Ford réembauche des inspecteurs « gray beard » après les limites de l’IA dans le contrôle qualité

• Ford Motor Co. a rappelé des ingénieurs vétérans, surnommés « gray beard », pour réduire des problèmes de qualité persistants, en les affectant à la formation des jeunes employés et au renforcement des outils d’IA
• Au cours des trois dernières années, l’entreprise a recruté 350 ingénieurs expérimentés, dont beaucoup d’anciens salariés de Ford et certains issus de fournisseurs
• Il a été difficile de gérer la qualité avec les seuls outils d’IA, dont les résultats n’ont pas été à la hauteur des attentes, et les problèmes de qualité ont coûté plusieurs milliards de dollars à l’entreprise
• Les personnes réembauchées ont pour mission de transmettre leur jugement de terrain tout en réajustant les outils d’IA utilisés pour traiter les problèmes de qualité
• Ford s’est classé premier parmi les marques grand public dans la dernière JD Power Initial Quality Survey, publiée jeudi

---

Une réponse qualité renforcée par des profils expérimentés

• Ford Motor Co. répond à des problèmes de qualité de longue date non pas uniquement par l’automatisation, mais aussi en réinjectant des profils très expérimentés
• Les ingénieurs que l’entreprise appelle « gray beard » aident les jeunes employés dans leur prise de décision et reprogramment des outils d’IA qui n’ont pas produit les résultats attendus

350 réembauches en trois ans

• Ford a recruté 350 ingénieurs vétérans au cours des trois dernières années
• Parmi eux figurent de nombreux anciens employés de Ford, ainsi que des ingénieurs venus de fournisseurs
• Ils ont été mobilisés pour traiter des problèmes de qualité qui semblaient difficiles à résoudre

Les limites des outils d’IA et le coût associé

• Les outils d’IA de Ford utilisés pour résoudre les problèmes de qualité n’ont pas pleinement rempli le rôle attendu
• Les problèmes de qualité ont entraîné pour Ford des coûts de plusieurs milliards de dollars
• L’entreprise cherche à s’appuyer sur l’expérience des ingénieurs vétérans pour renforcer à la fois les outils d’IA et les compétences des jeunes employés

Résultats de l’enquête JD Power

• Ford a pris la première place parmi les marques grand public dans la dernière JD Power Initial Quality Survey, publiée jeudi
• Ce résultat est également présenté comme un effet des réembauches d’ingénieurs vétérans et de la réponse apportée aux problèmes de qualité

[GN⁺]

Réactions sur Hacker News

• Pour avoir vécu la vague de délocalisation offshore du milieu des années 2000, j’ai l’impression qu’on suit presque exactement la même trajectoire
  Des CEO/CFO de grands groupes se vantent auprès de leurs partenaires de golf de « combien ils ont économisé grâce aux équipes à l’étranger », puis passent à l’étape 1 : licenciements massifs et transfert du travail hors du pays, ce qui améliore les indicateurs financiers pendant 5 à 6 trimestres
  À l’étape 2, les équipes et l’organisation commencent à se dégrader, et on découvre que les barrières culturelles et de communication restent difficiles à franchir efficacement. Une toute petite minorité y arrive vraiment bien, mais pour la plupart, ça ne fonctionne pas
  Vers l’étape 3, tous ceux qui avaient la capacité de retrouver un autre poste sont déjà partis, et l’entreprise ne ressemble plus qu’à une coquille calcinée avant de disparaître naturellement à l’étape 5
  • Le cœur du problème, c’est le profit à court terme. Des partenaires de sociétés comme Accenture ou Infosys entourent les dirigeants de vieilles entreprises industrielles, et même quand les résultats se dégradent, on peut les masquer temporairement avec des artifices comptables
    Puis un trimestre s’effondre vraiment, l’exercice fiscal entier vacille, les accusations commencent à fuser, et on entend parler de « serrer la ceinture » ou de « transformer des coûts fixes en coûts variables »
    À ce moment-là, la grande consultance arrive avec une proposition dont les économies peuvent être comptabilisées immédiatement sur l’exercice en cours, et cela devient très séduisant
    Les fissures apparaissent vite : manque de gestion de programme/projet, baisse perçue de la qualité de service sans métriques pour la mesurer, besoin de reformer les équipes d’outsourcing quand la première rotation s’en va, incapacité à estimer la taille de nouveaux projets
    Des services IT de l’ombre émergent dans les divisions, et le prestataire d’outsourcing n’a aucun intérêt à consolider les vendors ou à mettre d’autres vendors sous pression
    Si l’objectif est d’améliorer stratégiquement un service IT chroniquement peu performant, cela peut avoir une certaine valeur, mais utilisé dans l’urgence pour masquer la faiblesse du cœur d’activité, cela marche presque jamais
  • Ce qui est presque comique, c’est que même quand tout le monde s’accorde à dire que ce type de leadership est défaillant, la plupart font exactement la même chose dès qu’ils accèdent à un niveau de pouvoir et de décision comparable
  • Ça continue encore aujourd’hui, avec simplement l’idée de garder quelques techniciens en interne. Le problème, c’est que les équipes internes sont censées ne pas faire elles-mêmes les changements en théorie, seulement « aider », donc elles ont peu de raisons de rester
  • La solution, évidemment, c’est de franchir les barrières culturelles grâce à l’IA. Comme elle traduit aussi, les équipes offshore n’ont même plus besoin de parler la langue de l’entreprise, ce qui permet de réduire encore les coûts /s
• Même en laissant de côté le fait que l’idée même de licencier des employés pour les remplacer par l’IA est myope, Ford a licencié les mauvaises personnes
  Les LLM fonctionnent le mieux entre les mains d’ingénieurs seniors expérimentés, capables de travailler à un haut niveau d’abstraction parce qu’ils comprennent déjà les composants sous-jacents
  D’une certaine façon, utiliser des agents LLM revient à donner des consignes à un junior très intelligent et très rapide, mais avec des angles morts et un manque de connaissance organisationnelle
  Or ceux qui savent bien faire ça, ce sont les seniors ; si vous les avez licenciés, vous avez justement renvoyé ceux qui pouvaient le mieux exploiter les LLM
  • C’est la base. Pour rédiger des prompts de travail d’architecture complexes, il faut au minimum connaître la solution au niveau de l’abstraction
    Si vous n’avez pas le bon design système en tête, aucun LLM ne va l’inventer à partir de rien
  • Qui a dit que Ford avait licencié des employés ? L’article ne dit rien de tel
• Puisque les modèles n’ont pas été à la hauteur du battage médiatique, ce type d’évolution va probablement devenir un scénario standard
  Les LLM et les agents sont d’une grande aide sur les problèmes difficiles, mais on n’en est pas encore au stade où nous pouvons nous contenter de faire le design et l’architecture puis leur confier tout le reste
  On s’en rapproche, et c’est peut-être déjà possible pour certains cas d’usage, mais pour les tâches de bas niveau ou les migrations à grande échelle dans les grandes entreprises, ça reste insuffisant
  J’utilise des agents, et même des agents d’agents, mais il arrive encore qu’on découpe de gros morceaux du projet pour finalement se retrouver avec du code poubelle bon à jeter aux chiens. C’est mon constat avec GLM-5.2
  • C’est là que le développement piloté par la documentation aide. Dans mon workflow, 75 % du travail consiste à générer de la documentation à des niveaux d’abstraction de plus en plus bas jusqu’à ce qu’elle devienne du code
    Une fois les tests passés, le code est en général optimal, propre, sans bugs et extrêmement bien documenté
    Mais cela exige malgré tout une intervention humaine répétée en continu
• https://archive.is/DI4Cq
  The Verge en parle aussi :
  https://www.theverge.com/transportation/956316/ford-quality-...
  • Tous les médias devraient couvrir cela davantage
• Si l’IA échoue dans l’industrie, c’est parce que SKILL.md et les autres méthodes d’injection de connaissances ne garantissent pas la conformité. L’IA pense qu’elle « sait mieux »
  • Un ami à moi a aussi préparé tout un tas de mécanismes du type hooks pour empêcher ça, mais les LLM les enfreignent encore parfois
    Je ne m’attends pas vraiment à ce qu’il existe une solution parfaite à ce problème
  • Je ne sais pas si c’est ironique. À mon avis, si cela échoue surtout, c’est parce qu’une grande partie des connaissances et de l’expérience est intuitive et non documentée
  • Si la conformité était vraiment le problème principal, on n’aurait probablement jamais eu besoin d’inventer un moyen d’empêcher les ordinateurs de faire exactement ce qu’on leur dit
• Les ingénieurs logiciels américains ont besoin de syndicats
  S’ils n’ont pas déjà trouvé un autre emploi, ils ne devraient pas revenir sans une hausse de salaire de 20 % et un contrat en béton
  • Ce secteur alterne entre phases de boom et de creux. Les projets apparaissent puis disparaissent, et même dans une entreprise logicielle c’est seulement un peu moins marqué
    Si l’on accepte un potentiel de progression plus limité en échange de stabilité, des postes en IT/administration serveurs peuvent être préférables, parce qu’il y aura toujours besoin de ce type de travail
• Ford a embauché 350 ingénieurs au cours des trois dernières années, et cela s’est produit en parallèle des limites de ses outils d’inspection par IA
  Cela n’a rien à voir avec les LLM ; il s’agit presque certainement des pilotes MAIVIS et AiTriz, qui font de l’inspection visuelle avec des réseaux neuronaux convolutifs (CNN) anciens sur du matériel IBM sur mesure
  • Exactement. Beaucoup de gens semblent passer à côté du point essentiel qu’est la chronologie. Le problème a été identifié il y a trois ans, et les cycles de conception et de fabrication automobile sont longs
    En plus, l’angle de cette histoire est que « Ford est revenu dans le haut du classement de l’étude qualité JD Power », ce qui ajoute déjà à lui seul 6 à 18 mois de décalage médiatique
    Cela veut dire que l’erreur initiale de licenciement remonte en réalité à il y a 5 à 8 ans

On ne sait pas quand le « pilote MAIVIS et AiTriz » mentionné a été mis en œuvre, mais une autre possibilité est que l’équipe de communication de Ford, voyant que le récit du retour de bâton de l’IA est à la mode en ce moment, l’ait opportunément mis en avant pour expliquer un événement médiatique positif qui avait sans doute plusieurs causes
Personnellement, je pense qu’il faut considérer ces articles sur le thème du « retour de bâton de l’IA » avec autant de prudence que le thème des « réductions d’effectifs dues à l’IA », autrefois invoqué par des entreprises pour justifier des licenciements qu’elles voulaient de toute façon faire

• Le titre soumis était « Ford rehires 350 engineers after AI fails to preserve expertise or train juniors », mais l’article ne dit pas cela
  Au soumetteur : « Please submit the original source. If a post reports on something found on another site, submit the latter. » - https://news.ycombinator.com/newsguidelines.html
  Pour l’instant, je l’ai remis au titre original de l’article
  Cela dit, les médias changent parfois le titre de leurs articles, donc le soumetteur a en général bien suivi les règles, mais il nous faut parfois un peu de temps pour rattraper ça
• Oui, cela ne semble pas avoir de lien avec l’IA. J’aimerais que ce commentaire arrive tout en haut
• Leur première tentative a échoué, donc ils ont reculé d’un pas, mais dans quelque temps ils réessaieront et licencieront à nouveau ces personnes
  • Le rêve de la machine à travail perpétuel est une chimère à laquelle les capitalistes s’accrochent au point de détruire jusqu’à la planète pour poursuivre ce fantasme. Les oppresseurs doivent s’arrêter
• Il existe deux types de connaissances. Il y a la connaissance explicite, qu’on peut facilement encoder dans des fichiers Markdown ou un wiki, et le savoir tacite, principalement contenu dans l’expérience des membres d’une organisation
  La connaissance explicite n’est que la pointe de l’iceberg de l’immense savoir organisationnel
  • Ce savoir tacite n’a pas de valeur facilement quantifiable et n’apparaît pas non plus dans un compte de résultat, donc la plupart des dirigeants n’en tiennent pas compte
    J’ai vu cela se répéter tout au long de ma carrière. Quand quelqu’un part ou qu’un licenciement a lieu et qu’on ne tient pas compte de cela, l’entreprise se démène ensuite pour découvrir trop tard des procédures que quelqu’un faisait tourner ou maintenait discrètement depuis des années, auxquelles personne d’autre n’avait pensé
  • On pourrait peut-être utiliser la distillation. Faire en sorte que l’IA pose sans cesse des questions à un ingénieur senior, par exemple, même si bien sûr il ne faudrait pas faire ça. Comme presser l’huile des olives
• Je vais raisonner simplement. S’il existe une entreprise où 100 employés construisent 12 maisons à la fois, elle peut expérimenter en remplaçant une équipe de charpente de 6 personnes par une équipe de 2 personnes + 1 robot
  On peut faire plusieurs expériences pour voir s’il existe une meilleure option, et le prix à payer retombe sur 4 employés
  Si une entreprise de 1 000 employés construit 100 maisons à la fois, elle peut réduire d’environ 12 personnes pour créer 3 équipes avec robot
  Même si une entreprise de 10 000 employés construit 1 000 maisons à la fois, quelques équipes suffisent encore pour l’expérimentation, et seuls 20 à 30 employés environ seront touchés
  Ce qui est frappant, c’est qu’une entreprise puisse être à ce point déconnectée de sa propre activité qu’elle ne puisse comprendre l’impact d’un changement sans provoquer des dommages massifs de cette ampleur