A Apple vient tout juste d’être notifiée par le Procon Carioca pour une prétendue publicité trompeuse autour d’Apple Intelligence. Pour nous, développeurs, ce dossier va bien au-delà d’une simple amende d’entreprise. En réalité, il met en lumière un problème technique et culturel qui s’inscrit désormais comme une habitude dans l’industrie: vendre des fonctionnalités d’IA qui n’existent pas encore, ou qui n’existent que sur le slide du keynote.
Le processus a été ouvert le 8 mai 2026. De plus, Apple dispose d’un délai de 20 jours pour répondre aux interrogations concernant ce qui a réellement été livré par rapport à ce qui a été promis aux consommateurs brésiliens. Avant cela, aux États-Unis, l’entreprise avait déjà conclu un accord d’environ 250 millions de dollars (environ 1,23 milliard de reais) afin d’indemniser les acheteurs des iPhone 15 Pro, 15 Pro Max et de toute la ligne 16.
Alors, que nous enseigne techniquement cet épisode ? Beaucoup de choses.
L’affaire Bella Ramsey : quand la démo ne tourne pas en production
Rappelez-vous de la publicité où l’actrice Bella Ramsey demandait à Siri qui était telle ou telle personne, et où l’iPhone, en tirant parti du contexte personnel, répondait avec une naturalité surprenante ? Eh bien, cette vidéo a mystérieusement disparu des chaînes officielles d’Apple sur YouTube.
Pourquoi ? Parce que la fonctionnalité n’existait tout simplement pas dans le produit final.
En d’autres mots, Apple a fait ce que beaucoup d’équipes d’ingénierie ont déjà tenté à une échelle réduite: démontré un parcours heureux, soigneusement monté, sans que le véritable pipeline ne livrerait ce résultat de manière fiable et constante. Toutefois, dans le cas d’Apple, cela s’est produit à une échelle mondiale, avec un budget publicitaire conséquent et une attente forte du consommateur final.
Pourquoi les devs tombent dans ce piège (et comment l’éviter)
La pression pour annoncer des fonctionnalités d’IA trop tôt est réelle. Les équipes produit veulent livrer vite, le marketing veut des titres accrocheurs, et la concurrence presse. Cependant, il existe une différence abyssale entre démontrer une capacité maîtrisée et promettre une fonctionnalité prête pour la production.
Voyez où l’erreur apparaît généralement:
Premier, des démos montées sur des prompts triés sur le volet. On fait tourner 30 variantes, on retient celle qui a fonctionné et on filme le montage. En production, l’utilisateur posera exactement la question qui fait plier le modèle.
Deuxième, dépendance au contexte personnel non modélisée. La démo de Siri supposait une intégration en profondeur avec le calendrier, les photos, les messages et les e-mails de l’utilisateur. Or, orchestrer tout cela avec une latence acceptable, en local et en respectant la vie privée pose un problème d’ingénierie brutal. D’ailleurs, c’est précisément pour cela qu’Apple n’a pas encore livré cette capacité.
Troisième, absence d’un fallback honnête. Quand le modèle ne sait pas, il faut qu’il le dise. Sinon, il peut soit halluciner, soit se bloquer, soit donner une réponse générique qui détruit la confiance de l’utilisateur.
Ce que le Procon Carioca demande à Apple (et pourquoi cela compte pour votre roadmap)
Selon les informations du Tecnoblog, l’organisme a exigé d’Apple des éclaircissements très précis. Parmi eux, quelles fonctionnalités ont été réellement livrées au lancement, quel est le calendrier de mise en œuvre des ressources annoncées et quels matériels publicitaires ont été diffusés au Brésil.
Remarquez la nature des questions. Elles ne sont pas juridiques, elles sont techniques. En substance, le Procon veut savoir ce qui est en production, ce qui est en backlog et ce qui n’était que des maquettes.
Par conséquent, si vous travaillez sur des produits d’IA, intégrez ces trois questions dans votre propre processus interne avant tout annonce publique. D’ailleurs, tenir un document vivant qui distingue « fonctionnalité livrée », « fonctionnalité en bêta limitée » et « fonctionnalité en recherche » peut vous sauver de déboires juridiques plus tard.
Apple Intelligence comme étude de cas de surpromesse technique
Apple a historiquement excellé à promettre peu et à livrer bien. Cependant, avec Apple Intelligence, elle a inversé la donne. Annoncée en juin 2024, elle a été partiellement lancée, des éléments centraux comme la Siri contextuelle ont été retenus, et deux ans plus tard, le paquet complet promis dans les publicités n’a pas été livré.
À l’inverse, cela ne relève pas uniquement d’Apple. Google, OpenAI et Microsoft ont aussi connu des épisodes où des démonstrations soignées n’ont pas résisté au test du monde réel. Pensez par exemple à Gemini qui rendait une vidéo montée comme si c’était une interaction en direct.
La leçon est structurelle. À mesure que l’IA générative s’impose dans les produits grand public, l’écart entre ce que le modèle peut faire dans un cadre contrôlé et ce qu’il peut faire pour 200 millions d’utilisateurs devient le principal risque d’ingénierie et, désormais, juridique.
Checklist pratique pour les devs qui créent des fonctionnalités d’IA
Avant toute mise en production avec IA, envisagez le flux suivant:
Tout d’abord, définissez des métriques d’acceptation avant d’enregistrer une démo. Si la fonctionnalité doit fonctionner dans 95% des cas pour être annoncée et qu’elle n’en est qu’à 60%, ce n’est pas une vraie fonctionnalité. C’est une preuve de concept.
Ensuite, documentez l’étendue de manière versionnée. Ce qui a été promis en septembre doit être accessible en mai de l’année suivante, avec un statut mis à jour. Procons et utilisateurs compareront.
Ensuite, mettez en place une télémétrie des échecs dès le jour zéro. Vous devez savoir en production combien de fois le modèle a refusé, a halluciné ou a dépassé le SLA. Sans cela, vous ne pouvez ni défendre ni corriger quoi que ce soit.
Enfin, offrez une transparence sur les limites. Une bannière discrète indiquant « cette fonctionnalité est en bêta et peut échouer » ne détruit pas l’expérience. Bien au contraire, cela règle les attentes.
Le message final pour ceux qui construisent des logiciels au Brésil
Le Code de la défense du consommateur brésilien est ancien, solide et ne fait pas de distinction entre la publicité d’un logiciel et celle d’un réfrigérateur. En résumé, si vous promettez quelque chose, vous le livrez. Si vous ne livrez pas, vous assumez la responsabilité.
Ainsi, à mesure que l’usage de l’IA se diffuse dans les applications bancaires, les healthtech, les edtech et les SaaS B2C nationaux, l’affaire Apple devient une jurisprudence pratique. Probablement, nous verrons les Procons régionaux appliquer ce même examen à des startups brésiliennes ayant promis « un agent autonome » et livré un chatbot de questions-réponses.
Par conséquent, la recommandation est limpide. Avant que la page marketing ne sorte, réunissez l’équipe d’ingénierie, le service juridique et le produit dans la même salle. Puis, demandez: qu’est-ce qui fonctionne réellement aujourd’hui? Parmi ce qui ne fonctionne pas, quel est le realisme du roadmap et qu’est-ce qui n’est que désir? Surtout, tout décalage entre ces réponses et le matériel publicitaire constitue une dette technique qui peut devenir une dette juridique.
Apple a les moyens d’absorber 1,23 milliard de reais. Votre startup, probablement, n’en dispose pas.
Suivez notre profil sur Instagram!
