Ford a dû réembaucher d’anciens ingénieurs pour rectifier les erreurs de ses systèmes automatisés. Cela survient alors que Ford se classe au premier rang du classement de la qualité initiale de J.D. Power parmi les constructeurs automobiles grand public. La société évoque ouvertement les défis rencontrés ces dernières années, notamment sa dépendance aux systèmes automatisés dans la production et la conception.
Il s’est avéré que ces systèmes automatisés n’étaient pas aussi fiables que prévu, ce qui a contraint Ford à recruter des experts techniques expérimentés — parfois en réembauchant d’anciens employés — pour corriger les erreurs générées par les robots de l’entreprise. Selon Ford, l’intelligence artificielle (IA) est puissante, mais sujette à des défauts, et son efficacité dépend entièrement de la qualité des données utilisées pour entraîner les modèles d’IA. Le constructeur automobile a également sous-estimé la valeur des connaissances institutionnelles accumulées par ses ingénieurs expérimentés, qui ont traversé plusieurs cycles de développement de véhicules. Cette combinaison de facteurs a conduit à une baisse de la qualité des automobiles Ford.
« Nous avons eu tort de penser que la simple mise en œuvre de l’intelligence artificielle et l’ajustement de nos exigences de conception garantiraient un produit de haute qualité », a déclaré Charles Pune, vice-président du développement du matériel des véhicules, lors d’un briefing avec des journalistes cette semaine. Selon Pune, certains des employés les plus expérimentés de Ford ont quitté l’entreprise avant que toutes leurs connaissances accumulées puissent être entièrement transférées dans les systèmes automatisés. Cela a nécessité le retour de certains de ces travailleurs pour rééduquer les systèmes ou, dans certains cas, pour encadrer des ingénieurs juniors qui tentaient de maintenir la qualité des automobiles Ford.
Pune a noté que Ford a embauché, promu ou réembauché plus de 350 ingénieurs expérimentés pour restaurer ce niveau d’expertise. En plus de l’encadrement des ingénieurs juniors, ils ont également été chargés d’améliorer la collecte de données et l’entraînement de l’IA, qui sous-tend les systèmes automatisés de Ford. « C’est là que certains de nos ingénieurs les plus expérimentés avaient de l’expérience dans la résolution et la détection de ces problèmes avant qu’ils ne pénètrent dans le système », a déclaré Pune.
Changement d’approche en matière de qualité et de logiciels
Actuellement, Ford est en tête du secteur en termes de nombre de rappels, et ses classements de qualité ont diminué au cours des dernières années. Ces défis se sont accentués récemment en raison des difficultés liées au lancement des modèles Explorer et Aviator, des perturbations dans les chaînes d’approvisionnement pendant la pandémie de COVID-19 et de l’augmentation notable du nombre de rappels de véhicules. Selon Kumar Galhotra, directeur des opérations de Ford, le constructeur automobile a finalement conclu que son approche de la qualité était devenue trop fragmentée. Différents départements travaillaient de manière isolée, et l’entreprise dépendait largement d’une philosophie de « trouver et corriger », qui se concentrait sur la détection des défauts après leur apparition et leur correction le plus rapidement possible.
Bien que cette approche puisse résoudre des problèmes immédiats, elle ne prévenait pas leur réapparition. « Nous passons d’une mentalité de « trouver et corriger » à la prévention des problèmes avant qu’ils ne surviennent », a déclaré Galhotra. Nous nous concentrons sur les facteurs contributifs et les indicateurs précoces plutôt que sur les résultats finaux. Arrêtez d’observer le problème et commencez à le résoudre.
La transformation va au-delà du matériel automobile. Les équipes de développement de logiciels et de technologies numériques collaborent désormais plus étroitement avec les équipes d’ingénierie des véhicules, de production et de la chaîne d’approvisionnement, ont rapporté les dirigeants. Ford s’efforce désormais de combiner la vitesse et la flexibilité associées au développement de logiciels avec la rigueur et les exigences de validation de l’ingénierie automobile. Historiquement, cela n’a pas toujours été le cas.
Ford détectait les bugs logiciels uniquement aux étapes tardives du processus, car il n’utilisait pas pleinement les cycles disponibles de rapides itérations, a déclaré Pune. Cependant, le constructeur automobile ne pouvait pas publier des mises à jour logicielles aussi rapidement que les entreprises d’électronique grand public, avec une mentalité de « avancer rapidement et corriger plus tard », a noté Pune. Les automobiles, contrairement aux smartphones, fonctionnent dans un environnement critique pour la sécurité, où les clients dépendent du bon fonctionnement du logiciel dès la livraison du véhicule.
Pour résoudre ce problème, Ford a créé une équipe spécialisée de 40 personnes en assurance qualité logicielle, dont la seule responsabilité est de prévenir les problèmes avant qu’ils ne surviennent. Cependant, cela ne signifie pas que Ford ne cherche pas à intégrer l’IA dans davantage de ses processus.
Le constructeur automobile déclare avoir considérablement élargi ses capacités de test automatisé, ajoutant plus de 100 000 nouveaux tests basés sur l’IA, conçus pour détecter les cas limites et la charge des systèmes logiciels dans une large gamme de conditions. Comme le système de test est hautement automatisé, les modifications logicielles peuvent être rapidement revalidées même aux étapes tardives du développement, garantissant que les modifications ne conduisent pas à de nouveaux défauts. « Comme ces tests sont hautement automatisés, même si nous avons un changement tardif dans le processus, nous pouvons nous assurer que cela ne crée pas de nouveaux problèmes », a conclu Pune.