L'offensive de McDonald's sur la tarification par IA se heurte à un démenti ferme sur l'identité de ceux qui fixent les prix des menus

Le système de tarification par IA de McDonald's guide désormais les recommandations dans près de 14 000 restaurants américains, selon une enquête de Reuters publiée le 29 septembre. Pourtant, McDonald's affirme que l'intelligence artificielle ne fixe jamais les prix, ne les modifie pas et ne détermine pas ce qu'un client donné paie.

Cette distinction est au cœur de la controverse. Reuters décrit un moteur de machine learning qui analyse des millions de transactions quotidiennes et recommande un « prix optimal » pour chaque article dans chaque restaurant. McDonald's décrit la même technologie comme un outil d'aide à la décision laissant chaque choix final aux franchisés humains.

Les deux descriptions peuvent être exactes. Un algorithme peut influencer une décision sans l'exécuter. Une recommandation peut aussi peser davantage lorsque l'entreprise suit si les propriétaires de restaurants la respectent.

La véritable question n'est donc pas de savoir si un logiciel appuie sur un bouton numérique. Il s'agit de déterminer quel contrôle concret une recommandation d'IA acquiert au sein d'un système de franchise où le siège détient un pouvoir considérable.

Cette question dépasse les hamburgers. Les entreprises adoptent des algorithmes pour transformer la demande, la concurrence et le comportement des clients en conseils tarifaires. McDonald's offre désormais un test très visible pour savoir si les consommateurs accepteront ce processus alors que l'accessibilité financière est déjà un sujet sensible.

Ce que fait réellement la tarification par IA de McDonald's

Le système recommanderait des prix au niveau de chaque restaurant, tandis que les franchisés conservent l'autorité formelle sur le menu final.

Reuters rapporte que McDonald's utilise une forme de technologie de tarification par IA depuis au moins 2019. Son moteur actuel analyse en continu les données de transaction issues de l'important réseau américain de restaurants de la chaîne.

Le machine learning désigne un logiciel qui repère des schémas dans des données historiques et les utilise pour faire des prédictions ou des recommandations. Dans ce cas, il produit un prix suggéré pour chaque article du menu dans un restaurant donné.

Les données prises en compte incluraient la demande locale, les conditions d'exploitation, les prix des menus des concurrents et des estimations de la sensibilité des clients aux prix. Des captures d'écran consultées par Reuters faisaient référence à la « volonté de payer des clients » dans la zone d'un restaurant.

Cette expression a suscité une inquiétude compréhensible. Elle suggère un système conçu pour déterminer combien un marché local pourrait accepter de payer avant que les ventes ne commencent à reculer.

Toutefois, l'outil rapporté fonctionne au niveau du restaurant, et non à celui du client individuel. Aucune preuve vérifiée n'indique que McDonald's propose des prix de base différents à deux personnes commandant simultanément dans un même établissement.

McDonald's a renforcé cette distinction dans une clarification sur les prix publiée le 1er octobre. L'entreprise a déclaré que son système n'utilise pas d'informations personnelles pour déterminer ce qu'un client donné devrait payer.

McDonald's a également nié recourir à la tarification dynamique. La tarification dynamique modifie les prix en fonction de conditions telles que la demande, le moment, les stocks ou la capacité. Les compagnies aériennes et les plateformes de VTC utilisent couramment des versions de cette approche.

L'entreprise affirme que son outil ne modifie pas les prix en temps réel et ne facture pas davantage à certaines heures. Il produit plutôt des recommandations propres à chaque restaurant en fonction des marchés géographiques et d'autres conditions locales.

L'expression « tarification locale assistée par IA » est donc plus exacte que « tarification personnalisée » ou « tarification de pointe ». Elle rend aussi le système moins spectaculaire que ne le laissent entendre certains titres.

Les recommandations semblent néanmoins plus sophistiquées qu'une feuille de calcul occasionnelle. L'enquête de Reuters indique que McDonald's transmet des orientations tarifaires aux franchisés au moins trois fois par an.

Reuters rapporte également que Tiger Analytics exploite la plateforme et travaille avec McDonald's sur ses paramètres. D'anciens employés de Tiger ont indiqué que ces paramètres reflétaient des objectifs du siège, notamment attirer des clients ou améliorer les bénéfices.

Les règles rapportées n'étaient pas conçues uniquement pour augmenter les prix. Certaines empêchaient des hausses sur des produits sélectionnés durant certaines saisons. D'autres concentraient les hausses proposées sur les articles dont les prix étaient restés inchangés plus longtemps.

Plus récemment, les franchisés auraient reçu des recommandations en faveur d'une tarification prudente et de certaines baisses. Ce changement reflète les efforts de McDonald's pour restaurer sa réputation d'accessibilité financière après plusieurs années de hausse des coûts de restauration.

Le système fait donc plus que rechercher le chiffre maximal que les clients peuvent tolérer. Il équilibrerait le volume des ventes, la fréquentation, les coûts d'exploitation, le positionnement concurrentiel et les priorités de l'entreprise.

Cet objectif plus large ne met toutefois pas fin à la controverse. Il déplace l'attention vers la relation entre les recommandations du siège et les décisions des franchisés.

Le différend entre outil et obligation

McDonald's affirme que le moteur fournit des conseils facultatifs, mais plusieurs franchisés ont déclaré à Reuters que rejeter ses recommandations entraîne des pressions.

McDonald's fonctionne selon un modèle très largement franchisé. Environ 95 % de ses restaurants américains sont détenus et exploités par des franchisés, selon des informations sur les menus à petits prix.

Ces propriétaires fixent formellement les prix de leurs restaurants. Ils supportent également les dépenses locales, notamment les salaires, les loyers, les services publics, les assurances, les denrées alimentaires et les emballages.

Le siège a des incitations économiques différentes. McDonald's perçoit des revenus liés aux ventes des restaurants, tandis que chaque franchisé doit préserver la rentabilité d'un établissement individuel.

Un prix plus bas peut attirer davantage de clients et accroître le chiffre d'affaires total. Mais il peut aussi réduire la marge d'un propriétaire de restaurant lorsque les coûts locaux restent élevés.

Cette tension est antérieure à l'intelligence artificielle. L'algorithme offre au siège une méthode plus cohérente et plus riche en données pour recommander la manière dont les franchisés devraient la résoudre.

McDonald's affirme qu'une recommandation reste exactement cela. Sa réponse publique indique que les propriétaires de restaurants peuvent rejeter le résultat de l'outil et déterminer indépendamment leurs prix finaux.

Reuters a trouvé des éléments révélant une réalité opérationnelle plus complexe. Cinq franchisés ont décrit des pressions pour utiliser les recommandations, même si un autre ancien propriétaire ne s'est pas senti obligé de les accepter.

Un document consulté par Reuters suivait apparemment les écarts par rapport aux recommandations du système. Depuis janvier, les franchisés sont également tenus d'échanger de manière constructive avec des consultants et outils de tarification approuvés dans le cadre de normes commerciales mises à jour.

Les discussions avec le siège peuvent être importantes, car McDonald's évalue les franchisés sur des questions qui influencent leur avenir au sein du système. Ces décisions peuvent inclure le renouvellement de restaurants et les possibilités d'ouvrir des établissements supplémentaires.

Le PDG Chris Kempczinski a reconnu en août que le non-respect de la tarification peut intervenir dans certaines discussions avec les franchisés. Cette déclaration ne prouve pas que McDonald's dicte les prix, mais elle montre que les désaccords peuvent retenir l'attention du siège.

Cela crée un écart entre l'autorité juridique et l'influence pratique. Un franchisé peut disposer du droit formel de rejeter une recommandation tout en étant confronté à des incitations commerciales à la suivre.

C'est le différend central derrière les prix des menus de McDonald's fixés avec l'IA. Se concentrer uniquement sur la personne qui saisit le chiffre final ignore la manière dont le pouvoir organisationnel façonne la décision.

Le même enjeu apparaît dans l'ensemble de l'IA d'entreprise. Les entreprises décrivent souvent les systèmes automatisés comme une aide à la décision, tout en laissant un humain aux commandes.

Cette protection ne fonctionne que si l'humain dispose d'une liberté réelle, d'informations suffisantes et d'une capacité réaliste à exprimer son désaccord. Une étape d'approbation nominale n'établit pas automatiquement l'existence d'un jugement indépendant.

McDonald's rejette l'idée que ses normes équivalent à un contrôle des prix finaux. L'entreprise affirme que ses évaluations prennent en compte l'expérience client dans son ensemble, et pas seulement le respect par un restaurant des orientations tarifaires.

Les éléments disponibles n'établissent pas que chaque franchisé subit une pression identique. Ils ne montrent pas non plus que les restaurants appliquent automatiquement chaque recommandation.

Ils montrent que le moteur de tarification fonctionne au sein d'une relation au pouvoir de négociation inégal. Cela fait des taux d'adoption et des relevés d'écarts des indicateurs importants, et non de simples détails administratifs.

Pourquoi McDonald's étend maintenant ses recommandations de prix par IA

L'entreprise a besoin de prix suffisamment bas pour restaurer la fréquentation, mais assez élevés pour soutenir l'économie des franchisés après des années d'inflation des coûts.

McDonald's est entré dans ce débat avec un problème d'accessibilité financière déjà existant. L'entreprise a indiqué que ses prix moyens de menu aux États-Unis avaient augmenté d'environ 40 % entre 2019 et 2024.

McDonald's a attribué ces hausses à une croissance comparable des principaux coûts de restauration. Sa fiche d'information sur les prix indiquait que les salaires des équipiers avaient augmenté d'environ 40 %, tandis que les coûts des denrées alimentaires et des emballages avaient progressé d'environ 35 %.

L'entreprise a soutenu que ses hausses globales étaient restées cohérentes avec l'augmentation des dépenses d'exploitation. Les consommateurs ont néanmoins vécu le résultat comme une visite plus coûteuse.

Les prix varient aussi d'un restaurant à l'autre. Reuters a constaté un écart de 21 % entre les prix du Big Mac dans deux établissements exploités par l'entreprise à Fresno, séparés de seulement deux miles.

Cette comparaison prouve l'existence de variations de prix géographiques, mais non leur cause. Reuters a explicitement indiqué ne pas avoir pu déterminer si le moteur d'IA avait produit cet écart.

La tarification locale existait avant le machine learning. Les restaurants proches des aéroports, des autoroutes, des zones touristiques et des centres urbains coûteux facturent depuis longtemps des prix différents de ceux des établissements de banlieue.

McDonald's affirme que des restaurants voisins peuvent appartenir à des marchés distincts, avec des dépenses et une demande différentes. Un algorithme peut mesurer ces différences avec plus de précision, mais il ne les a pas inventées.

La complication est qu'une plus grande précision peut accroître les écarts. Trois franchisés ont indiqué à Reuters que le moteur avait élargi les différences de prix existantes entre les restaurants, y compris des établissements situés dans des quartiers voisins.

Pour les consommateurs, l'origine d'un écart peut compter moins que son équité perçue. Un client comparant deux menus dans une application voit le même produit et la même marque proposés à des prix différents.

Si le prix plus élevé semble lié à des coûts inévitables, les clients pourraient l'accepter. S'il semble conçu en fonction de ce qu'un quartier peut tolérer, la réaction change.

McDonald's subit également la pression de clients à faibles revenus qui ont réduit leurs visites dans tout le secteur de la restauration rapide. Reuters a cité des estimations de Placer.ai montrant une baisse du trafic américain de McDonald's d'une année sur l'autre au cours de chaque mois complet depuis mars.

L'entreprise a réagi en mettant l'accent sur l'accessibilité financière. Sa stratégie nationale actualisée de prix avantageux comprend une sélection plus simple d'articles moins chers et d'offres de repas.

Cette stratégie nécessite la coopération de milliers d'opérateurs indépendants. Environ un tiers des franchisés n'ont pas suivi certains prix recommandés pour les menus à petits prix, a déclaré Kempczinski lors d'une conférence téléphonique sur les résultats en août.

Il a affirmé que ces restaurants avaient enregistré des résultats commerciaux plus faibles, bien que l'entreprise n'ait pas communiqué suffisamment d'éléments pour vérifier cette affirmation de manière indépendante. McDonald's peut utiliser son moteur pour soutenir que des prix plus bas génèrent suffisamment de trafic supplémentaire pour compenser la réduction des marges unitaires.

Les franchisés peuvent parvenir à une conclusion différente après avoir examiné leurs propres dépenses de main-d’œuvre, de loyer et d’alimentation. Leur objectif n’est pas de maximiser les ventes de l’ensemble du réseau à tout prix.

Cela explique pourquoi la tarification par IA de McDonald's devient plus importante aujourd’hui. Le siège a besoin d’une méthode reproductible pour identifier où des prix plus bas peuvent relancer la demande sans sacrifier trop de revenus.

La technologie promet des recommandations plus ciblées qu’une directive nationale. Elle peut conseiller des baisses dans certains marchés, maintenir les prix ailleurs et identifier les produits qui semblent moins sensibles aux hausses.

Cette précision peut aider McDonald's à soutenir un message cohérent sur la valeur tout en tenant compte des réalités économiques locales. Elle peut aussi fournir au siège un argument quantitatif lorsqu’un franchisé préfère un prix plus élevé.

La technologie n’est donc pas seulement un calculateur de prix. Elle devient un élément de la manière dont McDonald's négocie l’accessibilité financière au sein de son réseau de franchises.

La tarification par IA de McDonald's n’est pas une tarification dynamique, mais la confiance reste essentielle

McDonald's rejette l’étiquette de tarification dynamique, mais les consommateurs peuvent tout de même s’interroger sur des recommandations fondées sur la disposition locale à payer.

La différence entre des recommandations au niveau du restaurant et une tarification personnalisée en temps réel est considérable. McDonald's affirme que toute personne commandant dans un même établissement voit le même prix de base applicable au menu.

Son système n’augmenterait pas les prix du déjeuner parce qu’une file se forme à midi. Il ne les baisserait pas automatiquement pendant un après-midi creux.

McDonald's affirme également que le moteur n’examine pas l’historique d’achat d’une personne pour choisir un prix de menu plus élevé pour ce client. Aucun élément des informations vérifiées n’établit l’existence d’une telle tarification individualisée.

Ces limites distinguent la pratique rapportée des formes les plus sensibles de tarification algorithmique. Elles ne devraient pas être estompées simplement parce que les trois approches peuvent faire intervenir l’intelligence artificielle.

Toutefois, l’absence de tarification en temps réel ou individualisée ne règle pas la question de l’équité. Une estimation de la disposition à payer au niveau d’un quartier segmente toujours les marchés à partir de comportements déduits.

Cette estimation peut refléter les revenus, la concurrence, les habitudes de déplacement domicile-travail, l’accès aux transports ou la disponibilité d’alternatives. Les consommateurs savent rarement quelles variables ont influencé la recommandation.

L’outil utiliserait les prix publiquement disponibles de concurrents figurant sur les menus de restaurants voisins. Wendy's et Burger King ont déclaré à Reuters ne pas utiliser d’IA dans leurs décisions de tarification.

Les données concurrentielles peuvent aider un restaurant à éviter de trop s’écarter de son marché local. Elles peuvent également susciter des inquiétudes si de nombreuses entreprises utilisent des algorithmes qui réagissent aux prix les unes des autres.

La question juridique n’est pas que des logiciels traitent des informations publiques. Les régulateurs s’intéressent à la question de savoir si les systèmes de tarification facilitent la coordination, la discrimination, la tromperie ou d’autres pratiques interdites.

Reuters a examiné les conditions du portail avertissant les utilisateurs que les franchisés pourraient être concurrents. Ces conditions leur demanderaient de respecter les lois sur la concurrence et de consulter leurs propres avocats si nécessaire.

William Kovacic, ancien commissaire de la Federal Trade Commission, a déclaré à Reuters que cet avertissement reconnaît un problème potentiel. D’autres experts juridiques ont évalué le risque comme relativement faible, les tribunaux accordant aux marques de franchise une influence considérable sur les prix.

Aucun régulateur cité dans les informations publiées n’a conclu que McDonald's avait enfreint le droit de la concurrence. La FTC et le ministère de la Justice n’ont pas commenté l’article de Reuters.

L’environnement réglementaire plus large devient moins indulgent. La FTC a averti les entreprises que l’utilisation non divulguée de données personnelles dans une tarification individualisée peut soulever des préoccupations en matière de protection des consommateurs.

McDonald's affirme ne pas se livrer à cette pratique. Cet avertissement explique néanmoins pourquoi une terminologie précise et la transparence publique sont devenues essentielles.

Wendy's a appris à ses dépens ce risque de réputation en 2024. Des commentaires sur les panneaux de menu numériques et les expérimentations tarifaires ont déclenché de nombreuses affirmations selon lesquelles la chaîne prévoyait une tarification de pointe.

Wendy's a rejeté cette interprétation et déclaré ne pas avoir mis en œuvre un tel système. L’épisode a montré avec quelle rapidité les consommateurs associent la tarification algorithmique au fait de payer davantage pendant les périodes d’affluence.

Instacart a fait l’objet de critiques similaires après avoir testé des outils affichant des prix de produits alimentaires différents selon les clients. L’entreprise a ensuite mis fin à ce test limité et indiqué que les informations personnelles ne détermineraient pas les prix des articles.

McDonald's a répondu par des formulations catégoriques. L’IA ne fixe pas les prix des menus, affirme l’entreprise, et les personnes restent responsables des décisions finales.

Cette réponse traite de l’automatisation, mais seulement en partie de l’influence. Les consommateurs peuvent aussi vouloir savoir comment les recommandations sont élaborées, quelles variables sont exclues et à quelle fréquence les franchisés les rejettent.

La transparence devrait distinguer les prix de base des remises personnalisées. Une offre de fidélité peut varier selon le client sans modifier le prix affiché que tout le monde voit.

Les entreprises doivent expliquer clairement cette distinction. Sinon, les promotions personnalisées, la tarification géographique et la discrimination tarifaire individuelle peuvent se fondre dans un même récit public inquiétant.

McDonald's devrait également expliquer comment il teste ses recommandations afin de détecter d’éventuelles disparités géographiques involontaires. Un système peut éviter les données personnelles tout en produisant des résultats corrélés à des caractéristiques démographiques sensibles.

Aucun élément public ne montre actuellement que son moteur désavantage systématiquement des groupes protégés. Il serait irresponsable d’affirmer le contraire sans analyse au niveau des établissements.

L’absence de vérification reste néanmoins importante. McDonald's a décrit ce que l’outil ne fait pas, mais a publié peu de détails sur ses modèles, sa gouvernance, ses données d’entrée ou son processus d’audit.

Les consommateurs doivent donc choisir entre une assurance de l’entreprise et une enquête fondée sur des captures d’écran internes, des documents et des témoignages anonymes de franchisés. Davantage de divulgations faciliterait l’évaluation de cette distinction.

Le principal affrontement oppose l’optimisation de l’entreprise au jugement local

Le conflit central n’oppose pas McDonald's à une autre chaîne de restauration. Il oppose la cohérence algorithmique au contrôle des franchisés et à la confiance des consommateurs.

McDonald's peut consulter les mêmes données à travers des milliers de restaurants. Cette échelle permet à son système de détecter des tendances qu’un exploitant ne peut pas discerner à partir d’une poignée d’établissements.

Un moteur peut estimer comment un changement de prix a affecté les transactions sur des marchés comparables. Il peut distinguer plus efficacement qu’une simple intuition les variations saisonnières d’un problème propre à un restaurant.

L’entreprise peut aussi coordonner un message national sur la valeur. La publicité devient difficile lorsque les prix promus diffèrent fortement ou que trop de franchisés refusent l’offre.

Les franchisés apportent des informations qu’un modèle centralisé peut ne pas saisir rapidement. Un exploitant local comprend les pénuries de personnel, les perturbations liées aux travaux, les événements du quartier et les changements concurrentiels que les transactions historiques peuvent ignorer.

Cela ne crée pas une simple opposition entre humains et machines. Le modèle utile combine des données étendues à un jugement local responsable.

Les difficultés commencent lorsque l’une ou l’autre partie considère ses informations comme complètes. Les équipes centrales peuvent surestimer la précision du modèle, tandis que les propriétaires de restaurants peuvent prendre une expérience récente pour une tendance durable.

Le système d’IA modifie également la charge de la preuve. Avant de tels outils, le siège devait convaincre un propriétaire qu’un prix différent serait plus performant.

Désormais, la recommandation arrive avec l’autorité de millions de transactions et d’un optimum calculé. Le propriétaire qui n’est pas d’accord doit expliquer pourquoi son établissement constitue une exception.

Cette asymétrie peut améliorer la discipline. Elle peut aussi créer un biais d’automatisation, qui survient lorsque des personnes s’en remettent à un logiciel parce que son résultat paraît plus objectif qu’il ne l’est.

Un « prix optimal » n’est jamais neutre. L’optimisation exige un objectif, des contraintes, un horizon temporel et des hypothèses sur les compromis acceptables.

Un modèle privilégiant la croissance des transactions peut recommander autre chose qu’un modèle privilégiant le bénéfice du restaurant. Un système protégeant les parts de marché peut tolérer des résultats qui pèsent sur certains franchisés.

Reuters rapporte que McDonald's a fourni des objectifs et des règles d’entreprise à l’opérateur de la plateforme. Cette orientation humaine est importante, car l’algorithme ne décide pas lui-même de ce que signifie le succès.

McDonald's affirme que l’accessibilité financière et la valeur pour le client restent centrales. Les franchisés peuvent soutenir cet objectif tout en contestant la manière dont ses coûts devraient être répartis dans l’ensemble du réseau.

Les consommateurs introduisent un troisième objectif. Ils veulent des prix prévisibles et compréhensibles, ainsi que l’assurance que l’entreprise n’exploite pas le faible nombre d’alternatives locales.

Un modèle techniquement efficace peut néanmoins échouer si les clients considèrent ses recommandations comme injustes. L’optimisation des prix dépend des comportements, et la méfiance du public modifie les comportements.

L’expérience antérieure de McDonald's avec l’IA offre un avertissement utile. L’entreprise a mis fin en 2024 à un test de prise de commande automatisée au drive-through avec IBM, après des déploiements dans certains restaurants.

L’expérience de drive-through a attiré l’attention lorsque des clients ont partagé en ligne des erreurs de commande. McDonald's a continué à explorer l’IA, mais cet épisode a montré que l’échelle ne garantit pas qu’une technologie soit prête.

La tarification crée un défi encore plus sensible. Une commande erronée provoque de la frustration, tandis qu’un prix apparemment injuste peut nuire à toute la promesse de valeur de la marque.

Le résultat du moteur doit donc résister à plus que des tests statistiques. Il doit rester défendable auprès des exploitants, des clients, des régulateurs et du public.

Pour les acheteurs en entreprise, McDonald's offre une leçon générale. La supervision humaine ne peut pas être mesurée uniquement selon qu’une personne approuve le résultat final.

Les organisations devraient examiner les taux de rejet, les voies d’escalade, les incitations et les conséquences. Si les utilisateurs rejettent presque jamais un algorithme, les dirigeants devraient déterminer si le modèle a systématiquement raison ou si le désaccord semble risqué.

Elles devraient également documenter l’objectif optimisé. Des termes tels que « optimal », « recommandé » et « valeur pour le client » peuvent masquer des définitions concurrentes.

La meilleure gouvernance demande qui bénéficie du succès du système et qui absorbe le coût lorsqu’il échoue. Chez McDonald's, les réponses diffèrent entre le siège social, les franchisés et les clients.

Trois signaux montreront où la stratégie évoluera ensuite

Les données d’adoption, la fréquentation des clients et les réponses réglementaires révéleront si McDonald's peut transformer l’intelligence tarifaire en recommandations commerciales dignes de confiance.

Le premier signal est le comportement des franchisés. McDonald's n’a pas besoin de publier le code propriétaire du modèle, mais peut fournir des taux agrégés d’acceptation et de rejet.

Ces taux permettraient de déterminer si la plateforme fonctionne comme un conseil facultatif. Un taux d’acceptation élevé ne prouve pas grand-chose à lui seul, mais des hausses inexpliquées après l’instauration d’exigences de conformité mériteraient un examen attentif.

McDonald's pourrait aussi indiquer à quelle fréquence les propriétaires de restaurants modifient une recommandation. Des ajustements significatifs étayeraient son affirmation selon laquelle les personnes conservent le contrôle.

Le deuxième signal est la fréquentation des clients parallèlement à leur perception de la valeur. McDonald's utilise des recommandations plus prudentes tout en promouvant l’accessibilité financière ; la stratégie devrait donc produire une amélioration comportementale mesurable.

Des transactions plus nombreuses sans perception accrue de la valeur suggéreraient que les promotions produisent un effet temporaire. Une meilleure perception sans fréquentation accrue suggérerait que l’accessibilité financière reste limitée par d’autres facteurs.

Les résultats doivent aussi être comparés à l’économie des franchisés. Un gain de fréquentation n’est pas durable si les restaurants participants ne peuvent pas couvrir leurs dépenses d’exploitation.

Le troisième signal est l’orientation réglementaire sur la tarification algorithmique et personnalisée. McDonald's affirme que son approche au niveau des restaurants ne personnalise pas les prix de base, mais les régulateurs examinent de près les pratiques connexes.

Toute nouvelle exigence de transparence pourrait contraindre les entreprises à expliquer quelles données alimentent leurs systèmes de tarification. Les règles pourraient également préciser dans quels cas les franchisés sont considérés comme des concurrents dans l’analyse de la tarification algorithmique.

Ces signaux détermineront si la tarification par IA de McDonald's devient un modèle d’aide à la décision responsable ou une source durable de méfiance.

Pour l’instant, la conclusion la plus solide est plus nuancée que le titre initial. L’IA aiderait à calculer et à recommander les prix locaux des menus, mais McDonald's affirme que des humains décident de ce qui apparaît sur chaque menu.

La question non résolue se situe entre ces deux affirmations. Une décision humaine n’a de sens que si la personne peut comprendre la recommandation, la contester et la rejeter sans subir de conséquences indues.

Les clients devraient surveiller ce que McDonald's divulgue, et pas seulement ce qu’il dément. Les franchisés devraient exiger des objectifs clairs, des pistes d’audit et une véritable liberté d’exercer leur jugement local.

Les autres entreprises qui déploient des algorithmes de tarification devraient se poser les mêmes questions avant qu’une controverse n’éclate. Le système conseille-t-il, influence-t-il ou contrôle-t-il de fait la décision ?

McDonald's a désormais l’occasion de répondre à cette question par des éléments probants. D’ici là, son moteur de tarification par IA restera à la fois un outil commercial et un test de l’ampleur de l’influence algorithmique que les consommateurs accepteront.