SortieAnalyse · Sur le radarTechCrunch→ original

Uber : pendant la semaine d'Halloween, les agents IA n'ont commandé que 4 courses et 500 repas sur 320 millions

Lors de la conférence consacrée aux résultats du troisième trimestre, Uber a livré des chiffres qui refroidissent l'enthousiasme autour des agents. Pendant la semaine d'Halloween, sur 320 millions de courses et de commandes, seulement 4 courses et 500 commandes Uber Eats ont été passées via un agent IA. DoorDash fait état d'un constat similaire : quelques centaines de commandes. La raison est simple : l'application est déjà rapide.

Traité par IA depuis TechCrunch ; édité par Hamidun News
Uber : pendant la semaine d'Halloween, les agents IA n'ont commandé que 4 courses et 500 repas sur 320 millions
Source : TechCrunch. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireTechCrunch ↗
Rédacteur en chef
Chiffre clé #14 courses et 500 commandes Uber Eats sur 320 millions en une semaine
Chiffre clé #2Commander un taxi dans l'application prend 50 secondes, recommander un repas 90
Chiffre clé #3DoorDash ne constate lui aussi que quelques centaines de commandes via des agents

Depuis un an, on nous répète que des agents IA personnels vont prendre en charge nos tâches routinières : commander un taxi, un repas, acheter des articles. Des startups obtiennent des valorisations de plusieurs dizaines de milliards, et des applications comme Meta Muse grimpent à la première place de l'App Store. Puis une entreprise cotée publie ses résultats, et le tableau devient bien plus modeste.

Ce que montre Uber

Lors de la conférence sur les résultats du troisième trimestre, le directeur financier Balaji Krishnamurthy a indiqué que durant la semaine d'Halloween, la plus chargée d'octobre, Uber et Uber Eats ont traité environ 320 millions de courses et de commandes. Seulement quatre courses et 500 commandes de repas sont passées par des agents IA. Cela représente des centièmes de pour cent du volume total, soit en pratique une marge d'erreur statistique.

Le PDG Dara Khosrowshahi a qualifié cette adoption de « très précoce et très limitée » et ajouté que l'entreprise espérait une croissance. Une semaine plus tôt, DoorDash avait annoncé à peu près la même chose : les agents n'ont généré que quelques centaines de commandes, tandis que l'écrasante majorité des clients continue d'utiliser l'application classique.

Pourquoi l'agent ne bat pas le bouton

L'argument principal d'Uber : le temps moyen pour commander une course dans l'application est de 50 secondes, et recommander son plat préféré prend environ 90 secondes. Pendant des années, les applications ont été optimisées pour ces scénarios : adresses enregistrées, historique des commandes, données de paiement, un ou deux appuis.

Imaginez maintenant un agent. Il faut formuler sa demande, attendre la réponse, vérifier qu'il a choisi le bon tarif et le bon point de prise en charge, puis confirmer le paiement. Pour un scénario habituel et répétitif, ce n'est pas plus rapide, et parfois plus lent. S'ajoute en outre la question de la confiance : une erreur d'adresse ou de prix coûte de l'argent réel.

L'agent l'emporte lorsque la tâche est complexe et floue : « trouve un dîner pour six avec des plats végétariens près de l'hôtel et réserve ». Inutile de lui confier une commande simple en un seul geste.

Ce que cela signifie en pratique

Chez Uber, la position reste sereine. Khosrowshahi voit dans les agents un canal supplémentaire d'acquisition de clients et attend un « effet net positif » sur la demande. Selon lui, chaque entreprise d'IA discute avec Uber ; il existe aujourd'hui environ huit grands assistants, et leur nombre dépassera la dizaine. Pour la plateforme, c'est peu coûteux : se brancher à un canal de plus est plus simple que d'en construire un soi-même.

Pour les développeurs et les product managers, les conclusions sont les suivantes :

  • Ne bâtissez pas un scénario agentique sur une tâche que l'application résout en une minute. Mesurez d'abord le temps et le nombre d'étapes dans votre produit.
  • Cherchez les tâches à forte charge cognitive : comparaison d'options, planification, réservations en plusieurs étapes.
  • Préparez dès maintenant vos API et vos données structurées pour les agents : c'est peu coûteux, mais n'attendez pas de retour sur investissement rapide.
  • Il vaut la peine de suivre dès maintenant, séparément, la métrique « commandes via des agents », afin de repérer un éventuel point d'inflexion.

Limites

Ces données couvrent une seule semaine et deux entreprises. Elles ne prouvent pas que les agents ne décolleront pas : les premiers chiffres du web et des applications mobiles paraissaient eux aussi modestes. En outre, on ignore combien d'utilisateurs consultent l'agent pour choisir, puis finalisent la commande eux-mêmes dans l'application. Ces scénarios n'apparaissent pas dans les statistiques des commandes agentiques.

Le bilan est simple : l'engouement autour des agents devance le comportement réel des utilisateurs. Pour l'instant, la praticité de l'application classique l'emporte, et l'avantage des agents réside dans les tâches complexes, pas dans le remplacement du bouton « Commander ».

Dossier

Questions clés sur cet article

Que sait-on sur Ce que montre Uber ?

Lors de la conférence sur les résultats du troisième trimestre, le directeur financier Balaji Krishnamurthy a indiqué que durant la semaine d'Halloween, la plus chargée d'octobre, Uber et Uber Eats ont traité environ 320 millions de courses et de commandes. Seulement quatre courses et 500 commandes de repas sont passées par des agents IA. Cela représente des centièmes de pour cent du volume total, soit en pratique une marge d'erreur statistique.

Pourquoi l'agent ne bat pas le bouton?

L'argument principal d'Uber : le temps moyen pour commander une course dans l'application est de 50 secondes, et recommander son plat préféré prend environ 90 secondes. Pendant des années, les applications ont été optimisées pour ces scénarios : adresses enregistrées, historique des commandes, données de paiement, un ou deux appuis. Imaginez maintenant un agent. Il faut formuler sa demande, attendre la réponse, vérifier qu'il a choisi le bon tarif et le bon point de prise en charge, puis confirmer le paiement.

Que sait-on sur Ce que cela signifie en pratique ?

Chez Uber, la position reste sereine. Khosrowshahi voit dans les agents un canal supplémentaire d'acquisition de clients et attend un « effet net positif » sur la demande. Selon lui, chaque entreprise d'IA discute avec Uber ; il existe aujourd'hui environ huit grands assistants, et leur nombre dépassera la dizaine. Pour la plateforme, c'est peu coûteux : se brancher à un canal de plus est plus simple que d'en construire un soi-même.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
Qu'en pensez-vous ?
Chargement des commentaires…