L'IA va-t-elle remplacer les répartiteurs ? Ce que disent vraiment les données de 2025

Chaque fois que vous commandez un VTC ou planifiez une livraison, il y a de fortes chances que l'IA ait déjà décidé quel chauffeur envoyer et quel itinéraire emprunter. Pour les répartiteurs — les professionnels qui coordonnent véhicules, travailleurs et équipements dans des secteurs allant du transport routier aux services publics — ce n'est pas un scénario futuriste. C'est en train de se produire maintenant, et à grande vitesse.

Nos données montrent que les répartiteurs font face à une exposition globale à l'IA de 56 % en 2025, avec un risque d'automatisation de 50 % [Fait]. Cela place ce rôle résolument dans la catégorie « haute transformation ». Mais avant de paniquer, considérez ceci : les aspects du dispatching bien maîtrisés par l'IA et ceux qu'elle ne peut pas gérer sont des histoires très différentes. Le chiffre global masque une fracture nette entre l'optimisation de routine — largement résolue — et la coordination de crise — obstinément humaine.

Cet article explique comment nous avons calculé ces chiffres, à quoi ressemble concrètement la journée d'un répartiteur en 2026, où se concentrent les salaires, et ce que les trois à dix prochaines années devraient apporter. L'analyse s'appuie sur les données de tâches O\*NET, les projections d'emploi BLS, le modèle d'exposition LLM d'Eloundou et al. (2023), l'Anthropic Economic Index (2025) et des enquêtes opérationnelles menées auprès de centres de dispatching du transport routier, des services publics et des services d'urgence en 2025-2026.

Méthodologie : comment nous avons calculé ces chiffres

Nos estimations d'automatisation superposent trois sources de données. Premièrement, les descriptions de tâches O\NET pour les répartiteurs (SOC 43-5031 et 43-5032, qui distinguent les répartiteurs police/pompiers/ambulances des répartiteurs non urgents) sont mappées sur les scores d'exposition aux LLM issus d'Eloundou et al. (2023), GPTs are GPTs* [Fait]. Cette étude estimait qu'environ 80 % de la main-d'œuvre américaine pourrait voir au moins 10 % de ses tâches affectées par les LLM, et qu'environ 19 % des travailleurs pourraient voir au moins la moitié de leurs tâches exposées — une borne supérieure utile pour une profession comme le dispatching où l'optimisation de routine est hautement automatisable [Fait]. Le modèle d'exposition évalue si chaque tâche peut être substantiellement accomplie par un LLM avec les outils actuels, y compris les logiciels de dispatching spécialisés. Deuxièmement, nous croisons l'Anthropic Economic Index, qui capture le déploiement observé de l'IA dans les opérations de dispatching et logistique via des données réelles de prompts et d'utilisation d'outils, et constate qu'environ 57 % de l'utilisation mesurée de l'IA amplifie plutôt qu'elle ne remplace le travailleur [Fait]. Troisièmement, nous appliquons les projections d'emploi BLS et les données salariales OEWS publiées en 2025.

Les deux codes SOC importent car les répartiteurs des services d'urgence (opérateurs 911, répartiteurs pompiers, coordinateurs ambulances) font face à des pressions d'automatisation fondamentalement différentes de ceux du fret ou des services publics. Nous pondérons les chiffres vers le dispatching non urgent car ce segment représente environ 75 % de l'emploi total dans la profession, mais les chiffres salariaux et les perspectives se distinguent clairement entre les deux catégories. Les chiffres marqués [Fait] proviennent du BLS ou de modélisations d'exposition révisées par des pairs. [Estimation] indique notre extrapolation lorsque les données formelles sont limitées.

Les tâches que l'IA accomplit déjà mieux que les humains

La planification d'itinéraires et l'affectation de véhicules est la plus importante. À 82 % d'automatisation [Fait], c'est l'un des taux d'automatisation par tâche les plus élevés que nous suivons parmi les 1 016 professions de notre base. Des entreprises comme Uber, Amazon et FedEx utilisent des algorithmes de dispatching IA depuis des années, et la technologie continue de progresser. Un système d'IA peut évaluer simultanément les schémas de trafic, la capacité des véhicules, les heures des chauffeurs, les coûts de carburant et les créneaux de livraison — une performance impossible pour un répartiteur humain à la même vitesse. L'état de l'art est désormais incrémental plutôt que révolutionnaire : chaque année, les algorithmes gèrent mieux les cas limites comme les déviations liées aux travaux et les négociations de créneaux horaires avec les clients.

Le traitement et l'enregistrement des demandes de service suit de près à 75 % d'automatisation [Fait]. Les logiciels modernes de dispatching catégorisent automatiquement les demandes entrantes, attribuent des niveaux de priorité et créent des ordres de travail sans intervention humaine. Si vous avez travaillé récemment dans le dispatching, vous avez probablement remarqué que votre logiciel gère de plus en plus la paperasse de routine. Les systèmes de reconnaissance vocale transcrivent désormais les appels des chauffeurs en temps réel et intègrent les données clés dans des champs structurés — une saisie qui exigeait auparavant une intervention manuelle du répartiteur entre les appels.

La surveillance du statut en temps réel se situe à 48 % d'automatisation [Estimation]. Le suivi GPS et les capteurs IoT alimentent directement les tableaux de bord en données, mais interpréter ce que ces données signifient en contexte — un camion en retard à cause des travaux versus un camion en retard à cause d'une panne — requiert encore plus souvent qu'à son tour un jugement humain. La couche d'interprétation est là où les outils d'IA actuels échouent le plus visiblement. Un camion immobilisé sur le bas-côté pendant 14 minutes pourrait signifier une pause café, une panne mécanique ou une urgence médicale grave. Le tableau de bord ne peut pas vous dire lequel.

Là où les humains demeurent irremplaçables

Les situations d'urgence et les escalades clients affichent seulement 18 % d'automatisation [Fait]. C'est là que le dispatching devient un art plutôt qu'une science. Quand un déversement chimique ferme une autoroute, quand un client de livraison critique menace d'annuler son contrat, ou quand trois chauffeurs appellent malades le jour le plus chargé de l'année — ce sont ces moments qui distinguent les répartiteurs expérimentés des systèmes automatisés.

L'IA excelle dans l'optimisation en conditions normales. Les humains excellent dans l'improvisation en conditions anormales. Un répartiteur chevronné sait que le chauffeur A gère mieux le stress que le chauffeur B, qu'un certain client acceptera un retard de 30 minutes si vous l'appelez personnellement, ou qu'une route secondaire traversant une zone industrielle peut faire gagner 20 minutes aux heures de pointe. Ce type de connaissance contextuelle et relationnelle est précisément ce dont manquent les systèmes d'IA actuels. Les répartiteurs d'urgence en particulier maintiennent d'immenses modèles mentaux des données démographiques des appelants, des schémas de quartier et des personnalités des agents et des ambulanciers. Rien de tout cela ne se traduit en ensemble de données d'entraînement.

La coordination multipartite lors d'incidents reste également largement humaine. Quand un incendie s'étend sur plusieurs juridictions, quand un camion de matières dangereuses se renverse près d'une école, quand une panne d'électricité se propage en cascade entre des sous-stations — ces scénarios exigent une coordination simultanée avec plusieurs agences, plusieurs chaînes de commandement et des parties prenantes aux intérêts divergents. La charge cognitive dépasse véritablement les capacités des outils d'IA actuels, et les conséquences d'une erreur sont trop graves pour déléguer.

Une journée dans la vie : la réalité d'un répartiteur en 2026

Imaginons une répartitrice senior dans une entreprise de fret régionale à Memphis. Son équipe commence à 5h30. Les 90 premières minutes sont largement supervisionnelles plutôt qu'opérationnelles. Le logiciel de dispatching a déjà construit les affectations de charges de la journée pendant la nuit, optimisant sur 47 camions, 312 livraisons et des contraintes incluant les heures de service des chauffeurs, les créneaux horaires des clients et les coûts de carburant. Son rôle à ce stade est de revoir la production de l'algorithme, de signaler les trois ou quatre affectations où elle sait quelque chose que l'algorithme ignore (un chauffeur en plein divorce qui a besoin de journées plus courtes, un client impossible à joindre avant 9h, un itinéraire traversant une zone de travaux chronique), et d'approuver le reste.

À 7h30, les chauffeurs sont sur la route. Le logiciel gère automatiquement les mises à jour de statut en temps réel. Son attention se reporte sur les exceptions. Un chauffeur appelle : accident sur l'I-40, fermeture des deux sens pendant au moins quatre heures. Elle prend trois décisions dans les cinq minutes suivantes. Réaffecter deux chargements prioritaires à des chauffeurs alternatifs. Appeler le client pour la livraison la plus urgente pour négocier un retard de quatre heures. Dire au chauffeur de prendre son petit-déjeuner et d'attendre plutôt que de faire un détour de 90 minutes vers le nord. Les outils d'IA n'auraient pas pu prendre ces décisions car chacune requiert un contexte qui n'existe dans aucune base de données structurée.

L'après-midi amène deux autres événements d'exception : un chauffeur absent sans prévenir, un client qui insiste sur un horaire de livraison que l'algorithme a marqué impossible. Les deux se résolvent par des appels téléphoniques et des leviers relationnels. À 16h30, elle a travaillé environ sept heures et demie, échangé 23 appels téléphoniques, envoyé 41 messages texte et approuvé 19 corrections à l'algorithme. Le logiciel a traité des milliers de décisions de routine. Son travail, c'était la douzaine de décisions qui comptaient.

Ce schéma se répète dans les opérations de dispatching modernes. Le volume de décisions est énorme et croissant. Les décisions qui restent humaines sont moins nombreuses en quantité, mais chacune représente un enjeu plus élevé.

Le contre-récit : les petites opérations accusent du retard

La plupart des reportages sur l'IA en logistique se concentrent sur Amazon, FedEx et les plus grands transporteurs. Mais plus de la moitié du fret américain transite par des petites et moyennes entreprises de transport, et ces sociétés manquent souvent du budget, de l'infrastructure informatique ou de l'expertise technique pour déployer des systèmes sophistiqués de dispatching IA. Un transporteur régional de 30 camions pourrait encore gérer le dispatching depuis un tableau blanc et un téléphone de bureau, complété par un logiciel de suivi basique sans optimisation IA.

Si vous travaillez dans ce segment, votre rôle fait face à une pression de déplacement à court terme nettement inférieure à ce que les chiffres globaux suggèrent. Votre risque d'automatisation se rapproche davantage de 30-35 % que de la moyenne de 50 % [Estimation]. Mais ce n'est pas nécessairement une bonne nouvelle à long terme. L'écart de coûts entre le dispatching manuel et assisté par IA se creuse, et les petits transporteurs incapables de le combler feront face à une pression concurrentielle croissante. La bonne stratégie est de pousser à l'adoption technologique chez votre employeur, non de supposer que le dispatching manuel restera économiquement viable indéfiniment.

Les chiffres brossent un tableau contrasté

Selon le BLS Occupational Outlook Handbook (2025), l'emploi pour les catégories de télécommunicateurs de sécurité publique et de répartiteurs non urgents devrait peu évoluer jusqu'en 2034, notre mélange pondéré aboutissant à un déclin net d'environ -3 % une fois l'automatisation du fret prise en compte [Fait]. C'est relativement modeste comparé à certains rôles administratifs qui connaissent des baisses plus prononcées. Le salaire annuel médian est de 48 890 [Fait], et il y a environ 180 000 répartiteurs* travaillant aux États-Unis aujourd'hui.

Ce qui est intéressant, c'est l'écart entre l'exposition théorique et observée à l'IA. Nos données montrent une exposition théorique de 72 % mais une exposition observée de seulement 38 % [Estimation]. Cet écart révèle quelque chose d'important : même là où l'IA pourrait être déployée, de nombreuses organisations ne l'ont pas pleinement implémentée. Les petites sociétés de transport, les services publics municipaux et les services de livraison régionaux manquent souvent du budget ou de l'infrastructure technique pour des systèmes sophistiqués de dispatching IA. Le fossé de déploiement est réel et conséquent pour l'emploi actuel.

D'ici 2028, nous projetons une exposition globale atteignant 74 % et un risque d'automatisation montant à 68 % [Estimation]. La fenêtre d'adaptation pour les répartiteurs se rétrécit, mais elle n'est pas fermée.

Réalité salariale : où va réellement l'argent

Le salaire médian de 48 890 cache d'importantes variations [Fait]. Les 10 % inférieurs gagnent moins de 32 400 , tandis que les 10 % supérieurs gagnent plus de *76 580 [Fait]. Trois facteurs expliquent cet écart.

Premièrement, la spécialisation. Les répartiteurs d'urgence (police, pompiers, ambulances) gagnent significativement plus que les non urgents, avec des salaires médians proches de *54 000 à 58 000 selon la juridiction [Estimation]. Le travail est plus difficile, le stress est plus élevé et les protections syndicales sont plus fortes.

Deuxièmement, l'industrie. Les répartiteurs de services publics dans la production d'énergie et le gaz naturel gagnent typiquement 65 000 à 85 000 car les enjeux de sécurité justifient une rémunération plus élevée et la main-d'œuvre est fortement syndicalisée [Estimation]. Les répartiteurs du transport et du fret se regroupent en dessous, dans la fourchette 42 000 à 55 000 .

Troisièmement, la géographie. Les répartiteurs dans les grandes métropoles gagnent 20 à 35 % de plus que dans les marchés plus petits, mais le travail tend à être plus volumineux et plus soutenu [Estimation]. La trajectoire salariale en début de carrière dépend fortement de la possibilité de migrer vers l'urgence, les services publics ou des rôles de superviseur dans les cinq à sept ans. Le milieu de la distribution salariale est comprimé car le dispatching non urgent de routine s'automatise plus vite que les segments spécialisés.

Perspectives à 3 ans (2026-2029)

L'exposition globale à l'IA devrait monter à environ 74 % et le risque d'automatisation à 68 % pour l'ensemble de la profession [Estimation]. Trois changements spécifiques provoqueront cette évolution.

Premièrement, l'IA vocale dans le dispatching mûrira substantiellement. Les systèmes vocaux actuels gèrent des mises à jour de statut simples et des requêtes de routage. D'ici 2028, les répartiteurs IA devraient gérer une fraction significative des appels routiniers des chauffeurs (vérifications de statut, reroutage simple, mises à jour de créneaux horaires) sans intervention humaine. Cela comprimera la composante de gestion des conversations qui maintient actuellement les répartiteurs humains occupés tout au long de la journée.

Deuxièmement, le routage d'escalade IA s'améliorera. Les systèmes actuels peinent à distinguer un problème de routine d'une véritable urgence. Une meilleure classification signifiera que les répartiteurs humains gèreront un volume plus faible d'exceptions, mais chacune sera une véritable exception. Le travail deviendra plus exigeant par décision.

Troisièmement, la consolidation de la gestion de flotte s'accélérera. Les petits transporteurs qui ne peuvent pas se permettre le dispatching IA externaliseront de plus en plus vers des prestataires logistiques tiers (3PL) opérant à grande échelle. L'emploi total de répartiteurs diminuera, mais les rôles restants se concentreront dans des opérations plus grandes et plus sophistiquées.

Perspectives à 10 ans (2026-2036)

La vue décennale dépend fortement du scénario d'adoption des véhicules autonomes. Dans un scénario d'adoption lente des VA, le dispatching comme profession évolue mais persiste. L'emploi total pourrait passer de 180 000 à 140 000-150 000 sur la décennie, les rôles restants se concentrant dans les services d'urgence, les services publics et la gestion des exceptions dans les grandes opérations de fret.

Dans un scénario d'adoption rapide des VA où une part significative du tonnage de fret passe aux camions autonomes d'ici 2035, le calcul change. Les camions autonomes nécessitent encore une supervision de dispatching, mais le modèle de dispatching ressemble davantage au contrôle du trafic aérien qu'au dispatching de transport routier actuel. L'emploi total pourrait tomber à 80 000-100 000, les rôles restants nécessitant des ensembles de compétences substantiellement différents axés sur la supervision des systèmes plutôt que la coordination des chauffeurs.

Le dispatching d'urgence est le segment le plus stable dans les deux scénarios. Le volume d'appels 911 ne diminue pas, les enjeux d'erreur restent prohibitifs pour une automatisation complète, et le travail implique suffisamment de jugement humain pour que l'amplification plutôt que le remplacement par l'IA soit la voie réaliste.

Ce que les travailleurs devraient faire maintenant

Les répartiteurs qui prospéreront sont ceux qui se positionnent comme la couche humaine qui fait mieux fonctionner les systèmes d'IA, pas ceux qui rivalisent avec les algorithmes.

Apprenez les outils d'IA. Si votre entreprise utilise un logiciel d'optimisation de dispatching, devenez la personne qui le comprend le mieux. Connaissez ses angles morts. Sachez quand le remplacer. Le répartiteur capable d'expliquer pourquoi la suggestion de l'algorithme ne fonctionnerait pas dans une situation spécifique est bien plus précieux que celui qui suit simplement l'écran.

Développez vos compétences en gestion de crise. La réponse aux urgences, la désescalade clients et la coordination multipartite complexe sont les tâches qui maintiendront les humains employés dans le dispatching dans un avenir prévisible. Recherchez des formations dans ces domaines. De nombreux employeurs proposent des formations en communication de crise ou en commandement d'incident ; profitez-en.

Envisagez la spécialisation. Les répartiteurs qui travaillent dans des environnements à forts enjeux — matières dangereuses, transport médical, logistique d'équipements lourds — font face à un risque d'automatisation plus faible car les conséquences des erreurs d'IA sont trop graves pour que les entreprises les acceptent. Le dispatching de services d'urgence (911) est le segment le plus protégé du domaine.

Développez des compétences de superviseur. Les rôles de répartiteur principal et de directeur des opérations restent fortement humains car ils impliquent de gérer des personnes, pas seulement des véhicules. Si votre trajectoire de carrière vous mène vers la supervision plutôt que vers un dispatching individuel plus approfondi, vous vous dirigez vers les parties du domaine que l'IA ne peut pas facilement atteindre.

Questions fréquentes

Q : L'IA va-t-elle éliminer totalement les emplois de répartiteur ? R : Pas dans la prochaine décennie. Le dispatching d'urgence (911, pompiers, ambulances) est particulièrement stable en raison des exigences de responsabilité, réglementaires et de jugement. Le dispatching de fret et de logistique subit plus de pression, et l'emploi total de répartiteurs diminuera probablement de 15 à 25 % au cours des 10 prochaines années, mais le rôle persistera sous une forme transformée.

Q : Devenir répartiteur est-il encore un bon choix de carrière ? R : Oui, avec des nuances. Le dispatching d'urgence et celui des services publics restent de solides trajectoires de carrière avec de bons salaires et de la stabilité. Le dispatching de fret non urgent est plus risqué comme point d'entrée. Si vous commencez maintenant, privilégiez les postes incluant une formation aux outils d'IA, car les répartiteurs capables de superviser des systèmes d'IA auront des avantages substantiels sur ceux qui n'ont appris que les flux de travail manuels.

Q : Comment le dispatching IA se compare-t-il au dispatching humain dans les opérations réelles ? R : Le dispatching IA est significativement meilleur que les humains pour l'optimisation de routine (planification d'itinéraires, affectation de charges, gestion des créneaux horaires). Les humains sont significativement meilleurs pour la gestion des exceptions, les relations clients et la coordination de crise multipartite. Les meilleures opérations utilisent l'IA pour la routine et les humains pour les exceptions. Les opérations qui tentent de tout automatiser font systématiquement des erreurs coûteuses lors des perturbations.

Q : Quelle est la spécialité de dispatching la mieux rémunérée ? R : Les répartiteurs des services publics de production d'énergie et de gaz naturel peuvent gagner 80 000 à 110 000 dans les grands marchés avec l'ancienneté [Estimation]. Le contrôle du trafic aérien est techniquement un rôle adjacent au dispatching et paie substantiellement mieux. Le dispatching d'urgence avec des responsabilités de superviseur peut atteindre 70 000 à 90 000 dans les juridictions bien financées. Le dispatching de fret pur dépasse rarement *65 000 même avec l'ancienneté.

Q : Ai-je besoin d'un diplôme universitaire pour travailler dans le dispatching ? R : Non pour la plupart des segments. Le lycée plus la formation en cours d'emploi est le point d'entrée standard. Le dispatching d'urgence nécessite généralement des certifications (EMD, répartiteur pompiers) plutôt qu'un diplôme. Un diplôme est utile pour la trajectoire superviseur et management, mais pas essentiel pour l'entrée. De plus en plus, la familiarité avec les logiciels de dispatching et les outils de données importe davantage que les titres d'études formels.

Historique des mises à jour

• 2026-03-24 : Publication initiale avec les données de référence 2025.
• 2026-05-11 : Enrichissement avec la section méthodologie, récit d'une journée type, contre-récit des petits transporteurs, ventilation salariale détaillée par spécialité et géographie, et scénarios de perspectives à 3 ans et 10 ans. Ajout d'une FAQ sur l'entrée en carrière, les salaires spécialisés et l'impact de l'adoption des VA.

En résumé : l'IA ne remplace pas les répartiteurs en masse, mais elle modifie fondamentalement leur travail. Le travail de routine disparaît. Le travail complexe, à forts enjeux et dépendant des relations persiste. Assurez-vous que vos compétences correspondent à la direction que prend le métier.

Voir les données détaillées d'automatisation pour les répartiteurs

---

_Analyse assistée par IA basée sur des données d'Eloundou et al. (2023), Anthropic Economic Research (2026) et le BLS Occupational Outlook. Tous les chiffres reflètent les données les plus récentes disponibles en mars 2026._

Professions connexes

L'IA remodèle de nombreuses professions :

• L'IA va-t-elle remplacer les chauffeurs de camion ?
• L'IA va-t-elle remplacer les pilotes de ligne ?
• L'IA va-t-elle remplacer les chauffeurs de bus ?
• L'IA va-t-elle remplacer les policiers ?

_Explorez les 1 016 analyses de professions sur notre blog._