Starbucks a débranché son outil d’inventaire IA après neuf mois : ce qui n’a pas fonctionné

Starbucks a tenté d’automatiser l’une des tâches les plus répétitives dans ses cafés : compter les stocks. L’expérience n’aura pourtant duré que quelques mois.

Moins d’un an après avoir déployé un système d’intelligence artificielle destiné à suivre les fournitures dans ses magasins, l’entreprise a finalement abandonné le programme en Amérique du Nord. La raison principale : trop d’erreurs pour que les données soient réellement fiables au quotidien.

Le projet faisait partie d’une stratégie plus large du PDG Brian Niccol visant à résoudre un problème persistant chez Starbucks : les ruptures de produits dans les cafés.

Pourquoi Starbucks a lancé ce système d’IA

Depuis plusieurs années, Starbucks peine à maintenir un approvisionnement constant dans ses milliers de points de vente. Des articles pourtant basiques — lait, pâtisseries, ingrédients pour sandwichs ou même couvercles de gobelets — peuvent parfois manquer, ce qui entraîne des ventes perdues et des frustrations pour les clients.

Lorsque Brian Niccol est devenu PDG, il a fait de la résolution de ces problèmes logistiques une priorité. L’une des pistes explorées a été l’automatisation du suivi des stocks grâce à l’intelligence artificielle.

La technologie, développée avec la start‑up basée à Seattle NomadGo, combinait plusieurs briques :

• vision par ordinateur
• intelligence spatiale 3D
• réalité augmentée

Concrètement, les employés pouvaient scanner les étagères, les réfrigérateurs ou les zones de stockage avec un smartphone ou une tablette. Le système identifiait alors les produits et calculait automatiquement les quantités disponibles.

L’objectif était clair :

• remplacer le comptage manuel des stocks
• accélérer les vérifications en magasin
• détecter automatiquement les niveaux bas
• améliorer les commandes et éviter les ruptures

Starbucks prévoyait d’utiliser cet outil dans plus de 11 000 magasins exploités par l’entreprise en Amérique du Nord.

Les erreurs signalées par les employés

Dans la pratique, les résultats ont été beaucoup moins convaincants.

Selon plusieurs rapports cités par Reuters, le système rencontrait des difficultés avec des tâches pourtant essentielles pour un inventaire fiable :

• produits mal comptés sur les étagères
• étiquettes mal interprétées
• confusion entre articles visuellement similaires

Un exemple souvent mentionné concerne les cartons de lait. Dans certains magasins, l’IA aurait eu du mal à distinguer différents types de lait au packaging très proche, ce qui entraînait des comptages erronés.

Ces erreurs, même modestes, peuvent avoir des conséquences importantes. Si le système estime qu’un magasin possède encore du stock alors que ce n’est pas le cas — ou l’inverse — les commandes automatiques peuvent être faussées.

Pourquoi Starbucks a finalement mis fin au programme

Avec le temps, les erreurs répétées ont érodé la confiance des équipes en magasin. Les employés dépendaient pourtant de ces chiffres pour gérer les commandes et organiser les opérations quotidiennes.

Au lieu de réduire les pénuries, des données incorrectes risquaient au contraire de les aggraver si les magasins passaient commande sur la base d’informations inexactes.

Résultat : Starbucks a décidé d’abandonner l’outil environ neuf mois après son déploiement à grande échelle en Amérique du Nord.

Dans une communication interne adressée aux équipes, l’entreprise a annoncé la fin de l’outil baptisé « Automated Counting » et indiqué vouloir adopter une méthode plus cohérente pour la gestion des stocks tout en poursuivant ses efforts pour améliorer la chaîne d’approvisionnement et les systèmes de réapprovisionnement.

Ce que cet épisode révèle sur l’IA dans le commerce de détail

L’expérience Starbucks illustre un défi fréquent pour l’intelligence artificielle dans les environnements réels.

Les démonstrations technologiques fonctionnent souvent dans des conditions contrôlées. Mais les magasins sont des environnements complexes : éclairage variable, rayons encombrés, produits très similaires et rangement parfois irrégulier.

Pour une tâche comme l’inventaire — qui exige un comptage extrêmement précis — même un faible taux d’erreur peut suffire à rendre un système inutilisable dans les opérations quotidiennes.

En fin de compte, Starbucks a préféré revenir à des méthodes plus fiables plutôt que de dépendre de données imparfaites pour gérer ses stocks.