McDonald’s utilise l’IA pour recommander ses prix : le Big Mac entre dans l’ère algorithmique

Derrière le prix du Big Mac, un moteur de données

Vous entrez dans un McDonald’s, consultez le menu et commandez un Big Mac. Le prix semble banal : quelques chiffres choisis en fonction des coûts du restaurant, de ses concurrents et de la marge souhaitée par son propriétaire. Ce n’est plus toute l’histoire.

Aux États-Unis, McDonald’s utilise une plateforme de machine learning pour recommander un prix jugé optimal à chaque restaurant et pour chaque produit. Selon une enquête publiée par Reuters le 29 septembre 2026, ce moteur analyse continuellement des millions de transactions réalisées dans près de 14 000 établissements américains. Il tient notamment compte de l’historique des ventes, du marché local et de la sensibilité estimée des consommateurs au prix.

L’existence de cet outil ne signifie pas que deux clients placés devant le même comptoir paient individuellement des prix différents. Rien dans les informations vérifiées ne démontre que McDonald’s pratique actuellement une tarification personnalisée selon le profil de chaque consommateur. Le changement est néanmoins profond : la décision tarifaire peut désormais être éclairée par un système capable d’examiner des volumes considérables de données.

Comment McDonald’s recommande un « prix optimal »

D’après Reuters, l’interface utilisée par les restaurants peut attribuer à un marché une sensibilité faible, moyenne ou élevée au prix. Elle présente aussi des prix publics relevés sur les menus en ligne d’enseignes concurrentes situées à proximité, notamment Burger King et Wendy’s.

L’objectif consiste à estimer le prix auquel un restaurant pourrait vendre un produit sans perdre trop de commandes — ou, à l’inverse, le niveau auquel une baisse favoriserait suffisamment le trafic pour compenser une marge unitaire moins élevée. Cette logique ne consiste donc pas nécessairement à choisir le prix le plus haut possible. Elle cherche théoriquement un équilibre entre volume, chiffre d’affaires, marge et fidélité.

McDonald’s affirme que sa plateforme fournit des recommandations propres à chaque restaurant et qu’elle reste un outil d’aide à la décision, non un mandat. Reuters rapporte que la technologie est exploitée par Tiger Analytics. D’anciens employés de cette société ont expliqué que McDonald’s définit des règles ou des objectifs pouvant porter sur le trafic ou la rentabilité. Tiger Analytics n’a pas commenté ces informations.

Le terme « prix optimal » masque ainsi une question essentielle : optimal pour qui ? Un système configuré pour accroître la fréquentation ne donnera pas forcément la même recommandation qu’un outil visant la marge de chaque commande.

Deux restaurants, deux prix : ce que l’on sait vraiment

En septembre 2026, Reuters a consulté les prix affichés dans l’application McDonald’s pour deux restaurants exploités directement par le groupe à Fresno, en Californie. Un Big Mac coûtait 5,69 dollars dans un établissement et 6,89 dollars dans un autre situé à environ trois kilomètres. L’écart atteignait 1,20 dollar, soit environ 21 %.

Reuters précise toutefois ne pas avoir pu déterminer si l’algorithme était responsable de cette différence. Plusieurs raisons peuvent expliquer deux prix distincts : le restaurant peut appartenir à un marché différent, supporter d’autres charges, affronter une concurrence particulière ou servir une clientèle dont les habitudes ne sont pas identiques.

L’exemple démontre que le prix d’un Big Mac n’est pas uniforme. Il ne prouve pas que l’intelligence artificielle a créé l’écart. La tarification locale existait avant le machine learning. La technologie change surtout la précision avec laquelle McDonald’s peut analyser ces différences et recommander une réponse propre à chaque établissement.

Le franchisé garde-t-il réellement le dernier mot ?

McDonald’s assure que ses franchisés sont libres de fixer leurs prix. Les conditions affichées dans son portail indiquent également que la décision finale leur appartient. Sur le papier, la responsabilité est claire.

Dans les faits, cinq propriétaires interrogés par Reuters ont décrit des pressions visant à les inciter à suivre les recommandations. De nouvelles normes introduites en janvier demanderaient notamment aux franchisés de collaborer de manière constructive avec les consultants et outils de tarification approuvés par McDonald’s.

Certains exploitants ont évoqué des appels lorsqu’ils s’écartaient des suggestions. Karen King, ancienne franchisée, a déclaré à Reuters que leur choix lui semblait désormais très limité. McDonald’s n’a pas répondu en détail à chacune de ces affirmations et conteste l’idée que son outil impose les prix.

Une recommandation répétée, suivie et discutée avec le réseau peut exercer une influence économique réelle sans devenir juridiquement un prix imposé.

Le prix idéal pour McDonald’s n’est pas toujours celui du franchisé

McDonald’s Corporation tire l’essentiel de ses revenus franchisés de paiements calculés en partie sur les ventes des restaurants. Une hausse du trafic ou du chiffre d’affaires du réseau peut donc profiter au groupe même lorsque la marge d’un établissement particulier demeure sous pression.

Le franchisé doit, lui, payer ses salariés, son loyer, ses aliments, son énergie et ses autres charges locales. Selon la National Restaurant Association, citée par Reuters, les dépenses des restaurants auraient progressé de 36 % depuis 2019. Un exploitant situé dans une zone où les salaires et l’immobilier sont coûteux peut vouloir protéger sa marge par commande. McDonald’s peut, de son côté, privilégier un prix plus accessible afin de restaurer le trafic ou de renforcer son image de valeur.

Cette divergence aide à comprendre pourquoi un même algorithme peut provoquer des tensions.

L’algorithme ne recommande pas forcément des hausses

Une machine chargée d’optimiser un prix n’a aucune raison économique d’augmenter systématiquement celui-ci. Au-delà d’un certain seuil, le nombre de commandes peut diminuer suffisamment pour réduire le chiffre d’affaires, la fréquentation ou la rentabilité. Une baisse peut alors devenir la meilleure recommandation, surtout si elle attire davantage de clients ou encourage l’achat de produits complémentaires.

Plusieurs franchisés ont indiqué à Reuters que les recommandations avaient parfois été fortement orientées à la hausse pendant la période inflationniste entourant la pandémie. Plus récemment, les suggestions seraient devenues plus prudentes et comprendraient certaines diminutions.

La plateforme peut donc servir deux stratégies opposées en apparence : relever le prix d’un produit lorsque la demande locale semble pouvoir l’accepter, ou recommander une offre plus attractive lorsque le trafic devient prioritaire.

Tarification algorithmique, dynamique ou personnalisée : trois choses différentes

Ces expressions sont souvent utilisées comme synonymes. Elles décrivent pourtant des pratiques distinctes. La tarification algorithmique signifie qu’un logiciel analyse des données pour recommander ou déterminer un prix. Ce prix peut rester stable pendant plusieurs semaines.

La tarification dynamique implique des changements plus rapides en fonction de l’heure, de la demande ou de la disponibilité. La tarification personnalisée va plus loin : elle peut proposer des prix différents à deux individus selon leurs données, leur comportement ou leur profil estimé.

Les éléments disponibles montrent que McDonald’s utilise un système algorithmique produisant des recommandations au niveau des restaurants. Ils ne démontrent pas que deux personnes commandant le même produit, au même endroit et au même moment, reçoivent un prix différent en fonction de leur identité.

Quand les données de fidélité deviennent un actif stratégique

McDonald’s disposait, à la fin de 2025, de près de 210 millions d’utilisateurs actifs sur 90 jours dans ses programmes de fidélité, répartis dans 70 marchés. Les ventes annuelles réalisées auprès de ces membres approchaient 37 milliards de dollars. Au premier trimestre 2026, les ventes sur douze mois aux membres dépassaient 38 milliards de dollars.

Cette relation numérique donne à l’entreprise une connaissance beaucoup plus fine des habitudes d’achat : fréquence des visites, horaires, produits commandés, réaction à certaines promotions et utilisation des différents canaux. Il ne faut pas en déduire que toutes ces informations alimentent le moteur de recommandation tarifaire. Les sources consultées ne l’établissent pas.

Elles montrent en revanche pourquoi la fidélité est devenue un actif économique central. Plus une entreprise observe précisément la demande, plus elle peut tester une offre, mesurer la réaction de ses clients et ajuster sa stratégie.

Jusqu’où peut aller la tarification algorithmique ?

La restauration rapide rejoint une logique déjà visible dans l’aviation, l’hôtellerie, le commerce électronique et les plateformes de mobilité. La comparaison a cependant ses limites. Une place d’avion disparaît lorsque l’appareil décolle ; un Big Mac peut être vendu toute la journée.

L’enjeu n’est pas seulement technique. Il touche à la perception d’équité. Un client peut comprendre qu’un restaurant situé dans un aéroport soit plus cher en raison de ses coûts. Il risque d’être moins à l’aise si le prix semble fondé sur une estimation opaque de ce que les habitants du quartier sont prêts à payer.

La transparence devient alors essentielle : quelles données sont utilisées ? À quelle fréquence le prix change-t-il ? Le franchisé peut-il refuser la recommandation ? Les offres de fidélité compensent-elles un prix de base plus élevé ?

Pourquoi les régulateurs américains regardent le sujet

La Federal Trade Commission a lancé en 2024 une étude sur les outils de surveillance pricing, qui utilisent des informations sur les caractéristiques ou le comportement des consommateurs. Ses premières conclusions ont montré que certains intermédiaires peuvent exploiter la localisation, l’historique de navigation ou d’achat, le canal de vente et d’autres signaux pour différencier prix et promotions.

Ces travaux ne signifient pas que McDonald’s a enfreint la loi. Le système décrit par Reuters n’est pas présenté comme une tarification individualisée fondée sur les données personnelles de chaque client.

Une autre question concerne la concurrence. Les franchisés peuvent être des entreprises juridiquement indépendantes et, dans certaines situations, concurrentes. Les autorités américaines ont déjà soutenu dans d’autres marchés qu’un algorithme commun ne protège pas automatiquement des règles antitrust. Cette position ne constitue pas une décision contre McDonald’s.

Aucune violation antitrust de McDonald’s n’est établie par les éléments consultés.

Ce que cela pourrait changer pour les consommateurs

À court terme, les clients pourraient surtout constater davantage d’écarts entre restaurants. Un même produit pourrait être plus ou moins cher selon la zone, les charges locales et l’état de la demande.

Les prix pourraient aussi être révisés plus méthodiquement. Reuters rapporte que l’outil délivre des recommandations au moins trois fois par an, ce qui reste très éloigné d’un menu changeant toutes les quelques minutes.

Les applications et programmes de fidélité devraient parallèlement prendre plus de valeur. Les promotions numériques peuvent permettre à McDonald’s de proposer une réduction à certains groupes sans baisser le prix affiché pour tout le monde. Cela crée toutefois une nouvelle séparation : le consommateur qui utilise l’application et cherche les offres peut payer moins que celui qui commande directement au comptoir.

Le Big Mac comme laboratoire de l’économie algorithmique

Le Big Mac sert depuis longtemps de symbole économique. Il raconte désormais une autre transformation : un produit standardisé peut afficher plusieurs prix parce qu’un système analyse des millions de comportements pour éclairer la décision locale.

Ce basculement ne signifie pas que la machine a pris le contrôle du menu. Les franchisés conservent officiellement le dernier mot, et les consommateurs peuvent toujours refuser un prix jugé excessif. Mais l’intuition du restaurateur partage maintenant la table avec les modèles statistiques.

La vraie question n’est pas de savoir si l’algorithme fera systématiquement monter ou baisser le prix du Big Mac. Elle est de comprendre quels objectifs il optimise, quelles données il utilise et dans quelle mesure les humains restent libres de contester sa recommandation. Lorsqu’un prix devient algorithmique, sa valeur n’est plus la seule information importante : la manière dont il a été calculé compte aussi.