L’IA va-t-elle devenir le nouveau mobility manager des travailleurs ?

Imaginez la scène. Vous devez vous rendre de Bruxelles à Londres pour une réunion à 10 heures. Au lieu d’ouvrir plusieurs applications, vous demandez simplement à votre assistant IA : « Je dois être demain à 9h30 dans le centre de Londres. Organise mon déplacement en respectant la travel policy de mon entreprise et privilégie la solution la plus efficace en tenant compte du coût et du CO₂. »

Quelques secondes plus tard, l’assistant pourrait théoriquement avoir comparé le train, l’avion, la voiture, les transports publics et éventuellement un taxi. Il connaîtrait les horaires, votre agenda, votre lieu de départ, les règles de votre entreprise et vos préférences. Il pourrait réserver le trajet, adapter votre calendrier et préparer automatiquement la note de frais.

Nous n’en sommes pas encore totalement là. Mais nous nous en rapprochons rapidement.

Depuis cet été, Eurostar, l’entreprise de trains à grande vitesse née de la fusion de Thalys et d’Eurostar, dispose d’une application accessible depuis ChatGPT au Royaume-Uni, aux Pays-Bas et chez nous. L’utilisateur peut rechercher un trajet en langage naturel, consulter les horaires, les durées et les tarifs disponibles avant d’être redirigé vers le site internet www.eurostar.com pour finaliser son achat. Il doit au préalable connecter son compte ChatGPT à l’application Eurostar.

La fonctionnalité reste donc relativement simple : ChatGPT ne réserve pas encore le billet à votre place. Mais ce qui importe ici est moins la fonctionnalité actuelle que le changement d’interface qu’elle annonce. Car Eurostar ne fait pas ce choix au hasard.

Entre janvier 2025 et juin 2026, le trafic envoyé vers eurostar.com par les plateformes d’intelligence artificielle a été multiplié par cinq. En juin dernier, 85 % de ce trafic provenant de plateformes IA était généré par ChatGPT. Les réservations issues de ce canal restent encore marginales – entre 0,8 et 1 % des billets réservés sur eurostar.com entre mai et juillet 2026 –, mais la dynamique est suffisamment forte pour que l’opérateur ferroviaire investisse dans ce nouveau canal.

Eurostar prévoit d’ailleurs déjà d’aller plus loin, avec des fonctionnalités de découverte de destinations, de visualisation du réseau ou d’accès simplifié à certaines offres tarifaires.  Autrement dit, l’IA commence à passer du statut d’outil auquel on demande « Comment aller à Londres ? » à celui d’interface capable de nous proposer concrètement une solution de transport. Et pour la mobilité professionnelle, cette nuance pourrait avoir un impact important.

Ces 20 dernières années, la digitalisation de la mobilité a surtout consisté à multiplier les plateformes. Une application pour réserver un train. Une autre pour l’avion. Une application de navigation pour la voiture. Une carte ou une app pour la recharge ou pour créer le meilleur itinéraire possible avec sa voiture électrique. Une plateforme de parking. Une autre pour les transports publics. Sans oublier les outils de réservation des entreprises, les solutions de notes de frais et les applications des sociétés de leasing.

L’utilisateur dispose de davantage d’informations que jamais, mais il doit encore souvent assembler lui-même les pièces du puzzle. L’intelligence artificielle pourrait inverser cette logique.

Plutôt que de demander au travailleur de naviguer entre les différentes plateformes, ce seraient les plateformes qui viendraient alimenter une seule interface conversationnelle. C’est précisément l’intérêt des applications connectées aux assistants IA : celles-ci peuvent donner accès à des données et à des actions externes directement depuis la conversation.

Dans le tourisme, Booking.com travaille déjà dans cette direction. Son AI Trip Planner associe les capacités conversationnelles de l’IA aux données de la plateforme concernant notamment les destinations, les disponibilités et les prix. L’objectif est de comprendre une intention formulée naturellement plutôt que de contraindre l’utilisateur à naviguer dans une succession de filtres.  Transposée à la mobilité professionnelle, cette logique devient particulièrement intéressante.

Aujourd’hui, un collaborateur doit généralement décider lui-même du mode de transport avant même de commencer sa recherche. Certes, il existe des plateformes ou applications qui proposent d’optimiser les moyens de déplacements en fonction de différents critères, mais celles-ci proposent généralement des itinéraires à l’aide de sociétés de transports ou de moyens de déplacements partenaires uniquement.

Demain, l’utilisateur pourrait simplement indiquer son objectif. « Je dois être chez ce client à Anvers mardi à 14 heures et rentrer le soir. » L’IA pourrait alors connaître son agenda et son point de départ, mais également les règles définies par son employeur. Elle pourrait comparer plusieurs scénarios : voiture de société, train, transports publics, voiture partagée, taxi ou combinaison de plusieurs modes.

Et surtout, elle pourrait raisonner sur plusieurs critères simultanément. Le trajet le moins cher n’est pas nécessairement le plus pertinent. Le plus rapide non plus. Une entreprise pourrait demander à son assistant de rechercher le meilleur compromis entre temps de déplacement, coût total, émissions de CO₂, confort et politique de mobilité.

C’est là que l’IA pourrait véritablement transformer le mobility management. Parce que nous passerions d’un « comparateur de transport » à « un orchestrateur de mobilité ».

Cette évolution ne signifie évidemment pas la disparition de la voiture de société. Elle pourrait en revanche conduire à une utilisation beaucoup plus rationnelle de celle-ci.

Prenons un collaborateur disposant d’un véhicule électrique. Avant un déplacement professionnel de 400 kilomètres, son assistant pourrait théoriquement connaître l’autonomie réelle du véhicule, son niveau de batterie, les possibilités de recharge sur le parcours et les tarifs des bornes. Il pourrait comparer cette solution avec le train ou une voiture partagée et tenir compte du temps nécessaire pour rejoindre la destination finale.

Pour certains déplacements, la conclusion sera : prenez votre voiture. Pour d’autres : laissez-la à la gare.

Et pour d’autres encore : le train jusqu’à Paris puis un véhicule partagé ou les transports publics seront plus efficaces.

La révolution ne réside donc pas nécessairement dans un nouveau mode de transport. Elle réside dans la capacité à choisir intelligemment entre ceux qui existent déjà.

C’est d’ailleurs probablement l’une des faiblesses actuelles des politiques de mobilité multimodales. Les entreprises peuvent proposer de nombreuses alternatives à la voiture de société ; encore faut-il que le travailleur sache quelle solution utiliser, à quel moment et comment la réserver. Une IA correctement connectée pourrait éliminer une grande partie de cette friction.

Pour les entreprises, l’enjeu est encore plus important. Un assistant de mobilité pourrait intégrer directement les règles de l’entreprise. Par exemple : privilégier le train pour certains trajets, imposer une catégorie maximale d’hôtel, favoriser les transports publics sous une certaine distance, tenir compte du budget mobilité ou encore recommander la voiture lorsqu’elle constitue la solution économiquement la plus pertinente.

La mobility policy ne serait alors plus un PDF de vingt pages que personne ne lit. Elle deviendrait une règle intégrée au processus de décision.

Lorsque le collaborateur demanderait un trajet, l’assistant pourrait immédiatement lui signaler qu’une option ne correspond pas à la politique de l’entreprise et proposer une alternative.

C’est probablement ici que l’IA pourrait apporter le gain de productivité le plus spectaculaire. Aujourd’hui, la mobilité professionnelle génère une quantité impressionnante de petites tâches administratives : rechercher un trajet, comparer les prix, effectuer une réservation, conserver un reçu, encoder une dépense, vérifier une facture ou modifier un déplacement lorsqu’un train ou un vol est supprimé.

Une grande partie de ces opérations pourrait progressivement être prise en charge par des agents IA. L’assistant de mobilité de demain pourrait donc suivre un déplacement de bout en bout.

Avant le voyage, il organise.

Pendant le voyage, il accompagne.

Après le voyage, il administre.

Et en cas de problème, il réorganise.

Un train supprimé ? L’agent recherche automatiquement l’alternative compatible avec l’agenda du collaborateur et la politique de l’entreprise.

Une réunion annulée ? Il pourrait annuler les réservations qui peuvent encore l’être.

Une facture de parking ? Elle pourrait être automatiquement associée au déplacement correspondant.

À ce stade, on ne parle plus vraiment d’un chatbot, mais plutôt d’un agent de mobilité numérique.

Et le rôle du fleet/mobility manager dans tout cela? Paradoxalement, cette automatisation pourrait renforcer son rôle. Car quelqu’un devra définir les règles selon lesquelles l’IA prend ses décisions. Que faut-il optimiser en priorité ? Le coût ? Le temps ? Le CO₂ ? Le confort du collaborateur ? À partir de combien d’heures de train l’avion devient-il acceptable ? Quand faut-il recommander la voiture ? Quel réseau de recharge privilégier ? Quel budget peut être consacré au parking ? Dans quelles circonstances un taxi est-il autorisé ? Ces arbitrages sont éminemment stratégiques.

Le métier pourrait donc progressivement passer de la gestion des moyens de mobilité à la définition des règles de mobilité.

Et l’IA pourrait fournir au mobility manager une vision beaucoup plus précise des comportements réels. Combien de déplacements auraient pu être effectués autrement ? Sur quelles liaisons le train est-il systématiquement plus efficace ? Où les collaborateurs perdent-ils le plus de temps ? Quels déplacements génèrent beaucoup de CO₂ pour peu de valeur ajoutée ? Où faudrait-il installer des bornes supplémentaires ? L’IA pourrait transformer une multitude de données aujourd’hui dispersées en recommandations directement exploitables.

Il serait pourtant dangereux de conclure que l’IA saura systématiquement choisir la meilleure solution. Parce que la notion même de « meilleure mobilité » est subjective.

Un trajet en train de quatre heures peut être considéré comme du temps productif par un collaborateur et comme quatre heures perdues par un autre. Une voiture peut sembler plus coûteuse sur un trajet isolé mais devenir rationnelle lorsque trois collègues voyagent ensemble. Un itinéraire théoriquement optimal peut devenir absurde lorsqu’il impose trois correspondances à un collaborateur transportant du matériel.

L’IA ne supprime donc pas la nécessité de définir une politique de mobilité intelligente. Elle la rend au contraire encore plus importante. Une IA alimentée par une mauvaise mobility policy automatisera simplement de mauvaises décisions beaucoup plus rapidement. C’est probablement le principal piège à éviter.

Pour fonctionner réellement comme assistant de mobilité, l’IA devra accéder à de nombreuses informations : agenda professionnel, localisation, habitudes de déplacement, données du véhicule, transactions, moyens de paiement, préférences personnelles et potentiellement données RH. Ce qui pose immédiatement des questions de confidentialité, de cybersécurité et de gouvernance.

En Europe, ces questions ne pourront pas être traitées à la légère. Le RGPD encadre déjà le traitement des données personnelles, tandis que l’AI Act impose différents niveaux d’obligations selon l’usage des systèmes d’intelligence artificielle. Les systèmes utilisés pour certaines décisions concernant les travailleurs ou pour surveiller et évaluer leurs performances sont notamment considérés comme des systèmes à haut risque.

Il faudra donc tracer une frontière très claire entre aider un collaborateur à se déplacer et surveiller la manière dont il se déplace. Techniquement, la distance entre les deux peut être extrêmement faible. Juridiquement et socialement, elle est immense.

L’arrivée d’Eurostar dans ChatGPT n’est donc qu’un petit signal parmi beaucoup d’autres. Mais il est révélateur. Pendant des années, nous avons cherché à construire la mobilité professionnelle autour d’une multitude d’applications et de plateformes spécialisées. L’intelligence artificielle pourrait progressivement ajouter une couche au-dessus de cet écosystème et devenir l’interface par laquelle le travailleur accède à l’ensemble de ses solutions de mobilité.

Le collaborateur ne demandera peut-être bientôt plus : « Quelle application dois-je ouvrir ? »

Il dira simplement : « Je dois être à Amsterdam demain matin. Organise-moi ça. »

Derrière cette phrase apparemment banale, l’IA devra alors arbitrer entre voiture, train, avion, transports publics, recharge, parking, prix, temps, CO₂ et règles de l’entreprise.

Voilà pourquoi la véritable question n’est sans doute déjà plus de savoir si l’intelligence artificielle va entrer dans le mobility management. Elle y entre déjà.

La vraie question est de savoir qui définira les règles qu’elle utilisera pour décider. Et sur ce point, les fleet et mobility managers ont tout intérêt à prendre les devants.