même pic pour une flotte qui opère dans le sud-est des États-Unis est un signal d'alarme.

Ce n'est pas du travail qu'un filtre automatisé peut reproduire. Ça demande de l'expérience, du jugement et une compréhension intime de la façon dont les flottes fonctionnent réellement, pas de la façon dont une plateforme logicielle présume qu'elles fonctionnent.

Nous nettoyons les données. Nous retirons les valeurs aberrantes qui induiraient en erreur n'importe quel système d'analytique. Nous les structurons selon la réalité opérationnelle de chaque flotte, leurs vocations, leurs itinéraires, leurs patterns saisonniers, leurs KPIs spécifiques. Et nous nous assurons que quand un agent IA interroge éventuellement ces données, il travaille avec de l'information fiable, contextuelle et véridique.

Voici un exemple concret. Un grand transporteur en hub-and-spoke exploite une flotte de camions plus anciens comme tracteurs de cour, des véhicules qui déplacent les remorques entre les quais et les espaces de stationnement sur le terrain. Ces unités n'accumulent presque aucun kilométrage routier, mais elles tournent au ralenti constamment et consomment une quantité disproportionnée de carburant par rapport à la distance parcourue. Si vous alimentez ces données brutes dans une plateforme d'analytique générique, ces tracteurs de cour contaminent les chiffres d'efficacité énergétique de toute la flotte. Votre coût moyen de carburant par mile semble nettement pire qu'il ne l'est réellement. Votre comparaison avec les standards de l'industrie perd tout son sens. Et si un agent IA utilise ces données pour recommander des changements opérationnels, il formule des recommandations basées sur un portrait faussé. Nous, on attrape ça. Nous contextualisons ces véhicules de cour séparément, parce que quelqu'un dans notre équipe comprend qu'un tracteur de cour qui roule huit heures par jour sur un terrain n'a pas le même profil opérationnel qu'un tracteur de Classe 8 qui roule la 401. Cette distinction n'existe pas dans un filtre générique. Elle existe dans l'expertise du domaine.

C'est le pont entre l'intelligence d'affaires et les données prêtes pour l'IA. Les outils de BI natifs aux solutions vous donnent une vue de vos données à travers le prisme du fournisseur. Lighthouse BI vous donne une vue de vos données à travers votre prisme, structurée par des gens qui comprennent qu'un transporteur de déchets en Abitibi et un transporteur pharmaceutique dans le Grand Toronto ont besoin d'architectures de données fondamentalement différentes, même s'ils utilisent le même matériel télématique.

L'infrastructure annoncée au Cloud Next valide entièrement cette approche. Quand les catalogues de connaissances, les couches de données unifiées et les agents IA entrent en jeu, les flottes qui en tireront le plus de valeur sont celles dont les données sont déjà gouvernées, déjà structurées et déjà fiables. Pas celles qui se dépêchent de nettoyer des années de tableaux de bord génériques au moment où elles veulent qu'un agent IA agisse sur leurs données.

Nous bâtissons cette fondation, discrètement, méthodiquement, flotte par flotte, depuis des années. La nouvelle infrastructure ne change pas notre direction. Elle l'accélère. 

La gouvernance des données n'est pas optionnelle

Il y a une dimension supplémentaire à cette conversation que les dirigeants de flottes doivent prendre au sérieux : la gouvernance. À mesure que l'IA s'intègre plus profondément dans les opérations, la qualité et la fiabilité de vos données deviennent un enjeu de sécurité, pas seulement d'efficacité.

Si un agent IA recommande un ajustement d'itinéraire basé sur des données de carburant erronées, c'est un inconvénient opérationnel. Si un agent IA signale un conducteur pour une formation de rattrapage basée sur des données de performance incomplètes ou inexactes, c'est un enjeu de ressources humaines et juridique. Si un système d'IA fait une détermination de conformité basée sur de l'information réglementaire périmée, c'est un risque réglementaire.

Les annonces au Cloud Next incluaient des outils robustes de traçabilité et de gouvernance des données, la capacité de remonter toute perspective générée par l'IA jusqu'à ses données sources, de comprendre quand ces données ont été mises à jour pour la dernière fois et de vérifier leur exhaustivité. Pour les opérations de flotte, ce n'est pas une préoccupation abstraite d'entreprise. C'est la différence entre faire confiance à votre IA et espérer que votre IA a raison.

La gouvernance n'est pas une fonctionnalité qu'on boulonne après coup. C'est une discipline qu'on intègre dans son architecture de données dès le départ, et elle exige des gens qui comprennent à la fois les données et le domaine qu'elles représentent. La technologie fournit les outils pour la traçabilité, la lignée des données et le contrôle d'accès. Les humains fournissent le jugement pour savoir ce que les données signifient, si elles sont complètes, et si on devrait faire confiance à l'IA pour agir sur elles.

Le conseil pratique

Si vous êtes un dirigeant de flotte qui lit ceci et qui se demande par où commencer, voici mon conseil honnête :

Ne commencez pas par l'IA. Commencez par vos données. Cartographiez où vivent vos données de flotte aujourd'hui. Identifiez les brèches entre les systèmes. Comprenez quels processus manuels n'existent que parce que deux plateformes ne sont pas capables de se parler. Quantifiez le temps que votre équipe passe à jouer le rôle de couche d'intégration humaine.

Ensuite, investissez dans la connexion de ces sources de données dans une plateforme qui peut servir de fondation pour tout ce qui vient après, l'analytique aujourd'hui, les agents IA demain, les flux de travail opérationnels autonomes l'année suivante.

La technologie pour y arriver existe maintenant. Ce n'est pas théorique. Ce n'est pas dans trois ans. L'infrastructure que j'ai vue au Cloud Next est en production, elle est disponible à des prix accessibles pour le marché intermédiaire, et elle est conçue exactement pour le type d'environnement de données complexe, multi-sources et en temps réel que les opérations de flotte exigent.

Vos données sont votre rempart. Mais seulement si elles sont connectées, et seulement si quelqu'un qui comprend votre opération les a rendues fiables.

About me

Je suis le fondateur et président d'AttriX Technologies, une entreprise québécoise de technologie de flottes qui gère plus de 60 000 véhicules connectés au Canada. Au fil de 25 ans en technologie du transport, j'ai bâti AttriX d'une startup télématique vers une plateforme unifiée couvrant la navigation, le flux de travail des chauffeurs, l'intelligence d'affaires, la conformité et les opérations de flottes propulsées par l'IA, le tout au sein de l'écosystème Geotab. Je crois que l'avantage concurrentiel réel de l'industrie ne réside pas dans des solutions ponctuelles isolées, mais dans des architectures de données unifiées qui transforment l'intelligence de flotte en pouvoir décisionnel exécutif. Cette série reflète ce que j'observe sur le terrain : l'ère des projets pilotes est terminée, et les flottes qui passent à l'IA de calibre production maintenant définiront la prochaine décennie du camionnage nord-américain..