Le directeur opérationnel d’Uber, Andrew Macdonald, a pris position contre l’utilisation massive de l’intelligence artificielle générative au sein du groupe. Lors d’un entretien accordé au podcast « Rapid Response », il a indiqué que les coûts associés à ces technologies devenaient de plus en plus difficiles à justifier économiquement, selon Libération.
Cette prise de position survient alors qu’Uber, comme de nombreuses entreprises du secteur technologique, a massivement investi dans des outils d’IA pour optimiser ses services, notamment dans les domaines de la logistique, du service client et de la tarification dynamique. Macdonald a souligné que l’écart entre les bénéfices attendus et les dépenses engagées se réduisait, voire disparaissait dans certains cas, ce qui pousse l’entreprise à reconsidérer sa stratégie.
Ce qu’il faut retenir
- Andrew Macdonald, directeur opérationnel d’Uber, a déclaré que les coûts de l’IA générative devenaient « de plus en plus difficiles à justifier » dans une interview au podcast « Rapid Response ».
- Cette décision intervient alors qu’Uber avait jusqu’ici misé sur l’IA pour améliorer ses services, notamment en logistique et en tarification.
- L’entreprise pourrait donc réduire ses investissements dans ces technologies, voire les réorienter vers des solutions plus rentables.
L’IA générative, un outil coûteux et encore incertain
Depuis plusieurs années, Uber a intégré des outils d’intelligence artificielle dans ses processus internes, notamment pour optimiser les trajets, personnaliser les offres aux utilisateurs et automatiser le service client. Cependant, ces technologies, bien que prometteuses, représentent un coût important en termes de développement, de maintenance et d’infrastructure. Andrew Macdonald a indiqué que ces dépenses n’étaient plus systématiquement compensées par des gains de productivité ou d’efficacité, rendant leur utilisation moins évidente.
Selon ses déclarations, certains projets basés sur l’IA générative n’ont pas tenu leurs promesses en termes de retour sur investissement, ce qui a poussé la direction à revoir sa copie. « On observe une inflation des coûts sans toujours voir l’impact attendu », a-t-il précisé, sans pour autant remettre en cause l’utilité globale de l’IA pour l’entreprise.
Uber en quête d’un équilibre entre innovation et rentabilité
Cette inflexion stratégique s’inscrit dans un contexte où Uber cherche à améliorer sa rentabilité, après des années de croissance rapide mais parfois coûteuse. Le groupe, historiquement connu pour ses pertes financières, a recentré ses efforts sur la réduction des coûts et l’optimisation de ses marges. L’IA, bien que perçue comme un levier de compétitivité, est désormais évaluée à l’aune de sa rentabilité réelle.
Macdonald n’a pas exclu que certaines applications de l’IA soient maintenues, voire renforcées, si elles démontrent un retour sur investissement clair. « Nous allons être plus sélectifs », a-t-il expliqué. « L’objectif reste d’innover, mais sans sacrifier la santé financière de l’entreprise. »
Cette réorientation pourrait aussi avoir des répercussions sur les partenariats technologiques d’Uber, notamment avec des startups spécialisées dans l’IA. Les fournisseurs de solutions pourraient être amenés à revoir leurs offres pour répondre aux nouveaux critères de rentabilité imposés par le groupe. Pour l’heure, Uber n’a pas communiqué de calendrier précis, mais Macdonald a indiqué que des décisions seraient prises « dans les mois à venir ».
Reste à savoir si cette stratégie permettra à Uber de concilier innovation et performance financière, ou si elle marquera un ralentissement dans l’adoption des technologies les plus avancées du secteur. Une chose est sûre : le géant des VTC ne compte pas renoncer totalement à l’IA, mais entend désormais la soumettre à une logique de retour sur investissement impitoyable.
Selon les informations disponibles, Uber employait l’IA générative principalement pour optimiser les trajets en temps réel, personnaliser les offres tarifaires et automatiser une partie du service client via des chatbots. Ces outils visaient à améliorer l’efficacité opérationnelle et l’expérience utilisateur, mais leur rentabilité est désormais remise en question.