Voici quelque chose qui me dérange concernant la tendance des licenciements liés à l'IA. Les entreprises licencient des milliers de personnes en affirmant que l'IA va les remplacer, puis réembauchent discrètement ces mêmes personnes quelques semaines plus tard. Ce n'est pas un bug du système — cela révèle quelque chose de beaucoup plus profond sur le fonctionnement réel de l'IA dans le monde concret.

Laissez-moi vous expliquer ce qui s'est passé. Block de Jack Dorsey a annoncé fin février qu'ils allaient supprimer plus de 4 000 employés — passant de 10 000 à moins de 6 000. La version officielle : l'IA change tout, donc nous avons besoin de moins de personnel. Ça paraît simple, non ? Sauf qu'à la mi-mars, ces employés licenciés ont commencé à recevoir des appels pour revenir. Ingénieurs, recruteurs, designers — tous revenaient. Certains ont été informés qu'il s'agissait d'une erreur administrative. D'autres ont vu leurs managers se battre pour les réembaucher. Quelques-uns ont simplement reçu un appel une semaine après leur licenciement leur demandant de revenir, sans aucune explication.

Ce n’est pas nouveau non plus. Vous vous souvenez de Klarna ? La société suédoise de paiement a licencié plus de 1 000 personnes en 2024, affirmant que leur service client basé sur l’IA pouvait gérer la charge de travail de 700 agents. En mai 2025, Bloomberg et d’autres médias rapportaient que Klarna réembauchait du personnel du service client. Leur PDG a admis qu’ils avaient avancé trop vite. Trop vite avec quoi, exactement ?

Voici où les chiffres deviennent intéressants. L’IA à l’échelle entreprise n’est pas bon marché. Claude Opus coûte 5 dollars par million de tokens d’entrée et 25 dollars par million de tokens de sortie. Les modèles domestiques sont moins chers — Qwen 3.5 Plus fonctionne à 0,8 yuan par million de tokens d’entrée — mais on parle toujours d’argent réel. Quelqu’un que je connais, qui utilise ces outils pour la recherche, a dépensé 6 000 dollars en tokens en un mois. Réfléchissez-y. Quel professionnel senior peut-on embaucher pour 6 000 dollars par mois en dehors des marchés occidentaux coûteux ? Et multipliez cela par une entreprise qui essaie de remplacer le service client, l’ingénierie ou le recrutement par de l’IA. Entraîner un système d’IA capable de gérer des tickets complexes, d’accéder à plusieurs bases de connaissances, de gérer des conversations multi-tours et de rester stable ? Ce n’est pas une embauche à 3 000 yuan par mois. Ce sont des coûts d’infrastructure qui s’accumulent rapidement.

Mais il y a autre chose qui se passe ici, que les gens ne voient pas. C’est ce qu’on appelle le paradoxe de Jevons. En gros, lorsque l’efficacité s’améliore, on n’utilise pas moins d’une ressource — on en utilise davantage parce que c’est moins cher. Sur le lieu de travail, cela signifie qu’à mesure que l’IA rend les employés plus efficaces, les entreprises ne leur laissent pas la paix. Elles leur en demandent toujours plus. L’efficacité devient une taxe cachée sur le personnel restant. La narration selon laquelle l’IA libère la main-d’œuvre humaine ? C’est de la fiction marketing.

Ce que je pense en réalité, c’est que ces entreprises ne sont pas assez intelligentes pour intégrer l’IA dans leurs flux de travail sans tout casser. Elles utilisent l’IA comme prétexte pour réduire les coûts. Licencier des gens, prétendre que c’est une avancée, puis réembaucher quand elles réalisent que la moitié du travail n’a pas été faite. Les employés restants ? Ils sont submergés par des tâches supplémentaires, avec moins de collègues et beaucoup plus de stress. Et ce n’est pas seulement une question de charge de travail. Les entreprises sont des organisations faites de personnes et de relations — réseaux informels, confiance, savoir-faire institutionnel. On ne peut pas remplacer cela avec des tokens. Quand vous licenciez des gens, vous coupez dans la masse organique de l’organisation, pas seulement la main-d’œuvre.

Jensen Huang a d’ailleurs dénoncé cela lors de l’événement GTC de NVIDIA en 2026. Il a critiqué les dirigeants qui utilisent l’IA comme excuse pour licencier, disant qu’ils n’ont plus d’idées. Les vrais leaders devraient utiliser l’IA pour développer et embaucher plus de personnes, pas pour réduire les équipes. Mais soyons honnêtes — la plupart des cadres tech connaissent la vraie structure des coûts de l’IA. Ils savent que ce n’est pas une solution magique pour remplacer la main-d’œuvre humaine. Alors, pourquoi ces licenciements ?

Parce que la vraie histoire ne concerne pas l’efficacité de l’IA. Elle concerne la réduction des coûts. L’IA est devenue l’excuse universelle pour réduire les effectifs. Quand la croissance d’une entreprise stagne et que les profits diminuent, soudainement, l’IA devient la raison pour PUA vos employés — licencier, augmenter la charge de travail, faire en sorte que tout le monde se sente pas assez innovant pour la nouvelle ère. Et si vous avez accidentellement licencié quelqu’un d’essentiel, vous le réembauchez discrètement.

Musk a fait quelque chose de similaire chez Twitter. Après l’acquisition d’octobre 2022, il a licencié environ la moitié du personnel — plus de 3 000 personnes — en novembre. Puis il s’est rendu compte qu’il avait coupé trop profondément, alors il a ramené des dizaines de personnes qui se sont avérées essentielles. Même schéma.

Regardez, l’IA va changer les choses. C’est réel. Mais ce n’est pas magique. Elle ne peut pas résoudre les problèmes stratégiques d’une entreprise ni remplacer une bonne gestion. Ce que nous voyons maintenant, c’est des entreprises utilisant l’IA comme prétexte pour la vieille astuce : réduire les coûts et espérer que le reste du personnel pourra tout faire. La réembauche qui suit ne fait que confirmer cela — certains emplois n’ont jamais vraiment disparu. Ils ont simplement été des victimes commodes dans un exercice de réduction des coûts qui avait besoin d’un bon récit.

Les personnes qui ont été licenciées puis réembauchées ? Elles ne voient pas un revers ou une victoire. Elles voient la preuve qu’elles ont été blessées par quelque chose qui n’aurait même pas dû arriver. C’est ça, la vraie histoire.