L'apprentissage automatique améliore régulièrement la prévision des taux de fret dans l'industrie du transport maritime, mais la volatilité inhérente au secteur continue d'échapper même aux modèles les plus avancés.

Un examen de 28 études publiées entre 2012 et 2024 a révélé un recours croissant aux données d'offre de navires, aux indicateurs de demande de matières premières, aux prix du carburant de soute et à des mesures économiques plus larges pour prévoir les marchés du fret. Cependant, l'examen a également conclu que les chocs géopolitiques, les changements réglementaires et les perturbations soudaines de l'offre ne peuvent être saisis de manière fiable à partir des seules données historiques, soulignant une limitation fondamentale pour une industrie où les taux peuvent évoluer rapidement sous l'effet d'événements extérieurs aux tendances habituelles.

Les acteurs du secteur s'accordent largement à dire que l'intelligence artificielle est mieux utilisée comme outil d'aide à la décision plutôt que comme substitut au jugement humain. Burak Cetinok, d'Arrow, a déclaré au média partenaire SplashTech que les outils modernes peuvent traiter les jeux de données plus rapidement que jamais, mais que la faible qualité des données et la couverture limitée restreignent encore la précision. Panos Patsadas, de Trans Global Projects, a fait valoir que le transport maritime reste insuffisamment numérisé et a mis en garde contre le fait que les cycles passés constituent de mauvais guides pour le comportement futur du marché, un rappel que la prévision reste liée à la qualité et à l'exhaustivité des données sous-jacentes du marché.

Christoffer Svärd, de Sea, a noté que les résultats des modèles dépendent fortement de la configuration, des sollicitations, du contexte et de l'interprétation humaine.

Roar Adland, de SSY, s'est montré plus sceptique, affirmant que les grands modèles de langage n'apportent que peu de valeur ajoutée aux systèmes d'apprentissage automatique déjà utilisés depuis plus d'une décennie et qu'ils restent inadaptés aux décisions commerciales autonomes.

Les experts ont identifié trois facteurs principaux des taux de fret : les fondamentaux prévisibles, les chocs imprévisibles et le comportement grégaire à court terme. L'IA peut affiner l'analyse de la première catégorie, mais offre peu de prise sur la seconde et pourrait même amplifier la troisième. Si les acteurs du marché s'appuient sur des modèles et des jeux de données similaires, ils pourraient se concentrer sur les mêmes positions, accélérant les mouvements du marché et minant les prévisions que ces outils étaient censés produire.

Le consensus parmi les professionnels du secteur est que l'IA peut affiner l'analyse, révéler des schémas cachés et améliorer le timing, mais qu'elle n'éliminera pas les cycles du transport maritime ni ne remplacera le jugement commercial chevronné.

Source : Splash247