Le 25 juin 2026, lors d'un point presse, Charles Poon, vice-président de l'ingénierie matérielle chez Ford, a posé une phrase que peu de constructeurs assument en public : « L'intelligence artificielle est un outil formidable, mais elle ne vaut que par les données qu'on utilise pour l'entraîner. » Derrière la formule, une décision concrète, rapportée à l'occasion d'un classement qualité : Ford a passé trois ans à réintégrer quelque 350 profils d'ingénieurs expérimentés pour reprendre la main sur son contrôle qualité, après que ses systèmes automatisés n'ont pas tenu le niveau attendu.
L'histoire qui circule n'est pas celle qui s'est passée
La version virale — Ford aurait licencié des ingénieurs pour les remplacer par de l'IA, échoué, puis rappelé en catastrophe ses « vieux briscards » — est séduisante mais largement inexacte. Les comptes rendus détaillés de l'annonce décrivent non pas une vague de réembauches, mais un mélange : anciens de Ford revenus, spécialistes débauchés chez des fournisseurs, recrutements neufs et promotions internes. Le chiffre lui-même appelle une réserve : Ford avance « quelque 350 » profils sur trois ans, quand certaines reprises parlent plutôt de 300.
Surtout, l'intelligence artificielle n'a pas été remisée. Ford l'a re-supervisée : les profils réintégrés ont reconstruit les chaînes de données qui alimentent les modèles, reprogrammé les outils défaillants, et l'entreprise a ajouté plus de 100 000 tests automatisés pour débusquer les cas limites. Poon l'a reconnu sans détour : « Nous avons cru, à tort, qu'il suffisait d'introduire de l'intelligence artificielle et d'y verser nos exigences de conception pour obtenir un produit de qualité. » On n'est donc pas devant un retour en arrière anti-machine, mais devant la remise d'humains expérimentés dans la boucle pour que la machine fasse enfin ce qu'on attend d'elle.
Deux dates, un paradoxe
Le renversement tient dans un écart de trois ans. En 2023, Ford était le constructeur le plus rappelé des États-Unis — troisième année consécutive — et provisionnait, selon le cabinet spécialisé Warranty Week, 4,78 milliards de dollars de frais de garantie sur l'année, soit 1 203 dollars par véhicule vendu. Trois ans plus tard, la marque décroche la première place des constructeurs généralistes au classement de qualité initiale JD Power 2026 — une première depuis 2010 — en passant du quinzième au premier rang. Elle reste troisième toutes catégories confondues, derrière deux marques premium, Porsche et Genesis.
Entre les deux, ce n'est pas l'automatisation qui a redressé la barre, selon Ford : c'est le retour de l'expertise que l'automatisation avait écartée. Reste une question que le communiqué n'effleure pas : que devient une entreprise quand l'expertise qu'elle rappelle aujourd'hui n'a, entre-temps, été transmise à personne ?
On ne gouverne que l'outil qu'on peut encore juger
La leçon de Ford n'est pas « l'IA ne marche pas ». Elle est plus dérangeante : une organisation ne maîtrise réellement un outil que si elle garde en interne les gens capables de juger ce qu'il produit. Le directeur des opérations de Ford, Kumar Galhotra, a reconnu que l'entreprise s'était de plus en plus reposée sur des « systèmes qualité automatisés » — autrement dit, elle avait délégué non seulement l'exécution, mais le jugement. Or un modèle ne sait pas qu'il a tort. Il faut, pour s'en apercevoir, quelqu'un qui a vu passer assez de cycles produit pour sentir qu'une pièce sonne faux avant même qu'elle n'arrive sur la chaîne.
Ce savoir-là — tacite, accumulé, difficile à formaliser — ne « s'ingère » pas dans un jeu de données. C'est un actif invisible : il ne coûte rien tant qu'il est là, et il se paie d'un coup le jour où il manque. Le traiter comme une ligne de charge à comprimer revient à hypothéquer sa propre capacité à corriger ses outils. Une dette d'expertise, en somme, qui ne figure sur aucun bilan.
Le trou que l'annonce ne comble pas
Quand on écarte les profils expérimentés pour réduire les coûts, on supprime aussi ceux qui forment les suivants. Un agrégateur résumait l'enjeu sans ménagement : l'automatisation a échoué « à préserver l'expertise comme à former les juniors ». Ford peut rappeler des seniors aujourd'hui ; mais cette ressource est finie, et chaque année sans transmission la rend plus rare. Le rappel des « graybeards » répare un symptôme ; il ne reconstitue pas la chaîne de transmission qu'on a laissée se rompre.
Ford n'est qu'un cas d'école
Rien de tout cela n'est propre à l'automobile. Une rédaction, une administration, une PME qui externalise une compétence vers un système qu'elle ne maîtrise pas contracte la même dette. On ne la voit pas tant que l'outil tourne ; elle se révèle quand il faut réparer ce que plus personne ne sait réparer.
Il faut se garder de l'emballement inverse. Le cas Ford ne signe pas la fin de l'IA dans l'industrie, et les données disponibles invitent à la prudence sur l'idée d'une vague imminente de destructions d'emplois. Comme le rappelle l'économiste Erika McEntarfer (Stanford, ancienne directrice du Bureau of Labor Statistics), « toutes les données disponibles à ce jour suggèrent que l'impact de l'IA sur le marché du travail est probablement faible pour l'instant ». La vraie ligne de partage n'oppose pas les humains aux machines. Elle sépare les organisations qui gardent la capacité de corriger leurs outils de celles qui l'ont cédée.
Trois façons de ne pas découvrir sa dette trop tard
D'abord, la rendre visible avant d'automatiser. Avant d'externaliser un métier vers un système, on peut cartographier qui détient le savoir-faire non documenté et ce qui disparaîtrait avec lui — un inventaire des compétences critiques que l'outil ne sait pas reproduire, traité avec le même sérieux qu'un audit de sécurité.
Ensuite, documenter les revirements. Plutôt que de laisser chaque cas circuler en anecdote virale, médias indépendants, chercheurs et travailleurs concernés peuvent construire, secteur par secteur, une base de cas vérifiés où une automatisation a dû être corrigée par le retour d'expertise humaine. De quoi arbitrer une décision d'automatisation sur des faits comparables, pas sur la promesse d'un fournisseur.
Enfin, du côté de ceux qui détiennent le savoir-faire. L'expertise est un levier : plutôt que d'alimenter gratuitement l'outil censé la remplacer, celles et ceux qui la portent peuvent conditionner la formalisation de leur métier à des garanties concrètes — qui forme, qui reste, qui valide. Non pas un bras de fer, mais une manière de rappeler qu'un savoir transféré sans contrepartie ne se récupère pas.
Reste à savoir où cette dette se creuse vraiment, et dans quels métiers. C'est l'enquête que j'aimerais ouvrir, et je veux que tu m'aides à la cadrer. Dans ton organisation, qui détient le savoir que l'IA ne sait pas refaire, et que se passerait-il s'il partait demain ?
Dis-moi à qui tu penses, discutons-en en commentaires, et je me fais fort d'aller lui tendre mon micro. Pour essayer de comprendre, pour documenter les bonnes pratiques et continuer à creuser du coté des solutions.