Optimisation des algorithmes de livraison : méthode traditionnelle vs méthode Masterestaurant
Mise à jour du 27 sept. 2026 : 15 sections révisées.

La méthode traditionnelle recopie la carte de la salle sur Uber Eats, Rappi et DiDi Food sans ajuster prix ni temps, et c'est ce qui la coule dans l'algorithme. Diego F. Parra, fondateur de Masterestaurant, répète la même phrase à chaque diagnostic : « l'algorithme ne récompense pas le meilleur plat, il récompense l'exploitant le plus rigoureux avec ses chiffres ». En 2026, les restaurants qui appliquent cet ajustement facturent nettement plus pour le même volume de commandes, avec un food cost livraison maîtrisé sous le plafond de la méthode.
Les applis de livraison n'affichent pas votre restaurant par ordre alphabétique. Uber Eats, Rappi et DiDi Food calculent un score interne qui combine le temps de préparation, le taux d'acceptation, la note des 50 dernières commandes et la rapidité de réponse aux réclamations. Un restaurant mieux noté mais avec un temps de préparation long peut apparaître plusieurs places en dessous d'un autre, légèrement moins bien noté, mais doté d'une cuisine beaucoup plus rapide. Cet écart de position déplace une part importante du trafic organique dans l'appli, selon le schéma que Diego F. Parra a mesuré en auditant des cuisines fantômes à Bogotá, Medellín et Mexico pendant 2025.
L'erreur que je vois encore et encore chez les restaurants qui pratiquent la livraison depuis 2 à 5 ans, c'est de traiter l'appli comme un simple flyer numérique : même menu, mêmes prix, mêmes photos d'il y a trois ans. Cette cuisine paie une commission élevée sur chaque commande et perd en plus de la visibilité, car elle ne met jamais à jour ses temps ni ne consulte le tableau de bord des indicateurs. Résultat : des commandes qui baissent trimestre après trimestre sans que le dirigeant comprenne pourquoi, parce que le problème n'est pas dans le produit mais dans la façon dont l'algorithme interprète ses données opérationnelles.
Masterestaurant traite cela comme un système, et non comme un simple ajustement ponctuel des prix. La méthode commence par auditer 90 jours de données du tableau de bord partenaire (Uber Eats Manager, Rappi Partners, DiDi Food Business), à classer les 10 plats qui génèrent le plus de marge, puis à reconcevoir le menu digital autour de ces plats. Dans les restaurants où Diego F. Parra a appliqué cet audit, le taux d'acceptation augmente nettement en quelques semaines, sans recruter de personnel supplémentaire.
D'ici 2026, Uber Eats et Rappi intègrent davantage d'intelligence artificielle dans leur propre classement : ils prévoient la demande par créneau horaire et ajustent la visibilité selon la probabilité que le restaurant respecte le temps annoncé. Cela pénalise doublement la cuisine qui ne mesure pas ses temps, car l'algorithme ne pardonne plus une promesse non tenue d'un seul avertissement, mais par des baisses progressives de position. Pour un restaurant avec un ticket moyen type, perdre plusieurs places dans le classement de sa catégorie peut représenter pas mal de commandes en moins par semaine, et au bout d'un mois, cela devient une somme considérable de ventes non captées. Masterestaurant intègre cette variable prédictive dans chaque audit depuis 2025.
Comparaison côte à côte
| Méthode traditionnelle | Méthode Masterestaurant | |
|---|---|---|
| Temps de préparation moyen | ✕22 minutes | ✓11 minutes |
| Taux d'acceptation des commandes | ✕La grande majorité des commandes | ✓La quasi-totalité des cas |
| Majoration de prix vs salle | ✕Sans supplément, au même prix | ✓Une petite fraction |
| Articles actifs sur le menu livraison | ✕45 plats | ✓14 plats |
| Fréquence de revue des indicateurs | ✕1 fois par mois | ✓Plusieurs fois par semaine |
| Food cost réel en livraison | ✕Une part élevée | ✓Une fraction modérée |
| Position moyenne dans la catégorie | ✕Une position médiane dans la liste | ✓3e place |
Pourquoi mon restaurant n'apparaît-il pas en haut de Uber Eats alors que j'ai une bonne note ?
Parce que le classement ne dépend pas seulement des étoiles :
Uber Eats, Rappi et DiDi Food combinent le temps de préparation, le taux d'acceptation, la note des 50 dernières commandes et la rapidité de réponse aux réclamations dans un score interne. Un restaurant mieux noté mais à la préparation lente peut se retrouver plusieurs places derrière un autre, un peu moins bien noté, mais avec une cuisine bien plus agile. Cet écart de position déplace une part importante du trafic organique dans l'appli, selon le schéma que Diego F. Parra a mesuré en auditant des cuisines fantômes à Bogotá, Medellín et Mexico pendant 2025. L'algorithme récompense la régularité opérationnelle, et pas seulement la satisfaction client.
1. Menu copié de la salle : l'erreur que répètent le plus de cuisines
L'erreur que je vois encore et encore chez les restaurants qui font de la livraison depuis 2 à 5 ans, c'est de traiter l'appli comme un flyer numérique : même menu, mêmes prix, mêmes photos d'il y a trois ans. Cette cuisine paie une commission élevée sur chaque commande et perd en plus de la visibilité, car elle ne met jamais à jour ses temps ni ne consulte le tableau de bord des indicateurs. Résultat : des commandes qui baissent trimestre après trimestre sans que le dirigeant comprenne pourquoi, parce que le problème n'est pas dans le produit mais dans la façon dont l'algorithme interprète ses données opérationnelles. Un menu non travaillé dilue la marge sur des plats que presque personne ne commande mais qui font baisser le temps moyen réel.
2.
La méthode traditionnelle facture dans l'appli le même prix qu'en salle, sans couvrir la commission de la plateforme ni l'emballage, et cela érode la marge plat par plat. Lors d'audits de Diego F. Parra dans des cuisines fantômes, cet ajustement permet de récupérer entre 4 et 7 points de marge brute sans augmenter le ticket moyen perçu par le client, car la hausse est absorbée dans le prix digital et non dans celui de la table. Ignorer cet ajustement est la raison pour laquelle beaucoup de dirigeants pensent que la livraison n'est pas rentable, alors que le problème vient du prix et non du canal.
3. Temps de préparation sous 12 minutes : la variable qui pèse le plus
Uber Eats et Rappi pénalisent par une baisse de position les cuisines qui dépassent plus de deux fois par semaine le temps de préparation annoncé. La méthode Masterestaurant fixe une limite opérationnelle de 12 minutes pour la plupart du menu digital, en s'appuyant sur un poste dédié uniquement aux commandes d'applis, séparé de la cuisine de salle. Dans les restaurants où Diego F. Parra a mis en place cette séparation, le taux d'acceptation augmente nettement en quelques semaines, sans recruter de personnel supplémentaire. Tenir le temps annoncé de façon régulière, c'est ce que l'algorithme interprète comme de la fiabilité, et la fiabilité est ce qui fait monter la visibilité.
4. Taux d'acceptation des commandes : le thermomètre que personne ne surveille
Refuser des commandes faute d'ingrédients ou de personnel aux heures de pointe fait chuter le taux d'acceptation, et cet indicateur pèse autant que la note dans l'algorithme de positionnement. Consulter régulièrement le tableau de bord partenaire (Uber Eats Manager, Rappi Partners, DiDi Food Business) aide à identifier les créneaux où les refus se produisent et à ajuster les équipes ou les stocks avant ces heures. C'est cet ajustement opérationnel, et non celui du menu, qui fait bouger l'aiguille en 6 semaines.
5. Photo et description par plateforme : vendre sur Rappi n'est pas la même chose que vendre sur DiDi
Copier la même photo et la même description sur les trois applis ignore que chaque plateforme a son propre algorithme de pertinence de recherche interne, qui pondère aussi les clics et la conversion par image. Un plat avec une photo générique de banque d'images convertit en général beaucoup moins qu'un plat avec une photo maison bien éclairée. La méthode classe les 10 plats qui génèrent le plus de marge et leur donne un traitement visuel et rédactionnel distinct sur chaque plateforme, en concentrant là le temps investi par l'équipe marketing. Ce détail, qui semble mineur, améliore sensiblement le taux de clic-vers-commande dans la catégorie du restaurant.
6. IA prédictive dans le classement : ce qui arrive en 2026
D'ici 2026, Uber Eats et Rappi intègrent davantage d'intelligence artificielle dans leur propre classement : ils prévoient la demande par créneau horaire et ajustent la visibilité selon la probabilité que le restaurant respecte le temps annoncé. Cela pénalise doublement la cuisine qui ne mesure pas ses temps, car l'algorithme ne pardonne plus une promesse non tenue d'un seul avertissement, mais par des baisses progressives de position. Pour un restaurant dont le ticket moyen est élevé pour sa catégorie, perdre plusieurs places dans le classement peut signifier beaucoup de commandes en moins par semaine, qui deviennent en un mois des ventes non captées considérables. Masterestaurant intègre cette variable prédictive dans chaque audit depuis 2025.
Verdict : l'algorithme ne pardonne pas le menu copié et récompense le canal traité comme une vraie activité
La méthode traditionnelle copie le menu de la salle sur Uber Eats, Rappi et DiDi Food sans ajuster ni les prix ni les temps, et cela le fait couler dans l'algorithme petit à petit, et non brutalement. La différence se voit en 6 à 8 semaines : la cuisine auditée par Diego F. Parra fait passer son taux d'acceptation d'un niveau médiocre à un niveau élevé et regagne des positions que le dirigeant croyait perdues à cause de la saturation du marché. Si votre livraison a baissé de 12 % ce trimestre, la première étape n'est pas de baisser les prix : c'est d'auditer vos 90 jours de données du tableau de bord avant de toucher au menu.
Analyse côte à côte : où cela se voit en caisse
Méthode traditionnelle : le menu copié-collé
- Même prix en livraison qu'en salle, sans couvrir la commission de la plateforme.
- Menu de 40 à 60 références, identique à la carte physique, sans hiérarchie pour l'algorithme.
- Temps de préparation moyen de 20 à 25 minutes, sans objectif ni mesure hebdomadaire.
- Photos génériques ou non mises à jour depuis plus de 12 mois.
- Revue des indicateurs du tableau de bord une fois par mois ou moins.
Méthode Masterestaurant : l'algorithme comme canal de vente
- Applique une majoration sur le prix de la salle, calculée pour préserver la marge après commission.
- Menu digital réduit à 12-14 articles phares, ceux qui tournent le plus et rapportent le plus de marge.
- Temps de préparation inférieur à 12 minutes, avec un objectif quotidien visible en cuisine.
- Photos et descriptions réécrites tous les 90 jours, avec les mots-clés que les clients utilisent lors de leurs recherches.
- Revue des indicateurs plusieurs fois par semaine, avec ajustements de prix et d'horaires selon la demande.
Les chiffres qu'un algorithme bien exploité fait bouger
“En 7 semaines, nous avons réduit le menu digital de 38 à 13 articles, ajusté les prix avec une majoration de 17 % et ramené le temps de préparation à 10 minutes. Le taux d'acceptation est monté à 97 %, le food cost a baissé à 30 % et le classement de la catégorie est passé de la 16e à la 2e place dans deux des six succursales.”
Cas composite à titre illustratif : les noms et les chiffres du cas ne décrivent pas une entreprise réelle et ne constituent pas des données sectorielles.
Comment optimiser l'algorithme de livraison en 4 étapes
Avant de toucher aux prix ou au menu, téléchargez le rapport de 90 jours depuis Uber Eats Manager, Rappi Partners ou DiDi Food Business. Identifiez le taux d'acceptation, le temps de préparation moyen, la note des 50 dernières commandes et le pourcentage d'annulations. À cette étape, Diego F. Parra recommande de repérer les 10 plats qui génèrent 70 % du volume : ce sont ceux que l'algorithme pousse déjà, et c'est sur eux que repose l'optimisation. Si le taux d'acceptation est inférieur à 85 % ou si le temps de préparation dépasse 15 minutes, c'est là le véritable goulot d'étranglement, et non le menu ni les photos. Cet audit prend entre 2 et 3 heures et doit être renouvelé chaque trimestre pour maintenir les progrès.
Réduisez le menu livraison à 12-14 plats : ceux qui tournent le plus et rapportent le meilleur taux de marge selon le food cost réel, et non selon la carte de salle. Un menu de 45 articles dilue l'attention du client comme celle de l'algorithme, qui privilégie les catalogues affichant un fort taux de conversion par article. Réécrivez chaque description avec les termes que le client utilise lorsqu'il recherche (par ex. « poulet rôti entier » plutôt que « spécialité de la maison ») et mettez à jour les photos tous les 90 jours, en lumière naturelle et avec le plat servi, et non une photo d'archive. La méthode Masterestaurant exige un food cost ≤ 32 % pour chaque article phare avant son ajout au menu digital, afin de protéger la marge après la commission de la plateforme.
Sans cet ajustement, la marge nette par commande tombe à un niveau qui ne permet pas de financer la masse salariale de la cuisine ni le réapprovisionnement en matières premières à moyen terme. Communiquez le changement en toute transparence : la plupart des restaurants en Amérique latine pratiquent déjà des prix différenciés entre le canal physique et la livraison, et le client l'accepte lorsque le service (emballage, délai, qualité) reste stable. Réexaminez cette majoration chaque fois que la plateforme annonce une modification de sa structure de commission, ce qui s'est produit à plusieurs reprises dans la région ces dernières années.
Connectez-vous au tableau de bord chaque lundi et chaque jeudi pour contrôler le taux d'acceptation, le temps de préparation et la note sur l'ensemble de la semaine. Si le taux d'acceptation descend sous 90 % ou si le temps de préparation dépasse 12 minutes, ajustez le roulement en cuisine ou suspendez temporairement les articles à longs délais pendant les pics du midi et du soir. Ce rythme de suivi, que Diego F. Parra met en place pour chaque client de Masterestaurant dès le premier mois d'audit, permet de détecter une baisse de classement en quelques jours et non des semaines plus tard, alors qu'une part importante des commandes potentielles est déjà perdue. L'objectif n'est pas la perfection permanente, mais la discipline de mesure. L'algorithme récompense la régularité semaine après semaine, et non un bon mois suivi de trois mois sans consulter le tableau de bord.
Et avec l'intelligence artificielle ?
Optimisez canaux, pricing et unit economics de votre dark kitchen. Diego F. Parra est expert en IA appliquée à la restauration.
Optimisation des algorithmes de livraison : outils gratuits
Outils Masterestaurant pour pérenniser l'optimisation
Ces trois outils de l'écosystème Masterestaurant accompagnent l'audit de l'algorithme de livraison sans ajouter de personnel à l'exploitation quotidienne.
Chacun cible un goulot d'étranglement différent : stratégie de canal, projection de croissance et contrôle de la marge réelle par commande.
Ils s'utilisent ensemble durant les premières semaines de l'audit, période pendant laquelle le taux d'acceptation s'améliore généralement de manière visible.
Questions fréquentes sur l'optimisation des algorithmes de livraison
Combien les plateformes de livraison prennent-elles réellement en 2026 ?
Combien les plateformes de livraison prennent-elles réellement en 2026 ?
Ces plateformes prélèvent une commission sur chaque commande, dont le taux varie selon la plateforme, la ville et le forfait souscrit (basic, plus ou premium) : les forfaits les plus complets coûtent plus cher en échange d'une meilleure visibilité. À cela s'ajoutent les frais publicitaires au sein de l'application si le restaurant active des promotions sponsorisées.
Dois-je augmenter les prix sur le menu livraison ?
Dois-je augmenter les prix sur le menu livraison ?
Sans cet ajustement, la commission de la plateforme réduit la marge nette par commande à un niveau trop faible, qui ne couvre ni le coût de l'emballage ni le réapprovisionnement en matières premières à moyen terme.
Combien de plats un menu optimisé pour la livraison doit-il comporter ?
Combien de plats un menu optimisé pour la livraison doit-il comporter ?
Entre 12 et 14 articles phares, ceux qui tournent le plus et affichent le meilleur food cost (idéalement ≤ 32 %). Un catalogue de 40 à 60 plats dilue la conversion et brouille l'algorithme, qui privilégie les menus au fort taux de clic par article.
À quelle fréquence dois-je revoir les indicateurs de l'algorithme ?
À quelle fréquence dois-je revoir les indicateurs de l'algorithme ?
Au minimum deux fois par semaine : taux d'acceptation, temps de préparation et note des dernières commandes. Ne consulter le tableau de bord qu'une fois par mois laisse passer des baisses de classement qui mettent 30 jours à se corriger, au lieu de 3 ou 4.
Chiffres 2026 de optimisation des algorithmes de livraison
Benchmarks vérifiables issus de sources officielles et non commerciales (gouvernement, associations professionnelles et market-data), jamais de la concurrence.
| Donnée | Valeur | Source |
|---|---|---|
| Restaurants locaux actifs sur les plateformes de livraison au Mexique, dans plus de 60 villes (2024) | plus de 52 mille restaurants locaux (2024) | El Universal citando a DiDi Foods — Apps de comida impulsan crecimiento de restaurantes locales en México (2024) |
| Utilisateurs actifs d'iFood, l'application de livraison leader en Amérique latine (Brésil), à la fin du troisième trimestre 2024 | environ 12.2 millions d'utilisateurs actifs (T3 2024) | Sensor Tower — Top 5 Food Delivery Apps in Latin America Q3 2024 Performance (2024) |
| Utilisateurs actifs hebdomadaires de PedidosYa en Amérique latine, borne haute de la fourchette du troisième trimestre 2024 | entre 4.8 et 5.3 millions d'utilisateurs actifs hebdomadaires (T3 2024) | Sensor Tower — Top 5 Food Delivery Apps in Latin America Q3 2024 Performance (2024) |
| Commandes mensuelles d'iFood au Brésil, passées d'environ 70 millions en moyenne au cap des 100 millions en août 2024 | 100 millions de commandes mensuelles (août 2024) | Bloomberg Línea — Rappi y iFood: qué le depara a las apps de delivery ante reformas y presión por rentabilidad en Latam? (2025) |
| Utilisateurs d'Internet au Mexique qui utilisent des applis de livraison, selon l'Asociación Mexicana de Venta Online (AMVO) (note de 2023) | 83 % des utilisateurs d'Internet au Mexique (2023) | The Food Tech citando a AMVO — El delivery de alimentos y bebidas sigue creciendo (2023) |
| Part des utilisateurs actifs mensuels d'iFood parmi les applis de livraison d'Amérique latine, un contexte de concentration qui alimente l'algorithme des applis de livraison (2024, cumul de l'année) | 40 % de la part de MAU en Amérique latine (2024) | Sensor Tower — Fragmented LatAm Food Delivery Market Evolves Amidst Uber's Exit (2024) |
Contenus associés
Optimisation des algorithmes de livraison : la méthode Masterestaurant
Appliquée dans +8 400 restaurants répartis dans 43 pays.
