Le débat sur la restructuration des emplois d'entrepôt par l'IA au cours des trois prochaines années n'est plus théorique. En juin 2025, Amazon a mis en service son millionième robot d'entrepôt, réparti dans plus de 300 installations dans le monde. La même année, le rapport Future of Jobs Report 2025 du Forum économique mondial prévoyait que d'ici 2030, l'économie mondiale créerait 170 millions de nouveaux emplois tout en en déplaçant 92 millions d'existants. Le débat a donc dépassé la question de savoir si cela arrivera. La question est désormais de savoir jusqu'où c'est déjà allé, et quel emploi change en premier.
Les données : la restructuration est déjà en cours
Selon le rapport Future of Jobs Report 2025 du Forum économique mondial, la création et le déplacement d'emplois entraînés par les macrotendances affecteront ensemble environ 22 % des emplois actuels d'ici 2030 : 170 millions créés, 92 millions déplacés, un gain net de 78 millions. Le rapport est explicite sur l'endroit où les pertes se concentrent. Les rôles qui déclinent le plus vite sont les emplois de bureau : employés de saisie de données, assistants administratifs, caissiers et employés de billetterie, ouvriers de l'imprimerie, comptables et auditeurs. Ces chiffres couvrent toutes les macrotendances, pas seulement l'IA, mais le rapport désigne l'IA, le traitement de l'information et la robotique comme les principaux moteurs du déclin des emplois de bureau.
Le rapport 2025 du McKinsey Global Institute, Agents, Robots and Us, présente l'exposition plus directement : environ 57 % des heures de travail aux États-Unis sont techniquement automatisables avec les capacités actuelles de l'IA et de la robotique, et environ 40 % des emplois américains se situent dans des professions confrontées à une disruption importante. Le rapport ajoute une nuance qui compte plus que le chiffre principal. La faisabilité technique n'est pas la même chose que l'adoption réelle. Le véritable goulot d'étranglement, soutient McKinsey, est de savoir si les entreprises sont prêtes à repenser des flux de travail entiers, et si les politiques et les investissements suivent le rythme. Cette distinction traverse tout ce qui suit.
Amazon fournit l'étude de cas publique la plus complète de ce à quoi ressemble réellement l'adoption. En juin 2025, son millionième robot est entré en service, et l'entreprise a simultanément lancé DeepFleet, un modèle de fondation d'IA qui coordonne la flotte de robots. Amazon affirme que DeepFleet améliore l'efficacité des déplacements de la flotte d'environ 10 %, un chiffre communiqué par l'entreprise qui n'a pas été vérifié de manière indépendante. Les chiffres les plus révélateurs provenaient de documents internes rapportés par le New York Times en octobre 2025 : la nouvelle installation de l'entreprise à Shreveport, en Louisiane, exploite environ 1,000 robots et a besoin d'environ un quart de travailleurs en moins que ce qu'il lui faudrait autrement, et Amazon prévoit de reproduire ce modèle dans 40 installations d'ici la fin de 2027.
Un ensemble de données qui entre rarement dans cette conversation provient d'une étude de 2025 publiée dans ILR Review : les entrepôts équipés de robots ont enregistré environ 40 % de blessures graves en moins, mais 77 % de blessures non graves en plus que des entrepôts traditionnels comparables. L'automatisation n'est jamais une amélioration à sens unique.
Trois signaux : là où commence la restructuration des emplois d'entrepôt par l'IA
Mon évaluation des rôles qui changent en premier repose sur trois signaux, les trois mêmes que j'observe chaque fois que quelqu'un m'interroge sur la restructuration des emplois d'entrepôt par l'IA au cours des trois prochaines années. Le premier est la formulation des offres d'emploi. En 2025, j'ai visité plusieurs grands opérateurs d'entreposage, et le langage du recrutement est discrètement en train d'être réécrit. Les offres qui disaient autrefois « maîtrise de l'exploitation du WMS » disent désormais « capable de résoudre les exceptions signalées par le système ». Les postes autrefois annoncés comme « employé de saisie de données » sont désormais annoncés comme « associé d'entrepôt prêt à apprendre les outils d'IA ». Les intitulés de poste ont à peine changé. Les compétences requises, elles, ont déjà changé. C'est là que la restructuration se montre en premier.
Le deuxième signal est ce dont parlent réellement les réunions de direction. Les réunions d'entrepôt tournaient autour d'une question : avons-nous assez de monde aujourd'hui ? De plus en plus, elles tournent autour d'une autre : quelles étapes n'ont plus besoin qu'un humain les examine ? Une fois qu'une tâche est définie comme fondée sur des règles, avec des entrées standardisées et des sorties vérifiables, l'automatisation n'est qu'une question de temps. La saisie de données, les rapports quotidiens et le rapprochement des stocks remplissent les trois conditions à la fois, c'est pourquoi ils sont en tête de file.
Le troisième signal est là où va le budget de formation. L'argent est l'indicateur le plus honnête disponible. En 2025, un 3PL que j'ai étudié dans l'est de la Chine a déplacé l'essentiel de son budget annuel de formation de l'intégration des nouveaux embauchés vers l'exploitation des équipements et la gestion des exceptions pour le personnel existant. Son équipe de reporting est passée de six personnes à deux, et les effectifs libérés ont rejoint le groupe de gestion des exceptions. Les flux budgétaires révèlent le jugement réel d'une entreprise mieux que n'importe quelle déclaration stratégique.
En empilant les trois signaux, une carte des risques émerge. D'abord restructurés : la saisie de données, le picking simple et les rapports quotidiens, où les règles sont claires, les entrées standard et le coût d'une erreur faible. En cours de changement : la conduite de chariots élévateurs et le contrôle qualité, où les machines font l'essentiel du travail mais où les itinéraires complexes et les défauts ambigus ont encore besoin d'yeux et de mains humains. Les plus difficiles à remplacer : la gestion des exceptions, la maintenance des équipements et la communication avec les clients, trois rôles qui partagent les mêmes traits : des entrées non standard, pas de réponse unique correcte, et des conséquences immédiates pour le client quand le jugement fait défaut.
Les trois rôles difficiles à remplacer sont là où se trouve la valeur
La conclusion contre-intuitive est la suivante : les premiers emplois restructurés ne sont ni les plus durs ni les plus sales, mais les plus propres. Les personnes assises dans des bureaux à saisir des données et à produire des rapports sont remplacées avant les personnes debout sur les lignes de picking. La raison est simple. L'IA ne remplace pas d'abord l'effort physique. Elle remplace les règles. Les règles de la saisie de données sont écrites sur papier. Les règles du picking vivent sur les étagères et dans les exceptions, et les machines ont encore un long chemin à parcourir là-bas.
La gestion des exceptions est la première catégorie difficile à remplacer. Les systèmes ne gèrent que les exceptions qu'ils ont déjà vues, et un entrepôt en produit de nouvelles chaque jour : un changement d'adresse de dernière minute, un colis endommagé impossible à scanner, un stock que le système jure être sur une étagère vide. Ces moments exigent un jugement sur la règle que l'on peut enfreindre et sur qui en absorbe la conséquence. Au cours des trois prochaines années, je m'attends à ce que ce travail passe d'une lutte informelle contre les incendies à un rôle central doté de personnel en bonne et due forme.
La maintenance des équipements est la deuxième. Plus il y a de robots, plus les personnes qui les réparent deviennent précieuses, et cela découle presque par définition. Le cas de Shreveport montre que les robots remplacent le mouvement répétitif, pas la maintenance elle-même. Quand un robot s'arrête, tout un flux perd son rythme, et la personne qui le rétablit en une heure devient plus précieuse à mesure que la densité des équipements augmente.
La communication avec les clients est la troisième. La confiance entre un entrepôt et ses clients repose sur une chose : quand quelque chose tourne mal, quelqu'un peut l'expliquer clairement. L'IA peut rédiger un courriel d'excuses parfait, mais elle ne peut pas entendre si le client s'inquiète de la date de livraison ou de la facture, ni décider sur-le-champ laquelle protéger quand les deux ne peuvent pas être sauvées.
Un calendrier pour les travailleurs d'entrepôt : la restructuration des emplois d'entrepôt par l'IA au cours des trois prochaines années
Mon calendrier ci-dessous est un jugement fondé sur les fourchettes de prévision des rapports cités plus haut et sur le rythme réel du déploiement en entreprise. Ce n'est pas une prédiction précise. La restructuration des emplois d'entrepôt par l'IA au cours des trois prochaines années n'arrivera pas comme un événement unique, mais comme une séquence, et la séquence compte plus que n'importe quelle date. De 2026 à 2027, les rôles de reporting et de saisie de données se contracteront en premier ; les grands entrepôts pourraient réduire leurs effectifs de bureau d'environ un tiers (jugement fondé sur les attentes de 2025 du Forum économique mondial concernant le déclin des emplois de bureau et sur les gels d'embauche que les entreprises appliquent déjà). De 2027 à 2028, le picking simple et l'emballage standardisé entreront dans une substitution à grande échelle, mais seulement là où les catégories de produits sont suffisamment standardisées ; les entrepôts non standard avanceront un peu plus lentement. De 2028 à 2029, le centre du changement se déplacera vers la direction elle-même : la planification, la prévision et l'analyse des performances, un travail moitié règle et moitié jugement, seront rédigés par l'IA et validés par des humains.
Il existe environ trois voies de transition. La première est de gérer les robots : passer d'opérateur à la supervision et à la planification de flotte, où la compétence centrale est de comprendre la logique du système plutôt que de mémoriser les étapes d'exploitation. La deuxième est de gérer les exceptions : passer de l'exécution à l'expertise des exceptions, où l'atout central est le jugement accumulé, la voie la plus dépendante de l'expérience et la plus difficile à raccourcir. La troisième est de gérer les clients : passer de l'intérieur de l'entrepôt à l'interface client, en convertissant la familiarité avec les marchandises et les processus en capacité de service. Aucune des trois n'est supérieure aux autres, mais elles partagent une condition préalable : commencer maintenant. Une fois qu'un rôle disparaît formellement, les options ne font que se rétrécir.
Dans trois ans, les entrepôts emploieront moins de personnes, mais celles qui resteront compteront davantage. Ce n'est pas un réconfort mais une inférence : si les machines prennent en charge les règles, la valeur humaine ne réside que dans ce qui se trouve en dehors d'elles. La question s'adresse à chaque travailleur d'entrepôt : quelle part de votre travail consiste en des jugements que vous seul pouvez porter ? Cette proportion est votre marge de sécurité pour les trois prochaines années.
Par Dr. Chen, Chercheur en chaîne d'approvisionnement Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.







