Le même IA : certaines entreprises l'utilisent pour licencier, d'autres pour recruter

Commençons par deux faits réels de cette année, qui, mis côte à côte, font particulièrement mal aux yeux.

Premier fait : Meta a licencié environ 8 000 personnes en mai, soit une proportion d’environ 10 % de ses effectifs. Dans la même note interne, l’entreprise a relevé ses dépenses d’investissement pour 2026 de 10 Md$ supplémentaires, pour les porter à 145 Md$ — presque entièrement injecté dans les centres de données et les puces dédiés à l’IA. Zuckerberg écrivait dans ce message : « Dans l’ère de l’IA, le succès n’a rien d’automatique. »

Deuxième fait : toujours en mai, OpenAI a mis 4 Md$ sur la table pour créer une société de déploiement spécialisée, et s’est mis à recruter à tour de bras un profil appelé Forward Deployed Engineer (FDE) ; Google a publié 59 offres pour ce même poste en une seule fois, et le PDG de Google Cloud est lui-même allé recruter sur LinkedIn ; Anthropic n’a licencié personne depuis le début de l’année, son évaluation a grimpé à 380 Md$ et l’entreprise affiche des centaines de postes ouverts.

Le même IA sert de prétexte dans le premier cas pour licencier, et de moteur dans le second pour recruter à marche forcée.

Quand une seule et même chose peut simultanément justifier « voilà pourquoi nous réduisons les effectifs » et « voilà pourquoi nous embauchons sans relâche », cette chose n’est vraisemblablement pas la vraie cause. Ce que je veux démêler aujourd’hui, c’est ce qui se passe réellement quand toutes les annonces de licenciement portent le mot « IA ».

Ce que les licenciés lisent comme « l’IA est trop forte » est une autre histoire que voulait raconter le patron

Si vous avez été licencié ces six derniers mois, ou si quelqu’un dans votre entourage l’a été, vous connaissez probablement le registre des communiqués : embrasser l’IA, gagner en efficacité, se réorganiser pour l’avenir. On a l’impression que l’IA serait devenue si puissante qu’elle aurait rendu votre poste superflu.

Mais quand on pose les chiffres les uns à côté des autres, le récit se trouble.

Ces licenciements se sont produits en grande majorité lors de trimestres où les entreprises affichaient des bénéfices record. Pas de survie en mode amputation d’urgence — au contraire, des résultats financiers éclatants : d’une main elles engrangent plus d’argent que jamais, de l’autre elles licencient. Meta elle-même n’a pas pris de gants dans sa justification : les licenciements visent à « faire fonctionner l’entreprise plus efficacement, afin de compenser nos autres investissements en cours ».

Traduit sans détour : nous allons dépenser 145 Md$ en GPU et en centres de données, et il faut bien trouver cet argent quelque part — donc on le prend sur la masse salariale. Si vous êtes licencié, ce n’est pas parce que l’IA sait faire votre travail, c’est parce que votre salaire sert désormais à payer la facture d’électricité de l’IA.

La formulation la plus franche vient d’un dirigeant d’une société de recrutement. Il expliquait que les patrons peuvent désormais dire facilement à leurs employés « j’ai sur-recruté, c’est ma faute » — parce que « le monde entier croit déjà que les machines sont en train de remplacer les emplois ».

Relisez bien cette phrase. Elle ne dit pas « l’IA a remplacé des emplois ». Elle dit : « Il existe un discours auquel tout le monde croit, qui tombe à point nommé pour couvrir mes propres erreurs de recrutement passées. » L’IA n’est pas ici le coupable — c’est un cache-misère particulièrement pratique. Ces deux dernières années, pendant la conjoncture favorable et l’afflux de financements, les grands groupes ont recruté à outrance. Il faut maintenant corriger le tir, et ça exige une explication. « C’est la faute de l’IA » est tellement plus commode que « notre management a mal évalué la situation » — sans risque de mise en cause par le conseil d’administration, avec en prime un possible rebond du cours de bourse.

Pourquoi ce cache-misère fonctionne-t-il aussi bien ? Parce qu’il contente trois parties en même temps. Pour les actionnaires, « nous optimisons par l’IA » est un récit de croissance — un licenciement finit par être lu comme une bonne nouvelle, le cours monte ; pour le conseil d’administration, personne ne demandera des comptes à un cadre dirigeant pour avoir « suivi le mouvement technologique » quand il avait sur-recruté des milliers de personnes ; pour le grand public, « les temps changent » sonne bien mieux que « nous avions mal calculé ». Une décision mal prise, habillée d’un discours IA, se transforme magiquement d’une faute à pointer en une clairvoyance à saluer. Il n’existe pas de communication de crise plus rentable.

Si on regarde où va l’argent, le tableau devient encore plus net. Cette année, Meta, Amazon, Microsoft et Google — les Big Four — ont cumulé environ 725 Md$ de dépenses d’investissement, en hausse de 75 % par rapport à l’an dernier, quasiment entièrement orientées vers la puissance de calcul IA. Microsoft lui-même a procédé à environ 4 800 suppressions de postes sur la période. Pour dégager une telle somme dans les comptes, le levier le plus rapide, c’est de couper dans les effectifs — une partie de la facture IA est payée par les personnes licenciées. Donc la formule « licencié à cause de l’IA » se lit peut-être plus justement à l’envers : « licencié pour l’IA ».

Depuis le début de l’année jusqu’en mai, les suppressions de postes explicitement imputées à l’IA ont atteint 87 714 personnes, soit environ 22 % de l’ensemble des licenciements sur la période. Dans ces 22 %, quelle part correspond à des postes véritablement remplacés par l’IA, et quelle part n’est que l’IA utilisée comme prétexte pour solder de vieilles ardoises — personne ne peut le dire avec certitude. Et c’est précisément cette impossibilité de trancher qui rend le prétexte si efficace.

Si l’IA remplaçait vraiment les emplois, les entreprises les plus en pointe sur l’IA devraient être les premières à dégraisser

C’est ce que je trouve le plus révélateur, ce qui crève le mieux l’abcès.

Supposons que « l’IA remplace la main-d’œuvre » soit vrai, que ce soit le vrai moteur de cette vague de licenciements. En suivant cette logique jusqu’au bout : les entreprises qui maîtrisent le mieux l’IA, qui l’utilisent le plus intensément, qui devraient être les premières menacées par leur propre technologie, ce sont les boîtes qui font de l’IA elles-mêmes. Elles devraient être en tête des réductions d’effectifs.

La réalité ? C’est exactement l’inverse.

• Anthropic : zéro licenciement cette année. Pas un seul avis WARN, pas une seule note interne d’annonce de départs. L’entreprise est en hyper-croissance, avec plus de 2 300 personnes et des centaines de postes ouverts.
• OpenAI : non seulement aucun licenciement, mais l’entreprise a mis 4 Md$ sur la table — avec Bain et McKinsey comme partenaires — pour créer une nouvelle société dont l’unique mission est d’envoyer des gens dans d’autres entreprises pour les aider à déployer l’IA. Dès le lancement, elle a intégré environ 150 Forward Deployed Engineers via des acquisitions.
• Google a publié au même moment des dizaines d’offres de Forward Deployed Engineer, avec des salaires facilement à six chiffres (en dollars).

Si ceux qui fabriquent l’IA recrutent à tout-va, le récit « l’IA rend les gens inutiles » s’effondre déjà à moitié sur le plan logique.

La vérité est probablement ailleurs : l’IA remodèle effectivement le travail, mais pas en « remplaçant les humains par des machines » — plutôt en déplaçant de la valeur d’un type d’activité vers un autre. Certains emplois sont absorbés par l’IA, mais simultanément apparaissent en masse de nouveaux emplois, plus rémunérateurs, qui n’existent que parce que l’IA est là. La vague des licenciements et la vague des recrutements sont les deux faces d’une même pièce — simplement racontées par deux groupes d’entreprises différents, dans deux directions opposées.

La vraie variable n’a jamais été l’IA

On a trop facilement tendance à faire de « l’IA » un sujet agissant de façon autonome — comme si c’était elle qui décidait qui part et qui reste. Ce n’est pas le cas. Les décisions sont toujours prises par des entreprises, par des êtres humains. L’IA n’est que le mot commode poussé sur le devant de la scène pour servir d’explication à tout le monde.

La même technologie : Meta s’en sert comme prétexte pour licencier 8 000 personnes, OpenAI s’en sert comme moteur pour en recruter des centaines. La différence ne tient pas à l’IA — elle tient à la façon dont ces deux entreprises envisagent l’IA, l’utilisent, et ont ou non l’honnêteté d’assumer leurs propres décisions.

• Une entreprise traite l’IA comme une justification pour réduire les coûts : l’IA est arrivée, donc j’embauche moins, je prends l’argent économisé pour accumuler de la puissance de calcul, et j’efface au passage mes excès de recrutement passés d’un trait de plume.
• Une autre traite l’IA comme un levier de croissance : l’IA est arrivée, donc j’ai besoin d’une grande quantité de nouvelles personnes pour actionner ce levier, le déployer chez les clients, le transformer en argent.

Ces deux entreprises face à une technologie strictement identique prennent des directions radicalement opposées. Pour juger si une entreprise mérite votre présence ou votre investissement, ce n’est pas « a-t-elle de l’IA ? » qu’il faut regarder — c’est de quel côté de cette pièce elle se trouve.

Les postes en recrutement effréné révèlent ce qui est vraiment rare

Le poste de Forward Deployed Engineer mérite qu’on s’y arrête un instant, car il agit comme une sonde qui détecte ce qui est vraiment rare et vraiment précieux dans cette vague IA.

Il ne s’agit pas de former des modèles ni d’écrire des algorithmes bas niveau — c’est ce que font une poignée de personnes dans les meilleurs labos. Ce qui se fait dans ce poste : aller s’installer dans une vraie entreprise, s’asseoir avec les responsables métier et les employés de terrain, identifier « ce que l’IA peut véritablement créer comme valeur ici », puis repenser l’ensemble des processus autour d’elle, et faire en sorte que ça tourne vraiment, que ça s’ancre, que ça génère des revenus durables.

Un article donnait de ce poste une formulation que je trouve juste :

Ce rôle est le signal de marché le plus clair à ce jour — la partie la plus difficile de l’IA s’est déplacée de « fabriquer le modèle » à « faire fonctionner le modèle réellement dans une entreprise ».

C’est selon moi la phrase la plus dense en information parmi toutes les actualités IA de ces six derniers mois.

Fabriquer des modèles, c’est une course aux armements réservée à un tout petit nombre d’entreprises, sans rapport direct avec la grande majorité des gens. Mais « faire en sorte que l’IA produise de la valeur dans des situations concrètes » — ça, ça exige un nombre massif de personnes. Ces personnes ne savent pas forcément entraîner des réseaux de neurones, mais elles comprennent les métiers, elles comprennent les gens, elles savent traduire une douleur floue en une solution concrète que l’IA peut déployer sur le terrain — et elles restent pour s’assurer que ça produit vraiment des résultats.

Un exemple concret pour comprendre à quel point ce travail n’est pas « technique ». Une compagnie d’assurances veut utiliser l’IA pour traiter les sinistres. Le modèle lui-même, il existe déjà et n’importe qui peut l’appeler. La difficulté, c’est : à quelle étape du processus de règlement y a-t-il le plus d’embouteillages, dans quel département ça coince, comment nourrir le modèle avec les règles tacites que les experts expérimentés appliquent sans pouvoir les verbaliser, qui assume la responsabilité en cas d’erreur, comment amener les agents liquidateurs de terrain à utiliser l’outil au lieu de le rejeter. Rien de tout ça n’est un problème de « modèle pas assez puissant » — tout relève de « comprendre cette entreprise, comprendre ce métier, et savoir y insérer l’IA ». Le modèle est générique ; la valeur, elle, pousse toujours dans un contexte précis, et le contexte, il faut que des gens aillent le déchiffrer un par un. Voilà pourquoi les meilleurs labos, d’une main poussent les capacités des modèles à leurs limites, et de l’autre dépensent des milliards pour s’arracher ces profils « qui savent brancher le modèle dans un métier réel » — parce qu’ils savent mieux que quiconque que même le meilleur modèle, s’il ne se déploie pas, ne se transforme pas en argent.

C’est précisément la capacité que beaucoup de personnes licenciées par les grands groupes possèdent déjà, ou pourraient développer sans trop de reconversion. L’IA n’a pas rendu cette capacité obsolète — elle l’a rendue précieuse comme jamais. Le seul changement, c’est que la demande est passée de « maintenir les anciens systèmes » à « insérer l’IA dans les anciens systèmes ».

Ce que ça signifie pour nous

Après tout ce qui précède, et en ramenant ça à notre propre situation, voilà deux points que je retiens.

Premièrement, ne vous laissez pas paralyser par le discours « l’IA vous a remplacé » — commencez par vérifier si c’est un prétexte. Une entreprise qui affiche des bénéfices records et continue d’injecter des milliards dans l’IA, si elle vous licencie en invoquant l’IA, il y a de grandes chances que ce ne soit pas vos compétences qui aient été dépassées par une machine — c’est votre poste qui a été redirigé pour payer la facture d’infrastructure. C’est une décision sur la façon dont cette entreprise redistribue son argent, pas un verdict sur votre valeur. Confondre les deux est la chose la plus dommageable qui soit — beaucoup de personnes licenciées s’enfoncent ensuite dans le doute de soi, « est-ce que je ne suis plus à la hauteur ? », alors que ce n’était pas le problème.

Deuxièmement, et c’est le point le plus important : trouvez un moyen de vous placer du côté de la pièce qui recrute. De ce côté-là, ce ne sont pas des gens capables de créer de l’IA qu’on cherche — c’est des gens capables de faire produire de la valeur à l’IA dans des situations réelles. Ça n’a rien de mystérieux, ça se décompose en quelques actions très concrètes :

• Ne restez pas cantonné à « l’exécution que l’IA finira forcément par automatiser » — allez vers « juger si l’IA devrait faire ça de cette façon, et si elle le fait correctement » ;
• Développez une compétence que personne ne peut dupliquer : prendre un problème métier flou et le formuler assez clairement pour que l’IA puisse le déployer concrètement ;
• Cessez de vous demander « vais-je être remplacé ? » et posez-vous plutôt la question « puis-je utiliser l’IA pour accomplir quelque chose qui était impossible avant ? » — c’est ce deuxième profil que le côté recrutement cherche.

L’IA ne remplacera pas les gens — mais elle rebattra les cartes : elle élimine « ceux qui font uniquement ce que l’IA sait faire » et valorise « ceux qui savent se servir de l’IA pour accomplir des choses ». Tout ce flot de nouvelles contradictoires depuis six mois, une fois qu’on gratte jusqu’au fond, se résume à ça.

Ce n’est pas vous inviter à plaindre les grands groupes, ni nier que les licenciements font mal — être licencié, ça fait vraiment mal, et les factures sont bien réelles. Mais c’est précisément dans ces moments-là qu’il ne faut pas se tromper sur la raison de son licenciement. Si vous avez été licencié, c’est souvent non pas parce que vous avez perdu face à l’IA, mais parce que votre entreprise a choisi de se servir de l’IA pour économiser de l’argent plutôt que pour en gagner davantage. C’est son choix, pas votre verdict.

L’annonce de licenciement et l’offre d’emploi portent le même mot. Elles ne parlent pas de la même chose. Ne lisez pas seulement la moitié qui fait peur.