« Est-ce vraiment à cause de l'IA que l'on est licencié ? La nouvelle norme de restructuration engendrée par le "AI washing" »

« Est-ce vraiment à cause de l'IA que l'on est licencié ? La nouvelle norme de restructuration engendrée par le "AI washing" »

« Licenciements à cause de l'IA » — jusqu'où cette explication est-elle vraie ?

Récemment, dans les nouvelles concernant les licenciements, on entend souvent l'explication selon laquelle « grâce à l'automatisation des tâches par l'IA, nous optimisons notre personnel ». Il est vrai que les IA génératives et les outils d'automatisation remplacent partiellement les tâches des cols blancs, modifiant ainsi les compétences et les rôles nécessaires.


Cependant, par rapport à la vitesse de ce « changement », les récits accompagnant les annonces de licenciements des entreprises semblent parfois trop bien ficelés. Comme si une décision douloureuse était embellie pour apparaître comme une « réforme positive pour l'avenir ».


C'est dans ce contexte que le terme « AI washing » a émergé. À l'instar du « greenwashing » dans le domaine de l'environnement, il s'agit de brandir l'IA au-delà de la réalité pour masquer d'autres raisons (réduction des coûts, baisse des performances, réaction à une surrecrutement) — une suspicion qui se répand.


Qu'est-ce que l'AI washing : l'essence est plus dans « l'explication » que dans la « technologie »

Le cœur de l'AI washing n'est pas de dire que l'IA elle-même est un mensonge. Le point clé est qu'« il est plus facile de justifier en invoquant l'IA, et cela plaît aux marchés boursiers ».


Dire « nous réduisons le personnel parce que nos performances sont mauvaises » est moins attrayant que de dire « nous réorganisons notre organisation car l'IA augmente la productivité », ce qui apparaît comme un investissement tourné vers l'avenir. Pour les entreprises, cela devient un discours « favorable aux investisseurs ».


Cette structure est renforcée à mesure que les attentes envers l'IA augmentent. L'IA permet de parler des « effets futurs pas encore entièrement réalisés », ce qui permet de prétendre que « cela sera nécessaire à l'avenir », même si les résultats actuels sont flous. En conséquence, les licenciements sont emballés comme une « transformation stratégique » plutôt qu'un « nettoyage après un échec ».


Les chiffres sur les licenciements « à cause de l'IA » : une réalité en augmentation

D'un autre côté, le fait que les licenciements au nom de l'IA augmentent est confirmé par les données. Selon un rapport de Challenger, Gray & Christmas, connu pour ses statistiques sur le soutien à la réinsertion professionnelle et les réductions de personnel aux États-Unis, 54 836 licenciements ont été annoncés en 2025 pour des raisons liées à l'« Intelligence Artificielle ».


Ce chiffre indique (1) que les entreprises mentionnent de plus en plus souvent l'IA comme « raison » dans leurs communiqués, et (2) que cette explication a un impact suffisant pour influencer le débat public.


Cependant, il est important de noter que ce nombre ne mesure pas strictement le « nombre de personnes dont le travail a été effectivement remplacé par l'IA ». Il s'agit de l'ampleur avec laquelle l'IA a été citée comme raison dans les annonces, ce qui permet le débat sur l'AI washing. Autrement dit, ce qui augmente, ce n'est pas seulement le « remplacement par l'IA », mais aussi « l'utilisation du terme IA ».


Étude de cas : que se passe-t-il avec les licenciements des entreprises brandissant l'IA ?

Les grandes entreprises technologiques, souvent mentionnées dans les médias, sont des exemples représentatifs d'entreprises invoquant l'IA.


Par exemple, Amazon a procédé à une réduction massive de personnel dans le cadre de l'efficacité et de la réorganisation, tout en mettant fortement en avant l'utilisation de l'IA. Bien que la logique selon laquelle plus l'IA peut accomplir de tâches, plus la « forme du travail nécessaire » change soit compréhensible, du point de vue du terrain, il est facile de ressentir une incohérence lorsque « où, quand et quelles tâches l'IA remplacera » reste flou alors que l'organisation se réduit d'abord.


Pinterest, de même, a été rapporté pour sa démarche de réduction massive de personnel tout en mettant l'accent sur l'IA. Lorsque de tels cas se multiplient, la question de savoir dans quelle mesure l'explication « l'IA augmente la productivité, donc nous réduisons le personnel » est soutenue par une feuille de route de mise en œuvre se pose.


L'avertissement de Forrester : « Parler de licenciements liés à l'IA sans IA mature »

Les matériaux soutenant le débat sur l'AI washing incluent également les remarques des sociétés d'études. Forrester soulève le problème que certaines entreprises qui annoncent des licenciements liés à l'IA n'ont pas d'applications IA suffisamment matures et éprouvées pour remplacer les rôles supprimés.


C'est un point important. Pour vraiment intégrer l'IA dans les opérations, il y a beaucoup à faire : préparation des données, gouvernance, gestion des risques, conception des opérations, cadre opérationnel, formation. L'introduction d'un outil ne rend pas immédiatement « les gens inutiles », et pendant la période de transition, il peut même y avoir une augmentation de la main-d'œuvre.


Plus on connaît la réalité de l'introduction de l'IA, plus on est enclin à douter des annonces de « réduction de personnel d'abord ». Plus que les capacités de l'IA, une erreur dans le séquencement de l'introduction peut entraîner une baisse de la qualité, une augmentation des incidents, une détérioration de l'expérience client, et finalement des coûts de réembauche.


Réactions sur les réseaux sociaux : un sentiment commun que « l'histoire précède l'IA »

Les réactions sur les réseaux sociaux à ce sujet se distinguent en trois types.


1) La théorie selon laquelle « l'histoire change en fonction de la semaine des résultats » (soupçon de mise en scène pour les investisseurs)

Dans les discussions partagées sur LinkedIn, on trouve des remarques telles que « les licenciements surviennent pendant la semaine des résultats » et « le message oscille entre ‘l'IA change le travail’ → ‘réduction de la bureaucratie’ → ‘réallocation centrée sur l'IA’ ».


En d'autres termes, ce n'est pas l'IA qui est la cause, mais une explication « la plus pratique à ce moment-là » qui est ajoutée à la décision de licenciement.


2) La théorie selon laquelle « un pari excessif sur une IA immature détruit le terrain » (coût des accidents de transition)

Dans les commentaires sur LinkedIn, on exprime également la préoccupation que « plutôt que l'IA ait remplacé les gens, la direction s'est précipitée sur une IA non préparée, a réduit le personnel expérimenté, et a remplacé par des outils fragiles, rendant le produit instable ».


Cela diffère légèrement de l'« AI washing », parlant d'un échec dû à une « anticipation excessive » de l'IA. Cependant, le fait que l'explication des licenciements repose sur l'IA les place sur le même plan.


3) La théorie selon laquelle « l'IA est un prétexte, la véritable cause est la performance et les coûts » (restructuration traditionnelle avec une étiquette IA)

Il y a aussi des voix qui disent « l'IA est une excuse pour expliquer de faibles résultats » et « une réduction temporaire des coûts ne résout pas le problème fondamental ».


Ce type de réaction met en cause la relation entre le marché des capitaux et la gestion, plutôt que l'IA elle-même. L'IA, en tant que discours sur l'« avenir », est facilement utilisée à des fins opportunistes.


4) Débat dans la communauté technologique : « L'IA remplace-t-elle le travail ou le budget ? »

Dans des communautés technologiques comme Hacker News, on discute de l'idée que « plutôt que l'IA prenne directement des emplois, le budget est réaffecté à l'investissement dans l'IA (ressources de calcul et coûts de développement), réduisant ainsi les dépenses de personnel ».


Ici, le « remplacement » n'est pas vu comme une simple opposition entre humain et IA, mais comme une question de répartition des ressources de gestion.


Liste de contrôle pour discerner les « licenciements liés à l'IA »

Il est difficile de discerner à 100 % de l'extérieur si un licenciement pour raison d'IA est réel ou s'il s'agit de washing. Cependant, on peut au moins évaluer la « solidité de l'explication » selon les points suivants.

  1. Le processus de remplacement est-il concret ? : Quels processus de travail, avec quels outils, et quelles améliorations de KPI sont attendues ?

  2. Les conditions préalables à l'introduction (données, gouvernance, opérations) sont-elles abordées ? : Sans base préalable à l'IA, le remplacement est peu probable.

  3. La réaffectation et la rééducation sont-elles incluses ? : Comment soutient-on la reconversion des compétences, au-delà de la simple réduction de personnel ?

  4. N'est-ce pas trop orienté vers le contexte des résultats à court terme ? : Le timing et le discours ne sont-ils pas optimisés pour le « marché » ?

  5. Y a-t-il une mention de la qualité et des risques ? : Le remplacement par l'IA implique des erreurs, des accidents, et des responsabilités. Cela n'est-il pas ignoré ?


Les entreprises qui résistent à cette vérification ont probablement une réelle intention de réorganiser leur structure avec l'IA. À l'inverse, si la réduction de personnel précède avec seulement un discours abstrait sur l'avenir, il y a un grand espace pour soupçonner un washing.


Alors, que devons-nous faire ? — Pour ne pas être emportés par « l'histoire de l'IA »

Il y a trois grandes choses que les travailleurs peuvent faire.

  • Être capable d'expliquer le travail non pas par « étapes » mais par « décisions » : Verbaliser le traitement des exceptions, la prise de décision, et la responsabilité, que l'IA a du mal à gérer.

  • Passer du côté des « utilisateurs » de l'IA : Ce qui est remplacé, ce ne sont pas les personnes qui n'utilisent pas l'IA, mais les formes de travail qui ne peuvent pas produire de résultats avec l'IA.

  • Lire les signaux du marché de l'emploi : Si la même entreprise augmente les recrutements liés à l'IA en même temps que les licenciements, il est possible qu'un déplacement des rôles se produise.


D'autre part, ce qui est demandé aux entreprises, c'est la transparence. Si elles brandissent l'IA, elles devraient parler de la réalité de son introduction (qui prend du temps et coûte cher) et de la douleur de la période de transition (qualité, risques, formation). Sinon, l'IA sera consommée comme une « excuse pratique », continuant à éroder la confiance sur le terrain.


Conclusion : l'IA peut être une cause, mais aussi une excuse

Les cas où l'efficacité due à l'IA conduit à des licenciements vont certainement augmenter. Mais en même temps, l'IA peut être utilisée comme une « explication qui résonne avec les investisseurs », masquant les véritables raisons des entreprises.


La question n'est pas seulement « que peut faire l'IA », mais aussi « qui profite et qui prend des risques en invoquant l'IA ». Si cette structure est mal comprise, les organisations à l'ère de l'IA seront détruites non par la « technologie », mais par le « récit ».


URL de la source

Articles connexes