L’année 2025 a marqué un tournant symbolique dans la logistique mondiale : Amazon a déployé courant juin son millionième robot autonome dans ses centres de distribution, confirmant que la flotte robotique dépasse largement les 750 000 unités utilisées les années précédentes et continue de croître rapidement. Ces robots, intégrant des capteurs avancés et des systèmes d’IA sophistiqués, pilotent désormais chaque étape de la préparation et du tri des commandes, depuis le déplacement automatique des étagères jusqu’à l’optimisation en temps réel des flux de colis, réduisant les coûts et les délais de livraison tout en augmentant la précision des opérations. Cependant, derrière l’image d’une révolution technologique, différentes enquêtes qualitatives référencées par Murray (2025) révèlent une expérience plus complexe pour les opérateurs : la cadence est dictée par des algorithmes, la perception d’autonomie diminue, et la charge mentale augmente, même si les efforts physiques sont réduits. L’intensification cognitive s’accompagne d’une surveillance permanente des performances individuelles par le biais de tableaux de bord et d’indicateurs automatisés. La promesse managériale d’un travail libéré coexiste donc avec des contraintes invisibles, soulignant une tension persistante entre discours technologique et réalité opérationnelle. Cette situation invite à une réflexion critique sur ce que signifie véritablement innover dans des environnements logistiques pilotés par la donnée et l’IA, et sur les implications managériales de la transformation à l’œuvre.

Au lieu de considérer les technologies actuelles comme un moment de vérité pour des ruptures paradigmatiques majeures, nous souhaitons proposer une brève analyse réflexive centrée sur la continuité dynamique entre innovations contemporaines et démarches organisationnelles historiquement ancrées. La perspective retenue ne cherche pas à mesurer des gains de productivité ou à décrire des systèmes automatisés. Son objectif est plutôt d’explorer, dans une perspective « hétérodoxe », comment l’introduction massive d’IA et de robots, notamment dans les entrepôts des grands distributeurs, redessine en profondeur les logiques de travail, les processus de pilotage et les formes de coordination dans les chaînes logistiques. En adoptant un tel point de vue, l’article questionne l’écart entre des récits parfois « exaltés » sur la liberté associée à la technologie et la réalité des contraintes concrètes vécues par les acteurs sur le terrain, ce que Benvegnù et Gaborieau (2020) mettent d’ailleurs remarquablement en lumière. L’objectif n’est pas seulement de porter un regard critique sur les évolutions en cours, mais d’outiller différentes parties prenantes afin de réfléchir à des formes d’intégration de l’IA qui soient à la fois performantes et humaines, tout en reconnaissant que la transformation digitale que connaissent les chaînes logistiques est autant une reconfiguration stratégique réelle qu’une illusion de totale rupture avec le fordisme, alors que le code ne fait que remplacer le convoyeur.

Ontologie opérationnelle

Dans les débats contemporains sur la transformation digitale et la smart logistics, le fordisme est fréquemment présenté comme un modèle historique révolu, indissociable des chaînes de montage automobile conçues par Henry Ford, dont la première a été mise en service en 1913 à l’usine de Highland Park à 7 km de Detroit, dans le Michigan (voir l’Illustration 1). Le temps nécessaire à la construction du fameux modèle T passera alors de plus de 12 h à seulement 1 h 30. Pourtant, l’observation des entrepôts hautement automatisés d’Amazon à Seattle ou du centre logistique d’Ocado à Hatfield révèle une continuité organisationnelle plus marquée que ne le suggèrent les discours de rupture. Comme l’indique Delfanti (2021), l’opérateur en entrepôt demeure fixé à un poste de préparation, badge à l’entrée, scanner en main, tandis que ses gestes sont guidés par des interfaces numériques affichant en temps réel les commandes à traiter, les cadences attendues et les écarts de performance. Les étagères mobiles, déplacées par des robots autonomes, viennent désormais à lui, substituant la mobilité humaine par une circulation automatisée des flux. Chaque action est standardisée, mesurée et intégrée dans un flux continu piloté par le warehouse management system. Cette configuration illustre ce que Srnicek (2016) qualifie de reconfiguration numérique du fordisme : les convoyeurs et rails fixes du XXᵉ siècle sont remplacés par des robots, des capteurs IoT et des algorithmes d’optimisation, sans remise en cause de la logique centrale. Le fordisme n’a ainsi pas disparu ; il s’est digitalisé, en conservant son principe fondamental de fixation des corps et de circulation contrôlée des flux.

Illustration 1. Chaîne de montage de l’usine Ford à Highland Park (1913)

Source : L’Avenir et des Rivières, décembre 2018.

Une telle ontologie opérationnelle présente des avantages managériaux immédiats, particulièrement visibles dans les environnements de logistique de distribution à grande échelle. En immobilisant l’opérateur chargé de la préparation des commandes et en orchestrant autour de lui les flux via des systèmes automatisés, l’entreprise peut suivre la performance individuelle à l’aide de KPI précis : lignes préparées par heure, taux d’erreur, temps de cycle moyen, ou encore cartes thermiques de congestion (Faveto et al., 2021). Cette logique s’inscrit dans la continuité des analyses de Sewell et Wilkinson (1992), indiquant que les régimes productifs contemporains reposent sur des systèmes de surveillance intégrés aux dispositifs informationnels, permettant une centralisation accrue du contrôle tout en réduisant le besoin de supervision directe. Chez Walmart, Target ou Albertsons, ces indicateurs sont affichés sur des tableaux de bord accessibles aux opérateurs comme aux managers, rendant la performance immédiatement visible et comparable. La mobilité de l’opérateur, source historique d’incertitude et de variabilité, est ainsi remplacée par la stabilité du poste fixe, condition essentielle à une surveillance continue et standardisée. Cette configuration facilite la mesure, la prévision et la planification des flux, tout en permettant d’ajuster rapidement les volumes sans transformation structurelle majeure. La standardisation du geste et la réduction des déplacements apparaissent dès lors moins comme des gains ergonomiques que comme des leviers stratégiques de discipline, de coordination et d’alignement sur des objectifs chiffrés.

Le fait de fixer des préparateurs de commandes à un poste de travail en dit finalement beaucoup sur l’universalisme des principes fordistes. En effet, même lorsque l’activité ne concerne pas le secteur industriel proprement dit, notamment la chaîne de production, son « berceau » originel, les quatre principes clés — poste fixe, flux optimisés, standardisation et contrôle — persistent et s’adaptent à des environnements immatériels (Roy, 2025). L’un des cas les plus emblématiques est celui des centres d’appels, où les opérateurs restent positionnés face à leur écran tandis que le flux de tickets entrants est distribué automatiquement par un algorithme de routage basé sur les compétences et la disponibilité des opérateurs. Chaque interaction avec le client est là aussi tracée, mesurée et évaluée selon une batterie de KPI. La continuité entre le fonctionnement d’un entrepôt et le fonctionnement d’un centre d’appel révèle que la logique fordiste ne se réduit pas à l’univers manufacturier, dont de Gaudemar (1982) avait proposé en son temps une brillante conceptualisation, mais d’une architecture process-driven qui structure le travail autour de la mesure, du contrôle et de l’optimisation. Même dans les plateformes e-commerce automatisées d’Alibaba ou de JD.com, où les robots déplacent les articles sur des rails ou dans des tunnels automatisés, l’opérateur reste au cœur du processus comme point nodal, illustrant que le fordisme n’est pas un vestige mais une matrice adaptable.

À ce titre, positionner le fordisme comme ontologie opérationnelle y compris dans des chaînes logistiques digitalisées, permet de mieux interpréter (et relativiser) les discours contemporains sur la « rupture » technologique. Les innovations, à la fois au niveau de la robotisation, de l’automatisation, et de l’usage intensif de l’IA, sont rarement introduites pour transformer fondamentalement la logique opératoire. Elles visent avant tout à amplifier la performance tout en maintenant le poste fixe comme centre de contrôle. Les opérateurs deviennent des points de données vivants à travers des badges, scanners, capteurs portables et interactions pilotées par les tableaux de bord (pour une revue de littérature, voir Zhen et Li [2022]). Les flux physiques et numériques sont orchestrés par des algorithmes, les cadences sont ajustées automatiquement, et les écarts sont signalés en temps réel. L’efficacité s’accroît, mais la structure sous-jacente reste identique à celle pensée par Henry Ford il y a plus d’un siècle de cela : fixation du corps, circulation des flux et capture complète du temps productif (voir le Tableau 1). Un tel héritage historique, en grande partie invisible, démontre que le fordisme n’a pas disparu, il est simplement inscrit dans le code et la donnée. Pour s’en convaincre, si besoin était, un retour vers les entrepôts des grands distributeurs de l’univers online et offline constitue un système de preuves suffisamment robuste.

Tableau 1. Le fordisme comme ontologie opérationnelle à travers le temps

Source : Élaboration personnelle.

Just an illusion

Dans la doxa managériale dominante du XXI^e siècle, les technologies avancées sont présentées comme les vecteurs de ruptures radicales dans l’organisation du travail logistique, en particulier dans le cadre de l’Industrie 4.0 (El Hamdi et Abouabdellah, 2022). Les robots mobiles autonomes d’Amazon Robotics (connus sous l’ancien nom de robots Kiva), les systèmes de tri automatisé d’Ocado ou les algorithmes IA de prédiction de commandes de JD.com sont souvent décrits comme abolissant la pénibilité, supprimant la répétitivité et transformant les opérateurs en superviseurs de haute valeur. Les communiqués d’entreprise et les conférences sur l’innovation présentent de tels changements comme l’abolition des contraintes physiques, avec des éléments de langage tels que « moins de déplacements », ou « flux intelligemment orchestré ». Pourtant, lorsqu’on observe les opérations sur le terrain, la prétendue rupture apparaît surtout comme une continuité masquée. L’IA et la robotisation n’éliminent pas la logique fordiste, comme on l’a indiqué précédemment, elles déplacent simplement les flux de plus en plus vite, et si les opérateurs restent fixés à leur poste, comme l’indique l’Illustration 2, ils sont dépendants de notifications générées par les algorithmes IA et surveillent des robots qui exécutent désormais la mobilité que l’homme assurait auparavant. La nouveauté technologique agit comme un amplificateur de la logique existante, plutôt que comme une révolution ontologique.

Illustration 2. Poste de travail dans un entrepôt Amazon (2021)

Source : Le Monde, 21 octobre 2021.

Just an Illusion, susurrait en 1982 le trio post-disco-électro-soul Imagination, et l’image est ici parlante. L’illusion de rupture se manifeste clairement dans les promesses de réduction de la pénibilité. Les entreprises mettent en avant des chiffres censés impressionner le grand public. Les préparateurs Amazon n’effectueraient plus les épuisants 15 km quotidiens de marche dans les entrepôts, Ocado indique des gains de productivité de 50 % grâce à la robotisation, Zalando et Walmart vantent la réduction des efforts physiques et des incidents et accidents liés aux déplacements. Sur le papier, l’automatisation libère du temps et augmente la sécurité, mais, dans la pratique, la mobilité est remplacée par une intensité concentrée. L’opérateur reste certes immobile mais il doit traiter un flux constant, scanner les articles à une cadence élevée, corriger immédiatement les écarts signalés par le WMS ou par les algorithmes IA prédictifs, et ajuster son rythme pour respecter le niveau de service client promis. Voilà qui réactualise les ironies de l’automatisation de Bainbridge (1983) : lorsque l’on automatise des tâches manuelles, les opérateurs sont souvent affectés à des tâches de monitoring, de correction et de supervision qui augmentent la charge cognitive et la pression temporelle, plutôt que de réduire globalement la charge de travail. En bref, la fatigue ne disparaît pas, elle se transforme en devenant mentale, compte tenu d’une exigence de vigilance continue, d’une réactivité instantanée et d’un stress lié à l’affichage permanent des performances. Si les contraintes physiques sont allégées, la contrainte temporelle et algorithmique demeure donc pleinement active.

La robotisation et l’IA renforcent également le contrôle organisationnel. Les systèmes de pick-to-light, de voice-picking ou de tri automatisé intègrent des alertes instantanées, des métriques en temps réel et des feedbacks constants sur le rendement (Stockinger et al., 2020). Chez Amazon, chaque erreur de préparation déclenche un signal sur le tableau de bord de l’opérateur et sur celui du manager qui le pilote, permettant une intervention immédiate pour corriger l’écart. Chez Ocado, les algorithmes de planification recalculent en continu les séquences de déplacement des étagères robotisées pour minimiser la distance totale et la consommation énergétique, imposant ainsi au préparateur un rythme dépendant d’un flux piloté par l’IA. Un storytelling managérial bien rodé insiste sur la « liberté retrouvée » de l’opérateur, censé se concentrer sur des tâches à plus forte valeur ajoutée, comme la gestion des exceptions (réaction à une rupture de stock, substitution de produit, commandes complexes ou spéciales). Pourtant, comme le souligne Naully (2023), l’apparente autonomie masque souvent la persistance des contraintes structurelles : l’IA redéfinit la perception du travail sans diminuer réellement le contrôle exercé sur les opérateurs, donnant l’illusion d’un travail libéré tout en intensifiant la vigilance et les exigences cognitives. En réalité, la logique fordiste en sort largement renforcée. L’opérateur reste un point fixe, les flux continuent de circuler autour de lui, et la cadence est désormais dictée par des calculs en temps réel, éliminant toute marge de manœuvre, même minimale, et transformant chaque action humaine en un élément surveillé et mesurable du système.

L’illusion de la rupture est fortement ancrée dans la littérature, en se nourrissant d’un langage optimiste et d’une représentation orientée performance. Les conférences internes, webinars et communiqués mettent en avant des KPI positifs pour l’expérience client, avec une précision accrue dans la préparation des commandes (réduction des erreurs au niveau des produits livrés) et un temps moyen de traitement raccourci (réduction des délais de livraison). Les outils de visualisation des données créent en outre l’illusion que le travail des préparateurs de commandes est transformé en profondeur et que l’IA leur apporte une véritable autonomie décisionnelle. Pourtant, sur le terrain, ces mêmes préparateurs de commandes expérimentent clairement une nouvelle forme de fordisme algorithmique : immobilisation des corps, circulation orchestrée des flux, cadence dictée par des calculs et non par le rythme naturel des humains (Kellogg et al., 2020). Les innovations technologiques ne suppriment donc pas une ontologie opérationnelle née au début du XX^e siècle, elles l’intègrent et la prolongent. Un tel constat nous semble crucial, autant pour les managers que pour les syndicats professionnels : la promesse de rupture est partielle, et l’IA, loin de libérer, réinvente le travail selon les principes du fordisme, en le rendant plus efficace, plus contrôlable et plus dépendant des systèmes numériques. Le Tableau 2 met en évidence le décalage structurel entre les promesses de rupture portées par les discours managériaux sur l’IA et l’automatisation, et la réalité opératoire vécue par les opérateurs, marquée par un renforcement du contrôle algorithmique.

Tableau 2. Écart entre promesse et vécu de l’opérateur

Source : Élaboration personnelle.

Intensification invisibilisée

L’introduction de la robotisation et de l’IA dans les entrepôts des grands distributeurs ne constitue pas une rupture radicale, mais redéfinit profondément l’efficacité, le contrôle et la performance. Ces innovations amplifient les logiques organisationnelles existantes, créant une nouvelle échelle de pilotage où flux physiques et décisions numériques se combinent étroitement. L’automatisation synchronise les mouvements, optimise la vitesse et limite les écarts, tout en générant des métriques fines sur la performance individuelle. Chaque geste devient ainsi une donnée exploitable pour ajuster instantanément les flux, offrant un niveau de contrôle inégalé par rapport aux chaînes « mécaniques » traditionnelles. Rad et al. (2025) indiquent par ailleurs que l’adoption de technologies d’IA pour le picking de commandes réduit les temps et les distances tout en produisant des données utilisables pour optimiser la prise de décision et les ajustements de flux en continu. La technologie ne supprime pas l’esprit du fordisme, mais invisibilise l’intensification des tâches, en inscrivant chaque action humaine dans un écosystème algorithmique. Flux, temps et performance sont captés et analysés en continu, révélant que la prétendue révolution digitale n’est qu’une transposition moderne d’une logique déjà établie, où l’innovation agit comme amplificateur plutôt que rupture, relativisant ainsi les discours managériaux exaltant la liberté ou la transformation radicale.

Si la robotisation réduit certaines formes de pénibilité physique, qu’il serait stupide de nier, elle génère simultanément une intensification cognitive et mentale difficile à mesurer mais profondément ressentie. Les opérateurs doivent constamment réagir à des alertes en temps réel, ajuster leur cadence selon les prédictions algorithmiques et gérer des situations exceptionnelles souvent multiples et simultanées (Cheon et Erickson, 2025). La charge mentale, moins visible que la fatigue corporelle, restructure le travail sans le libérer, dans la mesure où l’opérateur reste central non pour ses déplacements, mais pour sa capacité à traiter erreurs, décisions complexes et exceptions, tout en respectant des cadences imposées par le système automatisé. Comme le souligne Galière (2023), le management algorithmique, en orchestrant les tâches via des systèmes IA, prescrit des comportements précis, fragmente le travail et impose une surveillance constante, restreignant le pouvoir d’agir des opérateurs même dans des environnements salariés « classiques ». Les robots et l’IA créent ainsi un environnement où flux physique et supervision cognitive coexistent étroitement, transformant chaque geste en donnée exploitable pour ajuster instantanément les flux et réguler la performance individuelle. Une telle configuration révèle que l’innovation technologique ne libère pas le travailleur mais redéfinit ses contraintes, ses compétences et sa vigilance au sein d’un système algorithmique omniprésent.

Prendre du recul permet de comprendre que l’innovation technologique ne supprime pas la contrainte, mais la restructure et la rend plus modulable, mesurable et stratégiquement exploitable, tout en générant des effets secondaires, à la fois cognitifs et organisationnels. La notion de fordisme algorithmique illustre comment les principes historiques sont transposés dans un environnement numérique capable de traiter d’immenses volumes de données et de réguler la performance en temps réel. À ce titre, le développement et le test de systèmes de prévision et d’alerte en temps réel dans les entrepôts automatisés montrent comment l’analyse prédictive basée sur les données du WMS peut générer des alertes instantanées, régulant le travail en continu et améliorant la coordination des flux (Aloini et al., 2025). Les implications pour le management ne concernent pas seulement l’effacement des contraintes, mais leur redéfinition, incluant la conception des postes, la formation et la santé des opérateurs, et l’organisation collective. L’IA agit comme un levier de continuité plutôt qu’un facteur de rupture radicale, rendant le travail des préparateurs de commandes plus pilotable tout en exigeant de nouvelles formes d’adaptabilité et de vigilance. Une approche historisée conduit à distinguer les gains réels des effets d’illusion ou de rhétorique managériale et à élaborer des pratiques opérationnelles adaptées à la réalité quotidienne des entrepôts.

Conclusion

Que retenir finalement de l’article, que d’aucuns pourront juger purement réflexif, voire « introspectif » ? Sans doute faut-il noter avant tout qu’il met en lumière un apport central pour la data science appliquée aux opérations logistiques : la valeur transformatrice des technologies ne réside pas uniquement dans leur sophistication algorithmique, mais dans la manière dont elles redéfinissent les régimes de pilotage et de décision. En révélant la persistance d’une ontologie opérationnelle fondée sur la fixation des opérateurs à leur poste, des flux en circulation devant eux et une quantification précise des temps d’exécution, l’article invite à dépasser une lecture purement technophile de l’IA. Les tableaux de bord, modèles prédictifs et autres systèmes d’orchestration ne sont pas de simples outils d’optimisation, ils constituent des dispositifs de structuration du travail et de normalisation des comportements. De ce point de vue, l’enjeu est double : produire des modèles performants tout en identifiant les effets organisationnels et humains qu’ils induisent. Une telle perspective conduit à requalifier la notion de performance, non plus seulement comme un résultat chiffré, mais comme un équilibre instable entre efficacité mesurable, soutenabilité cognitive et acceptabilité sociale. En ce sens, la présente réflexion contribue à repositionner la data science non comme une discipline neutre, mais comme une dimension clé de la conception des organisations contemporaines, capable d’éclairer les choix stratégiques au-delà des seuls gains opérationnels immédiats.

Les pistes de recherche ouvertes sont nombreuses et appellent selon nous des travaux résolument interdisciplinaires. Au moins trois d’entre elles sont à signaler. Une première piste consiste à développer des métriques de performance intégrant explicitement la charge cognitive, la variabilité attentionnelle et les phénomènes d’adaptation humaine aux systèmes algorithmiques, afin de compléter les KPI traditionnels centrés sur la vitesse et la productivité. Une seconde piste concerne l’étude des marges de manœuvre laissées aux managers intermédiaires dans des environnements fortement automatisés : comment arbitrent-ils entre recommandations algorithmiques et jugements situés, et avec quelles conséquences sur la qualité de leurs décisions ? Enfin, une troisième piste réside dans la conception de systèmes d’IA capables de rendre visibles leurs propres effets organisationnels et de proposer des modes de pilotage adaptatifs, plutôt que strictement prescriptifs. Pour la recherche en data science, l’enjeu n’est donc pas de prédire toujours plus finement, mais de concevoir des architectures décisionnelles capables d’intégrer l’incertitude humaine, la temporalité du travail et les tensions sociales. C’est à cette unique condition que l’IA pourra devenir un véritable levier de performance durable pour les chaînes logistiques, plutôt qu’une simple déclinaison renouvelée de l’indéboulonnable fordisme.