McDonald's a passé trois ans à apprendre à une IA à prendre les commandes au drive. Voici pourquoi 260 Chicken McNuggets ont mis fin à l'expérience.

J'étais assis dans une chambre d'hôtel, fin juin 2024, en train de faire défiler mon téléphone, quand un TikTok m'a glacé sur place. Une femme au drive d'un McDonald's hurlait devant une borne vocale pendant qu'une voix d'IA confirmait joyeusement sa commande : neuf thés glacés sucrés, un sundae au caramel avec du bacon et ce qui semblait être $222 de Chicken McNuggets. Elle n'avait rien commandé de tout cela.

Je l'ai regardé trois fois. Pas parce que c'était drôle — même si ça l'était — mais parce que je reconnaissais exactement ce qui avait déraillé. L'architecture. Pas le modèle, pas les données d'entraînement, pas le prompt. L'architecture.

Cette semaine-là, McDonald's a officiellement mis fin à son partenariat de trois ans avec IBM sur le drive piloté par IA. Plus de 100 restaurants américains sont revenus aux opérateurs humains munis d'un casque. Le pilote plafonnait à environ 80–85 % de précision de commande — ce qui semble correct jusqu'à ce qu'on réalise que les employés humains atteignent généralement 90 % ou plus, et que dans l'univers du fast-food, où les marges sont réduites à l'os, chaque commande erronée est un petit incendie qu'il faut éteindre à coups de repas offerts et d'excuses.

Cela faisait assez longtemps que je construisais des systèmes d'IA chez Veriprajna pour savoir qu'il ne s'agissait pas d'une défaillance de l'IA. C'était une défaillance de philosophie. McDonald's avait tenté de résoudre un problème architectural profond avec une réponse architecturale superficielle. Et les 260 McNuggets étaient la façon qu'a eue l'univers de dire : ça ne marche pas.

L'expérience qui a fini en blague

Le contexte compte. En 2019, McDonald's a racheté Apprente, une startup de reconnaissance vocale, et l'a intégrée à une entité baptisée McD Tech Labs. Deux ans plus tard, l'entreprise a revendu cette unité à IBM, en pariant que l'infrastructure d'entreprise de Big Blue et le NLP de Watson pourraient déployer la technologie à l'échelle mondiale.

La logique semblait solide. IBM avait les serveurs, le pipeline NLP, la crédibilité entreprise. McDonald's avait 40 000 restaurants dans le monde et un besoin désespéré de résoudre l'équation de la main-d'œuvre. Mettez les deux ensemble et vous obtenez le futur du fast-food.

Au lieu de ça, vous avez eu du bacon sur de la glace.

Les échecs n'étaient pas des ratés occasionnels. Ils étaient systématiques. L'IA captait les commandes des files voisines parce qu'elle ne savait pas quelle voiture parlait. Elle interprétait le bavardage de fond des autoradios comme des demandes au menu. Quand elle n'arrivait pas à analyser ce que disait un client — ce qui arrivait constamment avec les accents régionaux, les corrections en milieu de phrase ou plusieurs passagers parlant en même temps —, elle se rabattait sur la devinette. Et ses devinettes étaient gouvernées par la probabilité des tokens, pas par le bon sens.

Une IA qui ne sait pas que 260 McNuggets, c'est absurde, ne sait absolument rien des McNuggets.

Cette phrase n'a pas cessé de tourner dans ma tête. Parce que le problème n'était pas que le modèle était bête. Les modèles de langage de l'ère GPT sont remarquablement performants. Le problème, c'était que personne n'avait construit la couche qui dit « attendez, ça ne peut pas être ça ».

Pourquoi le drive à IA de McDonald's a-t-il vraiment échoué ?

Je veux être précis ici, car le récit populaire — « l'IA n'est pas prête pour le monde réel » — est faux. Le système FreshAI de Wendy's, bâti sur Google Cloud, atteignait environ 99 % de précision et réduisait les temps de service de 22 secondes. Le système Byte de Taco Bell, tournant sur une infrastructure Nvidia, avait traité plus de 2 millions de commandes réussies dans plus de 500 restaurants. La technologie fonctionne. Elle ne fonctionne simplement pas de la manière dont McDonald's et IBM l'ont construite.

Trois choses ont tué le pilote.

Le drive est une zone de guerre acoustique. La plupart des modèles de langage sont entraînés dans des environnements calmes. Une file de drive, c'est le grondement des moteurs, la pression du vent sur le micro, les autoradios qui laissent filtrer des voix concurrentes et des passagers qui se hurlent dessus. Le système d'IBM ne disposait pas de beamforming sophistiqué — la technique qui consiste à utiliser des réseaux de microphones pour créer une focalisation spatiale sur la bouche du conducteur. Sans cela, l'IA traitait tout simplement toutes les voix qu'elle pouvait entendre. C'est ainsi que la commande d'une voiture s'est retrouvée sur l'addition d'une autre.

La parole humaine est merveilleusement désordonnée. Les clients disent « Mickey D's » au lieu de « McDonald's ». Ils changent d'avis en milieu de phrase : « Donnez-moi un Coca — non, attendez, Dr. Pepper. » Ils emploient de l'argot, marmonnent, ont des accents que les données d'entraînement n'ont jamais rencontrés. Quand le système d'IBM n'arrivait pas à analyser une entrée, il utilisait le décodage glouton — choisir le mot suivant le plus probable statistiquement plutôt que de demander une clarification. C'est ainsi que « de l'eau et une glace à la vanille » est devenu « un sundae au caramel avec du beurre et du ketchup ». Le système faisait correspondre des fragments phonétiques à des articles du menu à forte probabilité, que la combinaison ait un sens ou non.

Il n'y avait aucune couche de bon sens. C'est celle-là qui me tue. Aucun plafond de quantité maximale. Aucune règle disant que glace plus bacon égale « demander à un humain ». Aucun déclencheur d'escalade pour les transactions à montant élevé. Le modèle de langage prenait toutes les décisions, et les modèles de langage ne raisonnent pas sur le monde physique. Ils prédisent le token suivant. C'est fondamentalement différent.

Le problème du wrapper

Je me souviens d'une conversation avec un client potentiel à cette période. C'était un distributeur de taille moyenne, et ils avaient construit ce qu'ils appelaient fièrement un « système de service client propulsé par l'IA ». Quand j'ai regardé sous le capot, c'était une fine couche logicielle placée entre leurs clients et l'API d'OpenAI. Elle formatait les entrées, structurait les sorties et ajoutait leur logo. C'était tout.

« Que se passe-t-il quand elle hallucine ? » ai-je demandé.

« Nous avons une clause de non-responsabilité », m'ont-ils répondu.

C'est ce que le secteur appelle un « wrapper » — et c'est le modèle architectural qui a fait échouer McDonald's. Un wrapper prend un modèle de fondation puissant et lui applique une couche de peinture. C'est parfait pour les démos. C'est parfait pour les prototypes. C'est catastrophiquement inadapté pour tout environnement où se tromper a des conséquences.

Le système McDonald's-IBM était, en son cœur, un wrapper autour du NLP historique de Watson. Le modèle de langage gérait tout : la reconnaissance vocale, l'analyse de l'intention, la correspondance au menu, la confirmation de la commande. Il n'y avait aucune séparation entre ce qui devait être probabiliste (comprendre une parole humaine désordonnée) et ce qui devait être déterministe (faire appliquer les règles métier). C'était de la probabilité de bout en bout.

J'ai écrit en détail sur cette distinction architecturale dans notre article de recherche interactif, mais l'idée centrale est assez simple pour tenir sur une serviette en papier.

Que signifie vraiment « cœur déterministe, périphérie probabiliste » ?

Chez Veriprajna, nous construisons les systèmes selon un principe auquel je reviens sans cesse : utiliser l'IA pour ce que l'IA fait bien, et utiliser des règles pour ce que les règles font bien.

Un modèle de langage est spectaculaire pour comprendre l'intention derrière une parole humaine désordonnée, ambiguë, accentuée. C'est la périphérie probabiliste — la couche externe flexible qui absorbe le chaos du monde réel.

Mais une fois l'intention comprise, l'exécution doit être gouvernée par une logique stricte. Un moteur d'inférence symbolique. Un graphe de connaissances de l'entreprise. Des règles qu'aucune probabilité statistique ne peut outrepasser.

Dans un contexte de drive, cela signifie :

Le LLM entend « filez-moi genre cent nuggets » et interprète correctement l'intention comme « le client veut une grande quantité de Chicken McNuggets ». Puis le cœur déterministe entre en jeu : la quantité maximale de McNuggets pour une seule commande est de 40 pièces. Le système demande : « Je peux aller jusqu'à 40 McNuggets — cela vous convient-il ? » Au lieu d'encaisser joyeusement 2 510.

Le modèle de langage devrait être les oreilles. Le moteur de règles devrait être le cerveau. McDonald's a demandé aux oreilles de réfléchir.

Ce n'est pas théorique. FreshAI de Wendy's fonctionne précisément parce qu'il s'intègre en profondeur au système d'encaissement et aux écrans de cuisine — l'IA comprend ce que vous dites, mais c'est la logique métier qui décide de la suite. Le système de Taco Bell utilise une orchestration multi-agents, où différents composants spécialisés gèrent différentes parties de la transaction. Ce sont des systèmes architecturés, pas des wrappers.

La nuit où j'ai compris où se trouvait le vrai fossé défensif

Il y a eu une soirée tardive — un jeudi, je crois — où mon équipe et moi débuggions un pipeline de traitement audio pour le déploiement d'un client. Nous y étions depuis des heures. Le système classait sans cesse le bruit ambiant comme de la parole, et nous n'arrivions pas à comprendre pourquoi.

Vers 23 h, un de mes ingénieurs a affiché le spectrogramme brut et a pointé un motif qu'aucun de nous n'avait remarqué. Le système de CVC du site du client produisait un bourdonnement basse fréquence qui se situait exactement dans la plage de certaines voyelles. Le modèle entendait littéralement la climatisation et essayait de prendre sa commande.

Nous avons passé les deux semaines suivantes à construire une couche de soustraction spectrale sur mesure — un réseau de neurones entraîné spécifiquement sur le profil de bruit de ce site — capable d'identifier et de supprimer la signature du CVC avant même que l'audio n'atteigne le modèle de reconnaissance vocale.

C'est là que quelque chose a fait tilt. Le véritable fossé défensif, dans l'IA d'entreprise, ce n'est pas le modèle. Tout le monde a désormais accès à de bons modèles. Le fossé se situe dans le traitement du signal — le travail ingrat et minutieux qui consiste à nettoyer le monde réel avant qu'il n'atteigne le cerveau de l'IA.

Le système de McDonald's en était totalement dépourvu. Des recherches de Stanford montrent que les approches intermodales — où une caméra suit les mouvements des lèvres en parallèle de l'audio — peuvent réduire les taux d'erreur sur les mots de 28,8 % à 12,2 % dans des environnements bruyants. C'est la différence entre un système qui fonctionne et un système qui devient viral pour de mauvaises raisons.

À qui appartient le cerveau ?

L'échec de McDonald's comporte une autre dimension, absente des compilations TikTok mais d'une importance énorme : la souveraineté des données.

McDonald's faisait déjà l'objet de poursuites au titre de l'Illinois Biometric Information Privacy Act pour avoir prétendument collecté les empreintes vocales de clients sans consentement. Quand votre IA tourne sur le cloud d'un tiers, chaque interaction client — chaque voix, chaque commande, chaque schéma de préférence — transite par une infrastructure que vous ne contrôlez pas.

Ce n'est pas seulement un risque juridique. C'est un risque stratégique. Cinquante pour cent des travailleurs du savoir utilisent déjà des outils d'IA non autorisés au travail, et 46 % déclarent qu'ils continueront à les utiliser même en cas d'interdiction explicite. Nous appelons cela le « Shadow AI », et cela représente une fuite de données massive et invisible que la plupart des entreprises n'ont même pas commencé à traiter.

L'alternative, c'est ce que nous appelons l'intelligence souveraine : déployer les modèles au sein de l'infrastructure propre de l'organisation, là où les données ne quittent jamais les murs. Pour une analyse technique complète du déploiement de LLM privés et du risque lié au Shadow AI, je vous renvoie à nos travaux de recherche — mais le principe est limpide. Si vous ne possédez pas le cerveau, vous ne possédez pas l'entreprise.

Pourquoi certains drives à IA fonctionnent-ils et d'autres non ?

On me pose constamment cette question, et je crois qu'on attend une réponse compliquée. Elle ne l'est pas.

Les systèmes qui fonctionnent — Wendy's, Taco Bell, White Castle — ont été conçus comme des architectures intégrées dès le départ. Ils traitent l'IA comme un composant parmi d'autres dans un système plus vaste qui inclut le traitement du signal, la logique métier, des chemins d'escalade vers l'humain et une surveillance continue. L'IA est puissante mais contrainte. Elle opère à l'intérieur de garde-fous qui reflètent la physique réelle de l'activité.

Le système qui a échoué avait été greffé après coup. Il traitait l'IA comme un service auquel on s'abonne plutôt que comme une capacité que l'on conçoit. Il demandait à un modèle de langage de tout faire — entendre, comprendre, décider, exécuter — dans un environnement pour lequel les modèles de langage n'ont jamais été conçus.

La 2025 Drive-Thru Study confirme cette fracture. Les files pilotées par IA sont en moyenne 22 à 29 secondes plus rapides que celles tenues par des humains et, malgré des notes plus faibles sur la « convivialité », les restaurants équipés d'IA ont enregistré 97 % de satisfaction globale — six points de plus que la moyenne traditionnelle. Les clients n'ont pas besoin que l'IA soit chaleureuse. Ils ont besoin qu'elle soit exacte.

Dans le futur du fast-food, l'hospitalité ne se mesure pas à la chaleur d'une voix. Elle se mesure au fait de recevoir, ou non, ce que vous avez réellement commandé.

La dispute que nous avons eue à propos du « suffisamment bon »

Je veux partager quelque chose qui s'est passé en interne chez Veriprajna, parce que je pense que cela illustre une tension à laquelle toute entreprise d'IA est confrontée.

Nous concevions un système pour un client, et l'un de mes ingénieurs seniors soutenait que nous sur-concevions la couche déterministe. « Le modèle est déjà à 92 % de précision, a-t-il dit. Nous passons des semaines à écrire des règles pour des cas limites qui représentent 8 % des transactions. Est-ce que ça en vaut vraiment la peine ? »

J'ai affiché la compilation TikTok de McDonald's. « Combien de ces vidéos crois-tu qu'il faut pour détruire une marque ? » ai-je demandé.

Il a dit deux.

J'ai dit une.

Nous avons construit la couche de règles. Cela a ajouté trois semaines au calendrier. Le client n'a pas connu un seul incident viral.

C'est le calcul que le modèle du wrapper rate. En laboratoire, 92 % de précision, c'est excellent. Dans le monde réel, le taux d'échec de 8 % n'est pas distribué au hasard — il se concentre autour des cas les plus difficiles, des environnements les plus bruyants, des clients les plus exaspérés. Ce sont exactement les moments qui finissent sur les réseaux sociaux. Le coût des 8 % n'est pas proportionnel à leur fréquence. Il est exponentiel.

Ce qui vient ensuite

McDonald's n'a pas renoncé à l'IA. L'entreprise a fait savoir qu'elle évaluait de nouveaux partenaires et de nouvelles approches. Mais l'expérience de trois ans avec IBM est terminée, et ce qu'elle laisse derrière elle est une leçon claire pour toute entreprise qui envisage de déployer l'IA.

La phase d'expérimentation est terminée. L'ère où l'on greffait un modèle de langage sur un processus existant en espérant que ça passe est révolue. Ce qui vient ensuite — ce que j'appellerais l'ère de la Deep AI — exige quelque chose de plus difficile : ré-architecturer réellement vos systèmes autour des capacités et des limites de l'intelligence machine.

Cela signifie des cœurs déterministes avec des périphéries probabilistes. Cela signifie posséder votre propre infrastructure. Cela signifie investir dans le traitement du signal aussi sérieusement que vous investissez dans le choix du modèle. Cela signifie concevoir les chemins d'escalade vers l'humain non pas comme un filet de sécurité, mais comme une fonctionnalité. Et cela signifie accepter que c'est dans le travail d'ingénierie ingrat — le filtrage du bruit, les moteurs de règles, les bibliothèques de cas limites — que réside le véritable avantage concurrentiel.

L'écart entre les organisations qui comprennent cela et celles qui ne le comprennent pas est sur le point de devenir permanent. Non pas parce que la technologie est inaccessible, mais parce que la philosophie architecturale exige une forme de discipline que la plupart des organisations préféreraient s'épargner.

McDonald's l'a appris à la dure, à grande échelle, en public. Les 260 McNuggets n'étaient pas un bug. Ils étaient la production inévitable d'un système qui n'a jamais été construit pour dire non.