Bitcoin sans direction claire depuis des semaines. Pendant que le marché le décide, votre crypto peut générer des rendements → Binance Earn.
Espace sponsorisé
« Nous pensions à tort qu'en introduisant simplement l'intelligence artificielle et en prenant en compte les exigences de conception dont nous disposions, nous pourrions produire un produit de haute qualité. » Cette phrase a été prononcée par Charles Poon, vice-président de l'ingénierie matérielle automobile chez Ford, lors d'un appel avec des journalistes la semaine dernière. Le même jour, JD Power a publié son étude annuelle initiale sur la qualité et a placé Ford au premier rang des marques grand public pour la première fois depuis 2010.
Le constructeur a atteint 152 problèmes signalés pour 100 véhicules dans l'étude de qualité initiale américaine JD Power 2026, publiée le 25 juin à Troy, Michigan. Ce chiffre dépasse Nissan (156) et Buick (162) dans le segment grand public. Seules Porsche (138), Genesis (151) et Lexus (156) ont fait mieux au classement général. Les F-150, Mustang et Super Duty ont remporté leurs segments respectifs pour la deuxième année consécutive. Ford est passé de la 15e place en 2023 à la première place en 2026.
Le cycle de l’erreur et de la correction
Entre 2020 et 2023, Ford a adopté la tendance prédominante dans la fabrication industrielle : intégrer l’automatisation et l’intelligence artificielle dans les processus de contrôle qualité pour réduire les coûts et accélérer la détection des défauts. Cependant, des problèmes sont survenus lors de la mise en œuvre.
Les ingénieurs les plus expérimentés, ceux qui ont deux ou trois cycles de produits à leur actif et une compréhension approfondie des pannes et de leurs causes, ont quitté l'entreprise. Beaucoup sont partis avant d’avoir pu transférer leur précieuse expérience vers de nouveaux modèles technologiques.
Les outils ont appris de données incomplètes, formés sur des systèmes qui ne reflétaient pas toute la casuistique qu'un vétéran aurait apporté. Le résultat était mesurable en termes de coûts : à la mi-2024, les rappels coûtaient à Ford 4,8 milliards de dollars par an selon Fortune, et en 2025, 153 rappels ont été effectués, le record absolu pour une seule entreprise en un an. La NHTSA a imposé une amende civile de 165 millions de dollars pour non-respect des exigences fédérales en matière de notification.
La solution a été d'embaucher, de promouvoir et de rapatrier plus de 350 ingénieurs vétérans – « barbes grises » dans le jargon interne – au cours des trois dernières années. Ils ne sont pas venus remplacer l’IA, mais la recycler. Aujourd'hui, ils organisent des réunions de diagnostic qualité obligatoires et, selon les mots de Kumar Galhotra, directeur des opérations du fabricant, « ils recherchent les points de défaillance avant qu'une pièce n'atteigne la chaîne de production ».
Le paradoxe de Ford
Le numéro un en qualité initiale est aussi le champion des rappels. Jusqu'à présent, en 2026, Ford a lancé 51 actions de rappel affectant plus de 11,2 millions de véhicules, selon le décompte de Motor1 au 23 juin. L'entreprise prévoit de clôturer l'année avec plus d'un milliard de dollars en coûts de garantie et de matériaux.
Les deux métriques peuvent coexister car elles mesurent des phénomènes différents. L'étude de JD Power évalue les problèmes signalés au cours des 90 premiers jours d'utilisation, alors que la majeure partie des rappels concernent les générations précédentes – principalement de 2020 à 2022 – et s'accumulent en raison de la décision de Ford de notifier plus rapidement et plus largement après la sanction de la NHTSA.
Galhotra a décrit les rappels comme un « indicateur retardé » dont il s’attend à ce que la tendance diminue avec les nouvelles cohortes.
La leçon qui dépasse Ford
La reconnaissance de Poon arrive à un moment unique dans le débat sur l'IA et l'emploi. Selon le rapport de mai de Challenger, Gray & Christmas, au cours des cinq premiers mois de 2026, 87 714 licenciements ont été annoncés aux États-Unis, l'IA étant citée comme cause directe, soit 22 % du total des suppressions d'emplois pour l'année.
Ce chiffre dépasse déjà 54 836 pour l’ensemble de 2025. Rien qu’en mai, l’IA a été mentionnée dans 38 579 licenciements, le record absolu en un mois depuis que le cabinet de conseil a commencé à suivre les données en 2023.
Fin mai, Sam Altman, PDG d’OpenAI, a déclaré lors d’une conférence de la Commonwealth Bank of Australia à Sydney qu’il était « ravi de se tromper » sur le rythme de destruction des emplois de cols blancs. « Je pensais qu'il y aurait plus d'impact qu'il n'y en a eu en réalité », a-t-il admis. Les PDG d’IA qui promettaient une apocalypse imminente pour l’emploi nuancent désormais ce message.
L'expérience de Ford ajoute un argument concret à ce débat. L’IA appliquée à l’industrie manufacturière ne remplace pas l’ingénieur chevronné : elle en a besoin pour bien fonctionner.
Non seulement les modèles formés sans ces connaissances institutionnelles ne sont pas meilleurs ; Ils peuvent être activement pires. Un technicien qui a vu échouer trois générations d’un même moteur possède un atout qu’aucun modèle ne peut synthétiser à partir des fiches techniques.
L’aspect le plus remarquable de cette affaire n’est pas la récompense JD Power, mais la rapidité avec laquelle la situation a été corrigée. Il a fallu trois ans pour diagnostiquer l’erreur et récupérer les connaissances perdues. Dans le domaine de la fabrication, où les cycles de production sont longs, cette marge de temps existe. Cependant, dans les secteurs avec des cycles de six mois, cela n'est pas possible.
Les entreprises qui automatisent aujourd'hui leurs processus de jugement d'experts sans documenter au préalable les connaissances institutionnelles de leurs équipes pourraient se retrouver, d'ici deux ou trois ans, à tenter de réembaucher des personnes qui ne souhaitent plus revenir.
-Nyrie