Les transitaires maritimes axés sur les données gagnent à l'ère de l'IA
Points clés
- •Le transit maritime évolue : les demandes de tarifs proviennent de plus en plus de systèmes d'IA interrogeant d'autres systèmes, avec des réponses attendues en quelques secondes et des volumes qu'aucun bureau humain ne pourrait traiter.
- •Le vrai défi n'est pas l'accès aux modèles d'IA mais les données structurées et l'intégration, y compris un mappage correct des surcharges pour que les totaux cotés correspondent aux coûts réels d'expédition.
- •cargo.one définit « l'intelligence commerciale » comme un savoir propre à l'entreprise, composé de données de service, de règles commerciales, de logique partenaires et de playbooks de service, qui s'affine avec chaque cotation traitée.
- •Cazajus recommande quatre actions : traiter l'intelligence commerciale comme un actif, corriger le moteur tarifaire avant de déployer l'IA, devenir accessible aux machines via des API et des serveurs MCP, et démarrer maintenant car l'apprentissage issu des affaires réelles ne peut pas être reconstitué a posteriori.
- •Les transitaires fonctionnant sur ce modèle piloté par l'IA peuvent se développer avec chaque cotation traitée, permettant à une équipe de 100 personnes de rivaliser avec des multinationales pendant que le personnel se concentre sur les expéditions complexes et les comptes stratégiques.

Sebastian Cazajus, de cargo.one, écrit pour Splash.
Le transit maritime connaît une mutation structurelle dans laquelle le transitaire qui répond le plus rapidement remporte l'affaire. À mesure que les chargeurs adoptent l'IA, les demandes de tarifs proviendront de plus en plus d'un système interrogeant un autre système, avec des réponses attendues en quelques secondes et des volumes qu'aucun bureau humain ne pourrait jamais traiter. Cette mutation intervient alors que le secteur du fret a déjà déplacé une grande partie de sa découverte tarifaire et de ses réservations en ligne au cours de la dernière décennie, ce qui signifie que les fondations de données nécessaires aux systèmes d'IA sont de plus en plus disponibles – mais adoptées de manière inégale dans l'industrie.
Si tout le monde a accès aux mêmes modèles d'IA puissants, le vrai défi réside dans l'intégration et dans les données qui alimentent ces modèles. Côté données, cela signifie que chaque frais applicable doit être correctement mappé, à jour pour la route commerciale et la semaine concernée, et suffisamment complet pour que le total de la cotation corresponde au coût réel de l'expédition. Cette exigence n'est pas anodine dans le fret maritime, où les tarifs cotés s'accompagnent généralement d'un ensemble changeant de surcharges – ajustements carburant (BAF), surcharges de haute saison, frais de congestion portuaire, etc. – qui ont toujours rendu le coût total de revient difficile à cerner au stade de la cotation.
Côté intégration, le modèle doit être directement connecté à la logique tarifaire : les règles de marge par client et par route, les allocations des transporteurs, et les seuils qui déterminent quand une cotation part sans intervention et quand un humain doit la vérifier. Un agent d'IA ne peut pas coter sans tarifs structurés, ne peut pas réserver sans intégrations avec les transporteurs, et ne peut pas juger de la bonne marge sans connaître le client.
L'intelligence commerciale est la partie qui vous est propre
Le premier jour, un agent de cotation connaît le fret maritime, mais pas le vôtre. Six mois et quelques milliers de cotations plus tard, il a construit quelque chose proche de l'intuition – quels transporteurs respectent leurs allocations, quels co-loaders reviennent avec un meilleur chiffre quand on leur demande deux fois, et quand il vaut la peine de demander deux fois. cargo.one appelle cet apprentissage « intelligence commerciale ». Elle se compose de ces couches :
- Données de service, avec une réelle profondeur et étendue – des tarifs validés, structurés et actualisés couvrant transporteurs, horaires, routes et structures de surcharges
- Règles commerciales – la façon dont un transitaire traite chaque segment de clientèle
- Logique partenaires – les transporteurs et co-loaders qu'il favorise sur quelles routes, sur la base des allocations et d'années d'historique de fiabilité
- Playbooks de service – quand proposer la consolidation, comment gérer les exceptions, et tout ce que l'équipe opérationnelle sait des routages
Cette intelligence doit résider dans le système où le travail s'effectue, et les nouvelles données doivent l'atteindre à mesure qu'elles arrivent, afin que l'IA tarife sur le marché tel qu'il est, et non tel qu'il était lors de la dernière actualisation. Chaque cotation traitée affine la suivante.
Les transitaires les mieux positionnés ont fait une chose correctement : ils maintiennent leurs données tarifaires et de service dans une couche solide unique et construisent désormais par-dessus. Certains ont bâti cette couche eux-mêmes au fil des années. D'autres s'appuient sur un partenaire qui la rend accessible, soit comme une plateforme dans laquelle leurs équipes travaillent, soit comme une couche API et MCP sur laquelle ils construisent leurs propres outils. Par exemple, la couche océan de cargo.one contient des millions de tarifs NAC, spot et FAK avec des connexions directes aux transporteurs. La référence à MCP (Model Context Protocol) traduit une tendance plus large de l'écosystème de l'IA vers des méthodes standardisées permettant aux agents d'IA de se connecter à des outils et sources de données externes, ce qui rend la cotation de machine à machine pratique plutôt qu'artisanale.
Comment y parvenir
La première priorité est de placer la tarification mondiale dans une couche unifiée, lisible par machine, couvrant chaque service vendu, chaque mode exploité et les nuances qui importent aux clients. Cazajus propose quatre actions :
- Traiter l'intelligence commerciale comme un actif commercial. La capturer, la structurer et la maintenir à jour constitue le travail central de la prochaine décennie dans le transit maritime.
- Réussir le moteur tarifaire avant l'IA. Une cotation exacte envoyée par e-mail vaut mieux qu'une cotation erronée livrée par un chatbot. Corrigez le contenu, puis automatisez la livraison.
- Devenir accessible aux machines. De plus en plus, l'IA du client demandera la cotation, et non le client. Les API, les serveurs MCP et l'accès structuré maintiennent le transitaire dans l'ensemble des candidats considérés.
- Commencer maintenant. L'apprentissage ne commence qu'une fois le système confronté à des affaires réelles, et il ne peut pas être reconstitué a posteriori. Un transitaire qui démarre ce trimestre aura un an d'avance sur un qui démarre l'année prochaine, à technologie égale.
Les transitaires maritimes qui gagneront d'ici un ou deux ans traiteront l'intelligence commerciale comme faisant partie des fondations plutôt que comme un ajout superficiel. Des données propres et structurées circuleront dans chaque processus. Chaque cotation envoyée et chaque route tarifée alimenteront le système en retour et l'affineront. Les prix s'ajusteront au gré du marché. Une demande de tarif arrivée de Shanghai pendant la nuit sera cotée, relancée et à moitié négociée avant que quiconque en Europe ne se réveille.
Ce sont les transitaires où une équipe de 100 personnes rivalise avec un multinationale de plusieurs milliers, parce qu'ils appliquent un modèle opérationnel différent. Une fois que des agents d'IA gèrent les cotations de routine, les achats et les réservations, le temps de l'équipe se déplace vers les expéditions complexes, les comptes stratégiques et le nouveau business. Un transitaire au modèle traditionnel se développe en embauchant. Un transitaire à ce modèle se développe avec chaque cotation traitée par le système. Ce qu'il faudra observer ensuite, c'est quels transitaires passent des pilotes à la cotation en conditions réelles, de système à système – et si les transporteurs et les chargeurs réciproquent avec l'accès structuré, de leur côté, que le commerce de machine à machine exige.