Auteur : faz.net Source : faz.net Date de publication : 05.02.2026

Mode rédactionnel : CLARUS_ANALYSIS Recommandation d'indexation : INDEX Langue/Rôle : FULL_ANALYSIS Date de vérification des faits : 05.02.2026

Résumé exécutif

Une étude récente de Davenport et Srinivasan remet en question le récit répandu de licenciements massifs liés à l'IA. Alors que 60 pour cent des dirigeants interrogés ont procédé à des réductions d'effectifs qu'ils attribuent à l'IA, ces décisions reposent largement sur des attentes plutôt que sur des effets de productivité mesurables. Seuls deux pour cent des organisations ont pu attribuer des réductions d'effectifs substantielles à des implémentations concrètes d'IA. Le phénomène est critiqué comme du « AI-Washing » – les entreprises justifient les mesures d'économie par l'IA sans apporter de preuves.

Personnalités

Thèmes

  • Intelligence artificielle et marché du travail
  • Communication d'entreprise et crédibilité
  • Secteur des services informatiques
  • Tendances d'automatisation Allemagne vs États-Unis

Clarus Lead

Le paradoxe central : alors que les grandes entreprises comme Amazon, IBM et Klarna justifient les licenciements par l'IA générative, les gains de productivité mesurables font défaut. Une étude mondiale du management montre que 60 pour cent des répondants ont réduit les effectifs ou arrêté les embauches – mais cela repose sur des prévisions futures, non sur des effets réalisés. Pertinent pour les décideurs : lier sans esprit critique les suppressions d'emploi à l'IA nuit à long terme à l'acceptation des employés et met en danger les espaces d'expérimentation productifs. Dans des secteurs spécifiques comme les services informatiques, des effets réels se manifestent, tandis que l'Europe est considérablement à la traîne des États-Unis en matière d'automatisation.

Résumé détaillé

Le phénomène du AI-Washing

La recherche révèle un énorme fossé de crédibilité : alors que 39 pour cent des organisations interrogées ont réduit les effectifs dans une faible à moyenne mesure et 21 pour cent de manière significative – tous en anticipant les futurs effets de l'IA – ces décisions reposent sur des scénarios spéculatifs. Particulièrement critique : Klarna, par exemple, a réduit ses effectifs entre 2022 et 2024 de 40 pour cent et a invoqué les gains d'efficacité de l'IA. En 2025, le PDG Sebastian Siemiatkowski a reconnu qu'on avait confié trop de travail à l'IA, en particulier dans le service client. Cela a mené à des critiques publiques et nuit à la confiance dans les initiatives d'IA.

Effets différentiels par secteur

Cependant, le tableau est inégal. Dans le secteur des services informatiques – des entreprises comme Tata Consultancy Services, Infosys et Wipro – on observe de véritables effets sur l'emploi. Ces entreprises embauchaient plus de 100 000 nouveaux employés par an au début de la décennie ; désormais, l'emploi stagne, car la programmation assistée par l'IA et l'automatisation permettent une croissance sans augmentation des effectifs. Parallèlement, cela a entraîné une vague d'insourcing, car les clients peuvent générer le code généré par l'IA moins cher eux-mêmes. Dans l'industrie, la santé et l'administration publique, en revanche, les réductions de personnel liées à l'IA sont à peine mesurables.

Différences régionales et institutionnelles

Une étude de l'OCDE souligne : en Allemagne, seules 12 pour cent des entreprises voient l'IA comme une technologie de remplacement à court terme, aux États-Unis, ce chiffre est de 28 pour cent. Les droits de cogestion, le droit du travail solide et l'accent mis sur la requalification entravent l'automatisation rapide en Europe. L'évaluation de l'IA générative elle-même est aussi difficile – 44 pour cent des managers l'ont désignée comme la forme d'IA la plus difficile à évaluer, bien que 90 pour cent lui aient attribué une contribution de valeur globale modérée à élevée.

Réalités scientifiques

Les expériences de terrain révèlent des effets limités et spécifiques : Brynjolfsson a déterminé une augmentation de productivité de 14 pour cent chez le personnel junior dans le service client ; chez les employés expérimentés, l'effet était moindre. Microsoft Research documente un gain de 10–15 pour cent dans le développement de logiciels – dans des conditions idéal-typiques. L'IA automatise généralement des tâches, pas des emplois complets ; l'exemple contraire des radiologues montre : malgré les prévisions du prix Nobel Geoffrey Hinton (l'IA surpasserait les radiologues en cinq ans), une décennie plus tard, il n'y a pas d'emplois perdus.

Points clés

  • Fossé de crédibilité : 60 pour cent des dirigeants justifient les réductions de personnel par l'IA, mais seuls 2 pour cent peuvent attribuer des réductions substantielles à des implémentations concrètes.

  • Mesurabilité insuffisante : Les effets de productivité sont jusqu'à présent à peine quantifiables ; les licenciements reposent sur les attentes futures plutôt que sur les données actuelles.

  • Réalité sectorielle différente : Les prestataires de services informatiques perdent effectivement des emplois par l'automatisation de l'IA ; dans l'industrie et la santé, l'effet est minimal.

  • Europe plus lente : Seules 12 pour cent des entreprises allemandes voient l'IA comme une technologie de remplacement à court terme (États-Unis : 28 pour cent).

  • Risque réputationnel : Le AI-Washing sans esprit critique endommage la loyauté des employés, augmente le scepticisme sociétal envers l'IA et met en danger les espaces d'expérimentation productifs.

  • Approche d'implémentation recommandée : Cas d'usage étroits et orientés vers les problèmes, réduction progressive des effectifs par attrition naturelle, restructuration des processus avec participation des employés, communication positive des effets de soulagement.

Questions critiques

  1. Preuves : Pourquoi 60 pour cent des managers interrogés signalent-ils des réductions de personnel dues à l'IA, alors que seuls 2 pour cent peuvent démontrer des implémentations mesurables ? Quels critères définissent les réductions « substantielles » dans l'étude ?

  2. Validité des sources : L'étude de l'OCDE cite 12 pour cent des entreprises allemandes voyant l'IA comme une technologie de remplacement à court terme – comment cet échantillon a-t-il été sélectionné, et les PME sont-elles représentées de manière adéquate ?

  3. Conflits d'intérêts : Les entreprises comme Klarna ont-elles des incitations à justifier les licenciements par des raisons technologiques plutôt que d'admettre les pressions économiques ou les décisions de gestion ?

  4. Causalité : Les gains de productivité de 10–15 pour cent dans les expériences de terrain peuvent-ils être transférés à des organisations réelles avec des conditions moins idéal-typiques ? Les exemples (radiologues, développement de logiciels) montrent-ils aussi des cas négatifs ?

  5. Applicabilité : Dans quelle mesure l'approche « narrow and deep » avec des expériences contrôlées est-elle réaliste dans de grandes organisations décentralisées ?

  6. Effets à long terme : Si environ la moitié des Américains voient l'utilisation de l'IA plutôt de manière critique, comment le AI-Washing constant affecte-t-il la confiance des clients et le comportement des consommateurs ?

Bibliographie

Source primaire : Amazon, IBM ou Klarna : Certains licenciements dus à l'IA étaient-ils trop hâtifs ? – FAZ Pro, 05.02.2026, par Holger Schmidt

Références secondaires (mentionnées dans le texte) :

  • Davenport, Thomas H. & Srinivasan, Laks : Étude sur l'IA et les réductions de personnel (1 000 dirigeants interrogés, monde)
  • Étude de l'OCDE sur l'automatisation de l'IA en Allemagne vs États-Unis
  • Brynjolfsson et al. : Expérience de terrain gains de productivité (service client, développement de logiciels)
  • Microsoft Research : Gains de productivité développement de logiciels
  • Sondage 2025 : Attitude américaine envers l'utilisation de l'IA

Statut de vérification : ✓ 05.02.2026

Ce texte a été créé avec l'aide d'un modèle d'IA. Responsabilité éditoriale : clarus.news | Vérification des faits : 05.02.2026