Note de l’auteur : Starbucks a dévoilé son projet d’IA pour le service au volant lors de sa conférence téléphonique sur les résultats du 29 octobre 2026. Cet article examine l’état du projet et ses difficultés du point de vue des clients, des baristas et de l’entreprise.
Imaginez une matinée ordinaire. Vous entrez en voiture dans la file du service au volant de Starbucks, l’application Starbucks déjà ouverte sur votre téléphone. Au lieu de vous présenter tout le menu, le barista au guichet vous demande directement : « Comme d’habitude, un latte au lait d’avoine ? » Vous répondez oui, vous payez, puis vous avancez jusqu’au guichet de retrait. C’est l’expérience Fast Pass au service au volant décrite par le PDG de Starbucks, Brian Niccol, fin octobre 2026. Dans ce scénario, l’IA ne parle pas à la place du barista : elle l’aide à « reconnaître » les clients habitués.
Ce n’est pas une rumeur. Lors de sa conférence téléphonique sur les résultats du quatrième trimestre de l’exercice 2026, Starbucks a indiqué publiquement explorer des moyens de reconnaître les clients participants à leur arrivée, de leur présenter un menu numérique personnalisé et de faciliter le paiement. Le PDG a ensuite décrit le scénario ci-dessus dans une entrevue accordée à Yahoo Finance. Le menu personnalisé n’en est toutefois qu’à un stade préliminaire : la technologie de reconnaissance, les établissements pilotes et la date de lancement n’ont pas encore été annoncés.
À retenir : cet article vous aidera à comprendre où en est le projet de Starbucks et quelles affirmations restent à confirmer. Vous verrez aussi pourquoi les projets d’IA en entreprise doivent tenir compte à la fois des performances techniques, de la charge de travail du personnel et de l’expérience réelle des clients.
L’essentiel du projet Starbucks d’identification des clients par IA
Commençons par distinguer les faits rendus publics des pistes encore à l’étude. Starbucks a évoqué deux projets liés, mais distincts. Le premier concerne l’aide à la saisie des commandes par IA en arrière-plan, avec un test prévu pendant l’exercice fiscal 2027. Le second porte sur l’identification des clients et des menus numériques personnalisés : il n’en est qu’à un stade exploratoire, sans date précise.
| Point | Détails | Statut actuel |
|---|---|---|
| Date de divulgation | 29 octobre 2026, lors de la conférence téléphonique sur les résultats du T4 de l’exercice fiscal 2026 | Public |
| Annonceur | Brian Niccol, président du conseil d’administration et PDG de Starbucks | Public |
| Aide à la saisie des commandes par IA en arrière-plan | Aider les baristas à saisir les commandes avec plus de précision et d’efficacité | Test prévu pendant l’exercice fiscal 2027 |
| Identification des clients participants et menus personnalisés | Identifier les clients qui participent volontairement, afficher des menus numériques personnalisés et simplifier le paiement | Exploration préliminaire, sans date de lancement |
| Technologie d’identification précise | La reconnaissance faciale, la lecture des plaques d’immatriculation et les autres options n’ont pas été confirmées | Non divulguée |
| Retombées chiffrées | Selon le PDG, il est trop tôt pour parler des effets financiers | Aucun engagement |
Deux précisions sur le calendrier s’imposent. L’« exercice fiscal 2027 » ne correspond pas à l’année civile 2027 : l’exercice fiscal 2026 de Starbucks s’est terminé le 27 septembre 2026. Le test pourrait donc commencer plus tôt que beaucoup ne le pensent. Par ailleurs, le PDG a indiqué qu’« environ la moitié des clients utilisent le service au volant » : il décrivait une habitude des clients, pas la part du chiffre d’affaires générée par ce service.
Identification des clients par l’IA chez Starbucks : les affirmations qui ne tiennent pas
La nouvelle s’est propagée rapidement, accompagnée de plusieurs versions exagérées. Au 2 novembre 2026, rien ne permet d’affirmer que « Starbucks a déjà lancé la commande par reconnaissance faciale », que « Starbucks augmente les prix selon la situation financière des clients » ou que « l’IA a entraîné une hausse des ventes de 7,2 % ». Ce chiffre de 7,2 % correspond à la croissance des ventes mondiales des établissements comparables pour le trimestre ; il n’a aucun lien avec un projet d’IA qui n’a pas encore été lancé. PCMag et Gizmodo ont évoqué la reconnaissance faciale et les risques pour la vie privée, mais il s’agissait d’analyses médiatiques de solutions potentielles. Dans sa réponse à Gizmodo, un porte-parole de Starbucks a indiqué que le projet en était encore à ses débuts et qu’aucun autre détail n’était disponible.
Menu personnalisé au service au volant de Starbucks : le rôle de l’IA et celui des employés
En décortiquant le fonctionnement de Fast Pass décrit par le PDG, on voit se dessiner une répartition assez claire des tâches. L’IA et les systèmes d’information s’occupent des informations répétitives ; les baristas comprennent les intentions des clients, gèrent les exceptions et assurent les échanges humains. Le tableau ci-dessous résume la répartition envisagée par Starbucks : ce n’est pas un manuel produit publié par l’entreprise.
| Étape | Service au volant traditionnel | IA / système dans le concept Fast Pass | Barista dans le concept Fast Pass |
|---|---|---|---|
| Identification | Aucune | Associe le client à son compte, avec son autorisation | Aucune action supplémentaire nécessaire |
| Compréhension des besoins | Pose des questions à partir du menu complet | Affiche les commandes récentes et les boissons habituelles | Demande au client s’il souhaite sa boisson habituelle |
| Recommandations personnalisées | Menu fixe | Ajuste le contenu et l’ordre d’affichage du menu | Juge si les recommandations sont pertinentes |
| Saisie de la commande | Saisit manuellement la taille, le type de lait et le niveau de sucre | Facilite la saisie structurée en arrière-plan | Confirme la commande, corrige les erreurs et traite les nouvelles demandes |
| Paiement | Paiement au guichet | Se connecte au processus de paiement de l’application | Gère les problèmes de paiement |
| Échanges humains | Assurés par le barista | Ne parle pas directement au client | Assure tous les échanges humains |
L’essentiel, dans cette répartition, est que l’IA reste toujours en coulisses, au service des employés. Elle évite les échanges répétitifs et peu utiles du type « Je voudrais un grand format, du lait d’avoine et peu de sucre », sans supprimer les salutations entre le barista et le client. C’est aussi ainsi que Starbucks présente son usage de l’IA en janvier 2026 : la technologie réduit les obstacles dans le travail des employés, pour que les baristas puissent se concentrer sur la préparation des boissons et le service aux clients.
Menu personnalisé ne veut pas dire prix personnalisés
Il faut bien distinguer deux choses. Adapter l’ordre des produits aux préférences du client, lui rappeler ses boissons habituelles ou afficher ses offres de fidélité relève de la recommandation personnalisée. Modifier le prix de base d’un même produit selon les caractéristiques personnelles du client relève d’un autre mécanisme commercial. Starbucks n’a annoncé aucun projet de tarification différenciée à ce jour. Taco Bell teste également des menus numériques utilisant l’IA et adaptés à chaque véhicule ; l’enseigne a confirmé à Restaurant Dive que ces tests ne modifieraient pas les prix des produits. Du point de vue de la conception du système, le prix devrait être fixé par le système de transaction officiel, sans que le module de recommandation puisse le modifier.
Pourquoi Starbucks garde des employés au service au volant : ce que disent les données
Si l’efficacité était le seul objectif, le plus simple serait de confier les commandes à un robot vocal. Alors pourquoi Starbucks tient-elle à garder ses baristas ? L’étude 2026 d’Intouch Insight sur le service au volant apporte quelques éléments de réponse. Elle couvre 13 chaînes de restauration américaines et repose sur 2 145 visites de clients mystères réalisées entre juin et juillet 2026, soit 165 par enseigne. Précisons d’emblée qu’il ne s’agit pas d’un test du nouveau menu IA de Starbucks.
| Indicateur | Service jugé amical | Service jugé peu amical |
|---|---|---|
| Taux de satisfaction des clients | 98,6 % | 26,8 % |
| Clients prêts à recommander l’établissement | 86,5 % | 19,6 % |
| Taux d’exactitude des commandes | 91,3 % | 73,2 % |
| Durée moyenne de la visite | 5 min 16 s | 5 min 41 s |
Le point le plus frappant est que les visites avec un service amical ont duré moins longtemps en moyenne. Du moins dans cet échantillon, l’idée selon laquelle « un accueil chaleureux ralentit le service au volant » ne se vérifie pas. Mais il s’agit d’une corrélation observée dans une étude, et non d’un essai contrôlé randomisé : on ne peut pas en conclure qu’une attitude amicale augmente directement l’exactitude des commandes de 18,1 points de pourcentage. Par exemple, les établissements qui disposent d’assez de personnel et de processus fluides sont peut-être à la fois plus accueillants et plus précis.
Dans cette même étude, Starbucks a atteint un taux d’exactitude des commandes de 96 % et un taux de satisfaction de 99 % lors des 165 visites effectuées à l’heure du petit-déjeuner. Son service assuré par des employés fonctionne donc déjà bien. Le projet d’IA doit démontrer qu’il apporte un gain supplémentaire : on ne peut pas présumer que le service humain est inefficace pour ensuite venir le « sauver ».
L’IA au service au volant de Starbucks face aux robots de commande
Contrairement à Starbucks, qui mise sur une IA en soutien aux employés, plusieurs chaînes de restauration rapide choisissent de la mettre directement en contact avec les clients. L’expérience du secteur montre que la technologie progresse, mais que son acceptation par les clients est une autre question.
| Marque / projet | Rôle de l’IA | Avancées annoncées | Problèmes ou réserves |
|---|---|---|---|
| Nouveau projet de service au volant de Starbucks | En soutien aux employés : aide à la saisie des commandes + menus personnalisés | Test de l’aide à la saisie prévu pour l’exercice 2027 | Pas encore de données issues de tests réels |
| IA vocale de Burger King | Dialogue direct avec les clients | Projet pilote dans environ 50 à 70 restaurants | Certains clients refusent de parler à un robot et repartent directement |
| Archy de McDonald’s | Prise de commande vocale, préparation simultanée par les employés | Taux de précision supérieur à 90 % lors des premiers tests | Des tests menés avec IBM ont pris fin en 2024 |
| Menus numériques de Taco Bell | Adaptation de l’affichage du menu pour chaque véhicule | Test annoncé en avril 2026 | L’enseigne affirme que les prix ne changent pas |
Le cas de Burger King est parlant. Chakri Somisetti, vice-président chargé de la technologie de la marque, reconnaît que, dans certains restaurants pilotes, des clients sont repartis en voiture parce qu’ils ne voulaient pas parler à un robot. L’enseigne prévoit donc de leur faciliter le passage à un employé pour prendre leur commande. Cela ne signifie pas que Burger King abandonne l’IA, mais montre qu’en faire le seul point de contact comporte des risques. Une enquête publiée par Technomic en septembre 2026 va dans le même sens : 46 % des personnes interrogées trouvent attrayant de commander auprès d’une personne dans le restaurant, contre seulement 23 % pour une commande par IA au service au volant.
L’IA vocale progresse bel et bien. Selon un test d’Intouch Insight consacré à la prise de commande par IA chez Burger King, Taco Bell et Wendy’s, la précision des commandes est passée de 82,5 % en 2025 à 90,8 % en 2026, tandis que la proportion de commandes dont une partie devait être répétée est passée de 34,2 % à 29,1 %. Toutefois, le temps total moyen avec l’IA était de 5 min 14 s, contre 5 min 15 s pour l’échantillon de l’étude principale portant sur les mêmes marques, soit une seule seconde d’écart. Sur les 2 145 visites de l’étude principale, seules 36 ont impliqué l’IA dans la prise de commande, soit moins de 2 %. Ces chiffres montrent que la vitesse de réponse du modèle ne suffit pas à évaluer l’IA en restauration : la précision et l’expérience sur l’ensemble du parcours comptent davantage.
💡 Conseil d’évaluation : pour comparer la prise de commande directe par l’IA et l’assistance aux employés par l’IA, mesurez simultanément la précision, le taux de répétition et le taux de transfert à un humain sur un même échantillon de commandes réelles. Se fier uniquement aux démonstrations risque de conduire à des conclusions trompeuses. Pendant le développement, APIYI apiyi.com permet de passer d’un modèle à l’autre avec la même interface, afin de les évaluer sur les mêmes données de commande.
L’expérience réelle des employés de Starbucks avec l’IA : Green Dot Assist et Automated Counting
Pour comprendre le nouveau projet de service au volant, il est utile de regarder d’abord les outils d’IA que Starbucks a déjà déployés pour ses employés. Leurs noms se ressemblent, mais leurs usages et leur état d’avancement sont très différents.
| Projet | Utilité | État | Lien avec le nouveau projet de service au volant |
|---|---|---|---|
| Green Dot Assist | Permet aux employés de consulter les recettes, les procédures et les normes de service en langage naturel | Annoncé en juin 2025, testé initialement dans 35 établissements, puis déployé | Système distinct, sans identification des clients |
| Smart Queue | Coordonne l’ordre de préparation des commandes en magasin, au service au volant, sur l’application et en livraison | Déjà utilisé pour les opérations | Base opérationnelle pour améliorer l’efficacité future du service au volant |
| Automated Counting | Compte automatiquement les stocks à l’aide de la caméra d’un iPad | Désactivé le 18 mai 2026 | Projet de gestion des stocks abandonné, sans lien avec le service au volant |
| Nouveau projet de service au volant | Aide à la saisie des commandes, identification des clients participants et menus personnalisés | Test de saisie des commandes prévu pour l’exercice 2027 ; menus encore à l’étude | Sujet principal de cette actualité |
Green Dot Assist : un écart entre les objectifs et les retours des employés
L’objectif de Green Dot Assist est clair : lorsqu’un nouvel employé ne se souvient plus comment préparer une boisson saisonnière, il peut poser la question directement sur l’iPad du magasin, sans chercher dans la documentation ni interrompre un collègue. Mais dans une enquête publiée en juillet 2026, Fast Company a recueilli les témoignages de quatre employés faisant état de difficultés d’utilisation. Parmi eux, Sara Gattis explique que, dans son expérience personnelle, l’outil lui répondait souvent qu’il ne comprenait pas sa question. Elle finissait donc par revenir à ses méthodes de recherche habituelles. Il s’agit d’un témoignage individuel, qui ne permet pas de déduire le taux d’erreur global du système. Il rappelle néanmoins que l’expérience idéale présentée par une entreprise peut différer de celle des employés sur le terrain.
Automated Counting : un abandon à prendre au sérieux
Automated Counting est un contre-exemple particulièrement instructif. Ce système d’inventaire, fourni par NomadGo, devait ramener le temps de comptage à environ 10 à 12 minutes. Selon Fast Company, il avait été déployé dans environ 11 300 établissements américains exploités directement par Starbucks à la fin de septembre 2025. Les employés ont progressivement signalé de nombreux problèmes : des reflets dans les miroirs étaient comptés comme des produits supplémentaires, différents laits et sirops étaient confondus, un changement d’emballage suffisait à faire échouer la reconnaissance, la progression de l’inventaire était perdue en cas de coupure du Wi-Fi et, dans certains établissements, le comptage par IA était même plus lent que le comptage manuel.
Starbucks a finalement désactivé le système le 18 mai 2026, expliquant que les résultats n’avaient pas répondu aux attentes et que l’entreprise avait changé de direction après avoir écouté les retours. La leçon : une démonstration réussie dans un environnement contrôlé ne garantit pas un fonctionnement fiable dans des milliers d’établissements réels. Lorsque les employés doivent corriger les erreurs à répétition, l’« automatisation » peut au contraire alourdir leur charge de travail. Bien sûr, l’échec d’un projet ne signifie pas que Green Dot Assist ou le nouveau projet de service au volant échoueront nécessairement : les trois doivent être évalués séparément.
Ce que le menu personnalisé du service à l’auto de Starbucks nous apprend sur la conception de produits
Pour les équipes qui développent des applications d’IA en entreprise, l’expérience de Starbucks offre plusieurs principes de conception utiles. L’idée centrale est de considérer l’IA comme un outil d’aide aux employés, et non comme un moyen de les remplacer.
- Réduire les manipulations, pas ajouter des étapes : il faut mesurer le nombre d’étapes et de corrections manuelles pour chaque commande. Si l’IA oblige le barista à toucher l’écran plusieurs fois de plus, elle lui complique le travail.
- Confier les prix et les paiements à des systèmes déterministes : le modèle comprend l’intention et génère des suggestions, mais le système de transaction officiel doit vérifier les prix, les promotions et l’état des paiements.
- Toujours permettre le transfert à un employé : la leçon à tirer de Burger King est que les clients doivent pouvoir choisir à tout moment de parler à une personne.
- Faire du consentement explicite une condition préalable : comment les clients s’inscrivent-ils, refusent-ils ou retirent-ils leur consentement ? Le système conserve-t-il les plaques d’immatriculation ou les données biométriques ? Que se passe-t-il en cas d’erreur d’identification ? Starbucks n’a pas encore répondu publiquement à ces questions, mais elles doivent être résolues avant le lancement du produit.
- Éviter d’exposer l’historique des achats : lorsque le menu personnalisé s’affiche sur l’écran de la voie, les autres personnes dans le véhicule peuvent le voir elles aussi.
Voici un exemple simplifié du principe « l’IA suggère, l’employé décide ». Le modèle génère uniquement, à partir de l’historique des commandes autorisé, une suggestion destinée au barista. Il ne traite pas les prix, et c’est l’employé qui confirme la commande auprès du client :
import openai, json
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # Interface compatible OpenAI d’APIYI
)
history = ["大杯燕麦拿铁 少糖", "大杯燕麦拿铁 少糖", "中杯冷萃"] # Clients ayant donné leur consentement uniquement
resp = client.chat.completions.create(
model="gpt-4o-mini",
response_format={"type": "json_object"},
messages=[
{"role": "system", "content": "你是咖啡师的后台助手。只根据历史订单给出常购饮品建议，"
"输出 JSON：{\"suggest\": 饮品, \"script\": 咖啡师可用的确认话术}。不得输出价格。"},
{"role": "user", "content": json.dumps(history, ensure_ascii=False)}
]
)
tip = json.loads(resp.choices[0].message.content)
print(tip) # Affiché sur l’écran de l’employé, confirmé ou modifié par le barista ; le prix est calculé par le système de transaction
Ce code illustre trois contraintes de conception : les données proviennent uniquement de comptes ayant donné leur consentement, la sortie est une suggestion structurée destinée à l’employé et non une commande directe, et le prix ne passe pas par le modèle. Un système réel doit aussi prévoir un seuil de confiance, une option de transfert à un employé et un audit des journaux.
🚀 Validation rapide : si vous évaluez un cas d’usage similaire d’IA d’aide aux employés, vous pouvez commencer par créer un prototype avec des historiques de commandes anonymisés. Avec APIYI apiyi.com, une seule clé API permet d’appeler des modèles comme OpenAI, Claude et Gemini pour comparer la stabilité de leurs sorties structurées et leur respect des instructions. Les nouveaux utilisateurs peuvent commencer avec le crédit gratuit.
Analyse des effets du service au volant de Starbucks assisté par l’IA
Pour les développeurs et les chefs de produit
- Évaluer l’ensemble du processus : les données d’Intouch montrent que la précision de la prise de commande par l’IA s’est améliorée, mais que la durée totale a à peine changé. Se limiter aux indicateurs du modèle conduit à surestimer la valeur du projet.
- Les employés sont les premiers utilisateurs : l’arrêt d’Automated Counting montre qu’un outil offrant une mauvaise expérience aux employés a peu de chances de durer en magasin. Avant son déploiement, les retours du personnel de terrain devraient faire partie des critères de validation.
- L’évaluation de plusieurs modèles devient une étape courante : la compréhension des intentions, la saisie structurée des commandes et la formulation de recommandations ne demandent pas les mêmes capacités. Avant de choisir un modèle, il faut les comparer sur des exemples réels.
Pour la restauration et les services
- Deux approches se dessinent : l’IA directement en contact avec les clients et l’IA qui assiste les employés en coulisses devraient coexister durablement. Leur acceptation par les clients sera déterminante.
- La protection de la vie privée devient incontournable : dès qu’une fonction d’identification des clients est déployée, les mécanismes de consentement et les limites d’utilisation des données attirent l’attention des autorités et du public.
- Les effets sur l’emploi restent à observer : « l’IA au service des employés » est un objectif produit, pas un engagement de l’entreprise à maintenir les postes existants. McDonald’s prévoit qu’un déploiement à grande échelle pourrait libérer au moins 50 heures de travail par magasin et par semaine. L’utilisation finale de ces heures dépendra toutefois de l’organisation du personnel.
🎯 Conseil technique : pour intégrer un Grand modèle de langage, il est recommandé de découpler la couche d’invocation du modèle des systèmes métier et de gérer plusieurs modèles via une interface unifiée compatible avec OpenAI. Si les performances d’un modèle ne répondent pas aux attentes, il devient ainsi possible d’en changer rapidement ou de revenir à la version précédente. APIYI apiyi.com propose ce type d’accès unifié, adapté aux équipes qui doivent comparer fréquemment des modèles.
Questions fréquentes FAQ
Q1 : L’IA de Starbucks utilise-t-elle la reconnaissance faciale pour identifier les clients ?
Pour l’instant, rien ne le prouve. Starbucks a seulement indiqué qu’elle « identifiait les clients participants ». Dans une entrevue, son PDG a évoqué un scénario où le client avait ouvert l’application Starbucks. Ni la reconnaissance faciale, ni la reconnaissance des plaques d’immatriculation, ni les appareils utilisés pour l’identification n’ont été confirmés. Les discussions dans les médias sur la reconnaissance faciale relèvent d’une analyse des solutions possibles.
Q2 : En quoi la solution de Starbucks diffère-t-elle de la prise de commande par IA chez Burger King et McDonald’s ?
Les IA vocales de Burger King et McDonald’s dialoguent directement avec les clients pour prendre leurs commandes. Starbucks met plutôt l’accent sur une aide à la saisie des commandes en arrière-plan et sur la mise à disposition de l’historique de consommation des clients aux baristas. Les échanges humains restent assurés par les employés. Burger King a déjà constaté que certains clients refusaient de parler à un robot. L’approche de Starbucks présente moins de risques à cet égard, mais son efficacité reste à démontrer par des tests.
Q3 : Quand le menu personnalisé du service au volant de Starbucks sera-t-il lancé ?
Aucune date n’a été fixée. Les tests de l’aide à la saisie des commandes par IA en arrière-plan sont prévus à partir de l’exercice 2027. Le menu personnalisé est encore au stade exploratoire. Le PDG a indiqué que l’entreprise commencerait par tester et tirer des enseignements, avant de déployer les solutions qui fonctionnent.
Q4 : Comment une entreprise peut-elle rapidement tester une IA similaire pour aider ses employés ?
Il vaut mieux commencer par un cas d’usage limité, comme les questions-réponses sur une base de connaissances ou la structuration des commandes, puis évaluer hors ligne la précision et le coût des corrections à l’aide de données historiques anonymisées. L’invocation du modèle peut se faire via l’interface unifiée d’APIYI apiyi.com : il suffit de remplacer base_url par `https://api.apiyi.com/v1` pour réutiliser le SDK OpenAI et passer d’un modèle à l’autre afin de les comparer.
Q5 : Quels sont les principaux risques d’échec pour ce type de projet d’IA ?
À en juger par Automated Counting, les principaux risques tiennent aux cas rares rencontrés en conditions réelles : reflets, changements d’emballage, interruptions réseau, mais aussi charge supplémentaire liée aux corrections que les employés doivent effectuer en continu. Avant le déploiement, il faut mener des tests progressifs dans plusieurs établissements et faire des étapes à suivre par les employés et de leur charge de travail ressentie des indicateurs clés. Lors du prototypage, les crédits de test gratuits d’APIYI apiyi.com permettent de vérifier les capacités des modèles avant de décider d’investir dans le matériel et l’intégration des systèmes.
Q6 : Quelles sont les limites connues du projet de Starbucks à ce jour ?
Le manque de données est le principal problème. Le taux de précision de l’identification, le temps réel nécessaire aux transactions, la satisfaction des clients et des employés, les heures de travail économisées et les coûts de déploiement n’ont pas été rendus publics. Les modalités de consentement relatives à la vie privée n’ont pas non plus été précisées. Tant que ces données ne sont pas publiées, les promesses d’un service « plus rapide, plus précis et plus humain » restent des objectifs.
L’essentiel sur l’IA au service du drive de Starbucks
- État du projet : l’aide à la saisie des commandes doit être testée pendant l’exercice 2027 ; le menu personnalisé en est encore aux premières explorations.
- Répartition des rôles : l’IA fournit des informations sur le client et aide à saisir la commande ; le barista reste responsable de l’échange, de la confirmation et des corrections.
- Technologie de reconnaissance non définie : ni la reconnaissance faciale ni celle des plaques d’immatriculation n’ont été confirmées. La participation des clients doit être volontaire.
- Le contact humain garde sa valeur : un service convivial est associé à un taux de satisfaction de 98,6 %, mais il s’agit d’une association observationnelle, pas d’un lien de causalité.
- Une leçon à retenir : l’arrêt d’Automated Counting montre que la charge de travail des employés est déterminante pour la réussite d’un projet d’IA.
- Méthode d’évaluation : les indicateurs relatifs aux clients, aux employés et à l’entreprise doivent tous progresser. APIYI apiyi.com peut aider à comparer plusieurs modèles.
Conclusion
L’idée centrale du projet d’IA pour le drive de Starbucks peut se résumer ainsi : « l’IA en coulisses, l’humain en première ligne ».
- Une direction claire, mais des détails encore à définir : l’identification des clients participants, la personnalisation du menu et l’aide à la saisie des commandes font partie des orientations annoncées. En revanche, la technologie de reconnaissance, le périmètre du projet pilote et les résultats ne sont pas encore connus.
- Des données et des leçons sur la collaboration humain-IA : des études sectorielles associent un service humain convivial à une satisfaction élevée. La réticence des clients de Burger King et l’arrêt d’Automated Counting par Starbucks montrent aussi que les projets d’IA ne produisent pas toujours les résultats attendus.
- La réussite ne se mesure pas au nombre d’échanges remplacés : il faut plutôt vérifier si le service est plus précis, naturel et fiable, si la charge de travail des employés diminue réellement et si la vie privée des clients est respectée.
Pour les équipes qui préparent des applications d’IA en entreprise, une bonne approche consiste à commencer par un prototype sur un cas d’usage limité, puis à évaluer l’ensemble du processus avec des données réelles. Vous pouvez utiliser APIYI apiyi.com pour comparer rapidement les performances de différents modèles sur vos données métier, avant de choisir une solution d’intégration au système.
📚 Sources
- Transcription intégrale de la conférence téléphonique sur les résultats de Starbucks au quatrième trimestre de l’exercice 2026 : projets annoncés par le PDG et essais prévus pour l’exercice 2027
- Lien :
stockanalysis.com/stocks/sbux/transcripts/702818-q4-2026 -
Description : source primaire permettant de vérifier les déclarations, notamment celle selon laquelle « environ la moitié des clients utilisent le service au volant »
-
Entretien avec le PDG dans Yahoo Finance : utilisation de Fast Pass au service au volant
- Lien :
sg.finance.yahoo.com/news/starbucks-wants-to-trial-a-fast-pass-drive-through-with-ai-211128951.html -
Description : détails sur l’application, les commandes récentes et le paiement rapide
-
Présentation officielle des applications d’IA de Starbucks : Green Dot Assist et Smart Queue
- Lien :
about.starbucks.com/press/2026/supporting-the-moments-that-matter-with-artificial-intelligence -
Description : position officielle de Starbucks sur l’IA destinée aux employés
-
Étude 2026 d’Intouch Insight sur le service au volant : données sur l’expérience client dans le secteur
- Lien :
intouchinsight.com/press-releases/2026-drive-thru-study -
Description : observations sur l’amabilité du service, la précision des commandes prises par l’IA et d’autres aspects
-
Fast Company : enquête sur Automated Counting chez Starbucks : retours des employés et abandon du projet
- Lien :
fastcompany.com/91572019/starbucks-bet-big-ai-tool-national-scale-9-months-inventory-automated-counting-nomadgo -
Description : exemple concret d’échec du déploiement de l’IA en entreprise
-
Nation’s Restaurant News : Burger King revoit sa stratégie d’IA pour le service au volant : enjeux d’acceptation par les clients
- Lien :
nrn.com/quick-service/burger-king-rethinks-its-drive-thru-ai-strategy -
Description : exemples de clients refusant de parler à un robot et enquête de Technomic
-
Gizmodo : débat sur la confidentialité lié à l’identification des clients : controverses autour de la vie privée et des prix
- Lien :
gizmodo.com/starbucks-apparently-wants-to-make-that-minority-report-shopping-scene-a-reality-2000833339 - Description : comprend la réponse d’un porte-parole de Starbucks indiquant que le projet « en est encore aux premières explorations »
Auteur: Équipe technique APIYI
Échanges techniques: Pour toute question sur les applications de l’IA en entreprise, le choix des modèles ou l’intégration de systèmes, contactez-nous depuis la page d’accueil d’APIYI apiyi.com
