Le procès sur la tarification par IA de McDonald’s teste la frontière entre conseil et fixation des prix

McDonald’s fait face à un projet d’action collective nationale concernant un système de tarification assisté par IA qui aurait coordonné les prix des menus dans des milliers de restaurants exploités de manière indépendante.

Le procès sur la tarification par IA de McDonald’s a été déposé le 2 octobre 2026 devant un tribunal fédéral de Chicago. Le plaignant, Michael Thomas, affirme que l’entreprise a mutualisé des données confidentielles de restaurants et les a transformées en recommandations tarifaires qui ont réduit la concurrence entre franchisés.

McDonald’s conteste cette version des faits. L’entreprise affirme que l’intelligence artificielle ne fixe pas les prix des menus et que les exploitants de restaurants restent libres d’accepter ou de rejeter ses recommandations. Ce désaccord soulève la question centrale : à partir de quel moment un conseil tarifaire centralisé devient-il une coordination entre des entreprises censées se faire concurrence ?

La plainte n’a pas établi l’existence d’un comportement répréhensible, et aucun tribunal n’a certifié l’action collective proposée. Toutefois, le différend intervient après que les agences fédérales antitrust ont engagé des procédures liées à la tarification algorithmique dans le logement et examiné les prix pilotés par les données sur les marchés de consommation.

L’affaire dépasse donc le prix d’un Big Mac. Elle teste la possibilité pour un franchiseur de combiner les données de restaurants théoriquement indépendants sans transformer un outil de gestion en mécanisme de coordination.

Ce qu’allègue le procès sur la tarification par IA de McDonald’s

La plainte vise l’accord de partage des données à l’origine des recommandations, et pas seulement l’utilisation de l’intelligence artificielle.

Thomas a intenté l’action contre McDonald’s USA et McDonald’s Corporation devant le tribunal de district des États-Unis pour le district nord de l’Illinois. Le dossier fédéral public l’identifie comme Thomas v. McDonalds USA, LLC, affaire numéro 1:26-cv-12149.

Thomas vit à DeKalb, dans l’Illinois, et affirme acheter régulièrement des repas dans des restaurants McDonald’s près de son domicile. Selon la plainte, il a constaté des prix différents pour des produits identiques dans des établissements voisins.

Les différences de prix ne suffisent pas, à elles seules, à prouver une violation du droit de la concurrence. Des entreprises indépendantes peuvent normalement appliquer des prix différents en fonction des loyers, des salaires, de la demande locale et des coûts d’exploitation.

La plainte avance un argument différent. Elle allègue que McDonald’s a créé un moteur tarifaire commun qui recueille des informations actuelles et non publiques auprès des restaurants avant de leur recommander des prix de menu.

Cette distinction importe, car environ 95 % des quelque 14 000 restaurants McDonald’s aux États-Unis sont détenus et exploités de manière indépendante. Ces franchisés sont des entreprises juridiquement distinctes, même s’ils opèrent sous une même marque.

Le dépôt soutient que les restaurants participants fournissent des informations détaillées sur leurs ventes et leurs prix à un système partagé. Le système analyserait des millions de transactions quotidiennes, les caractéristiques des établissements, la demande locale, la sensibilité des clients aux prix et les prix des concurrents.

Il générerait ensuite des recommandations spécifiques à chaque restaurant pour des produits individuels du menu. La plainte décrit ces résultats comme faisant partie d’un système coordonné plutôt que d’une étude de marché neutre.

Thomas affirme également que le moteur applique une « règle des 30 % ». Selon la version présentée dans la plainte, l’outil peut recommander une hausse après qu’une proportion déterminée de restaurants voisins a augmenté le prix du même article.

Cette allégation n’a pas été vérifiée dans le cadre de la procédure de communication des preuves. McDonald’s n’a pas accepté la description du plaignant concernant l’outil ou ses règles de fonctionnement.

La plainte affirme en outre que McDonald’s surveille si les franchisés suivent ses recommandations. Elle allègue que des écarts persistants peuvent affecter la manière dont l’entreprise évalue l’éligibilité d’un exploitant à l’expansion ou au renouvellement de sa franchise.

Cette allégation de pression est essentielle à la théorie du plaignant. Une recommandation que les exploitants ignorent régulièrement ne présente pas le même visage qu’une recommandation appuyée par une surveillance et des conséquences commerciales.

L’action collective proposée inclut les consommateurs américains ayant acheté de la nourriture chez McDonald’s pendant la période alléguée. Thomas cherche également à représenter une sous-catégorie de clients de l’Illinois.

La plainte invoque des recours au titre de l’article 1 du Sherman Act, de l’Illinois Antitrust Act et de l’Illinois Consumer Fraud and Deceptive Business Practices Act. Elle demande la certification de l’action collective, des dommages-intérêts, des frais juridiques et une injonction contre l’accord allégué.

En vertu du droit fédéral de la concurrence, les plaignants privés qui obtiennent gain de cause peuvent réclamer des dommages-intérêts triplés, soit trois fois leurs pertes prouvées. Ce recours ne signifie pas que des dommages-intérêts ont déjà été établis.

La plainte reste une allégation initiale. Aucun juge n’a déterminé si les restaurants ont convenu de coordonner leurs activités, si le système a restreint la concurrence ou si les clients ont subi des surfacturations mesurables.

Ces questions non résolues distinguent une réclamation juridique sérieuse d’une conclusion établie de fixation des prix.

McDonald’s affirme que l’IA ne fixe pas les prix des menus

La défense de McDonald’s repose sur l’indépendance des exploitants : les recommandations fournissent un contexte, tandis que chaque franchisé prend la décision tarifaire finale.

Avant le dépôt du procès, McDonald’s a publié une réponse détaillée aux articles portant sur sa technologie de tarification. Sa déclaration sur les prix du 1er octobre affirme que l’IA ne détermine le prix d’aucun produit du menu.

L’entreprise décrit son système comme un outil de recommandation propre à chaque restaurant. Elle indique que les exploitants utilisent ces recommandations parallèlement à leur propre connaissance des coûts locaux, des clients et de la concurrence.

McDonald’s rejette également l’idée qu’elle utilise une tarification dynamique en temps réel. La tarification dynamique modifie généralement les prix rapidement en réponse à des conditions immédiates, telles que la demande, les stocks ou l’heure de la journée.

Selon l’entreprise, son outil ne modifie pas automatiquement les panneaux de menu numériques durant les périodes de forte affluence. Il n’attribue pas non plus des prix différents à chaque client sur la base d’informations personnelles.

Cette distinction sépare trois pratiques souvent confondues dans les débats publics.

La tarification algorithmique utilise des logiciels pour analyser des informations et recommander ou sélectionner des prix. La tarification dynamique modifie un prix à mesure que les conditions du marché évoluent. La tarification de surveillance utilise des données personnelles ou comportementales pour adapter les prix ou les promotions à certains consommateurs ou groupes.

La plainte concerne principalement une coordination algorithmique entre restaurants. Elle n’établit pas que McDonald’s facture deux personnes dans un même établissement à des prix différents pour la même commande.

McDonald’s a déclaré à l’Associated Press que la plainte est truffée d’inexactitudes et qu’elle se défendra. L’entreprise a affirmé que ses outils facultatifs n’automatisent ni ne coordonnent les prix des restaurants.

Un porte-parole de l’entreprise a également souligné que McDonald’s recueillait des informations sur le marché et recommandait des prix avant que l’apprentissage automatique n’entre dans le processus. De ce point de vue, l’IA améliore une fonction de conseil déjà établie.

Le comportement des franchisés fournit certains éléments à l’appui de l’affirmation selon laquelle les recommandations du siège ne sont pas des ordres automatiques. Lors d’une conférence téléphonique avec les investisseurs en août, le PDG Chris Kempczinski a déclaré que seuls 60 % des restaurants américains proposaient un menu avantage envisagé.

Il a indiqué que McDonald’s ne pouvait pas simplement activer cette offre dans l’ensemble du réseau. La direction devait parvenir à un accord avec les franchisés.

Cet exemple ne tranche pas le procès. Un franchisé peut rejeter une promotion nationale tout en s’appuyant fortement sur des recommandations tarifaires spécifiques à son restaurant.

Il montre toutefois pourquoi le différend ne peut être tranché en considérant chaque établissement McDonald’s comme une succursale de l’entreprise. Le système de franchise répartit l’autorité entre le propriétaire de la marque et des milliers d’exploitants locaux.

McDonald’s a également des raisons légitimes de fournir des analyses de prix. Les franchisés doivent tenir compte des coûts alimentaires, des dépenses de main-d’œuvre, des concurrents locaux, de la fréquentation des clients et de l’effet des changements de prix sur les ventes.

Un système de recommandation peut traiter davantage de transactions qu’un exploitant individuel ne pourrait en évaluer manuellement. Il peut aussi identifier les cas où un prix plus élevé réduirait suffisamment la fréquentation pour diminuer le chiffre d’affaires total.

La question juridique n’est pas de savoir si un logiciel peut produire une analyse utile. Elle est de déterminer si McDonald’s a bâti cette analyse à partir d’informations sensibles sur le plan concurrentiel et encouragé des rivaux nominaux à suivre un résultat commun.

Le pouvoir discrétionnaire final en matière de prix aide la défense de McDonald’s, mais il n’est pas nécessairement décisif. Les tribunaux peuvent examiner le fonctionnement pratique d’un système, notamment la participation, la surveillance, la pression et les taux d’adoption.

Les éléments les plus solides pour l’entreprise montreraient une prise de décision indépendante significative. Cela pourrait inclure des écarts fréquents par rapport aux recommandations, des méthodes tarifaires variées et l’absence de sanctions liées au respect des recommandations.

Le plaignant, à l’inverse, doit produire des éléments montrant que les restaurants participants savaient que leurs concurrents contribuaient des données et s’attendaient à ce que d’autres suivent le même système.

Il est peu probable que ces faits ressortent des seules déclarations publiques. Ils nécessiteraient des documents internes, des communications avec les exploitants, des dossiers techniques et des témoignages sur la mise en œuvre des recommandations.

Pourquoi le partage des données des franchisés crée un risque antitrust

Le conflit central oppose une tarification indépendante à un moteur commun entraîné sur des informations que des concurrents n’échangeraient normalement pas.

L’article 1 du Sherman Act interdit les accords qui restreignent déraisonnablement le commerce. La fixation traditionnelle des prix implique que des concurrents s’accordent directement sur les prix qu’ils appliqueront.

Les logiciels ne créent pas d’exemption juridique. Si des concurrents ne peuvent pas légalement se coordonner lors d’une réunion, ils ne peuvent généralement pas rendre le même arrangement légal en faisant passer leurs décisions par un algorithme.

Le ministère de la Justice a défendu cette position dans plusieurs différends récents. Dans une affaire de tarification hôtelière, le ministère et la Federal Trade Commission ont affirmé que les entreprises ne peuvent pas utiliser des algorithmes pour accomplir des actes qui seraient illégaux s’ils étaient réalisés par des personnes.

Leur dépôt sur la tarification hôtelière traitait également du rôle des recommandations. Les agences ont soutenu qu’un prix de départ commun peut susciter des préoccupations antitrust même lorsque les entreprises conservent une certaine latitude.

Cette position soutient la théorie juridique sous-jacente à la plainte contre McDonald’s. Elle ne prouve pas que McDonald’s exploitait un tel accord.

La structure de franchise soulève une difficile question de frontière. McDonald’s possède la marque et établit des normes pour les produits, l’exploitation des restaurants, le marketing et l’expérience client.

L’uniformité est au cœur d’une franchise. Les clients s’attendent à une alimentation, un service et une image de marque similaires d’un établissement à l’autre, même lorsque les restaurants appartiennent à des entreprises différentes.

Les prix relèvent d’une catégorie plus sensible. McDonald’s a affirmé à plusieurs reprises que les exploitants indépendants fixent leurs propres prix de menu et se disputent les clients sur les marchés locaux.

Si ces exploitants se font réellement concurrence, leurs données privées de vente peuvent révéler comment les clients ont réagi à des changements de prix particuliers. La mise en commun de ces informations peut réduire l’incertitude quant aux prix que les rivaux prévoient de pratiquer.

L’incertitude concurrentielle n’est pas un défaut que tout outil d’optimisation devrait éliminer. C’est l’une des forces qui incitent les entreprises à baisser les prix, améliorer le service ou accepter des marges plus faibles.

La plainte allègue que McDonald’s a réduit cette incertitude en collectant des informations au niveau des restaurants et en fournissant des recommandations coordonnées. Elle présente l’entreprise comme la plateforme centrale reliant des exploitants par ailleurs indépendants.

Les avocats spécialisés en droit de la concurrence qualifient souvent cela de dispositif en étoile. Un acteur central joue le rôle du hub, tandis que les concurrents participants en constituent les rayons.

Une théorie de type hub-and-spoke exige toujours la preuve d’un accord. Il ne suffit pas de démontrer que plusieurs entreprises ont acheté le même logiciel ou reçu des conseils similaires.

Le plaignant doit relier les relations verticales entre McDonald’s et chaque franchisé à une entente horizontale entre restaurants concurrents. Les tribunaux examinent si les participants savaient que d’autres rejoignaient le dispositif et s’attendaient à un comportement coordonné.

Le rôle des restaurants exploités directement par l’entreprise ajoute une couche supplémentaire. Les filiales de McDonald’s exploitent une part plus réduite des établissements américains, plaçant potentiellement les restaurants détenus par le groupe en concurrence directe avec les franchisés.

Si les restaurants détenus par le groupe ont contribué des données et reçu des recommandations du même moteur, le plaignant soutiendra que McDonald’s a agi à la fois comme opérateur de plateforme et concurrent sur le marché de la restauration.

McDonald’s peut répondre qu’une marque partagée et le soutien aux franchisés nécessitent naturellement une analyse centralisée. L’entreprise peut aussi affirmer que les recommandations au niveau des restaurants reflètent les différences locales plutôt que de les supprimer.

Les variations visibles de prix étayent cet argument. Thomas lui-même a constaté des prix différents dans des établissements proches, ce qui suggère que le système n’imposait pas un prix de menu national unique.

Toutefois, une coordination anticoncurrentielle ne produit pas toujours des prix identiques. Un système commun peut recommander des prix différents tout en réduisant l’indépendance décisionnelle.

La question pertinente est donc contrefactuelle : quels prix les restaurants auraient-ils choisis sans les données mutualisées, les règles communes et les pressions alléguées ?

Cette question fait du procès relatif à la tarification par IA de McDonald’s autant une affaire économique qu’une affaire technologique. Les parties devront dissocier les effets de la coordination de l’inflation, des salaires, du coût des ingrédients, des loyers et de l’évolution de la demande des consommateurs.

Des prix de menu plus élevés ne prouvent pas une fixation algorithmique des prix

Les prix de McDonald’s ont fortement augmenté, mais une corrélation entre l’outil de tarification et ces hausses ne peut à elle seule établir l’existence d’un accord illégal.

La plainte cite une déclaration de McDonald’s indiquant que les prix moyens des menus aux États-Unis ont augmenté d’environ 40 % entre 2019 et 2024. Elle relie cette période au développement et au déploiement de la technologie de tarification de l’entreprise.

Cette chronologie soulève une question de recherche plausible. Elle n’isole pas l’effet de l’algorithme.

Les restaurants ont subi d’importantes hausses des coûts de main-d’œuvre, de nourriture, d’emballage, de transport et d’occupation durant cette période. Le comportement des consommateurs a également changé pendant la pandémie et l’inflation qui a suivi.

McDonald’s avait déjà indiqué que les prix des menus avaient augmenté en partie pour compenser la hausse des dépenses d’exploitation. Les franchisés de différentes régions ont été confrontés à des réglementations salariales, loyers, taxes et conditions d’approvisionnement différents.

Un modèle fiable d’évaluation des dommages devrait contrôler ces facteurs. Il lui faudrait également un point de comparaison montrant l’évolution de prix comparables sans le système contesté.

Les établissements McDonald’s voisins offrent une comparaison possible, mais la propriété locale peut compliquer l’analyse. Un même franchisé peut posséder plusieurs restaurants dans une région.

Le groupe proposé dans l’action collective couvre également un marché vaste et hétérogène. Un outil pourrait fortement influencer certains restaurants tout en ayant peu d’effet sur d’autres.

Le plaignant devra démontrer que la coordination alléguée a entraîné des prix supérieurs aux niveaux concurrentiels au sein d’un groupe juridiquement cohérent. Cela peut devenir difficile lorsque les recommandations, l’adoption, les coûts et la propriété diffèrent selon les établissements.

Les reportages à l’origine de l’affaire ont relevé d’importants écarts de prix locaux. Un exemple concernait deux restaurants de Fresno situés à environ deux miles l’un de l’autre, où les prix affichés du Big Mac auraient différé de 21 %.

Une telle variation peut étayer des interprétations opposées. Elle peut démontrer une tarification indépendante, ou montrer qu’un moteur centralisé optimise le montant que chaque marché local peut supporter.

L’apprentissage automatique ne répond pas à lui seul à cette question. Il s’agit d’une méthode permettant de détecter des schémas dans les données et de produire des prédictions ou recommandations à partir de ces schémas.

Un modèle qui estime la disposition à payer peut recommander des prix différents selon les établissements sans identifier les clients individuellement. Cette pratique s’apparente davantage à une optimisation tarifaire locale qu’à une tarification de surveillance personnalisée.

La tarification locale n’est pas automatiquement illégale. Les entreprises ajustent couramment leurs prix en fonction des coûts régionaux, de la demande et des conditions concurrentielles.

Le risque évolue lorsque le modèle intègre des données actuelles et confidentielles provenant d’entreprises qui devraient prendre des décisions indépendantes. La source et le moment des données saisies peuvent importer davantage que la sophistication du modèle.

L’étude de la FTC sur la tarification montre pourquoi les régulateurs examinent de plus en plus les pipelines de données. Ses premières conclusions décrivaient des intermédiaires capables d’utiliser la localisation, l’activité de navigation, les données démographiques et le comportement d’achat pour influencer les prix ou les promotions.

L’étude de la FTC concerne une catégorie plus large que les allégations visant McDonald’s. Elle ne désigne pas McDonald’s comme ayant appliqué des prix individualisés.

Elle reflète toutefois une évolution de l’attention réglementaire. Les autorités demandent de plus en plus quelles données alimentent les systèmes de tarification, qui les partage et si les clients peuvent comprendre les offres qui en résultent.

La plainte devra relever un autre défi, car une grande partie de son récit public repose sur des reportages et des documents de l’entreprise. Un procès exige des preuves recevables étayant chaque élément juridique.

La procédure de communication des pièces pourrait révéler un système coercitif conçu pour aligner les exploitants. Elle pourrait au contraire montrer des recommandations facultatives, une faible adoption et d’importantes variations de prix dictées par les conditions locales.

Tant que ces documents ne seront pas rendus publics, les affirmations selon lesquelles McDonald’s « a utilisé l’IA pour augmenter les prix de tout le monde » dépassent les faits vérifiés. L’énoncé exact est plus limité : un consommateur allègue que le système de tarification a permis une coordination illégale.

Le véritable précédent vient du logement et de l’hôtellerie

Cette action transpose une théorie établie de collusion algorithmique à un réseau de franchise, où les relations entre participants sont moins directes.

Les affaires récentes les plus importantes concernant la tarification algorithmique ont impliqué des propriétaires immobiliers, des hôtels et des intermédiaires logiciels. Ces affaires allèguent généralement que des entreprises concurrentes ont fourni des données confidentielles à un fournisseur commun et reçu des recommandations tarifaires.

En 2024, le ministère de la Justice a poursuivi RealPage, alléguant que son système de gestion des revenus avait aidé des propriétaires concurrents à coordonner les loyers des appartements. Le gouvernement a ensuite ajouté plusieurs grands propriétaires comme défendeurs.

L’affaire RealPage du ministère décrivait le logiciel comme un mécanisme de partage d’informations sensibles et d’alignement des décisions de location. RealPage a contesté ces allégations.

Ce litige fournit au plaignant contre McDonald’s un vocabulaire et une feuille de route juridique. Les deux théories se concentrent sur des données non publiques mutualisées, des recommandations communes et des participants qui auraient abandonné leur jugement indépendant.

Les différences sont considérables. RealPage servait des sociétés immobilières distinctes qui achetaient un logiciel auprès d’un fournisseur externe.

McDonald’s exploite un réseau de franchise doté de marques, normes d’approvisionnement, publicité, produits et relations contractuelles communs. La coordination de l’entreprise est intégrée à de nombreux aspects légaux de ce système.

Un tribunal devra distinguer la gestion de marque de la coordination horizontale des prix. L’indépendance des exploitants devient donc la question décisive.

Les litiges relatifs à la tarification hôtelière offrent un précédent connexe. Les propriétaires d’hôtels participent souvent au même réseau de marque tout en restant des entreprises indépendantes.

Les agences fédérales ont soutenu que des recommandations volontaires peuvent néanmoins étayer une plainte pour fixation des prix lorsque les participants utilisent sciemment un système de tarification commun. Les tribunaux continuent toutefois d’évaluer ces affaires selon leurs faits particuliers.

Le litige McDonald’s pourrait également influencer d’autres secteurs de la franchise. Les marques de restauration, d’hôtellerie, de fitness, d’automobile et de services fournissent de plus en plus aux exploitants des outils d’analyse centralisés.

Ces outils peuvent améliorer les prévisions, réduire le gaspillage et aider les petits exploitants à interpréter la demande locale. Ils peuvent aussi créer une vision détaillée du comportement des concurrents qu’aucun participant ne pourrait obtenir de manière indépendante.

La distinction la plus sûre n’est pas « IA contre absence d’IA ». Des feuilles de calcul traditionnelles, des consultants ou des appels téléphoniques peuvent faciliter le même comportement illégal.

Une meilleure question de conformité consiste à déterminer si le système préserve une véritable indépendance. Les garde-fous pertinents comprennent des données historiques agrégées, des limites sur les informations relatives aux concurrents, une participation volontaire et des restrictions concernant le suivi de l’adoption.

Les informations en temps réel au niveau des établissements présentent un risque accru, car elles peuvent révéler la stratégie concurrentielle actuelle. Les recommandations liées aux décisions récentes de concurrents invitent également à un examen plus approfondi.

Les entreprises utilisant une tarification algorithmique devraient donc documenter davantage qu’une simple clause de non-responsabilité sur le choix final. Elles ont besoin de preuves opérationnelles démontrant que les clients gardent le contrôle et que le fournisseur ne sanctionne pas les écarts.

Les réseaux de franchise sont confrontés à un problème de gouvernance supplémentaire. Une recommandation peut être techniquement facultative tout en ayant un poids pratique, car le franchiseur contrôle les renouvellements, les possibilités d’expansion, l’accès à la technologie et les normes de marque.

Cela ne rend pas toute recommandation coercitive. Cela signifie que la relation commerciale environnante peut compter autant que l’interface logicielle.

L’importance finale de Thomas v. McDonald’s dépendra de la manière dont le tribunal traitera cette relation. Une décision large pourrait exposer de nombreux outils centralisés de franchise à de nouvelles réclamations.

Une décision plus étroite pourrait confirmer que les franchiseurs peuvent fournir des conseils tarifaires sophistiqués lorsque les exploitants restent indépendants et que les données confidentielles des concurrents sont correctement protégées.

Pour l’instant, la plainte est un test de résistance, pas un précédent.

Ce qu’il faut surveiller à mesure que le procès sur la tarification par IA de McDonald's évolue

Trois signaux montreront si cette affaire devient un précédent majeur en matière de concurrence algorithmique ou se termine par une contestation infructueuse des outils de soutien aux franchises.

Le premier signal sera la stratégie procédurale initiale de McDonald’s. L’entreprise contestera probablement le fait que la plainte allègue de manière suffisamment plausible un accord horizontal entre franchisés.

Une décision de rejet révélerait le niveau de détail factuel qu’un consommateur doit fournir avant d’accéder aux documents internes. Le maintien de l’affaire permettrait l’accès aux éléments concernant le moteur de tarification et les relations de franchise.

La question clé ne sera pas de savoir si la plainte emploie à plusieurs reprises le terme IA. Il s’agira de déterminer si le système allégué relie des concurrents par un engagement commun à suivre des recommandations communes.

Le deuxième signal concernera les preuves relatives à l’adoption et à l’application. Des documents internes pourraient montrer à quelle fréquence les exploitants ont accepté les recommandations, comment McDonald’s a suivi les écarts et ce qui s’est passé lorsqu’un exploitant a refusé.

Un taux d’adoption élevé ne prouverait pas à lui seul l’existence d’un accord. Toutefois, une forte adoption combinée à des pressions, à la connaissance des concurrents et à des données non publiques renforcerait la théorie du plaignant.

Des écarts fréquents sans conséquences renforceraient la position de McDonald’s. Cela étayerait l’affirmation de l’entreprise selon laquelle l’outil fournit un contexte plutôt que des instructions.

Le troisième signal sera le traitement des données par le tribunal. La plainte met l’accent sur des informations actuelles et granulaires provenant de restaurants individuels, car ces informations peuvent révéler une stratégie concurrentielle.

Un système entraîné principalement sur des informations agrégées ou historiques présente un risque différent de celui qui utilise les ventes et les prix en temps réel au niveau des restaurants. L’enquête technique devra déterminer quelle description correspond au moteur de McDonald’s.

Les lecteurs devraient également surveiller une éventuelle participation des régulateurs. Le Department of Justice et la FTC ont déposé des observations dans des affaires privées de tarification algorithmique lorsque des interprétations plus larges du droit de la concurrence étaient en jeu.

Le dépôt d’un document par une agence ne déterminerait pas l’issue de l’affaire. Il indiquerait que les autorités fédérales chargées de l’application de la loi considèrent le contexte des franchises comme important pour la politique de concurrence appliquée aux algorithmes.

L’affaire survient également alors que McDonald’s tente de restaurer sa réputation en matière de prix abordables auprès des clients soucieux de leur budget. Cette pression commerciale donne au litige des conséquences qui dépassent les seuls dommages-intérêts.

Si les clients estiment que le logiciel est conçu pour identifier le prix maximal qu’ils sont prêts à accepter, le discours de l’entreprise sur l’accessibilité financière devient plus difficile à maintenir. McDonald’s doit expliquer à la fois le fonctionnement de l’outil et les limites qui encadrent son utilisation.

Les développeurs et les acheteurs d’entreprise devraient y prêter attention pour une autre raison. Cette affaire montre qu’un produit techniquement consultatif peut créer un risque juridique par ses données d’entrée, ses incitations et son modèle de déploiement.

Les équipes produit devraient se demander si leurs systèmes combinent des données confidentielles provenant de concurrents. Elles devraient également examiner si les recommandations deviennent de fait obligatoires via la surveillance, un levier contractuel ou des évaluations de performance.

Les consommateurs devraient éviter de supposer que toute différence de prix selon l’emplacement relève d’une faute. Ils devraient aussi s’attendre à des explications plus claires lorsque les entreprises utilisent des données partagées pour orienter les prix au sein d’activités exploitées de manière indépendante.

L’action en justice concernant la tarification par IA de McDonald’s dépendra d’éléments de preuve qui ne sont pas encore publics. La plainte décrit une fixation coordonnée des prix, tandis que McDonald’s présente son système comme un conseil commercial facultatif.

Surveillez les arguments relatifs au rejet de la plainte, les registres d’adoption des recommandations et les contrôles techniques des données. Ensemble, ces signaux montreront si le moteur a préservé la concurrence ou l’a discrètement remplacée.