Ford rappelle des ingénieurs : l’IA ne suffit pas à la qualité des voitures

Ford a dû revenir sur un point que de nombreuses entreprises prétendent encore être automatique : l’intelligence artificielle peut accélérer les processus, réduire les délais et identifier les anomalies, mais elle ne remplace pas en soi l’expérience accumulée par ceux qui conçoivent, testent et corrigent une voiture depuis des décennies. Le groupe de Dearborn a expliqué avoir rappelé environ 300 ingénieurs chevronnés ces dernières années pour renforcer les contrôles qualité, après que les outils automatisés introduits dans la production et le développement des véhicules n’aient pas atteint le niveau attendu.

La nouvelle a un poids qui va au-delà du cas Ford. Cela survient alors que l’industrie automobile, sous pression en termes de marges, de coûts de garantie, de rappels et de transition logicielle, investit dans l’IA comme levier pour augmenter la productivité et réduire les défauts. Ford lui-même, dans son rapport trimestriel du 23 octobre 2025, a déclaré aux investisseurs qu’il déployait l’IA « à travers le système industriel », citant parmi les exemples 900 caméras intelligentes dans les usines pour intercepter les problèmes de qualité à la source et limiter les interruptions de la chaîne d’approvisionnement.

La limite apparue dans les contrôles qualité

Selon les mots de Charles Poon, vice-président de l’ingénierie du matériel automobile, ce tournant est décisif. S’adressant aux journalistes le 25 juin 2026, Poon a reconnu que l’entreprise avait surestimé la capacité des systèmes d’IA à traduire les exigences de conception et les données techniques en un produit final de haute qualité. L’erreur, essentiellement, n’a pas été d’utiliser l’IA, mais de penser qu’il suffisait de l’introduire dans les processus pour obtenir automatiquement de meilleurs résultats.

Selon Poon, les outils automatisés ne disposent pas d’une formation suffisante. Certains des savoir-faire les plus précieux ont quitté l’entreprise avec les techniciens les plus expérimentés, avant que cette expérience puisse être transférée dans les systèmes et flux de validation. Ford s’est ainsi retrouvé avec des modèles et des procédures dépourvus de la mémoire industrielle qui permet souvent de voir à l’avance un défaut, un point faible d’assemblage ou un problème critique échappant aux contrôles standards.

La réponse a été concrète. Selon Ford, les ingénieurs rappelés font office d’auditeurs internes et participent aux contrôles de conception hebdomadaires obligatoires pour identifier les points de défaillance potentiels avant que les dessins n’atteignent la chaîne de production. L’entreprise parle d’une « régénération significative des talents », avec le remplacement d’environ deux tiers des hauts dirigeants des secteurs de l’ingénierie, de la fabrication et de la chaîne d’approvisionnement.

Parce que Ford ne peut pas se permettre des erreurs

La correction de cap se comprend mieux en examinant le contexte. Ces dernières années, Ford a payé cher les problèmes de qualité. Reuters avait déjà rapporté en décembre 2024 que le groupe modifiait ses directives qualité pour réduire les coûts de garantie et inverser un record de rappels qui pesaient sur les comptes et la réputation de la marque. Jim Farley, PDG depuis 2020, avait indiqué la qualité comme priorité stratégique.

Pour un constructeur comme Ford, l’enjeu n’est pas seulement industriel, mais financier. Chaque défaut qui atteint le client peut se transformer en rappel, frais de garantie, temps d’arrêt de l’atelier, perte de valeur de marque et pire positionnement commercial. Dans une industrie où le véhicule est de plus en plus défini par logiciel, un problème peut provenir d’un composant mécanique, d’un fournisseur, d’une mise à jour numérique ou de l’interaction entre plusieurs systèmes. C’est pourquoi les dirigeants de Ford décrivent la nouvelle approche comme un changement par rapport à «trouver et réparer »c’est-à-dire rechercher et corriger les défauts après leur apparition, avec une logique de prévention.

Les chiffres de la récupération

Le plus intéressant est que Ford a admis les limites de l’IA alors même qu’il célébrait une réalisation industrielle majeure. Le 25 juin 2026, JD Power a publié la nouvelle édition du Étude de qualité initiale aux États-Unis, sur la base des réponses de 78 514 acheteurs et utilisateurs de véhicules de l’année modèle 2026 interrogés au cours des 90 premiers jours, complétées par les données de réparation collectées auprès des réseaux officiels. Ford était la première marque grand public aux États-Unis avec 152 problèmes pour 100 véhicules, devant Nissan et Buick.

Dans son communiqué, Ford a indiqué avoir amélioré ses performances de 41 problèmes pour 100 véhicules par rapport à l’année précédente, soit la plus grande amélioration parmi les marques grand public. Ce n’est pas un détail : le groupe était seizième en 2023 et revient au sommet des marques grand public pour la première fois depuis 2010. Les modèles F-150, Mustang et Super Duty dominent leurs segments respectifs pour la deuxième année consécutive.

Cette reprise n’est cependant pas attribuée exclusivement par Ford à l’IA. Au lieu de cela, l’entreprise affirme que ce saut est le produit d’une réorganisation plus large : 300 ingénieurs chevronnés réintégrés dans le cycle de révision, des fournisseurs impliqués dans le développement plus tôt, une réduction de 30 % des problèmes de lancement d’une année sur l’autre, une présence accrue des dirigeants dans l’usine, des systèmes de vision par ordinateur pour soutenir les opérateurs et une accélération majeure des tests de logiciels.

L’IA reste, mais change de rôle

Ford ne démantèle pas sa stratégie en matière d’IA. Elle redéfinit son périmètre. Kumar Galhotra, directeur de l’exploitation, avait déclaré aux investisseurs que l’IA était désormais distribuée dans tout le système industriel. Les 900 caméras intelligentes des usines permettent d’intercepter les anomalies en temps réel. De plus, dans les équipes logicielles, l’entreprise a introduit des centaines de milliers de scénarios de tests automatisés pour stresser le code avant qu’il n’arrive sur le véhicule.

Ici aussi, le message est le suivant : l’automatisation est utile si elle fonctionne dans le cadre d’un système de règles, de données et de responsabilités humaines. The Verge écrit que Ford a créé une équipe dédiée à l’assurance qualité des logiciels et a réussi 100 000 tests assistés par l’IA pour valider les systèmes dans des conditions extrêmes et des cas extrêmes. Le constructeur essaie donc d’utiliser l’IA comme un multiplicateur de capacité de vérification, et non comme un substitut au jugement technique.

Cette distinction est importante. En usine, l’IA peut voir plus d’images qu’un inspecteur et signaler une anomalie plus rapidement. Mais il ne sait pas toujours comment peser le contexte, distinguer un faux positif d’un défaut grave, relier un microsignal à une cause sous-jacente ou comprendre qu’un choix de conception entraînera des problèmes des mois plus tard. C’est dans ce domaine que l’expérience des techniciens supérieurs devient déterminante.

Le contraste avec les mots de Farley

L’affaire produit également un court-circuit politique et culturel. En juin 2025, Jim Farley, s’exprimant àFestival des idées d’Aspen avec Walter Isaacson, il a déclaré que l’IA laisserait derrière elle de nombreux cols blancs et qu’elle pourrait remplacer « littéralement la moitié » des cols blancs aux États-Unis. L’expression a eu une grande résonance à Wall Street et dans le débat syndical.

Cependant, un an plus tard, Ford envoie un signal plus complexe. D’une part, cela confirme que l’automatisation reste essentielle pour maîtriser les coûts, accélérer les processus et gérer la complexité croissante de la voiture connectée. D’un autre côté, cela montre que les connaissances spécialisées ne peuvent être remplacées par la seule puissance de calcul. En effet, pour certaines activités, la valeur du travail humain augmente à mesure que les produits deviennent plus sophistiqués et que la marge d’erreur se rétrécit.

La promesse de réduire les coûts de main-d’œuvre grâce à l’IA se heurte au coût souvent sous-estimé de la perte de compétences. Si une entreprise supprime trop rapidement son capital humain le plus expérimenté, elle risque de payer deux fois : d’abord en qualité, puis en rachat de compétences qu’elle avait lâchées.

Les autres actualités qui comptent autour de l’affaire

Les nouvelles publiées par Ford ces dernières semaines vont toutes dans le même sens. Le groupe affirme avoir renforcé l’intégration entre l’ingénierie, la fabrication, la qualité et la chaîne d’approvisionnement dans un seul « système industriel », une structure créée en 2023 pour éliminer les silos qui ralentissaient la correction des problèmes. Le fournisseur est impliqué en premier et la validation des composants a lieu plus en amont, dans le but d’éviter qu’une erreur n’entre en production.

Un autre volet concerne les logiciels. JD Power 2026 rapporte que, dans l’industrie, l’infodivertissement et les écrans tactiles restent parmi les principales sources de problèmes de conduite et de distractions. Ford affirme avoir amélioré précisément ce domaine, avec des résultats supérieurs de 11 points à la moyenne du secteur. C’est un aspect pertinent car l’électronique embarquée est l’un des domaines dans lesquels la qualité perçue par le client se forme le plus rapidement.

Le tableau n’autorise cependant pas le triomphalisme. Les rappels accumulés ces dernières années restent un fardeau et la qualité « initiale », mesurée dans les 90 premiers jours, ne coïncide pas toujours avec la fiabilité à long terme. Ford a rattrapé son retard, mais le véritable test sera de transformer l’amélioration en un résultat stable, en réduisant les coûts de garantie et les campagnes de rappel même sur les modèles déjà en circulation.

La leçon pour l’industrie

L’affaire Ford touche l’ensemble de l’industrie de pointe. L’IA fonctionne bien lorsque le processus est bien décrit, que les données sont fiables, que le feedback est continu et que quelqu’un sait reconnaître les erreurs du système. Or, lorsque les savoir-faire sont tacites, dispersés ou non codifiés, la machine tend à répliquer les limites de l’ensemble de formation. Dans un secteur critique pour la sécurité car la voiture, cette frontière devient décisive.

Ford ne dit pas que l’IA n’est pas utile. Cela dit quelque chose de plus utile pour le marché : l’IA ne suffit pas. Il est utilisé pour voir plus, tester davantage, rendre compte plus tôt. Mais pour prendre de bonnes décisions, surtout lorsqu’un défaut peut coûter des millions de dollars et compromettre la confiance des clients, il faut quand même des ingénieurs qui connaissent le produit, la chaîne d’approvisionnement et les erreurs déjà constatées lors des cycles précédents. L’automobile, du moins pour l’instant, reste un métier dans lequel l’expérience ne peut pas être téléchargée avec une mise à jour.