Ford a récemment révélé que l'entreprise avait dû réembaucher environ 350 ingénieurs « barbe grise » expérimentés au cours des trois dernières années pour encadrer les jeunes employés et réécrire des systèmes de diagnostic et des outils d'IA auparavant sous-performants afin de compenser les défauts flagrants du contrôle qualité. Charles Poon, vice-président de l'ingénierie matérielle des véhicules chez Ford, a déclaré dans une interview que la direction avait auparavant sous-estimé la profonde expérience accumulée par les ingénieurs seniors qui ont expérimenté plusieurs séries d'itérations de produits, et que le simple fait de les remplacer par l'IA "est une énorme erreur".

Poon a souligné que l’IA est « un très bon outil », mais qu’elle « ne peut être aussi bonne que les informations utilisées pour la former ». Sans données empiriques de haute qualité et sans scénarios d’application corrects, il est difficile pour les algorithmes seuls de répondre aux exigences de fiabilité des produits automobiles complexes. Les anciens ingénieurs qui ont été réembauchés sont désormais organisés pour organiser des réunions régulières obligatoires, se concentrer sur le dépannage des problèmes des véhicules et reprogrammer les logiciels d'ingénierie automatisés et les outils d'IA pour éliminer autant que possible les défauts potentiels avant que les pièces n'entrent dans la chaîne de production.

L'objectif de ces experts techniques est d'identifier à un stade précoce les faiblesses des processus de conception et de fabrication afin de réduire les pertes causées par les rappels à grande échelle et les défauts de qualité. Ford aurait dépensé des milliards de dollars en problèmes de qualité et en rappels, et l'entreprise vise à réduire ses dépenses d'un milliard de dollars cette année. L'amélioration de la qualité est donc considérée comme la clé de la survie et de la rentabilité.

À en juger par les indicateurs externes, cet ajustement a commencé à produire ses effets. Dans l'enquête J.D. Power sur la qualité des véhicules neufs de l'année dernière, une étude annuelle qui évalue la qualité d'un véhicule au cours de ses trois premiers mois de possession, Ford ne s'est classée que 10e parmi les marques grand public, avec un score inférieur à la moyenne de l'industrie. Cependant, dans la même liste cette année, J.D. Power a classé Ford n°1 parmi les marques grand public, surpassant ses concurrents tels que Toyota et Honda. Ford a attribué cette amélioration « en avant » directement au retour des capacités professionnelles et de l'expérience des ingénieurs réembauchés.

L’expérience de Ford est également considérée comme un microcosme de la vague actuelle de « remplacement de l’IA » à grande échelle dans les entreprises. Careerminds, une organisation de services sur le lieu de travail, a précédemment mené des statistiques sur les entreprises qui avaient mis en œuvre des « licenciements basés sur l'IA » et a constaté que 35,6 % d'entre elles ont dû réembaucher plus de la moitié des employés licenciés, et 32,7 % ont réembauché 25 à 50 % des employés d'origine. Cela montre qu’en pratique, de nombreuses entreprises constatent que l’IA ne peut pas entreprendre pleinement des fonctions de travail complexes initialement exécutées par des humains et doivent faire des ajustements entre les coûts et la continuité des activités.

La société Fintech Klarna est un autre excellent exemple. En 2024, le PDG de l'entreprise, Sebastian Siemiatkowski, a annoncé de manière très médiatisée que le chatbot nouvellement lancé assumait une charge de travail équivalente à 700 employés du service client à temps plein au cours de son premier mois de lancement. En conséquence, l’entreprise a gelé le recrutement et supprimé des centaines de postes. Cependant, vers la mi-2025 et 2026, Klarna a commencé à intensifier son recrutement de personnel de service client humain, la satisfaction des clients ayant considérablement diminué.

Il s'avère que l'IA est excellente pour traiter des questions simples et standardisées telles que la vérification des soldes de comptes, mais une fois confrontée à des appels complexes d'utilisateurs qui nécessitent de comprendre le contexte, les émotions et les nuances, elle peut facilement se transformer en réponses mécaniques, brutales et « de type robot », pleines de jargon d'entreprise qui ne parviennent pas à véritablement résoudre le problème. Dans ce cas, la patience des utilisateurs pour les services d'IA pure est rapidement épuisée et les entreprises doivent réexaminer la stratégie radicale de « l'IA totale ».

L'aveu des erreurs de Ford et le retour à la « collaboration homme-machine » ont été perçus par de nombreux observateurs du secteur comme un signal d'alarme : même avec le développement rapide de la technologie de l'IA, les experts humains expérimentés jouent toujours un rôle clé dans la conception de systèmes complexes, le contrôle qualité et le service client. Pour les entreprises qui espèrent licencier un grand nombre d’employés et les remplacer directement par l’IA, il est peut-être plus important de trouver un équilibre entre les améliorations de l’efficacité et l’expérience professionnelle que de simplement poursuivre l’automatisation.