Ford a réembauché des ingénieurs licenciés pour corriger les ratés de ses systèmes automatisés

Ford a pris la première place parmi les constructeurs généralistes dans le classement américain de qualité initiale de JD Power. L'entreprise en a profité pour parler ouvertement des difficultés rencontrées ces dernières années, et avant tout des problèmes liés à l'automatisation de la production et de la conception.

Les robots se trompaient, les humains sont revenus

Pendant plusieurs années, Ford a déployé activement des systèmes automatisés dans la fabrication et la conception de ses voitures. Le pari était simple : robots et algorithmes logiciels devaient garantir une qualité plus stable que le travail manuel et réduire la dépendance au facteur humain.

Cette logique n'a pas fonctionné comme prévu. Les systèmes automatisés se sont révélés moins fiables qu'escompté. Ils commettaient des erreurs aussi bien sur la chaîne de production que dans la conception des pièces et des composants. Une partie de ces erreurs n'apparaissait qu'une fois les voitures livrées, lorsqu'elles commençaient à poser problème dans les premiers mois d'usage, ce que mesure précisément le classement JD Power.

Pour redresser la situation, Ford a dû embaucher des spécialistes techniques expérimentés. Dans plusieurs cas, l'entreprise s'est tournée vers d'anciens salariés, ceux-là mêmes qu'elle avait licenciés pour faire place à l'automatisation. Leur savoir-faire pratique, accumulé pendant des années sur la chaîne de montage, s'est avéré irremplaçable là où l'algorithme échouait : les robots ne savaient pas s'adapter aux situations atypiques, un ingénieur expérimenté si.

Les données décident de tout

Ford n'abandonne ni l'IA ni l'automatisation, mais évoque ouvertement une limite structurelle : l'efficacité de ces technologies dépend entièrement de la qualité des données sur lesquelles les modèles sont entraînés. Un jeu de données faible ou incomplet donne un modèle faible, même si la technologie est techniquement avancée.

Cela dessine plusieurs enseignements pratiques pour tout industriel :

• Des données incomplètes ou obsolètes garantissent des défauts là où l'algorithme n'a jamais rencontré de cas similaires
• Les robots gèrent bien les opérations répétitives, mais s'adaptent mal aux situations atypiques
• Plus l'opération de production est complexe, plus la qualité du jeu de données d'entraînement est critique
• L'automatisation exige un audit permanent, pas un réglage ponctuel puis l'oubli
• L'expertise interne des spécialistes ne peut pas être entièrement remplacée par des algorithmes

Cette transparence de Ford est rare dans le secteur : les grands constructeurs ne parlent généralement pas publiquement des échecs de l'automatisation.

La première place, fruit d'une remise en question

JD Power publie chaque année son classement de qualité initiale, qui recense le nombre de problèmes signalés par les propriétaires de voitures neuves durant les 90 premiers jours suivant l'achat. Moins il y a de problèmes, meilleure est la position.

La première place parmi les marques généralistes est une réussite notable pour Ford, après plusieurs années passées derrière ses concurrents. Selon toute apparence, l'abandon du pari aveugle sur l'automatisation et le retour à des spécialistes qualifiés ont produit un résultat tangible. Les ingénieurs que l'entreprise avait un jour écartés au profit des robots l'ont finalement aidée à regagner la confiance des acheteurs et sa place dans le classement.

Ce que cela signifie

L'histoire de Ford est une leçon pratique pour tout secteur qui mise sur l'IA et la robotisation dans ses processus opérationnels. La tendance à l'automatisation est claire et globalement justifiée, mais elle ne fonctionne que dans de bonnes conditions : données de qualité et régulièrement mises à jour, audit permanent et expertise humaine conservée au sein de l'entreprise. Si l'un de ces éléments fait défaut, les robots se mettent à se tromper, et ce sont quand même des humains qui viennent les corriger.

La victoire dans le classement JD Power a confirmé qu'à ce stade, un hybride d'expérience humaine et de technologie est plus fiable que la tentative de remplacer entièrement l'un par l'autre.