Les entreprises licencient des travailleurs à cause de l’IA. Mais les chiffres qu’elles communiquent publiquement ne représentent qu’une fraction de ce qu’elles prévoient réellement de faire. Une importante nouvelle étude vient de le prouver, et l’écart devrait alarmer tout le monde.
Un document de travail du Bureau national de la recherche économique, basé sur une enquête auprès de près de 750 directeurs financiers menée par l’université Duke et les banques de la Réserve fédérale d’Atlanta et Richmond, révèle que 44 % des entreprises américaines prévoient des suppressions d’emplois liées à l’IA en 2026. Cela représente environ 502 000 postes dans l’ensemble de l’économie. En 2025, les employeurs n’ont publiquement attribué que 55 000 licenciements à l’IA, selon Challenger, Gray & Christmas. Les prévisions privées pour 2026 sont environ neuf fois plus élevées.
Cet écart fois neuf est le chiffre phare. Mais la vraie question est de savoir pourquoi il existe, ce qu’il signifie pour les travailleurs, et si quiconque en position de pouvoir est honnête à ce sujet.
Les suppressions d’emplois liées à l’IA sont réelles, mais leur suivi est défaillant
Les 55 000 licenciements attribués à l’IA recensés par Challenger, Gray & Christmas en 2025 ne représentaient que 4,5 % de l’ensemble des pertes d’emplois cette année-là. Par comparaison, quatre fois plus de suppressions de postes ont été imputées aux « conditions de marché et économiques », et près de six fois plus à la restructuration de l’efficacité gouvernementale. L’IA n’apparaissait quasiment pas comme catégorie.
Mais ces chiffres officiels reposent entièrement sur ce que les entreprises choisissent de déclarer. Or les entreprises ont de fortes incitations à rester discrètes. Quand New York est devenu le premier État à exiger la divulgation de l’IA dans les dépôts de la loi WARN, plus de 160 entreprises ont déposé des avis de licenciements collectifs au cours de l’année suivante. Pas une seule n’a attribué ses licenciements à l’IA ou à l’automatisation. Zéro. Cela inclut Amazon et Goldman Sachs, qui ont pourtant toutes deux publiquement évoqué l’intégration de l’IA dans leurs opérations.
Le système de suivi des suppressions d’emplois liées à l’IA est volontaire, auto-déclaré et structuré autour d’incitations qui récompensent le silence. Des travailleurs sont licenciés, et personne ne les comptabilise avec précision.
Pourquoi les entreprises restent silencieuses
Deux raisons contradictoires expliquent pourquoi les entreprises sous-déclarent les suppressions liées à l’IA, et les deux peuvent être vraies simultanément.
D’abord, la notion de « licenciement lié à l’IA » est difficile à définir. Quand une entreprise restructure un département et remplace certaines fonctions par des outils automatisés, s’agit-il d’un licenciement lié à l’IA ? Qu’en est-il quand une entreprise cesse simplement d’embaucher pour des postes qu’elle s’attend à voir gérer par l’IA à terme ? Comme Bloomberg Law l’a rapporté, le commissaire au travail de New York lui-même a reconnu que définir un licenciement lié à l’IA est un défi.
Ensuite, il y a un jeu financier en cours. Oxford Economics a soutenu en janvier 2026 que « certaines entreprises cherchent à présenter les licenciements comme une bonne nouvelle », utilisant l’IA comme prétexte pour des réductions d’effectifs routinières causées par une demande faible ou des embauches excessives par le passé. Attribuer les suppressions de postes à l’IA « véhicule un message plus positif aux investisseurs » qu’admettre une mauvaise évaluation du marché.
Le professeur de management de Wharton Peter Cappelli a documenté ce phénomène pendant des années : les entreprises annoncent des « licenciements fantômes » pour faire monter les cours boursiers, et les investisseurs ont appris à récompenser celles qui présentent les suppressions de postes comme de l’innovation plutôt que comme des échecs.
Le cas Block
En février 2026, le PDG de Block Jack Dorsey a licencié 40 % des effectifs de l’entreprise, soit plus de 4 000 personnes, en citant explicitement l’IA. C’était l’événement de licenciement attribué à l’IA le plus important de l’histoire de la tech. L’action de Block a bondi de 24 % à l’annonce.
Mais le Batten Institute de l’UVA Darden a remis en question le fait que l’IA soit réellement le moteur de cette décision. Block avait gonflé ses effectifs de 3 835 employés avant la pandémie à plus de 10 000. Les suppressions ont ramené les effectifs approximativement à leur niveau d’avant la Covid. L’IA était-elle la raison, ou le prétexte ?
C’est là la tension centrale. Certaines suppressions d’emplois liées à l’IA sont réelles. D’autres sont des réajustements post-pandémie rebaptisés. Et le système de déclaration actuel ne peut pas faire la différence.
Le retour du paradoxe de la productivitéUn paradoxe économique où l'adoption massive d'une technologie ne se traduit pas par des gains mesurables de productivité, souvent parce que les bénéfices sont différés ou inégaux.
Les entreprises suppriment des emplois au nom de gains de productivité liés à l’IA qui ne se sont pas encore concrétisés. L’étude du NBER a identifié un « paradoxe de la productivité » dans lequel les gains de productivité perçus sont supérieurs aux gains de productivité mesurés, ce que le co-auteur John Graham a qualifié de « davantage un souhait qu’un fait avéré ».
Goldman Sachs a confirmé cet écart dans une analyse de mars 2026. L’économiste senior Ronnie Walker a écrit que « nous ne trouvons toujours pas de relation significative entre la productivité et l’adoption de l’IA au niveau global de l’économie ». Seulement 10 % des équipes de direction du S&P 500 ont quantifié l’impact de l’IA sur des cas d’usage spécifiques. À peine 1 % a quantifié son impact sur les bénéfices. Moins de 20 % des établissements américains utilisent même l’IA pour quelque fonction commerciale que ce soit.
Parallèlement, des recherches du MIT ont révélé que 95 % des projets pilotes d’IA en entreprise n’ont produit « peu ou pas d’impact mesurable » sur le compte de résultat.
Des travailleurs perdent leur emploi à cause d’une technologie qui, pour l’essentiel, ne fonctionne pas encore à l’échelle des grandes organisations.
Ce qui doit changer
L’écart fois neuf entre les attentes privées et les déclarations publiques n’est pas seulement un problème de données. C’est un échec de transparence aux conséquences réelles pour des millions de travailleurs qui ne peuvent pas planifier leur carrière à partir d’informations qu’ils n’ont pas.
L’extension de la loi WARN à New York était un début, mais un an et zéro divulgation liée à l’IA plus tard, c’est clairement insuffisant. Les travailleurs méritent de savoir quand leurs emplois sont supprimés à cause de l’automatisation, et pas seulement quand leur employeur choisit de le mentionner. Des obligations de déclaration standardisées sur les suppressions d’emplois liées à l’IA, et non de simples cases à cocher volontaires, constituent la réponse politique minimale viable.
Les investisseurs aussi devraient exiger de l’honnêteté. Si 44 % des directeurs financiers prévoient des suppressions d’emplois liées à l’IA mais que quasiment aucun ne les divulgue publiquement, le marché intègre une fiction. L’écart entre ce que les dirigeants croient et ce qu’ils déclarent est un risque matériel que les règles de divulgation actuelles ne parviennent pas à saisir.
Le co-auteur de l’étude du NBER l’a dit clairement : « Qui sait ce qui va se passer en 2028 ? Je ne prédis pas qu’il n’y aura jamais d’emplois perdus à cause de l’IA dans deux, trois ou cinq ans. » Les suppressions arrivent. La seule question est de savoir si quelqu’un sera honnête à ce sujet avant qu’elles ne surviennent.
Un document de travail du NBER de mars 2026 rédigé par Baslandze, Edwards, Graham et al., s’appuyant sur l’enquête Duke CFO menée avec les banques de la Réserve fédérale d’Atlanta et Richmond, a produit les données les plus granulaires à ce jour sur le déplacement de main-d’œuvre provoqué par l’IA dans le secteur privé. Constatation centrale : 44 % des directeurs financiers interrogés parmi près de 750 entreprises américaines anticipent des suppressions d’emplois liées à l’IA en 2026, avec une perte nette estimée à environ 0,4 % de l’emploi total, soit environ 502 000 postes sur 125 millions. Cela représente environ neuf fois les 55 000 licenciements attribués à l’IA publiquement rapportés en 2025 par Challenger, Gray & Christmas.
Ce multiplicateur mérite d’être examiné attentivement. Il révèle un dysfonctionnement structurel dans la façon dont les suppressions d’emplois liées à l’IA sont mesurées, rapportées et comprises, avec des implications significatives pour la politique du travail, la divulgation financière et la gouvernance d’entreprise.
L’écart de divulgation dans les suppressions d’emplois liées à l’IA
Le chiffre de 55 000 fourni par Challenger, Gray & Christmas représente des licenciements attribués par les employeurs, une catégorie de déclaration volontaire et auto-sélectionnée introduite seulement en 2023. Elle ne représentait que 4,5 % de l’ensemble des pertes d’emplois de 2025, loin derrière les restructurations, les conditions économiques et les suppressions pour des raisons d’efficacité gouvernementale.
L’inadéquation de ce suivi est devenue évidente à New York. Après que l’État a modifié sa loi WARN pour obliger les employeurs à divulguer si les licenciements résultent d’une « innovation technologique ou d’une automatisation », plus de 160 entreprises ont déposé des avis de licenciements collectifs dans l’année suivant la mise à jour. Pas une seule n’a attribué ses licenciements à l’IA, y compris de grands utilisateurs de l’IA comme Amazon et Goldman Sachs. Comme l’a observé Kevin Frazier de l’Abundance Institute, la loi WARN est « un produit des années 1970 » conçue pour les fermetures d’usines, et non pour les schémasCadres mentaux de représentations compressées et d'attentes que le cerveau utilise pour encoder, stocker et récupérer les informations. Lorsque vous vous souvenez de quelque chose, votre cerveau la reconstruit en utilisant des schémas plus tous les indices contextuels présents. de déplacement progressifs et diffus propres à l’adoption de l’IA.
Le Forum de Harvard Law School sur la gouvernance d’entreprise a relevé le vide réglementaire : si les normes GAAP exigent la divulgation des charges significatives liées aux licenciements planifiés, et si la loi WARN fédérale impose un préavis, aucun de ces deux cadres n’est conçu pour saisir la nature incrémentale et anticipatoire des changements de main-d’œuvre induits par l’IA. Il en résulte un système de mesure qui sous-compte systématiquement.
L’IA comme façade et la structure des incitations
L’écart de divulgation va dans les deux sens. Certaines entreprises surestiment le rôle de l’IA ; d’autres le dissimulent entièrement.
Oxford Economics a soutenu en janvier 2026 que les entreprises « habillent les licenciements en bonne nouvelle », en requalifiant les corrections d’embauches excessives de l’ère pandémique comme des gains d’efficacité portés par l’IA. La logique est simple : attribuer les suppressions à l’IA « véhicule un message plus positif aux investisseurs » qu’admettre une demande faible ou un mauvais calcul stratégique.
Les recherches du professeur de Wharton Peter Cappelli confirment cette interprétation. Cappelli a documenté comment les entreprises annoncent des « licenciements fantômes » pour profiter des réactions positives des marchés boursiers. Il cite des données Harris Poll montrant que 74 % des PDG mondiaux craignaient de perdre leur poste dans les deux ans s’ils ne pouvaient pas démontrer des succès en matière d’IA, les PDG estimant qu’environ un tiers de leurs initiatives d’IA relevaient d’un « IA washing » pour l’image et la réputation.
Le licenciement chez Block illustre cette ambiguïté. Le PDG Jack Dorsey a licencié 40 % des effectifs de Block en février 2026, soit plus de 4 000 employés, en citant explicitement l’IA. L’action a bondi de 24 %. Mais comme l’a analysé le Batten Institute de Darden, les licenciements ont soulevé des questions quant à l’IA comme véritable moteur. Block avait grandi de 3 835 à plus de 10 000 employés pendant la pandémie. Les suppressions ont rétabli les effectifs d’avant la Covid. Que l’IA soit la cause ou l’emballage narratif reste une question ouverte, et le cadre réglementaire actuel n’offre aucun mécanisme pour distinguer les deux.
Le paradoxe de la productivitéUn paradoxe économique où l'adoption massive d'une technologie ne se traduit pas par des gains mesurables de productivité, souvent parce que les bénéfices sont différés ou inégaux. : le retour de Solow
Le document du NBER identifie un « paradoxe de la productivité » faisant directement référence à l’observation de Robert Solow en 1987 selon laquelle « on peut voir l’ère informatique partout sauf dans les statistiques de productivité ». Les directeurs financiers rapportent des gains de productivité perçus grâce à l’IA qui dépassent les gains mesurés, ce que les chercheurs attribuent à des réalisations de revenus différées.
Le rapport « AI-nxiety » de Goldman Sachs de mars 2026 l’a confirmé au niveau macroéconomique. L’économiste senior Ronnie Walker n’a trouvé « aucune relation significative entre la productivité et l’adoption de l’IA au niveau global de l’économie », même si un nombre record de 70 % des équipes de direction du S&P 500 ont évoqué l’IA lors des appels trimestriels. Les chiffres détaillés sont frappants : seulement 10 % des entreprises du S&P 500 ont quantifié l’impact de l’IA sur des cas d’usage spécifiques, et à peine 1 % a quantifié l’impact sur les bénéfices. Les données du recensement indiquent que moins de 20 % des établissements américains utilisent l’IA pour quelque fonction commerciale que ce soit.
Là où l’IA produit des résultats, les gains sont concentrés. Goldman a identifié une hausse médiane de productivité de 30 % dans deux domaines spécifiques : le service client et le développement logiciel. Mais ces succès localisés ne se sont pas traduits par une accélération de la productivité à l’échelle de l’économie. L’étude MIT GenAI Divide de 2025 a révélé que 95 % des projets pilotes d’IA en entreprise n’ont produit « peu ou pas d’impact mesurable sur le compte de résultat », sur la base de 150 entretiens avec des dirigeants, 350 enquêtes auprès de collaborateurs et 300 analyses de déploiements publics.
Cela crée une arithmétique inconfortable : les entreprises projettent des réductions d’effectifs sur la base de gains de productivité qui, pour la grande majorité d’entre elles, ne se sont pas encore concrétisés. Elles suppriment des emplois en anticipation d’un dividende technologique qui reste théorique à l’échelle des grandes organisations.
Effets de composition et divergence des petites entreprises
Le document du NBER révèle une hétérogénéité importante sous les chiffres globaux. Les grandes entreprises anticipent des réductions nettes d’effectifs provoquées par l’IA, tandis que les petites entreprises (moins de 500 employés) s’attendent à des hausses d’embauche modestes, notamment dans les fonctions techniques. Environ la moitié des 502 000 pertes d’emplois projetées concernent des cols blancs, l’étude identifiant les fonctions de bureau administratif et de secrétariat comme les plus vulnérables.
Cette mutation de composition est importante pour les politiques publiques. Le déplacement n’est pas uniforme dans toute l’économie, mais concentré dans des fonctions spécifiques au sein des grandes organisations. Le document développe un indice classant les fonctions professionnelles les plus négativement affectées par l’IA, montrant que la réallocation du travail s’opère à la fois au sein des entreprises (des fonctions de routine vers les fonctions techniques) et entre entreprises (des grandes vers les petites).
Le signal d’embauche dans les petites entreprises complique le tableau. Si les petites entreprises ajoutent des postes techniques pour soutenir l’adoption de l’IA tandis que les grandes suppriment des postes administratifs, l’effet net sur l’emploi est plus faible que ce que l’un ou l’autre camp du débat laisse entendre. Mais les travailleurs qui perdent des postes administratifs dans les grandes entreprises ne sont pas les mêmes que ceux embauchés pour des postes techniques dans les petites. Le déplacement peut constituer une erreur d’arrondi dans les statistiques agrégées tout en restant catastrophique pour les individus concernés.
Implications réglementaires et de gouvernance
L’écart fois neuf entre les attentes privées et les déclarations publiques sur les suppressions d’emplois liées à l’IA comporte trois dimensions pertinentes pour les politiques publiques.
Divulgation financière. Si 44 % des directeurs financiers prévoient des réductions d’effectifs liées à l’IA mais que moins de 1 % quantifient l’impact de l’IA sur les bénéfices lors des appels d’analystes, les investisseurs opèrent avec des informations incomplètes. Comme l’a noté le Forum de Harvard Law, les obligations de divulgation déclenchées par les normes GAAP et les exigences existantes de la loi WARN ont été conçues pour des événements discrets et identifiables, et non pour l’attrition progressive et la suppression de postes caractéristiques du déplacement par l’IA.
Suivi du marché du travail. L’expérience de New York avec la loi WARN démontre que la divulgation volontaire et auto-déclarée ne produit aucun signal. D’autres projets de loi dans la législature de New York obligeraient les entreprises de plus de 100 employés à déclarer les travailleurs déplacés, les postes non pourvus précédemment occupés par des humains, et les heures modifiées en raison de l’IA. Une proposition distincte impose un préavis écrit de 90 jours avant les suppressions liées à l’IA, avec des amendes de 10 000 dollars et une perte d’incitations fiscales d’État pendant cinq ans pour les violations.
Gouvernance du conseil d’administration. Le cadre de la NACD recommande que les conseils exercent leur surveillance de l’adoption de l’IA « avec le même niveau de vigilance que le risque financier ». Martin Lipton de Wachtell Lipton a exhorté les conseils à considérer l’effet de l’adoption des technologies sur les employés « au lieu de rechercher myopiquement des réductions immédiates des coûts à tout prix ». La déconnexion actuelle entre les attentes privées des directeurs financiers et les divulgations au niveau du conseil suggère que cette surveillance ne se produit pas à grande échelle.
L’évaluation honnête
Les données du NBER indiquent une perturbation du marché du travail réelle mais modérée à court terme, structurellement sous-déclarée, et portée autant par les comportements corporatifs anticipatoires que par les capacités technologiques réelles. Les 502 000 pertes d’emplois projetées représentent 0,4 % de l’emploi total américain. Même si elles se réalisent intégralement, ce n’est pas le « scénario catastrophe » que certains dirigeants de la tech ont promu.
Mais c’est neuf fois plus que ce que quiconque était prêt à dire publiquement. Et le co-auteur de l’étude, John Graham de Duke, a été candide sur les limites des projections à court terme : « Qui sait ce qui va se passer en 2028 ? »
La vérité inconfortable, c’est que nous disposons d’une infrastructure de mesure du marché du travail conçue pour les années 1970, à laquelle on demande de suivre un phénomène de 2026. Tant que les obligations de divulgation ne rattraperont pas les intentions des entreprises, l’écart entre ce que les dirigeants prévoient et ce qu’ils déclarent restera le défaut central de la politique du travail en matière d’IA.
