Agent Washing: Pourquoi certains exploitants de restaurants se méfient de l’IA surfait

Pour ceux qui travaillent dans l’industrie de la restauration, il semble que les déploiements d’IA aient rencontré une route cahoteuse.

Au printemps, Starbucks a désactivé un système de vision par ordinateur pour le comptage des stocks avant même d’avoir un an. Ce même mois, les plus grands franchisés de Pizza Hut ont poursuivi la chaîne pour 100 millions de dollars, affirmant qu’une plateforme d’IA obligatoire s’était effondrée dans plus de 110 restaurants. Lire ces gros titres peut conduire à une conclusion simple: l’IA n’est pas prête pour ce secteur.

Cela n’aide pas que l’autre IA à laquelle un exploitant est confronté soit surtout du battage médiatique. Lors du National Restaurant Association Show de cette année, le salon était envahi d’affirmations sur l’IA, y compris un fournisseur qui vendait un service de dégraissage de hottes qui fonctionnait soi-disant grâce à l’intelligence artificielle. Khara Mangiduyos, propriétaire de Kalei’s Kitchenette à San Diego, n’y croyait pas. « Qui va gratter cette huile ? » a-t-elle demandé à un(e) journaliste de Restaurant Business. « Pas un robot. Pas d’IA. »

À la fois la tactique du fournisseur et les gros titres d’échecs créent une méfiance à deux niveaux envers la technologie elle-même. Mais si l’on creuse davantage, le succès de l’IA qui se développe actuellement dans le secteur ne ressemble en rien aux échecs de grandes marques ni aux produits « lavés à l’IA ».

Se tromper fait partie du processus d’expédition. Acheter la mauvaise chose ne l’est pas

Les systèmes qui échouent le plus visiblement sont généralement les plus ambitieux, destinés aux tâches les plus difficiles et les moins prévisibles. Souvent, créer une nouvelle technologie signifie la déployer, l’observer trébucher, puis la corriger.

Taco Bell en est un exemple récent. La chaîne a récemment étendu un système de commande vocale IA à plus de 890 drive‑thrus, environ deux ans après qu’une version antérieure soit devenue virale pour avoir pris une commande de 18 000 tasses d’eau. Mais ces déploiements ratés peuvent entraîner un coût élevé que seules les entreprises de grande taille sont généralement capables d’assumer. C’est un risque que tout le monde ne peut pas absorber.

Occasionnellement, l’écart entre la promesse et la réalité n’est pas un trébuchement mais une fabrication. En janvier 2025, la SEC a inculpé la société de voix pour les drive‑thrus Presto Automation pour des affirmations selon lesquelles son système aurait « éliminé le besoin de prise de commande humaine ». En réalité, les régulateurs ont constaté que l’entreprise s’appuyait sur des travailleurs aux Philippines et en Inde pour exécuter la plupart des commandes.

Presto est un cas extrême du même instinct à l’origine du problème croissant appelé « agent washing ». Dans son cas, l’« IA » était en partie humaine. Le « agent washing » signifie spécifiquement commercialiser quelque chose comme un agent IA autonome alors que ce n’est pas le cas.

La tromperie porte sur le niveau de capacité de l’IA. C’est le contexte que Gartner met en garde les acheteurs, dans un marché où le terme « agent » est présenté comme le meilleur nouvel outil d’IA disponible. On peut dire qu’il s’accompagne d’un prix plus élevé.

« Les dirigeants de la chaîne d’approvisionnement (SCP) devraient se préparer à un avenir d’IA agentique, mais ils doivent distinguer les capacités réelles du bruit du marché », a déclaré Jan Snoeckx, analyste senior directeur chez Gartner dans la pratique de la chaîne d’approvisionnement. « La priorité aujourd’hui n’est pas l’autonomie totale, mais la mise en place de la discipline opérationnelle, de la flexibilité architecturale et des cadres décisionnels qui permettent à l’IA agentique de se développer à mesure que la technologie mûrit. »

Le problème n’est pas que l’IA ambitieuse échoue parfois ; c’est que ces échecs façonnent la perception publique de l’ensemble de la catégorie, y compris les outils modestes qui n’avaient jamais l’intention de relever les tâches les plus difficiles.

C’est là que le « agent washing » bascule dans ce que l’on appelle souvent « jumping the shark », le moment où une tendance pousse un gadget tellement loin que le public cesse d’y adhérer. Lorsque suffisamment de fournisseurs apposent « IA » sur suffisamment de produits, l’étiquette s’enfle jusqu’à atterrir sur quelque chose d’absurde, comme un dégraissant.

Gartner conseille aux acheteurs de ne pas se fier aux affirmations des fournisseurs selon lesquelles un outil serait autonome. Une grande partie de ce qui est vendu comme un agent ne peut réellement fonctionner seul. Il suit un script et le qualifie d’intelligence.

Il vaut mieux utiliser une simple automatisation pour les tâches répétitives, réserver les agents aux travaux à fort volume où une erreur coûte peu, et ne pas confier dès maintenant l’autonomie totale à des problèmes complexes.

L’IA qui fonctionne souvent n’est pas si éclatante

Les outils qui livrent discrètement pour les restaurants sont ceux destinés à une tâche unique et limitée.

Mariano Jurich, responsable senior produit chez Making Sense qui conseille les entreprises de taille moyenne et soutenues par le capital-investissement sur l’IA à réellement acheter, affirme que le problème commence avec le mot lui‑même dans une industrie qui n’a jamais défini ce qu’est un « agent ».

« Si vous pouvez décrire ce que fait l’outil avec une phrase du type si‑alors‑faire, alors il n’est probablement pas agentique à 100 % », explique-t-il. Ce n’est pas une critique des outils plus simples. Pour la plupart des besoins de certaines équipes, ajoute-t-il, « l’agentique est probablement excessif ». Si la tâche est répétitive et régie par des règles, l’automatisation la gère sans le coût ni le risque de laisser une machine décider d’elle-même. 

Le risque apparaît lorsqu’on introduit un modèle agentique pour gérer les demandes des clients ou les décisions financières, sans supervision humaine adéquate au moment crucial. Il improvisera souvent, ce qui est la dernière chose que l’on souhaite près d’un client ou d’un chèque. 

Le café de Stockholm qui a laissé une IA gérer l’administration est une bonne illustration de ce que cela donne dans le cadre d’une expérience. Au printemps, le laboratoire de recherche Andon Labs a confié à un agent propulsé par Gemini, nommé Mona, le contrôle de tout sauf la machine à espresso, les commandes, les permis, le recrutement, les contrats fournisseurs, et l’a laissée prendre ses propres décisions. Elle a acheté 3 000 gants en caoutchouc et 6 000 serviettes en papier pour un petit café, a stocké des tomates en conserve que le menu n’utilise pas, et a envoyé des messages aux baristas sur Slack après les heures d’ouverture. Le laboratoire a attribué les erreurs à la mémoire courte de l’agent.

James Tice a travaillé sur les plans de restaurant avant de passer à la technologie, et aujourd’hui, en tant que responsable de la croissance chez Tab Commerce, une plateforme financière utilisée par certaines des plus grandes marques du secteur de la restauration, il consacre son temps à dialoguer avec les exploitants pour comprendre ce qui fonctionne et ce qui ne fonctionne pas, pour l’instant. 

« « Garder un humain dans la boucle » a été répété tant de fois en rapport avec l’IA, dans tant d’industries, que cela commence à sonner comme du remplissage », explique Tice, qui estime que de nombreuses entreprises technologiques peinent à comprendre le fonctionnement des exploitants. 

L’IA qui franchit ce seuil, dit-il, est le type dont personne ne parle: la réconciliation d’une facture, la détection d’un surfacturation d’un fournisseur, la clôture des comptes plus rapidement. « Les exploitants se soucient spécifiquement des finances. Ils ont besoin d’éliminer les tâches fastidieuses pour pouvoir retourner sur le terrain. »

Il ajoute que l’efficacité n’est pas le but ; c’est ce que l’efficacité procure. « Il s’agit d’augmenter le temps humain », déclare Tice. « Il ne s’agit pas d’éliminer les clients ou l’expérience. Il s’agit de trop mettre l’accent sur l’expérience. »

C’est pourquoi il estime que la Silicon Valley mesure souvent mal la technologie. « Il n’existe pas d’économies de temps dans un restaurant. Il n’y a que de l’allocation de temps. »

Un outil qui rend trente minutes à un exploitant n’a accompli que la moitié du travail s’il ne peut pas répondre à la question suivante: « De quoi retirons‑nous réellement du temps, et où investissons‑nous réellement du temps ? » Un bon outil, ajoute-t-il, « doit enlever $1 de temps et en rendre $10. Mais il doit aussi trouver le $10 de temps, tout comme il doit trouver le $1 de temps. »

Pour Tice, tout ce temps récupéré pointe vers un endroit précis, et c’est la seule chose dont il est catégorique : aucun logiciel ne doit y toucher. Ce que le client achète n’est jamais vraiment la nourriture. « Vous dépensez 50 $ pour une assiette, vous n’achetez pas 50 $ de nourriture, vous achetez 50 $ d’expérience, » explique-t-il.

Il soutient qu’une salle où une autre personne vous sert devient uniquement plus précieuse, « l’importance du restaurant reste la même. » Les outils qui tentent d’éliminer la personne, à son avis, ont mal interprété l’ensemble du métier. « Chaque fois que l’IA essaie d’enlever cela, elle affirme ne pas comprendre notre secteur. »

Ni Jurich ni Tice ne s’opposent à l’IA, ils cherchent simplement à comprendre où chaque IA doit être placée.

« L’IA n’est qu’un autre outil que vous avez dans votre boîte à outils pour résoudre un problème, » affirme Jurich. « Et c’est pourquoi elle doit être traitée comme telle. »