L'IA va-t-elle remplacer les répartiteurs ? 50 % de risque d'automatisation, mais la coordination de crise reste humaine

50 %. C'est le risque d'automatisation auquel font face les répartiteurs aujourd'hui — et si vous coordonnez des véhicules, des équipes ou des équipements pour gagner votre vie, ce chiffre vous concerne directement. Chaque fois que vous commandez un VTC ou programmez une livraison, il y a de bonnes chances qu'une IA ait déjà décidé quel chauffeur envoyer et quel itinéraire emprunter. Pour les répartiteurs — ceux qui coordonnent véhicules, travailleurs et équipements dans des secteurs allant du camionnage aux services publics — ce n'est pas un scénario futuriste lointain. Cela se passe maintenant, et ça va vite.

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 fermement dans la catégorie « haute transformation ». Mais avant de paniquer, considérez ceci : les parties de la répartition que l'IA gère bien et celles qu'elle ne peut pas gérer sont des histoires très différentes. Le chiffre global masque une division nette entre l'optimisation de routine, largement résolue, et la coordination de crise, qui reste obstinément humaine.

Cet article explique comment nous avons calculé ces chiffres, à quoi ressemble réellement la journée d'un répartiteur en 2026, où se situent les réalités salariales, et ce que les trois à dix prochaines années sont susceptibles d'apporter. L'analyse s'appuie sur les données de tâches O\*NET, les projections d'emploi du BLS, la modélisation d'exposition d'Eloundou et al. (2023), la recherche économique d'Anthropic (2026), et des enquêtes opérationnelles menées auprès d'opérations de répartition en camionnage, services publics et services d'urgence en 2025-2026.

Méthodologie : comment nous avons calculé ces chiffres

Nos estimations d'automatisation combinent trois sources de données. Premièrement, les descriptions de tâches O\*NET pour les répartiteurs (SOC 43-5031 et 43-5032, qui distinguent les répartiteurs de police/pompiers/ambulances des répartiteurs non urgents) sont mises en correspondance avec les scores d'exposition LLM d'Eloundou et al. (2023). Le modèle d'exposition évalue si chaque tâche peut être substantiellement accomplie par un LLM avec les outils actuels, y compris les logiciels de répartition spécialisés. Deuxièmement, nous croisons avec l'Index économique 2026 d'Anthropic, qui capture le déploiement observé de l'IA dans les opérations de répartition et de logistique via des données réelles d'utilisation d'invites et d'outils. Troisièmement, nous appliquons les projections de perspectives professionnelles du BLS et les données salariales OEWS publiées en 2025.

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

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

La planification des itinéraires et l'affectation des véhicules est la grande gagnante. À 82 % d'automatisation [Fait], c'est l'un des taux d'automatisation au niveau des tâches les plus élevés que nous suivons parmi les 1 016 professions de notre base de données. Des entreprises comme Uber, Amazon et FedEx utilisent des algorithmes de répartition IA depuis des années, et la technologie continue de s'améliorer. Un système IA peut évaluer simultanément les schémas de trafic, la capacité des véhicules, les heures des conducteurs, les coûts de carburant et les fenêtres de livraison — quelque chose qu'aucun répartiteur humain ne pourrait faire à la même vitesse. L'état de l'art est désormais incremental plutôt que révolutionnaire : chaque année, les algorithmes gèrent mieux les cas limites comme les détours dus aux travaux et les négociations de fenêtres temporelles clients.

Le traitement et la journalisation des demandes de service suivent de près à 75 % d'automatisation [Fait]. Les logiciels modernes de répartition catégorisent automatiquement les demandes entrantes, attribuent des niveaux de priorité et créent des ordres de travail sans qu'un humain ne touche le clavier. Si vous avez récemment travaillé en répartition, vous avez probablement remarqué votre logiciel prendre en charge davantage de paperasse routinière. Les systèmes de transcription vocale trascrivent maintenant les appels des conducteurs en temps réel et font remonter les données clés dans des champs structurés, ce qui nécessitait autrefois une saisie manuelle par un répartiteur entre deux appels.

La surveillance de statut en temps réel se situe à 48 % d'automatisation [Estimation]. Le suivi GPS et les capteurs IoT alimentent les données directement dans les tableaux de bord, mais interpréter ce que ces données signifient en contexte — un camion en retard à cause de travaux versus un camion en retard à cause d'une panne — requiert encore souvent le jugement humain. La couche d'interprétation est là où les outils IA actuels échouent le plus visiblement. Un camion immobilisé sur le bas-côté pendant 14 minutes pourrait être 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 restent irremplaçables

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

L'IA excelle à l'optimisation dans des conditions normales. Les humains excellent à l'improvisation dans des conditions anormales. Un répartiteur chevronné sait que le conducteur A gère mieux le stress que le conducteur B, qu'un certain client acceptera un retard de 30 minutes si vous l'appelez personnellement, ou qu'un chemin de traverse dans une zone industrielle peut économiser 20 minutes aux heures de pointe. Ce type de connaissance contextuelle et relationnelle est exactement ce qui manque aux systèmes 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 ambulanciers intervenants. Rien de tout cela ne se traduit en données d'entraînement.

La coordination multi-parties lors d'incidents reste également fortement humaine. Quand un incendie se propage à travers les juridictions, quand un camion de matières dangereuses se renverse près d'une école, quand une coupure de courant cascade à travers des sous-stations — ces scénarios exigent une coordination simultanée avec plusieurs agences, plusieurs chaînes de commandement, et des parties prenantes dont les intérêts ne s'alignent pas. La charge cognitive dépasse véritablement les capacités des outils IA actuels, et les conséquences d'une erreur sont trop graves pour déléguer.

Une journée dans la peau d'un répartiteur en 2026

Prenons l'exemple d'une répartitrice senior dans une entreprise de fret régionale à Memphis. Son quart commence à 5h30. Les 90 premières minutes sont largement supervisorielles plutôt qu'opérationnelles. Le logiciel de répartition a déjà élaboré les attributions de charge de la journée pendant la nuit, optimisant sur 47 camions, 312 livraisons, et des contraintes incluant les heures de service des conducteurs, les fenêtres temporelles clients et les coûts de carburant. Son rôle à ce stade est de passer en revue les résultats de l'algorithme, de signaler les trois ou quatre attributions où elle sait quelque chose que l'algorithme ne sait pas (un conducteur traversant un divorce qui a besoin de journées plus courtes, un client impossible à joindre avant 9h00, un itinéraire traversant une zone de travaux chronique), et d'approuver le reste.

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

L'après-midi apporte deux autres événements exceptionnels : un conducteur absent sans appel, un client insistant pour une heure de livraison que l'algorithme a marqué comme impossible. Les deux se résolvent par des appels téléphoniques et l'exploitation des relations. À 16h30, elle a travaillé environ sept heures et demie, échangé 23 appels téléphoniques, envoyé 41 messages texte, et approuvé 19 annulations d'algorithme. Le logiciel a traité des milliers de décisions routinières. Son rôle concernait la douzaine de décisions qui comptaient vraiment.

Ce schéma se répète dans les opérations de répartition modernes. Le volume de décisions est énorme et croissant. Les décisions qui restent humaines sont moins nombreuses en volume mais plus importantes en enjeu par décision.

Le contre-récit : les petites opérations accusent du retard

La plupart des analyses sur l'IA dans la logistique se concentrent sur Amazon, FedEx et les plus grands transporteurs. Mais plus de la moitié du fret américain transite par de petites et moyennes entreprises de camionnage, et ces sociétés manquent souvent du budget, de l'infrastructure informatique ou de l'expertise technique pour déployer des systèmes de répartition IA sophistiqués. Un transporteur régional de 30 camions pourrait encore gérer la répartition 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 beaucoup moins de pression de déplacement à court terme que les chiffres globaux ne le suggèrent. Votre risque d'automatisation est plus proche 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 coût entre la répartition manuelle et assistée par IA se creuse, et les petits transporteurs qui ne peuvent pas le combler feront face à une pression concurrentielle croissante. La bonne stratégie est de pousser à l'adoption technologique chez votre employeur, pas de supposer que la répartition manuelle restera viable économiquement indéfiniment.

Les chiffres brossent un tableau contrasté

Le Bureau of Labor Statistics projette un déclin de -3 % de l'emploi des répartiteurs jusqu'en 2034 [Fait]. C'est relativement modeste comparé à certains rôles de bureau faisant face à des baisses plus prononcées. Le salaire annuel médian s'établit à 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 l'exposition observée à l'IA. Nos données montrent une exposition théorique à 72 % mais une exposition observée à seulement 38 % [Estimation]. Cet écart raconte une histoire importante : même là où l'IA pourrait être déployée, beaucoup d'organisations ne l'ont pas pleinement mise en œuvre. Les petites entreprises de camionnage, les services publics municipaux et les services de livraison régionaux manquent souvent du budget ou de l'infrastructure technique pour des systèmes de répartition IA sophistiqués. L'écart de déploiement est réel et conséquent pour l'emploi actuel.

D'ici 2028, nous projetons que l'exposition globale atteindra 74 % et que le risque d'automatisation grimpera à 68 % [Estimation]. La fenêtre d'adaptation pour les répartiteurs se rétrécit, mais elle n'est pas fermée.

La réalité des salaires : où va vraiment l'argent

Le salaire médian de 48 890 $ cache une variance importante [Fait]. Les 10 % les moins bien payés des répartiteurs gagnent moins de 32 400 $, tandis que les 10 % les mieux payés gagnent plus de 76 580 $ [Fait]. Trois facteurs conduisent cet écart.

Premièrement, la spécialisation. Les répartiteurs d'urgence (police, pompiers, ambulances) gagnent significativement plus que les non-urgents, avec des salaires médians plus 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 solides.

Deuxièmement, le secteur. Les répartiteurs de services publics dans la production d'énergie et le gaz naturel gagnent généralement 65 000 à 85 000 $ parce que les enjeux de sécurité justifient une rémunération plus élevée et que la main-d'œuvre est fortement syndiquée [Estimation]. Les répartiteurs de camionnage et de fret se regroupent plus bas, dans la fourchette 42 000 à 55 000 $.

Troisièmement, la géographie. Les répartiteurs dans les grandes zones métropolitaines gagnent 20 à 35 % de plus que dans les marchés plus petits, mais le travail tend à être plus en volume et à un rythme plus rapide [Estimation]. La trajectoire salariale d'un répartiteur en début de carrière dépend fortement de la capacité à évoluer vers des rôles d'urgence, de services publics ou de supervision dans les cinq à sept prochaines années. Le milieu de la distribution salariale est comprimé alors que la répartition non urgente de routine s'automatise plus vite que les segments spécialisés.

Perspective à 3 ans (2026-2029)

Attendez-vous à ce que l'exposition globale à l'IA monte à environ 74 % et que le risque d'automatisation grimpe à 68 % pour la profession dans son ensemble [Estimation]. Trois changements spécifiques vont conduire ce mouvement.

Premièrement, l'IA vocale dans la répartition va mûrir substantiellement. Les systèmes vocaux actuels gèrent les mises à jour de statut simples et les requêtes de routage. D'ici 2028, attendez-vous à ce que les répartiteurs IA gèrent une fraction significative des appels de conducteurs routiniers (vérifications de statut, reroutage simple, mises à jour de fenêtres temporelles) sans intervention humaine. Cela comprimera la composante de gestion des conversations du métier 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 routinier d'une véritable urgence. Une meilleure classification signifiera que les répartiteurs humains gèreront un volume plus faible d'exceptions, mais chacune sera une vraie 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 la répartition IA externaliseront de plus en plus vers des prestataires logistiques tiers (3PLs) qui opèrent à grande échelle. L'emploi total des répartiteurs va se réduire, mais les rôles restants se concentreront dans des opérations plus grandes et plus sophistiquées.

Perspective à 10 ans (2026-2036)

La vision à la décennie dépend fortement du scénario qui se réalise pour les véhicules autonomes. Dans un scénario d'adoption lente des VA, la répartition comme profession évolue mais persiste. L'emploi total pourrait chuter de 180 000 à 140 000-150 000 sur la décennie, avec les rôles restants concentrés dans les services d'urgence, les services publics et la gestion des exceptions pour les grandes opérations de fret.

Dans un scénario d'adoption rapide des VA où un tonnage significatif de fret passe à des camions autonomes d'ici 2035, le calcul change. Les camions autonomes nécessitent toujours une supervision de répartition, mais le modèle de répartition devient plus similaire au contrôle du trafic aérien qu'à la répartition actuelle de camionnage. L'emploi total pourrait chuter à 80 000-100 000, les rôles restants nécessitant des compétences très différentes axées sur la supervision des systèmes plutôt que sur la coordination des conducteurs.

La répartition d'urgence est le segment le plus stable dans les deux scénarios. Le volume d'appels au 911 ne diminue pas, les enjeux d'une erreur restent prohibitifs pour une automatisation complète, et le métier implique suffisamment de jugement humain que l'augmentation plutôt que le remplacement par IA est 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 fonctionner les systèmes IA mieux, pas ceux qui concurrencent les algorithmes.

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

Développez vos compétences en gestion de crise. La réponse aux urgences, la désescalade client et la coordination multi-parties complexe sont les tâches qui maintiendront les humains employés en répartition dans un avenir prévisible. Cherchez des formations dans ces domaines. De nombreux employeurs proposent des formations en communication de crise ou en commandement d'incident ; saisissez-les.

Envisagez la spécialisation. Les répartiteurs travaillant dans des environnements à enjeux élevés — matières dangereuses, transport médical, logistique d'engins lourds — font face à un risque d'automatisation plus faible parce que les conséquences d'erreurs IA sont trop graves pour que les entreprises les acceptent. La répartition de services d'urgence (911) est le segment le plus protégé du secteur.

Développez des compétences de supervision. Les rôles de répartiteur en chef et de responsable des opérations restent fortement humains parce qu'ils impliquent la gestion de personnes, pas seulement de véhicules. Si votre trajectoire de carrière vous mène vers la supervision plutôt que de s'approfondir dans le travail de répartition individuel, vous évoluez vers les parties du secteur que l'IA ne peut pas facilement atteindre.

Questions fréquemment posées

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

Q : Devenir répartiteur est-il toujours un bon choix de carrière ? R : Oui, avec des nuances. La répartition d'urgence et de services publics reste une voie de carrière solide avec de bons salaires et de la stabilité. La répartition non urgente de fret est plus risquée comme point d'entrée. Si vous commencez maintenant, privilégiez les postes incluant une formation aux outils IA, car les répartiteurs capables de superviser des systèmes IA auront des avantages substantiels sur ceux qui n'ont appris que les flux de travail manuels.

Q : Comment la répartition IA se compare-t-elle à la répartition humaine dans les opérations réelles ? R : La répartition IA est significativement meilleure que les humains pour l'optimisation routinière (planification des itinéraires, attribution des chargements, gestion des fenêtres temporelles). Les humains sont significativement meilleurs pour la gestion des exceptions, les relations clients et la coordination de crise multi-parties. Les meilleures opérations utilisent l'IA pour le routinier et les humains pour les exceptions. Les opérations qui essaient de tout automatiser font constamment des erreurs coûteuses lors des perturbations.

Q : Quelle est la spécialité de répartition la mieux payée ? R : Les répartiteurs de services publics dans la production d'énergie et le 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 à la répartition et paye substantiellement plus. La répartition d'urgence avec responsabilités de supervision peut atteindre 70 000 à 90 000 $ dans les juridictions bien financées. La répartition de fret pure dépasse rarement 65 000 $ même avec l'ancienneté.

Q : Ai-je besoin d'un diplôme universitaire pour travailler en répartition ? R : Pas pour la plupart des segments. Le lycée plus la formation en cours d'emploi est le point d'entrée standard. La répartition d'urgence nécessite généralement des certifications (EMD, répartiteur pompier) plutôt qu'un diplôme. Un diplôme est utile pour la filière superviseur et gestion mais pas essentiel pour l'entrée. De plus en plus, la familiarité avec les logiciels de répartition et les outils de données compte plus que les diplômes formels.

Historique des mises à jour

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

L'essentiel à retenir : l'IA ne remplace pas les répartiteurs en masse, mais elle change fondamentalement ce que font les répartiteurs. Le travail routinier disparaît. Le travail complexe, à enjeux élevés et dépendant des relations reste. Assurez-vous que vos compétences correspondent à l'orientation du 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 Perspectives professionnelles du BLS. Tous les chiffres reflètent les données disponibles les plus récentes à mars 2026._

En rapport : Qu'en est-il des autres métiers ?

L'IA remodèle de nombreuses professions :

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

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