Ford a de nouveau engagé 300 ingénieurs vétérans pour corriger des défauts que ses outils d'intelligence artificielle n'ont pas réussi à résoudre par eux-mêmes.
Cette décision coïncidait avec le premier rang du constructeur automobile dans l'étude de qualité initiale de JD Power aux États-Unis – pour la première fois depuis 2010 – et avec une réduction des coûts de garantie et de rappels.
Le changement s'est également reflété dans la gamme de produits : sept des 10 modèles les plus vendus de la marque se sont classés parmi les trois premiers de leurs segments respectifs dans l'étude IQS 2026 de JD Power.
Parmi eux se trouvaient la Ford F-150, la Ford Mustang et la Ford Super Duty, qui ont dominé leurs catégories pour la deuxième année consécutive.
Selon FOX Business, l'entreprise a repris l'embauche d'ingénieurs expérimentés pour orienter les systèmes d'IA qui n'avaient pas été suffisants pour améliorer à eux seuls la qualité en production.
La société a intégré environ 300 spécialistes vétérans dans sa division d'ingénierie de véhicules au cours des dernières années.
Charles Poon, vice-président de l'ingénierie matérielle pour véhicules de Ford, a expliqué lors d'un appel avec des journalistes, cité par Bloomberg, que l'entreprise avait surestimé la capacité de cette technologie lorsqu'elle l'a alimentée avec des exigences de design.
Il a déclaré : "L'intelligence artificielle est un outil fantastique, mais elle n'est aussi bonne que l'information utilisée pour l'entraîner."
Poon a ajouté que le constructeur automobile n'avait pas prêté toute l'attention nécessaire à l'expérience de ses ingénieurs les plus expérimentés, des personnes ayant traversé plusieurs cycles de produit.
Il a également reconnu : "Nous avons cru à tort qu'en introduisant simplement l'intelligence artificielle et en incorporant les exigences de design que nous avions, cela produirait un produit de haute qualité."
Les ingénieurs réembauchés examinent les conceptions avant qu'elles n'arrivent à l'usine
L'entreprise a indiqué dans un communiqué que ces ingénieurs, désormais libérés des rythmes quotidiens de production, agissent comme des auditeurs internes.
Leur tâche consiste à effectuer des revues obligatoires chaque semaine pour détecter et éliminer les points de défaillance possibles avant que les plans n'atteignent la chaîne de production.
Poon a souligné que les outils d'IA manquaient de formation et de savoir-faire de la part de techniciens vétérans, et que beaucoup de ces spécialistes avaient quitté l'entreprise avant que leurs connaissances ne puissent être utilisées pour améliorer la performance de ces systèmes.
Dans ses mots : "Nous avons reconnu que, pour améliorer certaines de nos outils d'automatisation, d'apprentissage automatique et d'intelligence artificielle, nous devions nous assurer qu'ils étaient formés par les personnes les plus expérimentées."
Le directeur des opérations Kumar Galhotra a déclaré que ces ingénieurs expérimentés et spécialistes techniques étaient "au centre" des efforts de l'entreprise pour élever la qualité de production en corrigeant les problèmes de processus avant qu'ils ne soient intégrés dans les flux de travail.
L'amélioration de la qualité a également réduit les dépenses en garanties et rappels
Le directeur exécutif Jim Farley a déclaré à Bloomberg TV que le changement améliore la performance financière de l'entreprise.
Selon l'exécutif, les dépenses en couverture de garanties et en rappels de véhicules ont diminué, renforçant ainsi le constructeur automobile grâce à une réduction des coûts.
L'étude IQS 2026 de JD Power a placé Ford à la première position pour la première fois en 16 ans. En plus des trois modèles qui ont dominé leurs segments pour la deuxième année consécutive, la Ford Escape, la Ford Explorer, la Ford Expedition et la Ford Maverick se sont classés parmi les trois meilleurs de leurs catégories.
Ce résultat implique que sept des 10 modèles principaux de la marque ont terminé dans le top trois de leurs segments. Pour l'entreprise, l'amélioration est survenue après un examen de sa stratégie de production qui a rendu à nouveau du poids à la connaissance humaine dans des domaines où l'IA n'avait pas atteint les résultats escomptés.