Comment évaluer les économies réelles avant de supprimer des postes

Les réductions d’effectifs pilotées par l’IA comportent un risque de réembauche

Un dirigeant qui supprime des postes en partant du principe que l’IA peut faire le travail peut ensuite payer plus cher pour rétablir la même capacité humaine. Oracle, Amazon et Salesforce ont réduit leurs effectifs en prévision d’une automatisation accrue : l’utilisation de la technologie pour exécuter le travail avec moins d’intervention humaine. Ces décisions peuvent refléter des attentes vis-à-vis de la technologie ou un changement d’orientation de l’entreprise ; les dirigeants qui envisagent des réductions similaires doivent donc comprendre quel travail l’IA a réellement pris en charge.

Se tromper sur ce point pourrait coûter cher. Le cabinet de conseil Gartner prévoit que 30 % des employés licenciés parce que l’IA les a remplacés devront être réembauchés d’ici 2029, probablement à un coût nettement plus élevé. Gartner vend des services de recherche et de conseil ; la demande d’accompagnement sur les décisions liées à l’IA profite donc à son activité. Sa prévision met en évidence un risque en matière d’effectifs : les économies attendues dépendent du fait que le remplacement fonctionne suffisamment bien pour soutenir l’activité.

Les explications des licenciements décrivent des décisions d’entreprise différentes

Pour comprendre ce risque de remplacement, Gartner a examiné les raisons invoquées par les employeurs pour réduire leurs effectifs. Une équipe dirigée par Tori Paulman, VP Analyst chez Gartner, a étudié plus d’un million de licenciements en 2025. Moins de 1 % de l’ensemble des licenciements analysés ont été attribués au fait que l’IA rendait les employés individuellement assez productifs pour que leurs employeurs aient besoin de moins de personnes. Ce pourcentage couvre tous les licenciements étudiés, un groupe plus large que les réductions publiquement associées à l’IA.

Les réductions motivées par la productivité supposent une chaîne d’événements précise : l’IA augmente la production d’un employé, cette hausse réduit le nombre d’employés nécessaires, puis l’employeur réduit les effectifs. Gartner a constaté que les employeurs donnaient rarement cette explication pour les licenciements examinés par son équipe. D’autres licenciements attribués à l’IA, c’est-à-dire des réductions publiquement associées à l’IA, peuvent découler d’une décision d’entreprise différente, comme l’abandon d’un marché non rentable ou le redéploiement des investissements vers de nouveaux produits.

Gartner a examiné séparément l’une de ces décisions, en classant 17 % des licenciements attribués à l’IA au premier semestre 2025 comme des pivots commerciaux. Ces employeurs se sont détournés d’unités d’activité non rentables au profit de lignes de produits IA. Comme ce pourcentage couvre les licenciements attribués à l’IA sur une période de six mois, il décrit un groupe différent de celui de la conclusion à moins de 1 %. Dans un pivot commercial, une entreprise supprime du travail parce qu’elle quitte une activité, tandis que le remplacement exige que l’IA exécute un travail dont l’entreprise a toujours besoin.

La différence compte aussi lorsque les dirigeants lisent l’explication d’un employeur. Paulman a décrit certaines explications comme un possible « AI-washing », dans lequel un récit autour de l’IA accompagne ce qui pourrait être une restructuration classique. Elle a déclaré à Channel Dive que l’intérêt de Gartner s’était accru lorsque des titres sur des licenciements semblaient provenir d’entreprises technologiques qui vendaient aussi des produits d’IA. Ces vendeurs bénéficient de la confiance dans l’IA, et son équipe s’est demandé si leurs annonces sur les effectifs visaient à renforcer leurs affirmations en matière de productivité.

Le moment des annonces compte aussi. Paulman a indiqué que les licenciements liés à l’IA avaient diminué au second semestre 2025, même si des annonces très médiatisées pouvaient donner aux dirigeants l’impression d’un remplacement qui s’accélère. Les plans d’effectifs allant jusqu’en 2029 doivent aussi tenir compte de l’évolution des capacités après ces observations. Un système qui devient capable de prendre en charge davantage de travail peut justifier une décision différente, mais cette décision dépend toujours de ses performances au moment considéré.

Pour les décisions actuelles, Paulman se concentre sur la quantité de travail que les systèmes peuvent assumer. L’IA agentique se compose de systèmes capables d’agir sur l’ensemble d’une tâche avec une certaine autonomie. « Agentic AI is not taking over a significant enough portion of work for an organization of any size to be successful with laying off a considerable amount of workers, » a-t-elle déclaré à Channel Dive. Sa préoccupation porte sur la part du travail d’une organisation que ces systèmes peuvent prendre en charge avec succès.

Les revirements en matière de remplacement montrent les enjeux financiers. Klarna a remplacé 700 agents du service client par l’IA en 2024, puis a recommencé à embaucher début 2026. CNBC a rapporté que Ford, IBM et Commonwealth Bank of Australia avaient également annulé des licenciements liés à l’IA, avec parmi les postes rétablis des ingénieurs, des représentants des ressources humaines et du personnel du service client. Ces employeurs sont revenus à l’embauche après avoir réduit leur capacité humaine, faisant du coût et de la disponibilité du personnel de remplacement un élément de la décision d’automatisation.

Les gains de productivité doivent se transformer en valeur pour l’entreprise

Ces revirements soulèvent une question qui précède toute réduction d’effectifs : l’IA améliore-t-elle suffisamment l’entreprise pour justifier ce changement ? Paulman soutient que les outils d’IA du quotidien ne parviennent pas à produire l’ampleur d’amélioration de la productivité attendue par de nombreux dirigeants, une évaluation qui, selon elle, se reflète dans les recherches de Gartner comme dans les études externes. Même lorsqu’un outil améliore une tâche individuelle, la décision sur les effectifs dépend de l’importance de cette tâche, de la valeur créée et du travail humain qui reste à accomplir.

L’importance d’une tâche dépend en partie de sa place dans les opérations essentielles de l’organisation. Une étude de l’éditeur de logiciels Aptean menée auprès de plus de 1 500 décideurs a montré que moins de la moitié des organisations considéraient l’IA comme essentielle à leur activité de base. En tant que vendeur de logiciels, Aptean a un intérêt commercial dans les décisions d’investissement technologique des organisations. Sa conclusion porte sur le rôle de l’IA dans les activités essentielles, là où les améliorations sont plus susceptibles d’affecter la capacité dont une entreprise a besoin.

Même dans les activités importantes, une productivité plus élevée doit produire un résultat utile pour l’entreprise. Le rapport Pulse of Change d’Accenture a interrogé 6 000 membres de la direction générale, hauts dirigeants d’entreprise et employés non membres de la direction générale ; parmi les répondants constatant des gains de productivité positifs, moins d’un quart ont déclaré une valeur business qu’ils pouvaient identifier. Accenture vend des services de conseil et de technologie, y compris des services d’IA ; les dépenses consacrées à la mise en œuvre de l’IA profitent donc à son activité. Sa conclusion porte sur la conversion de la productivité en valeur, tandis qu’Aptean examine la place de l’IA dans le travail de base et que Gartner examine les raisons invoquées par les employeurs pour les licenciements.

Transformer l’usage d’un outil en valeur exige aussi que les employés adoptent la technologie efficacement. Paulman affirme que les grandes entreprises technologiques sont confrontées aux mêmes problèmes que leurs clients : adoption limitée par les employés, valeur de productivité incertaine et attentes irréalistes des dirigeants. Vendre de l’IA ne donne à une entreprise aucun avantage automatique pour amener ses propres employés à bien l’utiliser. Une injonction de la direction peut donc s’étendre à toute l’organisation sans produire les améliorations attendues.

Paulman relie en partie cet écart à la compréhension qu’ont les dirigeants de la technologie qu’ils déploient. De nombreux dirigeants travaillant avec Gartner subissent une pression pour réduire les coûts et augmenter les revenus tout en manquant de connaissances de base sur l’IA, les données, l’analytique (l’utilisation de l’information pour comprendre les résultats) et le machine learning (l’entraînement de systèmes informatiques à identifier des schémas dans les données). « Executives are being steeped in an environment of what I would call magical thinking: that AI will just figure it out, » a-t-elle déclaré. Traiter l’IA comme interchangeable avec les personnes peut alors conduire les dirigeants à choisir des outils qui not correspondent pas aux problèmes qu’ils doivent résoudre.

Les décisions de remplacement modifient les relations avec les clients et la main-d’œuvre

Une mauvaise adéquation devient particulièrement coûteuse lorsqu’elle modifie le service que reçoivent les clients. Le service client a été un problème particulier pour certains employeurs, car ce travail combine l’exécution de tâches avec l’interaction, le contexte et le jugement. Un système peut traiter avec succès certaines parties d’une demande tout en laissant les clients insatisfaits de l’échange. L’acceptation par les clients devient donc une exigence business au même titre que la performance technique.

Les interactions vocales montrent pourquoi cette acceptation compte. « Customers just don’t really like talking with AI, particularly over voice, » a déclaré Paulman. Si les clients rejettent l’interaction, le traitement de leurs demandes peut malgré tout laisser l’employeur avec un problème de service. Les relations des employés avec les clients et leur connaissance des conversations précédentes peuvent rester précieuses même lorsque l’IA prend en charge certaines tâches de service.

Préserver ces relations devient plus difficile une fois que l’employeur a supprimé les personnes qui les entretiennent. Paulman relie les départs à la retraite des baby-boomers et la baisse des taux de natalité à une diminution de l’offre mondiale de travail, ce qui peut accroître la concurrence lorsque les entreprises cherchent à recruter de nouveau. Si le remplacement par l’IA se révèle insuffisant ou si les clients rejettent l’expérience, l’employeur peut revenir sur le marché du travail dans des conditions moins favorables. La concurrence pour le personnel est l’une des raisons pour lesquelles le rétablissement de la capacité pourrait coûter plus cher.

Les employés réagissent eux aussi à la possibilité d’être remplacés. Dans une enquête attribuée au cabinet de recherche Gallup, les utilisateurs fréquents de l’IA étaient plus de deux fois plus susceptibles de craindre de perdre leur emploi dans les cinq ans que les personnes qui n’utilisaient l’IA que quelques fois par mois ou par an. Cette conclusion décrit une association entre usage et crainte ; elle n’établit pas que l’un cause l’autre. La familiarité avec l’IA peut donc coexister avec une forte anxiété liée à l’emploi.

La croissance économique pourrait elle aussi coexister avec des pertes d’emplois. Anthropic décrit des scénarios combinant une expansion de 15 % de l’économie américaine d’ici 2030 avec un chômage atteignant 18 % parmi de nombreux travailleurs de bureau. Anthropic développe des systèmes d’IA et bénéficie commercialement de l’adoption de l’IA ; ces chiffres décrivent ses scénarios de résultats économiques futurs. Pour un employeur donné, la croissance de l’économie au sens large laisse toujours entière la question de savoir quelles personnes et quelles capacités sa propre activité requiert.

Évaluer le travail et préserver les capacités humaines

Répondre à cette question exige que les dirigeants établissent que l’IA peut exécuter le travail concerné au niveau requis avant de supprimer un poste. Ils doivent aussi relier l’amélioration de la productivité à une valeur business significative, y compris la qualité du service reçu par les clients. La réussite sur une tâche individuelle n’est qu’un élément de cette évaluation. Le poste peut aussi comporter des responsabilités en matière de jugement, de relations et de connaissance institutionnelle qui, elles, restent inchangées.

Gartner recommande de traiter l’IA comme un complément aux capacités humaines, en utilisant le terme « toolmate » pour décrire cette relation. Son conseil est de résister à l’automatisation indiscriminée et à la délégation de chaque décision à l’IA. Pour la planification de la main-d’œuvre, cela signifie identifier où la technologie améliore la performance tout en conservant le contexte humain et les connaissances dont l’organisation a besoin. Le résultat visé par Gartner est une performance humaine renforcée, avec moins de cycles inutiles de licenciement et de réembauche.

Choisir où utiliser l’IA exige que les dirigeants distinguent les différentes approches techniques. Paulman soutient qu’ils doivent comprendre quand un problème appelle de grands modèles de langage, ou LLM, qui génèrent du langage, et quand il appelle une automatisation qui exécute des processus définis. Partir du travail rend ce choix plus précis et aide à identifier où les personnes restent nécessaires. Supposer qu’un système d’IA est équivalent à une personne obscurcit ces deux décisions.

Le choix de la technologie crée aussi des responsabilités pour toutes les personnes impliquées dans son utilisation. « It is the job of the user of the tool, the builder of the models and also the executive to use this technology in a verifiable, correct way, » a déclaré Paulman. Elle insiste aussi sur l’utilité, donnant aux dirigeants une exigence business en plus de la justesse technique. Un déploiement doit produire un résultat que les gens peuvent vérifier et qui sert un objectif significatif.

Les personnes ont besoin d’explications claires pour juger si un déploiement répond à ces exigences. Paulman exhorte les professionnels des technologies de l’information (IT) à expliquer l’IA simplement aux membres de la communauté, aux parents et aux enfants ainsi qu’à leurs collègues, car cette transition affecte la manière dont les gens comprennent le travail humain. Au sein d’une entreprise, cela signifie expliquer ce que fait un système, comment ses résultats peuvent être vérifiés et où la responsabilité humaine demeure. Des explications claires peuvent aider les gens à prendre des décisions plus éclairées et à réduire la peur.

Points clés à retenir pour les dirigeants

• Vérifiez ce qui a motivé les réductions : Gartner prévoit que 30 % des employés licenciés parce que l’IA les a remplacés devront être réembauchés d’ici 2029, probablement à un coût plus élevé. Les dirigeants qui évaluent les licenciements chez leurs pairs doivent distinguer les gains d’automatisation avérés des réorientations hors d’activités non rentables.
• Reliez la productivité à la valeur business : Parmi les répondants à l’enquête d’Accenture faisant état de gains de productivité, moins d’un quart ont déclaré une valeur business identifiable. Les responsables d’entreprise qui évaluent des réductions d’effectifs ont besoin de preuves que l’IA améliore les opérations essentielles et maintient le niveau de qualité du travail requis.
• Intégrez les clients et la réembauche dans le calcul : La résistance des clients au service assuré par l’IA et la perte des connaissances des employés peuvent compromettre les économies attendues. Les responsables de la main-d’œuvre et du service doivent évaluer l’acceptation par les clients, les responsabilités humaines restantes et le coût du rétablissement de la capacité avant de supprimer des postes.
• Adaptez la technologie au travail : Gartner recommande d’utiliser l’IA pour renforcer la performance humaine tout en préservant le jugement, les relations et la connaissance institutionnelle. Les responsables technologiques et business doivent définir la tâche, sélectionner l’outil approprié et établir comment les personnes vérifieront ses résultats avant de supprimer des postes.