Le tableur des suppressions de postes vient de prendre une gifle statistique.
Pendant des mois, le récit dominant a été d’une simplicité presque confortable : l’intelligence artificielle arrive, les cols blancs tremblent, les juniors disparaissent, les entreprises engrangent des gains de productivité et les directions financières sabrent les effectifs avec un sourire Excel.
Cette narration a l’avantage d’être claire.
Elle a aussi l’inconvénient d’être trop propre pour être vraie.
Une nouvelle analyse publiée par Ramp vient abîmer ce scénario linéaire. En reliant des données de dépenses IA à des données d’effectifs collectées avec Revelio Labs, les chercheurs de Ramp observent que les entreprises américaines investissant le plus intensivement dans l’IA ont vu leurs effectifs croître de 10,2 % dans les deux années suivant l’adoption. Plus intéressant encore, les effectifs d’entrée de carrière progressent de 12 % chez ces adoptants intensifs (Ramp).
Voilà qui dérange sérieusement la fable du junior sacrifié sur l’autel de ChatGPT.
La promesse paresseuse
La promesse paresseuse était simple : installez de l’IA, réduisez les effectifs, admirez la marge.
Sur une slide de comité exécutif, c’est magnifique.
Dans la vraie vie, c’est souvent une mauvaise architecture du travail déguisée en courage managérial.
L’IA ne transforme pas mécaniquement une organisation. Elle amplifie ce que l’organisation comprend déjà de son propre fonctionnement. Une entreprise qui sait analyser ses flux de travail, ses irritants, ses décisions, ses dépendances et ses angles morts peut utiliser l’IA pour augmenter sa capacité d’exécution.
Une entreprise qui ne sait pas comment le travail se fait réellement risque de confondre un poste avec une liste de tâches.
Et c’est précisément là que commencent les dégâts.
Un métier n’est jamais seulement une collection de micro-actions. Il contient du contexte, de la mémoire, du jugement, de l’expérience, des arbitrages invisibles, des signaux faibles, des relations humaines, de la qualité perçue, de la responsabilité et parfois une simple capacité à sentir que quelque chose cloche.
Quand une direction supprime un rôle avant d’avoir compris cette profondeur invisible, elle n’automatise pas. Elle ampute.
Les entreprises avancées embauchent autrement
Le résultat de Ramp ne signifie pas que l’IA protège tous les emplois. Il ne dit pas non plus que tous les secteurs bénéficieront de la même dynamique.
Il dit quelque chose de plus utile : les entreprises qui adoptent intensivement l’IA semblent souvent être déjà plus grandes, plus techniques, plus financées, plus rapides, plus organisées. L’étude de Ramp précise que les gains observés sont concentrés chez les adoptants intensifs, tandis que les adoptants plus faibles ne présentent pas de changement statistiquement significatif (Ramp Economics Lab).
Autrement dit, l’IA ne récompense pas l’incantation.
Elle récompense la capacité organisationnelle.
Mon hypothèse est simple : les entreprises les plus avancées ne remplacent pas seulement des tâches. Elles redessinent des flux de travail, créent de nouveaux besoins, augmentent la vitesse d’exécution et réinjectent cette capacité dans la croissance.
Elles n’utilisent pas l’IA comme une tronçonneuse budgétaire.
Elles l’utilisent comme une infrastructure de procédé.
Et cette différence change tout.
Quand un développeur devient plus rapide, il ne disparaît pas forcément. Il peut produire plus, tester plus, corriger plus vite, livrer plus souvent.
Quand une équipe marketing automatise une partie de la production, elle peut aussi passer plus de temps sur la stratégie, la différenciation, la narration, l’analyse des signaux du marché.
Quand une équipe finance accélère ses analyses, elle peut mieux piloter, détecter, anticiper, conseiller.
La capacité libérée ne devient performance que si l’organisation sait quoi en faire.
Le boomerang des coupes IA
Les autres entreprises font l’inverse.
Elles confondent automatisation et stratégie.
Elles suppriment des rôles avant d’avoir compris ce que ces rôles contenaient réellement. Puis elles découvrent les coûts cachés : qualité médiocre, contenu à corriger, décisions fragiles, expérience client appauvrie, managers débordés par des systèmes qu’ils ne maîtrisent pas.
Robert Half indique que 54 % des dirigeants interrogés s’attendent à ce que l’IA entraîne une croissance de l’emploi, et non une contraction, sur les deux prochaines années. La même source indique que 32 % des managers américains ayant supprimé des postes après implémentation de l’IA ont ensuite dû recréer ces postes, ou des postes très similaires (Robert Half).
Gartner va dans le même sens sur le service client : d’ici 2027, 50 % des entreprises ayant attribué des réductions d’effectifs à l’IA réembaucheront des collaborateurs pour accomplir des fonctions similaires, parfois sous des intitulés différents (Gartner).
La raison est limpide : l’IA peut prendre en charge une partie du travail, mais une partie du travail ne fait pas un métier complet.
Dans le service client, par exemple, répondre à une question simple n’est qu’un fragment du rôle. Gérer une frustration, sentir une nuance, désamorcer une tension, arbitrer une exception, préserver la confiance d’un client, voilà un autre niveau de complexité.
Les entreprises découvrent que supprimer trop vite coûte parfois plus cher que transformer correctement.
Les humains nettoient le slop
Autre signal intéressant : des humains sont désormais embauchés pour nettoyer le travail de l’IA.
Le terme “AI slop” désigne cette production générée à grande vitesse, souvent correcte en surface, mais pauvre, répétitive, molle, approximative ou mal adaptée au contexte. Des médias rapportent que des freelances sont sollicités pour reprendre des contenus générés par IA afin de les rendre utilisables, lisibles ou simplement acceptables (NBC News, NDTV).
C’est délicieux.
L’outil censé supprimer le travail crée du travail de correction.
Le problème ne vient pas seulement de l’outil. Il vient de l’usage naïf de l’outil.
Demander à une IA de produire du volume sans direction claire, sans standards, sans ligne éditoriale, sans contexte, sans validation humaine, c’est produire une dette de qualité. Cette dette devra être payée. Parfois très vite. Parfois par quelqu’un de plus compétent que la personne remplacée.
Le slop n’est pas une fatalité technologique.
C’est souvent le symptôme d’une gouvernance absente.
Le retour des philosophes
Autre violation narrative savoureuse : les philosophes reviennent par la grande porte.
Depuis des années, certaines formations littéraires ou philosophiques étaient regardées avec condescendance par les tenants du “tout technique”. Puis l’IA générative a rendu visibles des questions que les ingénieurs seuls ne peuvent pas absorber : qu’est-ce qu’un comportement acceptable pour un modèle ? Qu’est-ce qu’une réponse honnête ? Quelle valeur doit-on préserver ? Comment traiter les sujets de conscience, d’intention, de responsabilité, de manipulation, de confiance ?
Business Insider a rapporté que des entreprises comme Anthropic et Google DeepMind recrutent des profils philosophiques pour travailler sur ces sujets d’alignement, d’éthique et de comportement des modèles (Business Insider).
Daily Nous, qui suit la profession philosophique, a également relayé le traitement du sujet par le New York Times, en mentionnant plusieurs philosophes travaillant dans ou avec des organisations liées à l’IA, dont Robert Long, Geoff Keeling, Iason Gabriel, Patrick Butlin et Amanda Askell (Daily Nous).
La technologie la plus avancée du moment rappelle ainsi une évidence ancienne : tout problème important n’est pas uniquement technique.
Les entreprises obsédées par le code découvrent le poids du jugement.
Les organisations fascinées par l’automatisation redécouvrent la valeur de la pensée critique.
Les dirigeants qui voulaient remplacer des humains par des modèles découvrent qu’ils doivent embaucher des humains pour décider comment ces modèles doivent se comporter.
Le vrai coût de l’automatisation mal pensée
Orgvue a publié des chiffres qui illustrent la difficulté de la transformation IA. En 2025, 39 % des dirigeants interrogés déclaraient avoir rendu des salariés redondants à la suite d’un déploiement IA, et 55 % de ce groupe reconnaissaient avoir pris de mauvaises décisions de réduction d’effectifs (Orgvue).
En 2026, Orgvue rapporte aussi que 32 % des organisations ayant licencié sur la promesse d’économies liées à l’IA ont dû réembaucher, révélant un écart entre ambition technologique et compréhension opérationnelle du travail (Orgvue).
Le plus intéressant n’est pas le chiffre seul.
Le plus intéressant est la cause.
Les entreprises ne se trompent pas parce que l’IA est inutile. Elles se trompent parce qu’elles déploient l’IA sans comprendre le travail.
Elles voient des tâches.
Elles ne voient pas le système.
Elles voient des coûts.
Elles ne voient pas les dépendances.
Elles voient des prompts.
Elles ne voient pas la responsabilité.
L’automatisation mal pensée crée une illusion de productivité. Elle réduit temporairement la ligne salariale, puis elle augmente les coûts ailleurs : contrôle qualité, réclamations clients, reprise de contenu, dette technique, perte de savoir tacite, surcharge managériale, démotivation, perte de confiance.
L’IA comme innovation de procédé
C’est précisément pourquoi je traite l’IA comme une innovation de procédé dans mon système d’intelligence innovationnelle : objectif clair, équipe multidisciplinaire, expérimentation, apprentissage, gouvernance, mesure du sentiment et déploiement progressif (mon livre, chapitre 14).
L’IA n’est pas seulement un outil.
C’est une transformation de la manière dont le travail se conçoit, s’exécute, se contrôle et se valorise.
Dans mon approche, la première étape n’est pas de demander : “Combien de postes pouvons-nous supprimer ?”
La première étape consiste à demander : “Quelle capacité nouvelle voulons-nous créer ?”
Puis viennent les questions utiles :
Quelle fonction doit être augmentée ?
Quels flux de travail doivent être redessinés ?
Quels irritants doivent disparaître ?
Quels rôles doivent évoluer ?
Quels risques doivent être maîtrisés ?
Quels talents doivent être formés ?
Quels indicateurs mesureront la qualité, la vitesse, la confiance, l’expérience client et l’apprentissage ?
Quels garde-fous protégeront l’organisation contre l’illusion de performance ?
Une entreprise qui pose ces questions se donne une chance d’utiliser l’IA comme levier de croissance.
Une entreprise qui saute directement à la suppression de postes se prépare parfois à réembaucher plus tard, avec moins de confiance, moins de compétence interne et plus de dégâts culturels.
La métrique qui change tout
Dans l’adoption de l’IA, la métrique centrale n’est plus “combien de postes supprimés ?”.
La métrique utile devient : quelle capacité nouvelle l’organisation sait-elle créer ?
Capacité à servir plus vite.
Capacité à décider mieux.
Capacité à apprendre plus rapidement.
Capacité à personnaliser sans dégrader.
Capacité à produire plus sans produire du slop.
Capacité à libérer les humains des tâches les plus pauvres pour les repositionner sur les tâches les plus décisives.
Capacité à faire émerger des rôles nouveaux.
Capacité à faire travailler ensemble ingénieurs, métiers, juristes, designers, RH, commerciaux, philosophes, managers et dirigeants.
L’IA bien utilisée ne rend pas l’humain décoratif.
Elle rend le design du travail stratégique.
Le piège du dirigeant pressé
Le dirigeant pressé voit l’IA comme un raccourci.
Le dirigeant lucide la voit comme un révélateur.
Elle révèle les processus absurdes, les silos, les postes mal définis, les données mal gouvernées, les décisions non documentées, les responsabilités floues, les managers insuffisamment formés et les cultures incapables d’apprendre.
Une IA posée sur un chaos organisationnel ne donne pas une organisation intelligente.
Elle donne un chaos plus rapide.
C’est pour cette raison que je parle moins de “transformation digitale” que de lucidité opérationnelle. L’enjeu n’est pas de mettre un chatbot sur une plaie ouverte. L’enjeu est de comprendre le travail, d’augmenter ce qui mérite de l’être, d’expérimenter, de mesurer, de corriger, puis de déployer.
Remplacer sans comprendre détruit de la compétence.
Augmenter avec méthode crée de la performance.
Ce que les dirigeants devraient faire maintenant
Je vois trois priorités.
D’abord, cartographier le travail réel. Pas les fiches de poste. Pas les organigrammes. Le travail réel : décisions, exceptions, arbitrages, dépendances, irritants, doublons, risques, qualité attendue, savoir tacite.
Ensuite, choisir des cas d’usage IA avec une logique d’innovation de procédé. Un bon cas d’usage n’est pas seulement celui qui économise du temps. C’est celui qui améliore simultanément la vitesse, la qualité, l’expérience, l’apprentissage et la robustesse.
Enfin, protéger l’humain qui devient plus précieux. L’IA rend certaines tâches moins rares. Elle rend le jugement, la responsabilité, l’esprit critique, la créativité, la communication et la capacité à apprendre beaucoup plus précieux.
Voilà pourquoi les juniors ne sont pas forcément condamnés.
Ils peuvent devenir les premiers natifs opérationnels de cette nouvelle manière de travailler, à condition de ne pas les traiter comme une variable d’ajustement.
Voilà pourquoi les philosophes deviennent intéressants.
Ils apportent un vocabulaire et une discipline de pensée sur des sujets que la technologie a rendus urgents.
Voilà pourquoi les correcteurs de slop deviennent nécessaires.
Ils rappellent que produire vite ne suffit jamais.
La bonne provocation
La prochaine fois qu’une slide vous promet une réduction d’effectifs grâce à l’IA, posez une question simple :
Quelle capacité nouvelle allons-nous créer ?
Si personne ne sait répondre, vous ne regardez pas une stratégie IA.
Vous regardez un plan d’appauvrissement déguisé en modernisation.
👉 Quelle fonction de votre entreprise devrait être augmentée par l’IA avant d’être stupidement automatisée ?
Oui, je mets aussi ce sujet sur la table dans mes conférences, ateliers et accompagnements, avec moins de slides “transformation digitale” et plus de lucidité opérationnelle.
Références
- (Ramp) = https://ramp.com/data/ai-jobs-impact
- (Ramp Economics Lab) = https://ramp.com/data/heavy-ai-adopters-hire-more
- (Robert Half) = https://www.roberthalf.com/us/en/insights/landing-job/job-seeking-these-sectors-are-hiring-now
- (Gartner) = https://www.gartner.com/en/newsroom/press-releases/2026-02-03-gartner-predicts-half-of-companies-that-cut-customer-service-staff-due-to-ai-will-rehire-by-2027
- (Orgvue) = https://www.orgvue.com/news/55-of-businesses-admit-wrong-decisions-in-making-employees-redundant-when-bringing-ai-into-the-workforce/
- (Orgvue) = https://www.orgvue.com/news/new-research-exposes-the-complexity-of-deploying-ai-systemsin-the-workforce/
- (Business Insider) = https://www.businessinsider.com/ai-job-market-careers-philosophy-majors-google-anthropic-2026-4
- (Daily Nous) = https://dailynous.com/2026/07/05/nyt-the-revenge-of-the-philosophy-major/
- (NBC News) = https://www.nbcnews.com/tech/tech-news/humans-hired-to-fix-ai-slop-rcna225969
- (NDTV) = https://www.ndtv.com/offbeat/humans-in-demand-to-clean-up-ais-mess-amid-job-loss-fears
