L’expérience d’inventaire par IA de Starbucks s’arrête après neuf mois

En septembre 2025, Starbucks a lancé un projet technologique ambitieux : automatiser l’inventaire dans ses cafés grâce à l’intelligence artificielle. Le système, baptisé Automated Counting et développé avec la start‑up NomadGo, a été déployé dans plus de 11 000 magasins exploités par Starbucks en Amérique du Nord.

Moins d’un an plus tard, l’expérience a pris fin.

Après environ neuf mois d’utilisation, l’entreprise a discrètement abandonné l’outil et est revenue au comptage manuel pour certaines catégories clés comme le lait et les ingrédients de boissons, après de nombreux retours d’employés signalant des erreurs de précision.

Comment le système était censé fonctionner

L’objectif était simple : éliminer une tâche fastidieuse du quotidien en magasin — compter manuellement les stocks.

Avec Automated Counting, les employés n’avaient plus qu’à balayer visuellement les étagères, les réfrigérateurs ou les zones de stockage à l’aide d’une tablette ou d’un appareil mobile.

Le logiciel de NomadGo analysait ensuite l’image grâce à plusieurs technologies :

• vision par ordinateur pour reconnaître les produits
• intelligence spatiale 3D et superpositions en réalité augmentée
• capteurs de profondeur de type LiDAR pour cartographier l’espace

En déplaçant simplement la tablette devant un réfrigérateur ou une étagère, le système identifiait des produits — comme les briques de lait, les sirops ou les sacs de café — et calculait automatiquement les quantités.

Les entreprises affirmaient que la solution pouvait produire des résultats jusqu’à huit fois plus rapidement qu’un inventaire manuel, tout en améliorant la précision.

Pour une chaîne exploitant des milliers de points de vente et manipulant des volumes importants d’ingrédients, une meilleure visibilité des stocks pouvait théoriquement réduire les ruptures et faciliter la planification logistique.

Les problèmes rencontrés en magasin

Dans la pratique, le système s’est révélé moins fiable dans l’environnement réel des cafés.

Les employés ont signalé plusieurs difficultés récurrentes :

• comptages incorrects lorsque la caméra manquait certains produits ou en comptait trop
• produits mal identifiés lorsque les emballages se ressemblaient
• articles non détectés par le système

Un cas fréquent concernait les différentes variétés de lait — entier, écrémé ou alternatives végétales. Les contenants étant visuellement proches, l’IA les confondait parfois, produisant des inventaires erronés.

Or ces ingrédients sont essentiels à la préparation des boissons. Des données de stock inexactes pouvaient donc entraîner de mauvaises décisions de réapprovisionnement et provoquer des pénuries en magasin.

Pourquoi Starbucks a mis fin au projet

Starbucks a officiellement mis fin au programme en mai 2026, environ neuf mois après son lancement, selon des communications internes consultées par des journalistes et confirmées par des employés.

L’entreprise a indiqué qu’elle allait retirer Automated Counting et revenir au comptage manuel pour ces catégories de produits. Le lait et les autres composants de boissons seront désormais inventoriés comme le reste des stocks en magasin.

Cette décision s’inscrit dans un effort plus large visant à :

• standardiser les méthodes d’inventaire
• améliorer la cohérence entre les magasins
• soutenir un réapprovisionnement quotidien plus fiable

En clair, les données générées par le système automatisé n’étaient pas suffisamment fiables pour guider les opérations.

Une leçon pour les projets d’IA à grande échelle

Le projet était remarquable par son ampleur : des dizaines de milliers d’employés utilisaient la technologie dans des milliers de cafés.

Mais l’expérience illustre un défi fréquent des projets d’IA en entreprise. Des technologies impressionnantes en démonstration peuvent rencontrer des difficultés dans des environnements réels : éclairage variable, étagères encombrées, emballages changeants ou produits presque identiques.

Dans le cas de Starbucks, ces ambiguïtés visuelles ont suffi à rendre les résultats moins fiables qu’un simple comptage manuel — du moins pour l’instant.

La chaîne n’exclut pas de recourir à l’automatisation à l’avenir, mais l’épisode Automated Counting montre à quel point il est difficile de déployer des systèmes de vision par ordinateur de manière fiable dans un vaste réseau de magasins.