ACTUALITÉS · 08 juin 2026 · 4 min de lecture

Starbucks la gueule de bois de l'IA en entreprise

Starbucks a débranché son IA. Klarna réembauche des humains. La vraie question n'a jamais été pour ou contre l'IA, mais qui on a viré en croyant à la promesse.

Le 19 mai 2026, une note interne tombe dans plus de 11 000 cafés Starbucks d'Amérique du Nord. "À partir d'aujourd'hui, le Comptage Automatisé est retiré." L'outil d'inventaire dopé à l'IA, vanté neuf mois plus tôt comme une pièce maîtresse du plan de redressement de la marque, vient de partir à la benne. Les employés recomptent le lait et les sirops à la main, rayon par rayon, exactement comme avant.

Sur le papier, c'était imparable. Le partenaire technologique NomadGo promettait un comptage huit fois plus rapide que la méthode manuelle, avec 99% de précision. Dans la vraie vie, l'outil confondait les types de lait, sautait des articles entiers pendant le scan, et dans un cas resté célèbre il n'a même pas su reconnaître une bouteille de sirop de menthe poivrée. Le détail qui pique, bordel. Cette bouteille apparaissait dans une vidéo promotionnelle que Starbucks avait elle-même tournée pour vanter le produit.

Tu pourrais croire à un raté isolé. C'est tout l'inverse. The Economist a résumé le moment en une formule, la vallée du désenchantement ("trough of disillusionment"). Les chiffres derrière font mal. Selon S&P Global, la part d'entreprises qui abandonnent la majorité de leurs projets pilotes d'IA générative est passée à 42%, contre 17% un an plus tôt. Moins de 30% des dirigeants se disent satisfaits du retour sur investissement, pour des initiatives qui coûtent en moyenne près de 1,9 million de dollars pièce.

Le coup de massue, c'est le MIT qui l'a donné. Son rapport "The GenAI Divide", basé sur 150 entretiens de dirigeants, un sondage auprès de 350 employés et l'analyse de 300 déploiements publics, arrive à un constat brutal. Environ 95% des pilotes d'IA générative ne produisent aucun impact mesurable sur les comptes. Seuls 5% accélèrent vraiment les revenus. Et la cause n'est pas la qualité des modèles. C'est l'intégration. Un outil générique posé sur un processus mal défini n'apprend rien du métier qu'on lui confie.

Voilà le vrai sujet, celui que tout le monde évite avec le débat paresseux du pour ou contre l'IA. Ce n'est pas l'IA qui se casse la figure. C'est souvent la promesse qu'on lui a collée dessus. Et cette promesse, dans beaucoup de boîtes, tenait en une phrase. On remplace des gens, on encaisse les économies.

Klarna en est le cas d'école. Le fintech suédois a déployé un chatbot qui gérait deux tiers des demandes du service client, 2,3 millions de conversations le premier mois. La direction se vantait qu'il abattait le travail de 700 agents. Suppression de postes, gel des embauches, la totale. Sauf que plus de deux tiers des clients ont rapporté une mauvaise expérience avec le robot. Son propre patron, Sebastian Siemiatkowski, a fini par le reconnaître. Quand le coût devient le seul critère d'évaluation, "ce que tu obtiens au final, c'est une qualité moindre". Klarna recrute de nouveau des humains et jure désormais qu'il y aura "toujours un humain si tu en veux un".

Et IBM dans tout ça ? Tu as peut-être lu que Big Blue avait viré 8 000 personnes avant de les réembaucher en catastrophe parce que l'IA s'était plantée. C'est faux. Cette histoire est un mythe qui a tourné en boucle sur les réseaux. La réalité racontée par le PDG Arvind Krishna est moins spectaculaire et bien plus intéressante. L'assistant maison AskHR a bien absorbé 94% des tâches RH routinières et remplacé quelques centaines de postes. Mais l'effectif total d'IBM a augmenté, pas baissé. Les ressources dégagées ont servi à embaucher des développeurs, des commerciaux, des profils qui demandent du jugement et du contact humain. "On a ajouté plus de postes qu'on en a supprimé", résume Krishna. La différence entre Klarna et IBM tient en un mot. Le premier a voulu que l'IA remplace des gens. Le second l'a utilisée pour en déplacer vers ce qu'une machine ne sait pas faire. Même technologie, résultat opposé.

La meilleure preuve vient d'un endroit inattendu, l'équipe de réponse aux incidents de Cisco Talos. Au début, leurs modèles chargés de rédiger des rapports de sécurité étaient une catastrophe. Faits inexacts, conclusions sorties de nulle part, et carrément de la contamination croisée, des détails d'un incident qui atterrissaient dans le rapport d'un autre. Ils n'ont pas jeté l'outil. Ils l'ont recadré. Une seule tâche à la fois, des sources fixes et délimitées, une session neuve pour chaque rapport. Résultat, un test en aveugle n'a montré aucune baisse de qualité face aux rapports écrits par des humains.

C'est toute la leçon de cette gueule de bois. L'IA n'est pas un employé générique qu'on branche pour vider un open space. C'est un outil de précision qui ne donne le meilleur que quand un humain le cadre, le surveille et reprend la main sur ce qui demande du jugement. Les boîtes qui ont licencié d'abord et réfléchi ensuite paient aujourd'hui l'addition, en clients perdus et en réembauches. Celles qui adaptent leur organisation pour que l'humain et la machine travaillent ensemble gagnent vraiment du temps. La techno était prête. C'est le calcul de la virer à notre place qui ne l'était pas.