Comment CMA CGM déploie l’IA pour réinventer sa logistique en 2026

En 2026, CMA CGM ne parle plus d’IA comme d’une expérimentation, mais comme d’une brique centrale de sa logistique mondiale. Le groupe revendique déjà plus de 55 projets IA en production et plus de 200 cas d’usage identifiés sur ses activités de shipping, de logistique (CEVA Logistics) et de media. Au cœur du dispositif, une plateforme agentique baptisée MAIA, co-développée avec Mistral AI, commence à être déployée auprès de près de 80 000 collaborateurs.

L’ambition est claire : automatiser une partie des 54 millions de demandes clients traitées chaque année, optimiser le routing des navires, fiabiliser les ETA, mieux planifier les entrepôts et sécuriser les terminaux. Ce top 5 se concentre sur les usages d’IA les plus structurants annoncés pour 2025-2026, avec les chiffres qui permettent de mesurer l’impact réel sur la logistique.

1. MAIA, la plateforme d’IA agentique qui orchestre la logistique du groupe

MAIA est le socle d’IA générative et d’agents que CMA CGM commence à déployer à grande échelle pour ses équipes shipping, logistique et media.

MAIA est présentée comme une plateforme agentique permettant de créer et d’orchestrer des agents d’IA reliés aux applications métiers et aux données internes du groupe. Cette plateforme, co-développée avec Mistral AI dans le cadre d’un partenariat stratégique de cinq ans signé en avril 2025, intègre une vingtaine d’ingénieurs Mistral au siège marseillais et chez CMA Media. Le déploiement progressif de MAIA "Powered by Mistral" est annoncé à partir du 1er juin 2026, avec une cible de près de 80 000 collaborateurs concernés sur CMA CGM, CEVA Logistics et CMA Media.

Les cas d’usage IA déjà activés via MAIA couvrent notamment :

• la génération de contenus (textes, supports, réponses commerciales) contextualisés par les données internes
• l’analyse de documents (contrats, BL, factures, réclamations) pour accélérer les tâches administratives
• l’automatisation de tâches administratives récurrentes, par des agents capables d’interagir avec les systèmes internes
• des outils de décision pour les équipes opérationnelles (routing, pricing, forecasting)

Une AI Factory dédiée, basée au siège marseillais, sert de moteur à cette transformation. Elle est citée comme ayant déjà développé des solutions pour le traitement automatisé des réclamations, des outils e-commerce intelligents et une gestion documentaire avancée. CMA CGM annonce un engagement de 100 millions d’euros sur cinq ans avec Mistral AI, avec une capacité de formation allant jusqu’à 3 000 collaborateurs par an aux usages de l’IA.

💡 À retenir : MAIA n’est pas un chatbot isolé mais une plateforme d’agents d’IA branchée sur les applications métiers, avec 100 M€ d’investissements et un périmètre de 80 000 collaborateurs.

Des agents IA au cœur des processus logistiques

Selon les informations disponibles, le groupe a déjà déployé plus de 55 projets IA et identifié plus de 200 cas d’usage à l’échelle globale. Ces projets couvrent une partie critique des flux logistiques :

• smart booking et smart pricing sur les réservations de fret
• prédiction d’ETA (Estimated Time of Arrival) pour fiabiliser les opérations ports/clients
• smart cargo release pour réduire les délais administratifs de libération des conteneurs
• routing des navires et optimisation énergétique, directement lié aux coûts de carburant et aux objectifs de décarbonation
• outils de smart labor planning dans les entrepôts de CEVA Logistics

Même si CMA CGM ne publie pas de grille tarifaire publique pour MAIA (plateforme interne), on peut néanmoins situer l’ordre de grandeur en comparant aux offres de LLM d’entreprise. Les principaux acteurs du marché facturent des accès LLM pour grandes entreprises dans une fourchette souvent comprise entre 20 et 40 dollars par utilisateur et par mois pour des usages standards, et sur des modèles de consommation (tokens) pour les usages intensifs. Cette estimation reste indicative, car CMA CGM joue ici un rôle de client stratégique avec un investissement global de 100 M€ sur 5 ans et des engagements de compute sur plusieurs années.

💡 À retenir : avec plus de 55 projets IA et 200 cas d’usage, MAIA devient l’interface unique entre les métiers logistiques et les capacités d’IA, du pricing au routing en passant par le traitement des réclamations.

2. Automatisation de la relation client et du suivi de 54 millions de demandes

CMA CGM s’appuie sur l’IA pour absorber un volume de demandes clients que peu d’acteurs peuvent gérer uniquement avec des équipes humaines.

Le groupe indique que ses agents assistés par IA gèrent désormais plus de 54 millions de requêtes clients par an, en particulier sur :

• le suivi de conteneurs et de cargaisons (tracking)
• les questions opérationnelles (délais, incidents, documentation)

Les agents IA prennent en charge les demandes simples et standardisées, tandis que les cas complexes sont escaladés vers les équipes humaines. Cette architecture hybride permet de conserver un contrôle humain sur les décisions sensibles (litiges, réclamations, dérogations), tout en automatisant la majorité du flux.

Quels types de tâches sont automatisés ?

Les cas d’usage décrits incluent :

• des assistants conversationnels capables de répondre aux questions fréquentes sur la localisation d’un conteneur, les horaires prévisionnels, ou l’état d’une réservation
• des workflows automatisés de tri et de traitement des réclamations, avec extraction automatique des données pertinentes dans les e-mails ou documents
• des suggestions de réponses pour les équipes service client, pré-rédigées par l’IA à partir des données du dossier

Pour les volumes évoqués (54 millions de demandes par an), même un gain de quelques dizaines de secondes par demande représente un impact considérable. Si l’on prend une hypothèse prudente de 30 secondes économisées par demande grâce aux réponses automatisées ou pré-rédigées, cela représente l’équivalent de plus de 450 000 heures de travail par an. Cette estimation reste indicative, mais elle illustre la logique de l’investissement de 100 M€ côté CMA CGM.

💡 À retenir : l’IA prend en charge le gros du flux de 54 millions de demandes clients par an, avec escalade vers l’humain pour les cas complexes, ce qui change l’échelle du service client logistique.

3. Prédictions d’ETA, smart booking et smart pricing : l’IA dans le cœur opérationnel

L’IA n’est pas cantonnée au front office : CMA CGM l’intègre au centre de la machinerie de la logistique maritime.

Parmi les cas d’usage listés par le groupe, plusieurs sont directement liés à la performance opérationnelle :

• prédiction d’ETA (Estimated Time of Arrival) pour les navires et les conteneurs
• smart booking, pour optimiser les réservations de capacité
• smart pricing, pour ajuster les tarifs en fonction des conditions de marché et de la demande
• smart cargo release pour accélérer la sortie des marchandises des terminaux
• routing des navires et optimisation de la consommation énergétique

Même si CMA CGM ne publie pas de chiffres détaillés de benchmarks, ces usages s’alignent sur les gains typiquement observés chez les grands armateurs qui exploitent des modèles d’optimisation. On constate généralement :

• des améliorations de 5 à 15 % de précision sur les ETA par rapport aux méthodes traditionnelles basées sur des règles et des historiques simples
• des gains de quelques points de pourcentage sur la consommation de carburant via des routes optimisées et une gestion fine de la vitesse

Ces ordres de grandeur sont cohérents avec ce que l’on observe dans d’autres projets de shipping assisté par IA.

Zoom sur la prédiction d’ETA et les flux logistiques

La prédiction d’ETA est cruciale pour synchroniser les opérations portuaires, les pré/post acheminements et les promesses de délais faites aux clients. Des modèles d’IA entraînés sur les historiques de navigation, les conditions météo, la congestion portuaire et les incidents permettent :

• de réduire le nombre de retards non anticipés, en détectant plus tôt les dérives probables
• d’adapter la planification des équipes dans les terminaux et les entrepôts
• d’actualiser les informations clients de manière fiable, via les agents conversationnels connectés aux modèles de prédiction

💡 À retenir : ETA, booking, pricing et routing sont désormais des sujets IA chez CMA CGM, avec des gains opérationnels qui se répercutent directement sur les coûts et la fiabilité logistique.

4. Smart labor planning et IA dans les entrepôts CEVA Logistics

CMA CGM ne limite pas l’IA aux navires et aux terminaux : les entrepôts de CEVA Logistics sont explicitement cités comme un terrain d’application majeur.

Le groupe évoque des outils de smart labor planning dans les entrepôts. L’idée est d’utiliser l’IA pour :

• prévoir les volumes et la demande (nombre de colis, de palettes, de commandes) à traiter
• adapter les plannings du personnel en fonction des pics et des creux
• optimiser l’affectation des équipes sur les différentes tâches (réception, préparation, expédition, inventaire)

Des modèles de demand forecasting et de volume forecasting sont exploités pour alimenter ces outils. Ce type de systèmes, déjà utilisé dans d’autres groupes logistiques, permet souvent :

• une réduction du recours au personnel intérimaire, grâce à une visibilité plus fine sur les besoins
• une diminution des heures supplémentaires non planifiées, avec une meilleure anticipation des pics

Même si CMA CGM ne publie pas de pourcentages précis, le marché montre régulièrement des gains à deux chiffres sur les coûts de main-d’œuvre lorsque ces outils sont bien calibrés.

💡 À retenir : l’IA n’est pas seulement une aide à la planification des navires, elle pilote aussi la planification des équipes dans les entrepôts CEVA, en s’appuyant sur des modèles de forecasting.

5. Sécurité des terminaux et navires assistés par IA

Dernier axe majeur : l’IA pour la sécurité des terminaux et le concept de navire assisté par IA, développé avec des partenaires.

Perception intelligente et safety dans les terminaux

CMA CGM met en avant l’usage de systèmes de perception augmentée par IA dans ses terminaux. Ces systèmes s’appuient sur :

• des radars 4D,
• des caméras,
• des capteurs divers,
• des digital twins qui reconstituent une version virtuelle des zones de manœuvre.

Les données sont analysées en temps réel pour :

• anticiper les situations dangereuses (proximité engins/piétons, trajectoires à risque)
• générer des alertes proactives avant qu’un incident ne survienne

Un partenaire comme Zadar Labs mentionne explicitement son rôle dans ces systèmes, en fournissant des radars d’imagerie 4D couplés à des algorithmes d’IA pour la perception. Ces dispositifs s’inscrivent dans une logique de réduction des accidents, avec un monitoring continu des zones critiques.

💡 À retenir : dans les terminaux CMA CGM, l’IA et des capteurs avancés transforment la safety en capacité d’anticipation, plutôt qu’en simple réaction aux incidents.

Navires assistés par IA : le projet avec Bureau Veritas et SDARI

En 2026, CMA CGM annonce avec Bureau Veritas et Shanghai Merchant Ship Design and Research Institute (SDARI) un projet conjoint de navire porte-conteneurs assisté par IA. Ce projet, signé lors du salon SMM 2026, vise à développer un concept de navire doté de systèmes de decision support avancés, basés sur :

• la digitalisation des données de navigation et d’exploitation
• des systèmes d’IA d’aide à la décision pour l’équipage

Les objectifs mis en avant sont :

• l’amélioration de la performance énergétique et opérationnelle
• le renforcement de la sécurité du navire, des équipages et des cargaisons

Les partenaires prévoient de demander une Approval in Principle (AiP) pour ce concept. Ce type de projet s’inscrit dans la tendance des navires “assisted” où l’IA ne remplace pas l’humain, mais fournit des recommandations en temps réel sur la vitesse, la route, la gestion de la propulsion ou les réponses à des situations anormales.

💡 À retenir : le projet de navire assisté par IA, porté avec Bureau Veritas et SDARI, montre que CMA CGM ne cantonne pas l’IA aux back-offices : elle entre dans la timonerie, comme système d’aide à la décision.

Comparatif des principaux usages IA déployés par CMA CGM

Pour clarifier les niveaux d’impact et les enjeux, voici un tableau synthétique des usages d’IA cités, avec les dimensions qui intéressent directement un acteur logistique :

Ce tableau ne fournit pas de prix par cas d’usage, car CMA CGM ne commercialise pas ces solutions en externe. Les montants connus sont des investissements totaux :

• 100 millions d’euros engagés sur cinq ans dans le partenariat avec Mistral AI et l’AI Factory
• des engagements de compute de plusieurs années dans le cadre des annonces Mistral sur ses data centers européens

💡 À retenir : CMA CGM combine IA générative, optimisation, perception et decision support dans un portefeuille unifié, avec MAIA comme colonne vertébrale.

Notre avis : qui devrait s’inspirer de la stratégie IA de CMA CGM dès maintenant ?

Le choix de CMA CGM de structurer l’IA autour d’une plateforme agentique (MAIA) et d’un partenariat lourd avec Mistral AI change la nature du sujet pour la logistique. On n’est plus sur des POC isolés, mais sur une logique d’industrialisation à l’échelle d’un groupe de 80 000 collaborateurs.

Pour les six prochains mois, plusieurs profils d’acteurs peuvent tirer des enseignements concrets :

• les grands logisticiens qui hésitent encore entre une approche multi-outils et un partenariat stratégique avec un fournisseur de LLM d’entreprise
• les port operators qui cherchent des modèles pour déployer des systèmes de perception IA pour la safety, tout en conservant une gouvernance humaine
• les chargeurs et industriels qui se demandent comment articuler IA générative, optimisation de planning et forecasting dans une même stack

Le mouvement de CMA CGM suggère que la question centrale n’est plus "faut-il adopter l’IA ?", mais "comment l’intégrer de façon cohérente dans l’architecture métier". Les projets de navires assistés par IA avec Bureau Veritas et SDARI, les systèmes de safety dans les terminaux et le déploiement de MAIA dessinent une convergence : l’IA devient un outil de pilotage transversal, pas un gadget.

La vraie inconnue reste la mesure fine de l’impact : dans les prochains mois, les chiffres de gains précis (pourcentage d’amélioration ETA, réduction d’incidents, économies de main-d’œuvre) seront déterminants pour confirmer la robustesse du modèle. La question qui se pose aux autres acteurs logistiques est simple :

Jusqu’où pouvez-vous aller dans l’industrialisation de l’IA sans une colonne vertébrale type MAIA, et combien de temps pouvez-vous attendre avant de structurer vos propres agents autour de vos données métier ?